딥러닝 기반 흉부 X선(CXR) 이미지 COVID-19 질환 분류: AlexNet 전이학습을 활용한 CNN 정확도 분석
https://dx.doi.org/10.31916/sjmi2023-01-01 서론 전 세계적으로 COVID-19 팬데믹은 의료 영상 분석의 자동화와 인공지능(AI) 기술의 필요성을 가속화하였다. 특히 흉부 X선(CXR) 이미지는 폐 질환을 진단하는 데 핵심적인 영상 자료로 사용되며, 최근에는 딥러닝(Deep Learning) 기반 합성곱 신경망(Convolutional Neural Network, CNN)이 의사들의 보조 진단 도구로 주목받고 있다. 본 연구에서는 AlexNet 기반 전이학습(Transfer Learning)을 적용하여 COVIDGR-1.0 데이터셋의 흉부 X선 이미지를 정상(Normal), 경증(Mild), 중등도(Moderate), 중증(Severe)으로 분류하였다. 연구 방법 1. 데이터셋 COVIDGR-1.0 Dataset : 스페인 Hospital Universitario San Cecilio와 협력하여 익명화된 784장의 흉부 X선(CXR) 이미지로 구축됨 . 데이터는 70% 훈련(training), 30% 검증(validation) 세트로 분할되었다 . 2. 전이학습 모델: AlexNet Figure 1. 전이학습 과정 : AlexNet을 기반으로 사전 학습된 가중치를 활용하고, 최종 분류 계층을 COVID-19 중증도 단계에 맞게 수정하였다 . 전이학습을 통해 훈련 시간을 단축하고 소규모 의료 데이터셋에서도 높은 정확도를 달성할 수 있었다. 3. 실험 절차 데이터셋 로딩 및 전처리: RGB → Gray scale 변환, 정규화(normalization) 수행 . Figure 2. 실험 절차 : 데이터셋 불러오기, 라벨링, 학습-검증 데이터 분할, 모델 학습 및 분류 단계로 구성됨. Figure3. 샘플 이미지 : 16장의 X-ray 이미지가 무작위로 배열되어 시각화됨 결과 및 분석 1. 분류 결과 Figure 4. 분류 이미지 : 네 가지 질환 단계별 예측 ...
