COVID-CXNet: 딥러닝을 이용한 전방 흉부 X선 영상에서의 코로나19 탐지

신종 코로나바이러스 감염을 선별하기 위한 주요 임상적 관찰 방법 중 하나는 흉부 X선 영상을 촬영하는 것이다. 대부분의 환자에서 신종 코로나바이러스 감염으로 인한 폐렴으로 인해 응고(consolidation)와 같은 이상 소견이 흉부 X선에 나타난다. 본 연구에서는 대규모 데이터셋을 활용하여 깊은 합성곱 신경망을 이용해 이러한 폐렴의 영상 소견을 효율적으로 탐지하는 방법을 탐구한다. 연구 결과, 간단한 모델과 문헌에서 일반적으로 사용되는 대부분의 사전 학습된 네트워크는 의사결정에 무관한 특징에 주목하는 경향이 있음을 확인하였다. 본 논문에서는 다양한 출처로부터 수많은 흉부 X선 영상을 수집하고, 가장 큰 공개 가능한 데이터셋을 구축하였다. 마지막으로, 전이 학습(transfer learning) 기법을 활용하여 유명한 CheXNet 모델을 기반으로 COVID-CXNet 모델을 개발하였다. 이 강력한 모델은 관련성 있고 의미 있는 특징을 정확한 위치에 집중하여 신종 코로나바이러스 폐렴을 탐지할 수 있다. COVID-CXNet은 완전 자동화되고 강건한 코로나19 진단 시스템으로 나아가는 중요한 한 걸음이다.