최근 연구에 따르면, COVID-19 환자는 다른 폐 질환 환자와 비교하여 흉부 X선(CXR)에서 서로 다른 특징 양상을 보인다. 본 연구의 목적은 심층 합성곱 신경망(CNN) 기반 COVID-19 선별에서 전이 학습의 층 깊이와 미세조정 정도를 평가하여 효율적인 전이 학습 전략을 식별하는 데 있다. 본 연구에서 사용한 CXR 영상은 공개적으로 이용 가능한 저장소에서 수집하였으며, 수집된 영상은 COVID-19, 폐렴, 정상의 세 가지 범주로 분류하였다. 동일한 CNN 아키텍처의 층 깊이 효과를 평가하기 위해 VGG-16 및 VGG-19라는 CNN을 백본 네트워크로 사용하였다. 이후 각 백본 네트워크를 서로 다른 정도의 미세조정으로 학습한 뒤, 이를 비교 평가하였다. 실험 결과, VGG16 백본 네트워크의 5개 블록 중 2/5 블록만 미세조정한 실험군에서 COVID-19 분류와 관련하여 AUC 값이 0.950으로 가장 높았다. 결론적으로, 제한된 수의 데이터를 이용한 의료 영상 분류에서는 더 깊은 층 깊이가 더 나은 결과를 보장하지 않을 수 있다. 또한 동일한 사전학습 CNN 아키텍처를 사용하더라도, 적절한 미세조정 정도는 효율적인 딥러닝 모델 구축에 도움이 될 수 있다.

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