딥 컨볼루션 신경망 기반의 결핵 선별을 위한 새로운 접근법

결핵(TB)은 특히 개발도상국에서 주요한 글로벌 건강 위협 중 하나입니다. 새롭게 진단된 TB 환자들은 높은 치유율로 회복될 수 있지만, 개발도상국의 많은 치료 가능한 TB 환자들은 지연된 진단으로 인해, 방사선 촬영 및 방사선 전문의의 부족으로 인해 죽어야 합니다. 따라서 TB 선별을 위한 컴퓨터 지원 진단(CAD) 시스템 개발은 TB의 조기 진단에 기여할 수 있으며, 이는 TB로 인한 사망 예방으로 이어집니다. 현재 대부분의 CAD 알고리즘은 다양한 병변 유형을 구별하는 정교하게 설계된 형태적 특징을 채택하여 선별 성능을 향상시킵니다. 그러나 이러한 엔지니어링된 특징이 TB 선별에 가장 적합한 설명자가 될 것이라고 보장할 수는 없습니다. 딥러닝은 기계 학습 사회에서 주류가 되었습니다. 특히 컴퓨터 비전 분야에서는 딥 컨볼루션 신경망(CNN)이 다양한 시각적 작업을 위한 매우 유망한 알고리즘이라는 것이 입증되었습니다. 딥 CNN은 특징 추출에서 분류까지의 엔드투엔드(training) 학습을 가능하게 하여, 특정 목표에 맞는 수동적인 특징 엔지니어링을 요구하지 않습니다. 이 연구에서는 자동 결핵 선별을 위한 딥 CNN 기반의 CAD 시스템을 설계했습니다. 대규모 흉부 X선(CXR)을 기반으로 세 가지 실제 현장 데이터 세트에 대해 AUC 측면에서 각각 0.96, 0.93 및 0.88의 실행 가능한 TB 선별 성능을 달성했습니다. 이는 전이 학습의 효과를 활용한 결과입니다.