심층 신경회로망들을 사용한 기흉 진단 = Diagnosis of Pneumothorax Using Deep Neural Networks

다국어 초록 (Multilingual Abstract)

A Pneumothorax is an abnormal collection of air in the space between lung and chest wall and is diagnosed using chest X-ray. Preprocessings, such as the eliminaton of missing value and masking, were performed. Performances of U-Net, Mask R-CNN, Resnet, EfficientNet and Xception for diagnosing pneumothorax are compared. U-Net uses semantic segmentation and Mask R-CNN uses instance segmentation. Semantic segmentation uses a class as the unit of segmentation. Therefore, objects in the same class are denoted using the same color on the prediction mask. On the other hand, instance segmentation uses object as the unit of segmentation. Therefore, objects in the same class are denoted using the different color on the prediction mask, if they belong to the different objects. EfficientNet got the best result. It can be efficiently used because it performs well enough to assist for physicians to diagnose pneumothorax using the chest X-ray

국문 초록 (Abstract)

기흉은 가슴에 공기가 차는 것으로, 일반적으로 흉부 엑스레이를 사용하여 진단한다. 데이터 전처리를 하였고, 전처리방법으로는 결측값 제거 및 마스킹을 하였다. 최근에 와서 심층신경망의 성능이 개선됨에 따라서 활발히 사용되고 있고, 특히 영상인식에 적용되어 기존의 방법에 비하여 향상된 성능을 보이고 있다.기흉을 진단하는데 U-Net, Mask R-CNN, Resnet, EfficientNet, Xception을 사용하였으며, 이 심층 신경 회로망들의 성능을 비교하였다. U-Net은 Sementic Segmentation을사용하였고, Mask R-CNN은 Instance Segmentation을 사용하였다. Sementic Segmentation은 분할의 기본 단위를 클래스로하여, 동일한 클래스에 속하는 사물은 예측마스크 상에 동일한 색깔로 표시한다. Instance Segmentation은 분할의 기본단위를 사물로 하여, 동일한 클래스에 속하더 라도 다른 사물에 해당하면 예측 마스크 상에 다른 색깔로 표시한다. 실험 결과EfficientNet의 성능이 가장 좋았다. 이는 의사의 기흉 진단을 보조하기에 충분한 성능으로 의사를 도와 기흉을 진단하는데효율적으로 이용 될 수 있다.

참고문헌 (Reference)

1 "Xception"

2 "Wikipedia"

3 "U-Net"

4 Dilshod Ergashev, "Skin Lesion Classification towards Melanoma Diagnosis using Convolutional Neural Network and Image Enhancement Methods" 한국지능시스템학회 29 (29): 204-209, 2019

5 "ResNet Structure"

6 "ResNet"

7 G. E. Hinton, "Reducing the dimensionality of Data with Neural Networks" 313 : 504-507, 2006

8 "PA, AP"

9 K. Fukushima, "Neocognitron : A Self-orga-nizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position" 36 : 193-202, 1980

10 "Masking"

11 "Mask R-CNN"

12 조용현, "MRI 영상의 전처리와 심층학습에 의한 뇌종양 진단보조 시스템 개발" 한국지능시스템학회 28 (28): 237-242, 2018

13 "Kaggle Data"

14 "Kaggle"

15 "EfficientNet Structure"

16 "EfficientNet"

17 이수보, "CT 영상의 심층학습에 의한 뇌 지주막하 출혈 진단 보조 시스템 개발" 한국지능시스템학회 28 (28): 71-76, 2018

18 Y. LeCun, "Backpropagation Applied to Handwritten Zip Code Recognition" 1 : 541-551, 1989