프로젝트 : Eyetracker For Dizziness

 

1. 프로젝트 소개

딥러닝을 이용한 이석증 분류기 : Diagnosis of BPPV by eye movement tracker Algorithm

 

2. 프로젝트 개요

• 프로젝트 목적 (기존 안진검사의 한계점)

  • 환자는 병원에 방문하여 무거운 적외선 카메라가 부착된 특수한 안경을 착용하여 검사를 진행
  • 적외선 비디오 녹화 시스템을 이용하여 눈의 움직임을 다시 분석해야 하는 번거로움이 있음
  • 장비가 가벼운 재질이고 이동성이 좋은 관계로 파손의 위험이 높다는 것
  • 얼굴의 형태나 연령에 따라 여러 크기와 형태의 고글이 필요하다는 점
    
    *출처 <대한평형의학회지 제 3 권 2호 2004; 245-253>

• 결론

  • 간편하게 안진검사를 시행할 수 있는 서비스 제작

• Dataset
  
  • 한계
    
    의료 데이터의 특성 상, 병원과 협업하지 않고는 많은 데이터를 얻는데 한계가 있었다.
    
    따라서 데이터는 유튜브에 공개적으로 업로드된 다수의 환자 영상으로 학습을 진행하였다.
    
    부족한 데이터는 팀원들이 직접 동공의 움직임을 모방하여 data를 직접 구축했다.

• 진단 방법

  • 머리가 움직이면 반고리관에서 내림프액 흐름이 생기고 흐름의 방향에 따라 특정 반고리관 전정신경이 흥분되는데 이렇게 흥분된 전정신경은 특정한 방 향으로 안구를 움직이게 만드는 신경들을 자극합니다. 그런데 이러한 정상적인 신호의 흐름이 깨지거나 항진되는 경우 머리의 움직임이 안구의 비정상적 인 운동을 만들어 내는데 이러한 안구의 움직임을 비정상 안진이라고 합니다. 비정상 안진이 나타나면 머리 움직임에 눈이 적절히 반응하지 못해 시야 가 흔들리거나 빙빙 도는 것같이 보이는데 이러한 안구의 움직임을 측정한다.
    
    

3. 동공 추출 기법

• open cv에서 미리 훈련된 데이터를 XML파일(haarcascade_eye.xml)을 제공하는데 이를 이용하여 먼저 눈을 검출
• 검출 한 눈을 crop하여 그 안에서 gray 이미지의 Gaussian Noise를 제거
• 이미지 thresholding을 통해 threshold보다 크면 0이고 아니면 value로 바꾸어 줌
• 동공이 검정색인 점을 이용하여 Contour을 찾아줌
  
  
  

4. accuracy

01accuracy

normal	130	0	100%
abnormal(modified data)	42	88	67.7%
real_patient	15	115	88.4%

• 코드
• https://github.com/jinnyjinny/Eyetracker_For_Dizziness-1
  
  
• Readme
  • 김연우