심부 X선 영상의 딥러닝 앙상블 모델을 활용한 분류

어깨 부위는 신체의 다른 관절에 비해 더 넓은 운동 범위를 가지므로 다양한 이유로 골절이 발생할 수 있다. 이러한 골절을 진단하기 위해 X선(X-radiation), 자기공명영상(MRI), 컴퓨터단층촬영(CT) 등의 영상 데이터가 활용된다. 본 연구는 인공지능을 활용하여 X선 장비를 통해 촬영한 어깨 영상을 골절 여부로 분류함으로써 의사의 진단을 지원하는 것을 목적으로 한다. 이를 위해 근골격계 영상(MURA) 데이터셋에서 26개의 딥러닝 기반 사전 훈련된 모델이 어깨 골절 탐지 성능을 평가되었으며, 두 가지 앙상블 학습 모델(EL1 및 EL2)이 개발되었다. 사용된 사전 훈련된 모델은 ResNet, ResNeXt, DenseNet, VGG, Inception, MobileNet 및 그들의 스플라인 완전 연결(Spinal FC) 버전을 포함한다. 성능이 가장 우수한 사전 훈련된 모델을 기반으로 개발된 EL1 및 EL2 모델에서 테스트 정확도는 각각 0.8455, 0.8472, 코헨의 카파(Cohen’s kappa)는 0.6907, 0.6942, 수신기 작동 특성(ROC) 곡선 아래의 골절 클래스에 해당하는 면적(AUC)은 각각 0.8862, 0.8695를 기록하였다. 총 28가지의 다양한 분류 결과를 분석한 결과, EL2 모델에서 가장 높은 테스트 정확도와 코헨의 카파 값을, EL1 모델에서 가장 높은 AUC 값을 얻었다.