딥 뉴럴 네트워크는 랩톱에서 피부 질환을 검사할 수 있다

휴스턴 대학교의 생체공학부 창립 의장을 맡고 있는 메틴 아카이(Metin Akay)는 시스템성 경화증(Systemic Sclerosis, SSc)에 대한 초기 진단을 제공할 수 있는 새로운 딥 뉴럴 네트워크 아키텍처에 대해 보고하고 있다. SSc는 피부와 내부 장기를 경화시키거나 섬유화시키는 희귀한 자가면역 질환이다.

제안된 네트워크는 표준 랩톱 컴퓨터에서 구현되며, 건강한 피부와 SSc가 있는 피부의 이미지를 즉시 구별할 수 있다.

이 연구는 IEEE Open Journal of Engineering in Medicine and Biology에 발표되었다.

메틴 아카이(Metin Akay)는 존 S. 던(John S. Dunn) 생체공학 교수로 임명되었다.

“우리의 예비 연구는 제안된 네트워크 아키텍처의 효능을 보여주기 위한 것으로, SSc의 특성을 나타내는 데 약속을 보여준다”고 아카이는 말했다.

“우리는 제안된 네트워크 아키텍처가 임상 환경에서 쉽게 구현될 수 있을 것으로 믿으며, SSc를 위한 간단하고 저렴하며 정확한 스크리닝 도구를 제공할 수 있을 것이다.”

SSc와 초기 진단

SSc를 초기에 진단하는 것은 매우 중요하지만, 이것은 종종 어려운 것을 달성하는 것이다. 여러 연구에 따르면 장기 관련 문제가 예상보다 훨씬 이전에 발생할 수 있으며, 이는 질병의 초기 단계에서 발생할 수 있다.

전문 센터의 의사들조차 초기에 진단하고 질병의 진행 정도를 결정하는 것이 매우 어려우므로, 치료와 치료가 지연되는 경우가 많다.

시스템 훈련

딥 러닝은 알고리즘을 인공 신경 네트워크라고 하는 계층으로 나누어 자신의 결정을 내릴 수 있다. 연구자들은 학습 과정을 가속화하기 위해 새로운 네트워크를 MobileNetV2의 매개변수를 사용하여 훈련시켰다. MobileNetV2는 모바일 비전 애플리케이션으로, ImageNet 데이터셋의 1,400만 개의 이미지로 사전 훈련되었다. 훈련 시간은 5시간 미만으로 걸렸다.

“이미지를 스캔하여 네트워크는 기존의 이미지에서 학습하고 새로운 이미지가 정상인지 초기 또는 후기 질병 단계인지 결정한다”고 아카이는 말했다.

컨볼루션 뉴럴 네트워크(Convolutional Neural Networks, CNNs)는 딥 러닝 네트워크 중 하나로, 공학, 생물학, 의학 분야에서 종종 사용된다. 그러나 생물의학 응용 분야에서 높은 수준의 성공을 거두지 못했으며, 이는 훈련 세트와 네트워크의 크기 제한으로 인해 그 사용이 제한되었다.

아카이와 그의 파트너 야세민 아카이(Yasemin Akay)는 이 문제를 해결하기 위해 수정된 CNN 아키텍처인 UNet에 추가적인 계층을 결합하였다. 그들은 모바일 훈련 모듈을 개발하였고, 결과는 제안된 딥 러닝 아키텍처가 SSc 이미지를 분류하는 데 CNN보다 더 효율적이고 우수하다는 것을 보여주었다.

야세민 아카이(Yasemin Akay)는 휴스턴 대학교의 생체공학부 교수로 있다.

“미세 조정 후, 우리의 결과는 제안된 네트워크가 훈련 이미지 세트에서 100%의 정확도, 검증 이미지 세트에서 96.8%의 정확도, 테스트 이미지 세트에서 95.2%의 정확도를 달성했다”고 아카이는 말했다.

연구의 공동 저자로는 휴스턴 대학교의 용 두(Yong Du), 셰릴 셔슨(Cheryl Shersen), 팅 천(Ting Chen), 찬프라 모한(Chanfra Mohan)이 포함되며, 텍사스 대학교 헬스 사이언스 센터(UT Health)의 밍화 우(Minghua Wu)와 셰빈 아사시(Shervin Assassi)도 참여하였다.