COVID-19는 SARS-CoV-2 바이러스에 의해 발생하는 질환이다. COVID-19 바이러스는 감염된 개인과의 접촉을 통해 전파되며, 주로 타액의 비말 또는 비강 분비물을 통해 이루어진다. 대부분의 감염자는 경증 증상을 보이지만, 일부는 급성 호흡곤란 증후군(ARDS)을 발병하여 폐와 심장과 같은 장기에 손상을 일으킨다. 흉부 X선 사진(CXR)은 COVID-19 바이러스를 검출하는 데 도움이 되는 이상 소견을 확인하기 위해 널리 사용되어 왔다. 또한 감염이 매우 의심되는 개인에 대해 초기 선별 절차로도 활용되었다. 그러나 방사선 촬영 기반 CXR의 이용 가능성은 여전히 제한적이다. 이는 COVID-19 검출을 위한 딥러닝(DL) 기반 접근법의 성능을 저해할 수 있다. 이러한 제한을 극복하기 위해, 본 연구에서는 CXR을 생성하기 위한 보조 분류기 생성적 적대 신경망(Auxiliary Classifier Generative Adversarial Network, ACGAN)을 개발하였다. 생성된 각 X선은 COVID-19 양성 또는 정상의 두 범주 중 하나에 속한다. 합성 영상의 적절성을 확보하기 위해, 최신 합성곱 신경망(CNN)을 이용하여 획득한 영상에서 COVID-19를 검출하는 실험을 수행하였다. 모델을 미세조정(fine-tuning)한 결과 98% 이상의 정확도를 달성하였다. 이후 분류 정확도를 유지하면서 특징의 수를 감소시키는 Harmony Search(HS) 알고리즘을 이용한 특징 선택도 수행하였다. 더 나아가 우리는 GAN이 생성한 500장의 COVID-19 방사선 영상을 포함하는 데이터셋을 추가로 공개한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.