[논문 리뷰] A Comparative Analysis of CNN-Based Pretrained Models for the Detection and Prediction of Monkeypox

Sourav Saha, Trina Chakraborty외 2명|arXiv (Cornell University)|2023. 01. 20.

Poxvirus research and outbreaks인용 수 10

한 줄 요약

본 논문은 여러 CNN 기반 사전학습 모델과 다수결 앙상블을 이용해 monkeypox 탐지를 여러 클래스 쌍에서 평가하고, 특정 모델과 앙상블의 주목할 만한 성능을 보고한다.

ABSTRACT

Monkeypox is a rare disease that raised concern among medical specialists following the convi-19 pandemic. It's concerning since monkeypox is difficult to diagnose early on because of symptoms that are similar to chickenpox and measles. Furthermore, because this is a rare condition, there is a knowledge gap among healthcare professionals. As a result, there is an urgent need for a novel technique to combat and anticipate the disease in the early phases of individual virus infection. Multiple CNN-based pre-trained models, including VGG-16, VGG-19, Restnet50, Inception-V3, Densnet, Xception, MobileNetV2, Alexnet, Lenet, and majority Voting, were employed in classification in this study. For this study, multiple data sets were combined, such as monkeypox vs chickenpox, monkeypox versus measles, monkeypox versus normal, and monkeypox versus all diseases. Majority voting performed 97% in monkeypox vs chickenpox, Xception achieved 79% in monkeypox against measles, MobileNetV2 scored 96% in monkeypox vs normal, and Lenet performed 80% in monkeypox versus all.

연구 동기 및 목표

• 조기 monkeypox 탐지 및 예측을 돕기 위한 자동화 도구의 시급한 필요성을 다룬다.
• monkeypox 관련 분류 작업에서 다수의 CNN 기반 사전학습 모델의 성능을 비교한다.
• 어떤 아키텍처와 앙상블 방법이 monkeypox와 유사 질환 간의 구분력을 가장 강하게 발휘하는지 확인한다.

제안 방법

• CNN 사전학습 모델들(VGG-16, VGG-19, Restnet50, Inception-V3, Densnet, Xception, MobileNetV2, Alexnet, Lenet)을 monkeypox 분류 작업에 적용한다.
• 다수결 투표를 앙상블 기법으로 사용하여 모델의 판단을 집계한다.
• monkeypox 대 chickenpox, monkeypox 대 measles, monkeypox 대 normal, monkeypox 대 모든 질환으로 구성된 데이터셋에서 모델을 평가한다.
• 각 모델과 시나리오별 분류 성능을 보고한다.
• 새로운 아키텍처 변경을 상세히 설명하지 않고 표준 CNN 기반 전이 학습을 활용한다.

실험 결과

연구 질문

• RQ1 어떤 CNN 기반 사전학습 아키텍처가 monkeypox를 chickenpox, measles, normal과 가장 잘 구분하는가?
• RQ2 다수결 앙상블 접근법이 서로 다른 질환 쌍에서 monkeypox 탐지를 개선하는가?
• RQ3 일반적인 아키텍처(VGG, Inception, Xception, MobileNet)가 monkeypox 분류 작업에서 서로 어떤 상대적 성능 차이를 보이는가?
• RQ4 사전학습된 CNN의 monkeypox 검색에서 유사 질환과의 비교 시 상대적 강점과 한계는 무엇인가?

주요 결과

• 다수결은 monkeypox 대 chickenpox에서 97%의 정확도를 달성한다.
• Xception은 monkeypox 대 measles에서 79%의 정확도를 달성한다.
• MobileNetV2는 monkeypox 대 normal에서 96%의 정확도를 달성한다.
• Lenet은 monkeypox 대 모든에서 80%의 정확도를 달성한다.
• 다른 모델들은 데이터셋의 다양한 질환 쌍에서 서로 다른 성능을 보인다.
• 연구는 사전학습된 CNN과 앙상블 기법이 신속한 monkeypox 탐지에 잠재력이 있음을 강조한다.