[논문 리뷰] Predicting Pneumonia and Region Detection from X-Ray Images using Deep Neural Network

Sheikh Md Hanif Hossain, S M Raju외 1명|arXiv (Cornell University)|2021. 01. 19.

COVID-19 diagnosis using AI인용 수 4

한 줄 요약

이 논문은 사전 훈련된 ResNet-50를 사용한 전이 학습을 활용하여 흉부 X선 영상에서 폐렴을 감지하고 감염된 폐 부위를 국소화하는 딥러닝 접근법을 제안한다. 모델은 90.6%의 정확도를 달성하며, 설명 가능한 AI를 위해 클래스 활성화 맵핑을 활용한다. 임상 적용을 위해 사용자 친화적인 도구인 PneuNet이 개발되었다.

ABSTRACT

Biomedical images are increasing drastically. Along the way, many machine learning algorithms have been proposed to predict and identify various kinds of diseases. One such disease is Pneumonia which is an infection caused by both bacteria and viruses through the inflammation of a person's lung air sacs. In this paper, an algorithm was proposed that receives x-ray images as input and verifies whether this patient is infected by Pneumonia as well as specific region of the lungs that the inflammation has occurred at. The algorithm is based on the transfer learning mechanism where pre-trained ResNet-50 (Convolutional Neural Network) was used followed by some custom layer for making the prediction. The model has achieved an accuracy of 90.6 percent which confirms that the model is effective and can be implemented for the detection of Pneumonia in patients. Furthermore, a class activation map is used for the detection of the infected region in the lungs. Also, PneuNet was developed so that users can access more easily and use the services.

연구 동기 및 목표

• 딥 신경망을 활용한 자동화된 시스템을 통해 흉부 X선 영상에서 폐렴을 감지하고자 한다.
• 설명 가능한 AI 기법을 활용해 폐렴에 의해 영향을 받은 특정 폐 부위를 국소화하고자 한다.
• 사전 훈련된 모델을 활용한 전이 학습을 통해 진단 정확도와 임상 활용도를 향상시키고자 한다.
• 실제 의료 현장에 도입 가능한 사용자 접근성이 뛰어난 도구인 PneuNet을 개발하고자 한다.

제안 방법

• 특징 추출기로 사전 훈련된 ResNet-50 컨볼루션 신경망을 사용한 전이 학습을 적용하였다.
• 폐렴에 대한 이진 분류를 위해 특징 추출 단계 이후에 맞춤형 완전 연결 및 드롭아웃 레이어를 추가하였다.
• 클래스 활성화 맵핑(CAM)을 사용하여 폐의 염증 부위를 시각화하고 국소화하였다.
• 균형 잡힌 폐렴 및 정상 영상 클래스를 갖는 공개 흉부 X선 데이터셋을 사용해 모델을 훈련 및 검증하였다.
• 임상의 및 연구자들이 영상을 업로드하고 예측 결과를 받을 수 있도록 웹 기반 인터페이스인 PneuNet을 개발하였다.
• 모델의 일반화 능력 향상과 과적합 방지를 위해 데이터 증강 기법을 적용하였다.

실험 결과

연구 질문

• RQ1 전이 학습 기반의 딥러닝 모델이 흉부 X선 영상에서 폐렴을 정확하게 분류할 수 있는가?
• RQ2 주의 기반 시각화 기법을 활용해 모델이 폐 염증 부위를 효과적으로 국소화할 수 있는가?
• RQ3 기존 방법과 비교할 때 제안된 모델의 정확도 및 해석 가능성 측면에서 성능은 어떠한가?
• RQ4 임상 현장에 도입 가능한 사용자 친화적인 인터페이스를 효과적으로 개발할 수 있는가?

주요 결과

• 제안된 모델은 테스트 세트에서 90.6%의 분류 정확도를 달성하여 뛰어난 예측 성능를 입증하였다.
• 클래스 활성화 맵핑은 폐 염증 부위를 성공적으로 강조하여 모델의 해석 가능성과 임상적 신뢰도를 향상시켰다.
• ResNet-50와의 전이 학습 통합은 훈련 효율성 향상과 모델 일반화 능력 향상에 크게 기여하였다.
• 개발된 PneuNet 플랫폼은 의료 전문가 및 연구자들이 접근하고 실시간으로 예측을 받을 수 있도록 하였다.
• 데이터 증강을 통해 영상 품질 및 해부학적 위치의 변동성에 대한 모델의 강인함을 입증하였다.