Gompertz 함수를 이용한 퍼지 랭크 기반 CNN 모델 융합을 통한 코로나19 CT 영상 선별

코로나19는 세계의 보건 시스템을 무너뜨리며 경제에 후퇴를 초래하고 수많은 인명을 앗아갔다. 현재 전 세계적으로 잠재적 백신이 시험되고 공급되고 있지만, 새로운 바이러스 변이가 지속적으로 등장함에 따라 모든 사람에게까지 도달하는 데는 오랜 시간이 소요될 것으로 예상되며, 이로 인해 세계 일부 지역에서는 봉쇄 상황이 지속되고 있다. 따라서 질병의 확산을 막기 위해 코로나19의 조기이고 정확한 진단이 더욱 절실한 실정이다. 현재의 금 standard인 RT-PCR 검사는 민감도가 단지 71%에 불과하며, 시행 과정이 복잡하고 인력이 많이 필요한 점으로 인해 대규모 인구 스크리닝이 어려운 실정이다. 이러한 문제를 해결하기 위해 본 논문에서는 폐의 CT 스캔 영상을 활용하여 코로나19와 비코로나19를 분류하는 자동화된 코로나19 진단 시스템을 제안한다. 제안하는 방법은 기저 분류 모델들의 퍼지 순위를 고메르츠 함수(Gompertz function)를 이용해 생성하고, 기저 모델들의 결정 점수를 적응적으로 융합하여 테스트 케이스에 대한 최종 예측을 수행하는 앙상블 전략을 적용한다. 결정 점수 생성을 위해 전이 학습 기반의 3가지 합성곱 신경망 모델인 VGG-11, Wide ResNet-50-2, Inception v3를 사용하였으며, 이들의 출력 점수는 제안된 앙상블 모델에 의해 융합된다. 제안된 프레임워크는 두 개의 공개된 흉부 CT 스캔 데이터셋에서 평가되었으며, 최신 기술 수준의 성능을 달성하여 모델의 신뢰성을 입증하였다. 본 연구와 관련된 소스 코드는 GitHub에서 제공된다.