Comparative Analysis of Swin Transformer and Residual Neural Network for Pneumonia Classification

초록

폐렴은 폐에 고름 혹은 물이 차는 호흡기 관련 감염 질환이다. 세계적으로 폐렴은 소아 및 노인 계층에서 감염 질환 으로 인한 사망 원인 중 하나이다. 일반적으로 의료진들은 폐렴 진단을 위해 흉부 X-ray 영상을 사용한다. 그러나 폐렴은 유사한 증상을 보이는 감기와 독감으로 오진될 가능성이 높으며, 이는 심각한 합병증의 원인이 될 수 있다. 따라서, 의료진의 실수를 최소화하기 위해 대안적인 보조 진단 방법이 필요하다. 폐렴의 조기 진단을 위한 보조 도 구로 딥러닝 기술에 기반한 인공지능 시스템이 연구되고 있으나, 딥러닝이 진단 보조 도구로 확립하기 위해서는 더 많은 연구가 필요하다. 본 연구에서는 광저우 여성 아동 병원 데이터셋과 코로나19·폐렴·정상 흉부 X-ray 데이터 셋을 사용하여 Swin Transformer와 Residual Neural Network의 성능을 분석한다. 실험 결과, Swin Transformer는 흉부 X-ray 영상 데이터셋에서 98.9%의 정확도를 보이며,코로나19·폐렴·정상 흉부 X-ray 데이 터셋에서는 92.35%의 정확도를 보인다. Residual Neural Network는 두 데이터셋에서 각각 97.9%와 88.8% 의 정확도를 보인다. 이러한 결과는 폐렴 보조 진단 도구로써 Swin Transformer가 Residual Neural Network 보다 적합함을 의미한다. 그러므로, Swin Transformer는 조기 진단과 조기 치료, 환자의 건강 증진에 기여할 수 있을 것이라 기대한다.

키워드