LungRN+NL: Mixup 데이터 증강을 활용한 비국소 블록 ResNet 신경망을 이용한 개선된 비정상 폐음 분류

자발적 폐음 검출은 심장 박동, 운동 아티팩트, 오디오 소음 등 다양한 노이즈에 취약하며, 서로 다른 종류 간의 구분이 미묘하기 때문에 자동화된 탐지는 도전적인 과제이다. 본 연구에서는 기존 연구 및 최신 기술 대비 뚜렷한 성능 향상을 보인 자발적 폐음 분류 모델인 LungRN+NL을 제안한다. 이 새로운 모델은 ResNet 아키텍처에 비국소 블록(Non-local block)을 통합하여, 장거리 의존성 특성을 효과적으로 모델링하였다. 또한 데이터 불균형 문제를 완화하고 모델의 강건성(로버스트성)을 향상시키기 위해, 훈련 데이터 증강 기법인 Mixup 기법을 도입하였다. 제안된 모델은 공식 ICBHI 2017 챌린지 데이터셋과 평가 방법을 기반으로 최신 기술들과 비교하여 구현 및 평가되었으며, 그 결과 LungRN+NL은 52.26%의 성능 점수를 기록하여 기존 최고 수준 모델 대비 2.1~12.7% 향상된 성능을 보였다.