LungBRN: 양방향 ResNet을 활용한 딥러닝 알고리즘을 이용한 호흡기 질환 탐지용 스마트 디지털 스테스코프

의료 서비스 접근성이 부족한 인구에 대한 건강 관리 서비스 향상은 중대한 질병을 즉각적으로 대응할 수 있도록 하는 데 매우 중요하다. 숙련된 의료 인력이 극도로 부족한 상황에서는 디지털 스테스코프를 활용한 기본적인 폐음 분류를 통해 만성 폐쇄성 폐질환과 같은 호흡기 질환에 대한 즉각적인 진단을 제공할 수 있다. 본 연구에서는 STFT(고정 시간-주파수 변환) 및 웨이브렛 특징 추출 기법을 활용하여 기존 최고 수준의 연구들과 비교하여 정확도를 향상시킨 개선된 이중 ResNet(비-ResNet) 딥러닝 아키텍처인 LungBRN을 개발하였다. 공정한 평가를 보장하기 위해 ICBHI 2017 챌린지에서 제시한 공식 벤치마크 기준 및 '학습-테스트' 데이터셋 분할 방식을 채택하였다. 그 결과, ICBHI 2017에 참여한 모든 팀 중에서 가장 높은 정확도 성능인 50.16%를 달성할 수 있었다.