한의학 설진에서 다중 병증 분류를 위한 딥러닝 모델의 성능 평가 = Performance Evaluation of Deep Learning Models for classifying the Multi-Clinical Manifestations Category in Korean Medicine Tongue Diagnosis

국문 초록 (Abstract)

설진은 한의학에서 혀의 색, 모양 등을 비침습적으로 관찰해 전반적인 건강 상태와 질병 징후를 파악하는 핵심 진단법으로서, 혀의 변화는 다양 한 만성질환과도 밀접한 관련이 있다. 그러나, 최근 의료영상 분석 기술 의 발전으로 인공지능 기반의 설진 보조 시스템의 연구가 진행되고 있음 에도 다중 병증 분류를 수행하는 연구는 드물다. 따라서, 본 논문에서는 20년 이상 경력의 임상의가 판독한 실제 임상 설진 영상을 대상으로, 설색 (4-클래스), 설태색 (4-클래스), 습도 (3-클 래스), 한열 (3-클래스), 치흔 (2-클래스), 열문 (2-클래스), 설하정맥 (2- 클래스)의 7가지 상위 카테고리로 정의하고, 각 카테고리의 임상적 단서 가 반영된 영역을 128 x 128 관심 영역으로 전처리한 후, 분류 모델의 입력으로 사용한다. 다중 설진 분류 모델은 라이프로그 기반 설진 분석을 지원하는 의료 플랫폼 구현을 목적으로 하며, 딥러닝 영상 분류 모델 VGG16, VGG19, ResNet50에 적용하여 성능을 비교 평가하여 각 설진 병증 카테고리에 최적인 딥러닝 모델을 제안한다. 실험 결과 VGG16 모델은 치흔, 한열, VGG19 모델은 열문, 치흔, 설태 색, ResNet50 모델은 설색, 습도, 설하정맥에서 각각 최적의 분류 성능 을 보였으며, 이러한 다중 병증 카테고리별 강점을 활용하여 향후에는 각 모델을 융합한 앙상블(Ensemble) 딥러닝 모델을 개발하고자 한다.

목차 (Table of Contents)

• 목 차 ⅰ
• 그림 목차 ⅲ
• 표 목차 ⅳ
• 국문 요약 ⅴ
• 제1장 서론 1
• 제2장 관련 연구 3
• 2.1 혀의 임상 병리학적 특징 3
• 2.2 한방 설진 분류를 위한 딥러닝 모델 6
• 제3장 설진 병증 분류 시스템 8
• 3.1 설진 병증 분류 시스템 처리 과정 8
• 3.2 설진 데이터셋 10
• 제4장 시뮬레이션 결과 12
• 4.1 설진 데이터 및 클래스 별 관심 영역 12
• 4.2 모델 아키텍처 및 학습·평가 프로토콜 17
• 제5장 결론 28
• 참고문헌 30
• 영문요약 33