DINO-CXR: 시각 변형기 기반의 자기지도 학습 방법을 이용한 흉부 X선 촬영 분류

표현 가능한 라벨이 부족한 흉부 X선 촬영 데이터셋은 의료 영상 기법 개발의 주요 장애물이다. 자기지도 학습(self-supervised learning, SSL)은 라벨이 없는 데이터를 활용해 모델을 훈련함으로써 이 문제를 완화할 수 있다. 또한 자기지도 사전 훈련은 자연 이미지의 시각 인식 분야에서 유망한 성과를 거두었으나, 의료 영상 분석 분야에서는 거의 주목받지 못했다. 본 연구에서는 흉부 X선 촬영 이미지 분류를 위한 비전 트랜스포머 기반 자기지도 학습 기법인 DINO의 새로운 적응형 변형인 DINO-CXR를 제안한다. 제안된 방법의 효과성을 폐렴 및 코로나19 감지에 있어 비교 분석을 통해 검증하였다. 정량적 분석을 통해 제안된 방법이 정확도 측면에서 최첨단 기법들을 능가하며, AUC 및 F-1 점수에서는 비교 가능한 성능을 달성함과 동시에 훨씬 적은 양의 라벨 데이터를 요구함을 확인하였다.