무릎 골관절염(KOA)은 노년층의 일상 활동에 심각한 제한을 초래하는 근골격계 질환이다. KOA의 심각성을 평가하기 위해 일반적으로 X-ray 영상을 분석하고 Kellgren-Lawrence (KL) 등급 시스템에 따라 등급을 할당한다. 이 방식은 전문 지식과 시간이 많이 소요되며, 주관적인 해석에 따라 진단 정확도가 떨어질 수 있다. 본 연구에서는 이를 해결하기 위해 미세 조정된 CNN(Convolutional Neural Networks)의 스택 앙상블 모델을 개발했다. 이 모델은 KOA의 존재를 감지하는 이진 분류기와 KL 등급 전체에 대한 다중 클래스 분류기를 포함한다. 제안된 스택 앙상블 모델은 MobileNetV2, YOLOv8, DenseNet201과 같은 사전 훈련된 다양한 아키텍처를 기본 학습기로 사용하고 Categorical Boosting (CatBoost)을 메타 학습기로 사용한다. 제안된 모델은 다중 클래스 분류에서 73%, 이진 분류에서 87.5%의 균형 테스트 정확도를 보였으며, 이는 기존 연구보다 높은 수치이다.
