코그넥스 블로그

폐 X-선 검사에서 코로나 바이러스 이미지를 식별하는 VisionPro 딥러닝

neural network brain image over lung x-rays

전 세계 다수의 생명 과학 연구 그룹에서 개발한 여러 딥러닝 모델을 능가하여 폐 X-선 검사에서 코로나 방러스 이미지를 식별하는 데 있어 코그넥스 VisionPro® 딥러닝 소프트웨어 적용의 최근 성공 사례는 논문 심사를 거쳐 업계 최고의 인공지능 관련 저널 SN Computer Science의 봄 발행물에 출판되었습니다. “딥러닝을 사용한 폐 X-선의 코로나 바이러스 이미지 식별: 코그넥스 VisionPro 딥러닝 1.0 소프트웨어와 기존의 오픈 소스 신경망의 비교”1는 수개월에 걸친 학술 논문 심사 후 2021년 3월에 출판되었습니다.

VisionPro 딥러닝 소프트웨어 환경에서 폐의 CT 스캔

폐 스캔의 히트맵

이 논문은 워털루대학교(University of Waterloo)에서 제공한 공개 흉부 X-선을 토대로 작성되었습니다. 코그넥스에서 자금 지원을 받은 실험의 일환으로, 코그넥스 생명 과학 팀은 코로나 바이러스 양성 결과를 받은 흉부 X-선과 건강한 환자 또는 코로나 바이러스 감염증이 아닌 폐렴 환자의 흉부 X-선을 분석해서 코로나 바이러스 이미지를 식별하는 문제에 VisionPro 딥러닝 1.0 소프트웨어를 적용하였습니다. 후속 논문에서, 연구팀은 CT 스캔에서 코로나 바이러스의 이미지를 식별하는 데 있어 VisionPro 딥 러닝 적용할 때의 효능을 비교하였습니다. 또한 소프트웨어를 훨씬 더 빠르고 간편하게 프로그래밍하는 방법을 탐구하였고, 또 다시 매우 긍정적인 결과를 도출하였습니다.

X-선, CT 스캔, 코로나 바이러스 감염증19
 
X-선과 같은 의료 영상은 의사와 방사선 전문의에게 코로나19 검사실 검사가 정확함을 나타내는 시각적 증거를 제공합니다. 뿐만 아니라 복잡한 수리 계산을 통해서 보다는 아이들이 학습하는 방식과 유사하게 프로그래밍되는 딥러닝 소프트웨어는 수천 개의 의료 영상을 분석하고, 이상을 식별함으로써 진단을 반박하거나 지원하여 의료진들의 업무량을 줄여줄 수 있습니다.

한 가지 가능한 장애물은 가장 널리 이용되는 오픈 소스 딥러닝 툴을 사용하기 위해서는 상당한 프로그래밍 전문 지식이 필요할 수 있다는 점입니다. 즉, 의사, 방사선 전문의, 기타 의료진과 같은 의료계 종사자들이 이러한 툴을 완전히 마스터하는 것이 현실적으로 불가능합니다.

올 여름, 코그넥스의 인공지능(AI) 전문가 팀은 기본적인 가설로 이 장애물의 극복에 나섰습니다. 즉, '코그넥스의 산업용 자동화 소프트웨어가 세계 최고의 오픈 소스 딥러닝 툴의 간편한 대안이 될 수 있고, 그에 필적하는 성능을 제공할 수 있는가?'라는 것입니다. “딥러닝을 사용한 폐 X-선의 코로나 바이러스 이미지 식별: 코그넥스 VisionPro 딥러닝 1.0 소프트웨어와 기존의 오픈 소스 신경망의 비교” 연구에서는 X-선 평가에 있어 코그넥스 VisionPro 딥러닝 컴퓨터 신경망(CNN)과 여러 가지의 주요 오픈 소스 CNN을 비교하였습니다. 여기에는 VGG19, ResNet, DenseNet, Inception을 비롯하여 워털루대학교에서 개발한 흉부 X-선에서 코로나 바이러스 감별을 위해 특별히 맞춤 설계된 AI 생성 CNN인 COVID-NET가 포함됩니다.

코그넥스 생명 과학 팀에 속해 있는 Arjun Sarkar, Joerg Vandenhirtz, Jozsef Nagy, David Bacsa, Mitchell Riley가 공동 저술한 논문은 논문 심사를 통과한 후 주요 연구 발표자들의 이목을 끌었습니다.

“이 소프트웨어가 X-선에 나타나는 질환들을 손쉽게 구분할 수 있다는 사실에 무척 놀랐습니다.” 코그넥스 생명 과학 부문의 수석 AI 전문가인 Vandenhirtz는 이렇게 말합니다. “서로 다른 질환을 포함한 X-선 영상에서 그 차이를 구분하기란 거의 불가능합니다. 5명의 방사선 전문가들이 이런 종류의 영상을 보고 5가지의 각기 다른 의견을 낼 수 있습니다.”

연구 1: VisionPro 딥러닝, 독보적인 상위 수준의 결과를 제공

코그넥스의 연구는 캐나다 온타리오의 워털루대학교(University of Waterloo)에서 실시한 “COVID-Net: 흉부 X-선 영상에서 코로나19 케이스 검출을 위한 맞춤식 심층 CNN 설계 임상시험 결과에 기반을 두고 있습니다.” COVIDx라는 데이터 세트에는 거의 14,000개에 달하는 흉부 X-선이 사용됩니다. 공동 저자 Linda Wang과 Alexander Wong은 인공지능(AI)을 이용해 X-선을 분석해 코로나19의 징후를 포함한 폐를 식별하는 COVID-Net을 개발하였습니다.

F-점수라고 하는 측정은 딥러닝 시스템의 전반적인 정확도를 평가하는데, 디지털 이미지에서 패턴과 이상을 정확히 예측하려고 시도합니다. 기본적으로 F-점수는 딥러닝 시스템에서 생성된 정확한 예측과 잘못된 예측의 비율입니다.

코그넥스 연구원들은 COVID-X 데이터 세트에서 거의 14,000개에 달하는 X-선 이미지를 대상으로 딥러닝 툴을 트레이닝하였습니다. 영상은 정상, 코로나19가 아닌 폐렴, 코로나19 등 3가지 범주로 나뉘었습니다. 여러 개의 딥러닝 패키지를 비교한 이 표에서 볼 수 있듯이, COVID-Net은 정상 영상에서 92.6%부터 코로나19 영상에 대해 94.7%에 달하는 F-점수로 예측력이 뛰어난 결과를 생성하였습니다. VisionPro 딥러닝 1.0은 정상 X-선에서 95.6%, 코로나19 X-선에서 97.0%의 F-점수로 훨씬 더 높은 결과를 제공하였습니다.

연구 2: VisionPro 딥러닝, CT 스캔에서 선두 입지 강화

같은 연구팀에서 작성한 보다 최근의 코그넥스 논문에서는 흉부 X-선과 흉부 CT 스캔을 비교 분석하였습니다. 여러 연구에 따르면 CT 스캔과 X-선에서 딥러닝을 사용해 코로나19 영상을 성공적으로 검출한 것으로 입증되었으나, 대부분 딥러닝 아키넥처는 시스템을 트레이닝하기 위해 그래픽 사용자 인터페이스(GUI)를 제공하지 않기 때문에 방대한 프로그래밍이 필요합니다. 딥러닝 또는 프로그래밍에 관한 지식이 부족한 방사선 전문의가 이런 프로그램을 사용하거나 트레이닝하는 것은 어려운 일일 수 있습니다.

VisionPro 딥러닝 소프트웨어 환경에서 폐의 CT 스캔

폐 스캔의 히트맵

Vandenhirtz는 “딥러닝 소프트웨어를 채택할 때 주된 문제점은 TensorFlow와 같은 표준 패키지의 경우 프로그래머가 텍스트 기반 터미널 인터페이스에서 모델을 구축해야 한다는 점입니다.”고 말을 이었습니다. “그에 반해 VisionPro 딥러닝은 프로그래밍 경험이 필요하지 않고 사용자에게 친숙한 GUI를 사용합니다. Microsoft Office 사용법을 배웠다면 VisionPro 딥러닝도 배울 수 있습니다.” Vandenhirtz는 프로젝트 수석 연구원인 Arjun Sarkar가 코그넥스에 합류하기 전에는 VisionPro 딥러닝을 전혀 사용해본 적이 없다고 덧붙였습니다. 2개월만에 Sarkar는 프로그램을 익혔고, 연구를 실시해서 결과물에 대한 논문을 썼습니다. 기존의 딥러닝 연구는 네트워크를 구축하고, 모델을 개발하며, 알고리즘을 트레이닝하는 데 년 단위가 걸릴 수 있습니다. VisionPro 딥러닝은 그러한 시간을 대폭 줄여줍니다.

이후 진행되는 연구에서 2가지 중요 고려 사항으로 여겨지는 효율과 사용 편이성을 바탕으로, 코그넥스의 최신 연구에서는 코로나19와 코로나19가 아닌 폐렴의 이미지를 식별하고 높은 F-점수를 획득하기 위해 얼만큼의 트레이닝이 필요한가에 있어 VisionPro 딥러닝의 성공을 확인할 수 있었습니다. 후속 논문, “딥러닝을 사용하여 흉부 CT(컴퓨터 단층촬영) 영상에서 코로나19 식별: 코그넥스 VisionPro 딥러닝 1.0 소프트웨어와 오픈 소프트웨어 CNN 비교” 에서는 워털루대학교의 비전 및 이미지 프로세싱 랩에 소속된 Linda Wang 연구팀이 흉부 CT 영상 데이터 세트를 사용했으며, 이 데이터 세트에는 전문적인 방식으로 태깅된 100,000개 이상의 영상이 포함되었습니다. CNN 이외에, 워털루대학교의 CNN 아키텍처 COVID-Net-CT-A 및 COVID-Net-CT-B를 비롯하여 Google의 최신 CNN 아키텍처 Xception을 포함하여 그 밖의 최신 CNN을 기준으로 코그넥스의 VisionPro 딥러닝을 벤치마킹하였습니다.

아래 표와 같이, 코그넥스의 VisionPro 딥러닝 1.0은 3개 클래스(정상, 코로나19가 아닌 폐렴, 코로나19) 모두에서 > 99.4의 F-점수를 획득하면서 다른 모든 CNN 네트워크 아키텍처보다 약간 더 높은 성능을 보였습니다. 이 초기 연구에서는 100,000개의 원본 영상 CT 스캔 데이터 세트를 61,783개 영상의 트레이닝 그룹과 21,191개 영상의 “검사” 그룹으로 나누고, 각 CNN으로 트레이닝한 후 영상을 분석하였습니다.
 

CT 스캔의 F-점수 막대그래프 결과

정상, 코로나19, 폐렴 상태를 평가하기 위해 기존의 X-선 CNN을 “트레이닝” 하는 데 얼마나 많은 영상이 필요한지에 대해 보다 정확한 통찰을 얻기 위해 코그넥스는 61,000개 이상이 아닌 26,338개 영상을 사용해 코그넥스 CNN을 처음부터 다시 트레이닝하였습니다. 아래 표와 같이 각 CNN에 대한 F-점수를 비교했습니다. 코그넥스의 VisionPro 딥러닝은 3개 클래스(저상, 코로나19, 폐렴) 모두에서 > 99.1의 F-점수를 획득하며 나머지 CNN 아키텍처보다 압도적인 우위를 차지했으며, 다른 모든 CNN은 80 후반대에서 90 중반 범위까지 F-점수로 떨어졌고 특히 폐렴과 코로나19의 두 질병 분류에서 두드러졌습니다.

CT 스캔의 F-점수 막대그래프 결과

방사선 전문의에게 강력한 진단 툴을 제공하는 딥러닝

코그넥스의 처음 두 연구 결과물은 여전히 다른 의료 연구원들의 검증이 필요하나, 최초 결과는 좋은 전망을 보여주고 있습니다. 뿐만 아니라 소프트웨어는 아직 의료용으로 승인되지 않았습니다.

Vandenhirtz는 코그넥스의 일차적인 단기 관심은 이런 종류의 소프트웨어 기능을 전세계 의료 커뮤니티에 알리는 것입니다. 또한 안구의 내부 메커니즘 영상을 이용하는 안과학 같은 분야에서도 유용할 것이라고 봅니다.

Vandenhirtz는, 모든 기능 중에서 딥러닝 알고리즘이 임상의가 보유한 지혜를 완전히 대체할 수 없다고 말합니다. 하지만 청진기나 혈압측정띠처럼 의료진이 높은 수준으로 업무를 수행하도록 도와주는 유용한 툴입니다.

그는 “우리는 적어도 중단기적으로 AI가 진단을 내리 수 있을 것이라 생각하지 않습니다.” 며 결론을 내렸습니다. “VisionPro 딥러닝은 결정에 대한 권고를 제공할 수 있지만, 최종적으로는 방사선 전문의가 영상이 의미하는 바를 결정지어야 합니다.”

다음에서 SN Computer Science 논문을 조회할 수 있습니다: 딥러닝을 사용한 폐 X-선의 코로나 바이러스 이미지 식별: 코그넥스 VisionPro 딥러닝 1.0™ 소프트웨어와 오픈 소프트웨어 CNN 비교.

 

1Springer 논문 인용: Sarkar, A., Vandenhirtz, J., Nagy, J. 그외. 딥러닝을 사용한 폐 X-선의 코로나 바이러스 이미지 식별: 코그넥스 VisionPro 딥러닝 1.0™ 소프트웨어와 오픈 소프트웨어 CNN 비교. SN COMPUT. SCI. 2, 130 (2021). https://doi.org/10.1007/s42979-021-00496-w

 

추가 게시물 -

제품 지원 및 교육 신청

MyCognex 가입

질문이 있으십니까?

전 세계 어디에서든 코그넥스 담당자들이 여러분의 비전과 산업용 바코드 판독 관련 문제를 지원합니다.

연락처