Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

CheX-DS: Improving Chest X-ray Image Classification with Ensemble Learning Based on DenseNet and Swin Transformer

Created by
  • Haebom

저자

Xinran Li, Yu Liu, Xiujuan Xu, Xiaowei Zhao

개요

본 논문은 흉부 X선 이미지를 이용한 긴꼬리 다중 레이블 질병 진단을 위한 효과적인 모델 CheX-DS를 제안한다. CheX-DS는 의료 영상에 효과적인 DenseNet과 최근 주목받는 Swin Transformer 모델을 앙상블 딥러닝 기법으로 결합하여 CNN의 국소적 특징과 Transformer의 전역적 특징을 모두 활용한다. 데이터 불균형 문제를 해결하기 위해 가중 이진 교차 엔트로피 손실과 비대칭 손실을 결합한 손실 함수를 사용하며, NIH ChestX-ray14 데이터셋을 이용하여 평균 AUC 83.76%의 우수한 성능을 달성하여 기존 연구들을 능가함을 보였다.

시사점, 한계점

•
시사점:
◦
흉부 X선 질병 진단에 CNN과 Transformer의 장점을 결합한 효과적인 모델을 제시.
◦
긴꼬리 다중 레이블 데이터 문제에 효과적으로 대응하는 손실 함수를 제안.
◦
기존 연구 대비 우수한 성능 (평균 AUC 83.76%)을 달성.
◦
의료 영상 분석 분야에서 앙상블 딥러닝 기법의 유용성을 보여줌.
•
한계점:
◦
특정 데이터셋(NIH ChestX-ray14)에 대한 성능만 제시되어 일반화 성능에 대한 검증이 부족.
◦
모델의 복잡성으로 인한 계산 비용 증가 가능성.
◦
다양한 흉부 질환에 대한 일반화 성능 평가가 더 필요.
◦
해석 가능성에 대한 추가적인 연구가 필요.
👍
Made with Slashpage