뇌졸중 검출을 위한 복합 생체 정보를 활용한 멀티 모델 프레임워크

초록

세계보건기구에 따르면 세계 인구는 빠르게 고령화를 향하고 있다. 이는 곧 의료비용의 증가와 각종 만성 질환의 근원지로 예상된다. 세계보건기구에 따르면 뇌졸중은 전 세계 사망원인의 2위를 차지하고 있으며 그 수는 계속해서 증가하고 있다. 이에 각국의 연구원들은 다양한 연구와 임상 실험을 통해 여러 위험 요소가 보고하였고, 뇌졸중의 심각성을 인지하고 있다. 기존의 연구들은 뇌졸중의 증상을 탐지하고, 인과관계를 조사하였다. 또한 인공지능의 발전으로 증상 중 하나인 얼굴의 일그러진 정도를 측정하며 증상 여부를 판별하는데 성공하였다. 그러나 뇌졸중은 얼굴의 마비 증상 외에도 목소리의 떨림 등 다른 증상들을 띌 수 있다. 따라서 본 연구에서는 뇌졸중의 증상 중 말의 어눌함과 얼굴의 일그러진 정도에 초점을 맞추어 인공지능을 활용한 딥러닝 모델 프레임워크를 제안한다. 제안된 모델은 정확도 향상과 부족한 데이터셋의 한계점을 극복하기 위해 전이학습을 적용하였다. 그 결과 훈련 정확도에서 0.7%, 검증 정확도에서는 뇌졸중 환자는 13.9% 일반 환자는 4.6% 개선된 성능을 보였다.

키워드