코로나니다안: 흉부 X선을 기반으로 한 코로나19 감염 탐지용 경량 딥 컨볼루션 신경망

코로나19 팬데믹은 제2차 세계대전 이후 오늘날 세계가 직면한 주요 공중보건 위기이다. 이 팬데믹은 전 세계를 휩쓸고 있는 파도처럼 확산되고 있으며, 최근 세계보건기구(WHO)의 보고서에 따르면 확진자 수와 사망자 수가 급속히 증가하고 있다. 코로나19 팬데믹은 사회적, 경제적, 정치적 위기를 심각하게 초래하였으며, 그 영향은 장기적인 후유증을 남길 것으로 예상된다. 코로나19 유행을 통제하기 위한 주요 대응책 중 하나는 감염 환자를 정확하고 신뢰성 있게, 동시에 신속하게 식별할 수 있는 특이적이고 정밀한 진단 기술이다. 그러나 많은 국가에서 RT-PCR 키트의 가용성과 가격 부담이 여전히 주요한 한계로 남아 있으며, 이는 코로나19 유행을 효과적으로 관리하는 데 장애가 되고 있다. 최근 연구 결과에 따르면, 흉부 방사선 촬영에서의 이상 소견이 코로나19 감염 환자를 특징짓는 데 도움이 될 수 있다. 본 연구에서는 흉부 X선 영상 분석을 통해 코로나19, 폐렴, 정상 상태를 구분하는 데 사용할 수 있는 경량 딥 컨볼루션 신경망(Deep Convolutional Neural Network, DCNN)인 Corona-Nidaan을 제안한다. 이 모델은 인간의 개입 없이도 자동으로 분류를 수행할 수 있다. 또한, 불균형 데이터셋 문제를 해결하기 위해 간단한 소수 클래스 오버샘플링 방법을 도입하였다. 또한, 사전 훈련된 CNN 모델을 활용한 전이학습(transfer learning)이 흉부 X선 기반 코로나19 감염 진단에 미치는 영향도 조사되었다. 실험 분석 결과, Corona-Nidaan 모델은 기존의 연구 및 다른 사전 훈련된 CNN 기반 모델보다 우수한 성능을 보였다. 세 가지 클래스 분류에서 95%의 정확도를 달성하였으며, 코로나19 환자에 대한 정밀도(Precision)와 재현율(Recall)은 각각 94%로 나타났다. 다양한 사전 훈련된 모델의 성능을 비교한 결과, VGG19 모델이 다른 사전 훈련된 CNN 모델들보다 뛰어나 93%의 정확도를 기록하였으며, 코로나19 감염 진단에 있어서 재현율 87%, 정밀도 93%의 성능을 보였다. 본 모델은 인도 환자들의 코로나19 감염 흉부 X선 데이터셋을 대상으로 평가되었으며, 높은 정확도로 검증되었다.