CovidExpert: 코로나19 감지용 트리플릿 시아모이즈 신경망 프레임워크

코로나19 감염 환자는 폐렴과 유사한 증상과 호흡기 문제를 겪을 수 있으며, 이는 폐에 손상을 줄 수 있다. 의료 영상 자료를 활용하면 다양한 머신러닝 기법을 통해 코로나19 감염을 정확하게 식별하고 예측할 수 있다. 그러나 대부분의 기존 머신러닝 방법은 방대한 하이퍼파라미터 조정이 필요하며, 소규모 데이터셋에는 적합하지 않다. 반면, 소수의 샘플 데이터를 효과적으로 활용하는 소샷 학습(few-shot learning) 알고리즘은 대규모 데이터셋의 필요성을 줄이는 데 목적이 있다. 이러한 점에 착안하여, 이 위험한 질병의 후유증을 최소화하기 위해 코로나19 조기 감지용 소샷 학습 모델을 개발하였다. 제안하는 아키텍처는 사전 훈련된 합성곱 신경망의 앙상블과 소샷 학습을 결합하여 CT 스캔 영상에서 특징 벡터를 추출하고, 유사도 학습을 수행한다. 제안된 트리플릿 시엠즈 네트워크( Triplet Siamese Network)는 소샷 학습 모델로서 CT 스캔 영상을 정상, 코로나19, 지역사회 획득성 폐렴으로 분류하였다. 제안된 모델은 각 분류별로 단 200건의 CT 스캔 영상만을 사용하여 훈련한 결과, 총 정확도 98.719%, 특이도 99.36%, 민감도 98.72%, ROC 스코어 99.9%의 뛰어난 성능을 달성하였다.