본 논문은 저해상도 흉부 X선 이미지를 이용한 폐 질환 자동 진단 모델의 가능성을 탐구합니다. 기존의 심층 합성곱 신경망(Deep CNN) 모델들은 고해상도 이미지에 대해서는 우수한 성능을 보이지만, 저해상도 이미지에서는 중요한 세부 정보 식별이 어려워 성능 저하가 발생합니다. 본 연구는 CheXpert 데이터셋의 5가지 폐 질환을 대상으로, 다양한 입력 이미지 크기에 대한 분류 결과를 실험하고, 저해상도 이미지에서의 분류 가능성을 논의합니다. 또한, 라벨 잡음 문제 해결을 위해 라벨의 무작위 뒤집기 기법을 제안하고, 앙상블 기법과 데이터 증강, 정규화 기법을 활용하여 모델 성능을 향상시켰습니다. 고해상도 이미지를 사용한 기존 CheXpert 논문의 결과와 비교하여, 심장비대, 폐렴, 부종 등 일부 질환에서 더 높은 정확도를 달성했습니다. Class Activation Maps를 이용하여 신경망의 의사결정 과정을 시각화했습니다.
