[논문 리뷰] AI Framework for Early Diagnosis of Coronary Artery Disease: An Integration of Borderline SMOTE, Autoencoders and Convolutional Neural Networks Approach

Elham Nasarian, Danial Sharifrazi외 3명|arXiv (Cornell University)|2023. 08. 29.

Artificial Intelligence in Healthcare인용 수 4

한 줄 요약

이 논문은 관상동맥질환(CAD)의 조기 진료를 위한 새로운 AI 프레임워크를 제안한다. 이 프레임워크는 데이터 균형을 위해 Borderline SMOTE를 통합하고, 특징 학습과 데이터 증강을 위해 오토에인코더를 사용하며, 9층의 컨볼루션 신경망(CNN)을 활용한다. 이 방법은 소규모이고 불균형한 CAD 데이터셋에서 평균 정확도 95.36%를 달성하여, Random Forest, SVM, ANN과 같은 전통적인 기계학습 모델을 능가한다.

ABSTRACT

The accuracy of coronary artery disease (CAD) diagnosis is dependent on a variety of factors, including demographic, symptom, and medical examination, ECG, and echocardiography data, among others. In this context, artificial intelligence (AI) can help clinicians identify high-risk patients early in the diagnostic process, by synthesizing information from multiple factors. To this aim, Machine Learning algorithms are used to classify patients based on their CAD disease risk. In this study, we contribute to this research filed by developing a methodology for balancing and augmenting data for more accurate prediction when the data is imbalanced and the sample size is small. The methodology can be used in a variety of other situations, particularly when data collection is expensive and the sample size is small. The experimental results revealed that the average accuracy of our proposed method for CAD prediction was 95.36, and was higher than random forest (RF), decision tree (DT), support vector machine (SVM), logistic regression (LR), and artificial neural network (ANN).

연구 동기 및 목표

• 소규모 데이터와 클래스 불균형 문제를 해결하여 관상동맥질환(CAD)의 조기 진료를 향상시키는 데 목적이 있다.
• 데이터 증강과 특징 표현을 통해 예측 정확도를 향상시키는 하이브리드 기계학습 및 딥러닝 프레임워크를 개발하는 데 목적이 있다.
• 제한된 또는 불균형된 데이터를 가진 다른 의료 진료 과제에 적용 가능한 강력하고 일반화 가능한 방법을 만들기 위한 것이다.
• 실제 심장혈관센터에서 수집한 임상 및 심전도 특징을 포함한 실세계 CAD 데이터셋을 바탕으로 제안된 프레임워크를 검증하는 데 목적이 있다.

제안 방법

• CAD 양성 환자(소수 클래스)의 표본을 늘리면서 결정 경계를 유지하기 위해 Borderline SMOTE를 적용하였다.
• 입력 데이터의 압축되고 의미 있는 표현을 학습하기 위해 57×1 입력과 32개의 뉴런을 갖는 버티브 레이어를 가진 깊은 오토에인코더를 사용하였다.
• 디코더를 통해 입력 데이터를 재구성하여 합성된 고품질의 훈련 샘플을 생성하였으며, 이로 인해 데이터셋 크기가 303개에서 826개로 증가하였다.
• 오버피팅을 방지하기 위해 L2 정규화와 드롭아웃(0.5)을 적용한 9층의 CNN을 사용하였다. 이 CNN은 네 개의 컨볼루션 레이어(각각 256개 필터, ReLU 활성화 함수)와 다섯 개의 완전 연결 레이어(256, 128, 64, 32, 2개 뉴런)를 포함하고 있다.
• 모델 성능 평가의 객관성과 신뢰성을 확보하기 위해 10겹 교차검증을 수행하였다.
• GPU 환경에서 Adam 옵timizer를 사용하여 학습하였으며, 학습률은 0.001, 배치 크기는 256, 에포크 수는 100으로 설정하였다.

실험 결과

연구 질문

• RQ1 기존의 기계학습 모델과 비교해 볼 때, Borderline SMOTE, 오토에인코더, CNN의 통합이 소규모이고 불균형한 CAD 데이터셋에서 분류 정확도를 향상시키는가?
• RQ2 오토에인코더 기반의 데이터 증강 전략은 임상적 관련성을 유지하면서 훈련 샘플 수를 늘리는 데 얼마나 효과적인가?
• RQ3 제안된 딥러닝 아키텍처는 SVM, Random Forest, ANN과 같은 전통적 분류기보다 CAD 진료에서 얼마나 뛰어난 성능을 보이는가?
• RQ4 클래스 불균형 데이터 처리 기법을 사용함으로써 조기 CAD 진단에서 잘못 분류되는 비율이 상당히 감소하는가?

주요 결과

• 제안된 프레임워크는 10겹 교차검증에서 평균 정확도 95.36%를 달성하여 모든 기준 모델을 뛰어넘었다.
• 모델은 재현율 95.00%, 정밀도 94.80%, F1 점수 95.05%, ROC AUC 95.06%를 기록하여 강력한 일반화 능력과 안정성을 보였다.
• 모든 비교 모델 중에서 Random Forest가 두 번째로 높은 정확도(94.77%)를 기록했으며, 이는 SVM(94.66%) 다음으로 높은 성능을 보였다. 반면 로지스틱 회귀와 ANN은 낮은 성능을 보였다.
• 오토에인코더를 활용한 데이터 증강 전략은 잡음이나 관련 없는 합성 샘플을 도입하지 않으면서도 모델의 일반화 능력을 효과적으로 향상시켰다.
• 드롭아웃과 L2 정규화를 적용한 CNN 아키텍처는 소규모 데이터셋임에도 불구하고 오버피팅에 강한 저항력을 보였다.
• 모든 10개의 폴드에서 프레임워크의 성능이 안정적이었으며, 일관된 정확도와 F1 점수를 기록하여 신뢰성과 재현 가능성을 입증하였다.