The application of artificial intelligence techniques, specifically evolution algorithms in medical diagnosis has shown promising potential to enhance the accuracy and efficiency of disease identification. These days the trend is evolutional algorithms be on the turn CNN((Conversion Neural Network) algorithms. As a result of that this paper research applied to medical devices using CNN technology is being actively carried out around the world. In this study, chest x-ray image classification is performed using CNN-based ResNet as a medical image reading assistance technology. In this study, we will classify pneumonia. A total of 5,863 x-ray images are used, and the data is divided into pneumonia and normal, and consists of 3,875 pneumonia image data and 1,341 normal image data. Shortcut is connected to a cnn composed of convolutional layers, pooling layers, and fully connected layers to improve performance using fine tuning on CNN-ResNet, which has been learned to minimize residual. In this paper, only the use of the pre-learning model was considered as fine tuning, but the batch size and learning rate also affect the learning of the model. It is expected that further research to find the appropriate proportions will allow the performance of the model to be maintained more stable.
의료데이터 분석에 인공지능 기술의 진화 알고리즘의 추세가 CNN 방식으로 활발히 진행되고 있는 가운데 의료 영상 판독 보조 기법으로 사전 훈련된 모델을 가져와 사용하는 전이 학습을 사용하여 의료 흉부 X선 분류를 구현했다. 사전 훈련된 모델은 미세 조정이 수행되는 방식에 따라 ResNet의 구조만 사용하고 재학습된 ResNet의 일부 계층을 재학습된 계층과 결합하는 성능을 비교했다. 현재 데이터 세트는 ResNet의 사전 학습 데이터인 ImageNet와 달라 구조만 가져와 학습해도 높은 성능을 보이지만 학습 데이터의 양이 적기 때문에 전체 모델의 일부 계층을 다시 학습하는 방법보다 높은 정확도를 보여준다. 이는 데이터의 속성에 따라 모형을 미세 조정하는 것이 중요하다는 것을 보여준다.
의료데이터 분석에 인공지능 기술의 진화 알고리즘의 추세가 CNN 방식으로 활발히 진행되고 있는 가운데 의료 영상 판독 보조 기법으로 사전 훈련된 모델을 가져와 사용하는 전이 학습을 사용하여 의료 흉부 X선 분류를 구현했다. 사전 훈련된 모델은 미세 조정이 수행되는 방식에 따라 ResNet의 구조만 사용하고 재학습된 ResNet의 일부 계층을 재학습된 계층과 결합하는 성능을 비교했다. 현재 데이터 세트는 ResNet의 사전 학습 데이터인 ImageNet와 달라 구조만 가져와 학습해도 높은 성능을 보이지만 학습 데이터의 양이 적기 때문에 전체 모델의 일부 계층을 다시 학습하는 방법보다 높은 정확도를 보여준다. 이는 데이터의 속성에 따라 모형을 미세 조정하는 것이 중요하다는 것을 보여준다.