코로나19 팬데믹 동안 신속하고 신뢰할 수 있는 대체 코로나19 선별 방법의 필요성이 대두되면서, 흉부 X선(Chest X-ray, CXR)과 컴퓨터단층촬영(Computed Tomography, CT) 영상으로부터 획득한 흉부 방사선 영상을 기반으로 코로나19 환자를 선별하기 위한 학습 네트워크의 개발이 촉진되었다. 개발된 모델의 효과성은 이미 문헌에서 보고되었으나, 방사선 전문의의 보조를 위한 실제 도입은 주로 적용 가능한 프레임워크의 구현 또는 제시 실패로 인해 제한되고 있다. 따라서 본 논문에서는 방사선 전문의를 돕기 위한 코로나19 환자 선별용 로봇 프레임워크를 제안한다. 구체적으로, 전이학습(Transfer learning)을 적용하여 먼저 두 가지 잘 알려진 학습 네트워크(GoogleNet과 SqueezeNet)를 개발하고, 이를 통해 3개의 공개 저장소에서 수집한 흉부 X선(CXR) 및 CT 영상에 기반하여 코로나19 양성 및 음성을 분류한다. SqueezeNet의 경우 각각 시험 정확도 90.90%, 민감도 94.70%, 특이도 87.20%를 얻었으며, GoogleNet의 경우 시험 정확도 96.40%, 민감도 95.50%, 특이도 97.40%를 각각 얻었다. 결과적으로 모델의 임상적 사용 가능성을 입증하기 위해, 방사선 전문의를 위한 보조 플랫폼으로서 기능하는 소셜 로봇인 Softbank NAO-V6 휴머노이드 로봇에 해당 모델을 배치하였다. 이 전략은 특히 코로나19 환자에 대해 X-ray 영상을 종단 간(end-to-end)으로 설명 가능한 방식으로 정렬(선별)하는 것이다. 실험실 기반으로 전체 프레임워크를 구현한 결과, 제안된 플랫폼이 코로나19 선별에서 방사선 전문의를 보조하는 데 효과적임을 보여주었다.

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