위내시경 영상에서의 위 병변 자동 검출 모델 개발을 위한 RetinaNet 기반 backbone 네트워크에 따른 학습 성능 비교

Abstract

본 연구에서는 위내시경 검사 시에 보조 시스템으로 활용할 수 있도록 RetinaNet 네트워크를 사용하여 위내시경 영상에서의 위 병변의 위치를 자동으로 검출하는 모델을 개발하였다. 위암은 한국이나 일본 등의 아시아권에서 대부분 발생한다. 그러나 위내시경 검사는 동시에 진단이나 치료할 수 있으며, 조기 발견 시 치료 성공확률이 매우 높다. 그러나 실시간으로 진행되는 검사 특성상 숙련도나 경험이 결과에 영향을 주며, 업무의 피로도 상승과 집중력 하락으로 인해 검사의 정확도가 낮아지게 된다. RetinaNet 기반의 backbone 네트워크로 ResNet50, ResNet152, EfficientNetB0, EfficientNetB4 네트워크를 사용하여 학습한 모델의 검출 성능을 확인하고, 각 모델 간의 성능을 비교하였다. RetinaNet 기반 backbone 네트워크별 모델들의 평균 민감도(FP/images)는 ResNet50 73.72%(0.0489), ResNet152 78.26%(0.0458), EfficinetNetB0 79.67%(0.3268), EfficientNetB4 62.66%(0.0448)를 보였다. EfficientNetB0 네트워크는 가장 높은 민감도를 나타냈으나 FP/images가 매우 높게 나타나 두 성능치를 모두 만족하는 네트워크는 ResNet152였다.