인간에서의 폐 이상은 다양한 원인에 의해 지속적으로 증가하고 있으며, 조기 인지와 치료가 광범위하게 권고된다. 결핵(Tuberculosis, TB)은 폐 질환 중 하나이며, 발생률과 중증도가 높기 때문에 세계보건기구(World Health Organization, WHO)는 TB를 사망을 초래하는 주요 질환 상위 10대 질환에 포함시키고 있다. 임상 수준에서의 TB 탐지는 일반적으로 생의학 영상 기법을 사용하며, 흉부 X-선은 흔히 채택되는 영상 양식이다. 본 연구의 목적은 VGG-UNet을 기반으로 한 공동 분할 및 분류를 통해 X-선 영상에서 TB를 탐지하기 위한 자동화 절차를 개발하는 것이다. 제안된 기법의 다양한 단계는 (i) 영상 수집 및 리사이징, (ii) 심층 특징 채굴, (iii) 폐 영역의 분할, (iv) 국소 이진 패턴(local-binary-pattern, LBP) 생성 및 특징 추출, (v) 점박이 하이에나 알고리즘(spotted hyena algorithm, SHA)을 이용한 최적 특징 선택, (vi) 직렬 특징 연결, (vii) 분류 및 검증을 포함한다. 본 연구는 평가를 위해 3000장의 테스트 영상(건강군 1500장, TB 클래스 1500장)을 고려하였으며, 제안된 실험은 Matlab®을 사용하여 구현되었다. 본 연구는 사전 학습된 모델을 적용하여 X-선에서 TB를 탐지함으로써 정확도를 향상시켰고, 미세 트리 분류기를 통해 >99%의 분류 정확도를 달성하는 데 기여하였다.

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