CNN 딥 러닝 알고리즘을 이용한 자동화된 조기 허혈성 뇌졸중 탐지 시스템

지난 몇 년 동안 타이완에서는 뇌졸중이 주요 사망 원인 중 하나로 꼽혔습니다. 뇌졸중 증상은 응급 상태에 속하며, 환자가 치료를 받을수록 회복 가능성이 높아집니다. 그러나 CT 이미지에서 허혈성 뇌졸중의 위치는 명확하지 않으므로 진단은 의사가 이미지를 평가해야 합니다. 이 논문의 목적은 CNN 딥 러닝 알고리즘을 이용한 자동화된 조기 허혈성 뇌졸중 탐지 시스템을 개발하는 것입니다. 뇌의 CT 이미지를 입력하면, 시스템은 먼저 뇌졸중 가능성이 없는 영역을 제거하기 위해 이미지 전처리를 시작합니다. 그런 다음 패치 이미지를 선택하고 데이터 증강 방법을 사용하여 패치 이미지의 수를 늘립니다. 마지막으로 패치 이미지를 합성곱 신경망에 입력하여 훈련 및 테스트를 진행합니다. 본 논문에서는 256개의 패치 이미지를 사용하여 허혈성 뇌졸중을 인식하는 CNN 모듈을 훈련시키고 테스트하였습니다. 실험 결과, 제안한 방법의 정확도가 90% 이상임을 확인할 수 있었습니다. 이는 본 논문에서 제안한 방법이 의사의 진단을 효과적으로 보조할 수 있음을 의미합니다.