ies9357 / section4_project

흉부 X-ray 이미지를 통한 코로나 및 폐질환 판별 딥러닝 모델 개발

1. 프로젝트에서 풀고자 하는 문제 : 코로나와 폐질환의 증상이 비슷함으로 인해, 환자와 의료진에게 발생할 수 있는 여러 문제들

1. [환자] 본인이 가지는 질병에 대한 치료시기를 놓치는 문제 ex). 환자가 가진 폐질환을 코로나로 오인하게 되는 경우, 선별진료소에서 코로나 검사를 받고 검사결과를 기다리는 동안 자신이 가진 폐질환이 악화될 수 있음.
2. [의료진] 진단 검사에 있어, 인력 낭비 발생 ex). 환자의 오인으로 인해 폐질환을 가진 환자가 코로나 선별진료소에 방문하여 코로나 검사를 받게 되면, 의료진 입장에서는 불필요한 업무를 수행하게 되는 꼴임.
3. 가설
   1. 딥러닝 모델이 4가지 클래스에 대한 X-ray 이미지 패턴을 학습해서 환자 상태를 잘 분류할 수 있다.

2. 프로젝트 진행과정 (기간 : 2022.07.25 - 2022.07.28)

1. 데이터 선정 및 EDA 진행, 가설 설정
2. [데이터 전처리] X-ray 이미지의 데이터 프레임 구축, 데이터 프레임 & 이미지 전처리
3. [모델 구성 및 학습] 사전학습 모델을 활용한 모델구성, callback 함수 구성, 모델학습 진행
4. [모델평가 및 저장] 학습된 모델을 테스트 셋으로 평가한 뒤 모델 저장

3. 데이터 셋 설명

1. 데이터 : 흉부 X-ray 이미지

   1. 출처 : https://bit.ly/3U0FYUY

2. 데이터 종류 : 4가지 상태의 흉부 X-ray 이미지

   

3. 데이터 크기(pixels) : 299(높이) X 299(너비)

4. 라벨 별 데이터 개수

   1. 표

      상태	데이터 개수(개)
      정상 상태(Normal)	10192
      코로나 감염 상태(COVID)	3616
      바이러스성 폐렴(Viral pneumonia)	1345
      폐 음영(Lung Opacity)	6012

   2. 파이차트

      1. 정상상태 : 라벨 비율의 거의 절반을 차지함
      2. COVID : 라벨 비율의 17.1% 밖에 차지하지 못함
         1. 불균형 데이터임을 알 수 있음

      

4. 문제상황 해결과정

1. 코로나 및 폐질환 판별 딥러닝 모델 제작 및 테스트

   1. 데이터 선정 및 EDA 진행, 가설 설정
   2. [데이터 전처리] X-ray 이미지의 데이터 프레임 구축, 데이터 프레임 & 이미지 전처리
   3. [모델 구성 및 학습] 사전학습 모델을 활용한 모델구성, callback 함수 구성, 모델학습 진행
   4. [모델평가 및 저장] 학습된 모델을 테스트 셋으로 평가한 뒤 모델 저장

2. 제작한 딥러닝 모델을 이용한 이미지 분류

   

3. 딥러닝 분류 결과에 맞는 병원 방문 및 치료법 적용

5. 프로젝트 결과

1. [정확도] Training set - 0.9819, Validation set - 0.9423, Test set - 0.9396
2. F1 score (Test set 이미지 1059개 기준)
   1. 모든 클래스[코로나, 정상상태, 바이러스성 폐렴, 폐 음영]에 대해 0.91 이상
   2. 특히, 희귀 케이스인 코로나와 바이러스성 폐렴에서의 분류성능이 양호함

6. 한계점 및 해결방안

1. 한계점
   1. 사전학습 모델과 다른 사람들의 코드를 상당수 인용
   2. 데이터 셋 - 인종이나 나이, 성별 등에 대한 데이터가 없었음
2. 해결방안
   1. 딥러닝 관련 기본지식 및 활용경험을 더 쌓는다.
   2. 데이터 셋을 searching을 통해 구하거나 데이터 셋을 생성할 수 있는 GAN과 같은 기술을 활용하여 인종, 나이, 성별 등에 대한 다양한 이미지셋을 확보한 후 딥러닝 모델을 최적화 한다.