Alapfogalmak
비전 변환기와 설명 가능한 AI 기술을 활용하여 COVID-19 진단을 위한 정확하고 신뢰할 수 있는 모델을 개발하였다.
Kivonat
이 연구에서는 COVID-19 진단을 위한 비전 변환기 기반 모델을 제안하였다. 주요 내용은 다음과 같다:
- CT 스캔 및 CXR 데이터셋을 활용하여 변환기 모델을 학습하였다.
- 폐 질환 분류를 위한 고도화된 이미지 분류 모델인 Compact Convolution Transformers (CCT) 모델을 개발하고 분석하였다.
- 정확도, 정밀도, 재현율 등 다양한 평가 지표를 사용하여 모델의 성능을 분석하였다.
- 설명 가능한 AI (XAI) 기법인 Grad-CAM을 활용하여 모델의 예측 과정을 해석하고 설명하였다.
제안된 CCT 모델은 COVID-19 Radiography 데이터셋에서 97%의 훈련 정확도와 94.6%의 검증 정확도를 달성하였다. 또한 XAI 분석을 통해 모델이 폐 영역의 특징을 효과적으로 학습하여 COVID-19 진단을 수행하는 것을 확인하였다. 이를 통해 비전 변환기와 설명 가능한 AI 기술이 COVID-19 진단을 위한 강력한 도구로 활용될 수 있음을 보여주었다.
Statisztikák
COVID-19 양성 사례의 최대 픽셀 값은 0.004 이상 0.006 미만이다.
COVID-19 음성 사례의 최대 픽셀 값은 0.014 이상 0.016 미만이다.
COVID-19 양성 사례의 최대 픽셀 값은 0.005이다.
COVID-19 음성 사례의 최대 픽셀 값은 0.035 이상 0.040 미만이다.
Idézetek
"비전 변환기와 설명 가능한 AI 기술을 활용하여 COVID-19 진단을 위한 정확하고 신뢰할 수 있는 모델을 개발하였다."
"제안된 CCT 모델은 COVID-19 Radiography 데이터셋에서 97%의 훈련 정확도와 94.6%의 검증 정확도를 달성하였다."