본 연구는 흉부 X선 사진을 이용한 자동화된 폐렴 진단을 위해 기존의 기계 학습과 최신 딥러닝 기법들을 비교 분석했습니다. PCA 기반 군집화, 로지스틱 회귀, 서포트 벡터 머신과 같은 기존 기계 학습 기법부터 Modified LeNet, DenseNet-121과 같은 CNN, 그리고 Deep-ViT, Compact Convolutional Transformer, Cross-ViT 등 다양한 Vision Transformer (ViT) 구조를 평가했습니다. 5,856장의 소아 흉부 X선 이미지 데이터셋을 사용하여 실험한 결과, 특히 Cross-ViT 구조를 사용한 Vision Transformer가 88.25%의 정확도와 99.42%의 재현율을 달성하여 기존 CNN 기법들을 능가하는 성능을 보였습니다. 모델 크기보다 아키텍처 선택이 성능에 더 큰 영향을 미치는 것을 확인했으며, Cross-ViT (75M 파라미터)가 더 큰 모델들보다 성능이 우수했습니다. 연구는 계산 효율성, 학습 요구사항, 그리고 의료 진단에서 정밀도와 재현율 간의 균형 등 실질적인 고려 사항들도 다루었습니다. 결론적으로 Vision Transformer는 자동화된 폐렴 진단에 유망한 방향을 제시하며, 보건 위기 상황에서 더 빠르고 정확한 진단을 가능하게 할 수 있음을 시사합니다.
