Key points are not available for this paper at this time.
폐렴은 전 세계 인구의 7%에 영향을 미치며 매년 200만 명의 아동 사망을 초래합니다. 질병 진단을 위해 흉부 엑스레이(CXR) 분석이 일상적으로 수행됩니다. 컴퓨터 지원 진단(CADx) 도구는 의사 결정을 보완하는 것을 목표로 합니다. 이러한 도구는 시각적 인식을 위해 수작업 및/또는 컨볼루션 신경망(CNN)에서 추출된 이미지 특징을 처리합니다. 그러나 CNN은 성능에 대한 설명이 부족하여 블랙박스로 인식됩니다. 이는 의료 스크리닝/진단과 관련된 응용 프로그램에서 심각한 병목 현상입니다. 잘못 해석된 모델 행동은 임상 결정을 부정적으로 영향을 미칠 수 있습니다. 본 연구에서는 폐렴을 탐지하기 위해 맞춤형 CNN의 성능을 평가하고 시각화하며 설명합니다. 소아 CXR에서 세균성 및 바이러스성 유형을 추가로 구분합니다. 모든 입력에 대해 모델 예측과 관련된 관심 영역(ROI)을 로컬화하는 새로운 시각화 전략을 제시합니다. 우리는 기초 과업에 대한 모델 성능을 통계적으로 검증합니다. 맞춤형 VGG16 모델은 질병 탐지에서 96.2% 및 세균성과 바이러스성 폐렴 구분에서 각각 93.6%의 정확도를 달성하는 것으로 나타났습니다. 이 모델은 모든 성능 메트릭에서 최첨단 기술을 능가하며 편견이 감소하고 일반화가 개선됨을 보여줍니다.
Rajaraman et al. (Thu,)은 이 문제를 연구했습니다.