흉부 CT 영상에서 이진 분류만을 이용한 정상, 코로나19 및 폐렴 환자 탐지를 위한 새로운 접근법

새로운 코로나바이러스인 중증 급성 호흡기 증후군 코로나바이러스 2(SARS-CoV-2)는 전 세계로 확산되며 세계적인 위기 상황을 초래하였고, 이는 대규모 팬데믹으로 이어져 세계의 복지와 안정에 심각한 영향을 미쳤다. 이는 인간과 동물을 모두 감염시킬 수 있는 RNA 바이러스이다. 바이러스에 대한 조기 진단은 심각한 코로나19 유행을 억제하고 예방하는 데 매우 중요하다. 현재 사용되는 약물 기술 및 진단 방법, 예를 들어 역전사 중합효소 연쇄 반응(RT-PCR) 및 혈청학적 검사 등은 시간이 오래 걸리고 비용이 높으며, 정교한 실험실 환경이 필요하므로 접근성이 낮고 모든 사람에게 보편적으로 이용 가능한 것은 아니다. 최근 몇 년간 딥러닝은 급속도로 인기를 얻었으며, 이미지 분류 분야에서 핵심적인 역할을 하고 있다. 특히 의료 영상 분야에서의 응용이 두드러지고 있다. 본 연구에서는 흉부 CT 스캔을 활용하여 코로나19에 감염된 환자와 건강한 사람을 자동으로 구분하는 문제를 탐구한다. 복합 신경망(Convolutional Neural Networks, CNN)은 컴퓨터 단층 촬영(CT) 영상에서 패턴을 탐지하도록 훈련할 수 있다. 따라서 본 연구에서는 다양한 흉부 CT 영상의 차이를 식별하기 위해 여러 종류의 CNN 모델을 활용하였으며, 정확도는 91%에서 98% 사이로 나타났다. 이들 모델은 다중 분류(Multi-class Classification) 방법을 기반으로 구축되었다. 또한 본 연구는 두 개의 이진 분류(binary classification)를 결합하여 작동하는 새로운 CT 영상 분류 접근법을 제안하였으며, 이 방법은 98.38%의 정확도를 달성하였다. 모든 아키텍처의 성능은 다양한 분류 지표를 사용하여 비교 분석되었다.