Core Concepts
이 연구에서는 불독 반려견의 코 이미지로 구성된 새로운 주석 데이터셋을 제시하고, 심각한 기관 협착을 식별하기 위한 딥러닝 모델을 평가하였다.
Abstract
이 연구는 반려견 기관 협착 문제를 다루었다. 연구팀은 190장의 불독 반려견 코 이미지로 구성된 새로운 데이터셋을 제시하였다. 이 데이터셋에는 경도, 중등도, 중증 협착이 거의 균등하게 표현되어 있다. 또한 소량의 비협착 코 이미지도 포함되어 있다.
연구팀은 ResNet50, MobileNetV3, DenseNet201, SwinV2, MaxViT 등 5가지 신경망 모델을 평가하였다. 두 가지 방식으로 문제를 모델링하였는데, 첫째는 3개 클래스(경도, 중등도, 중증) 분류 문제로, 둘째는 중증 협착 여부를 판단하는 이진 분류 문제로 구성하였다.
3개 클래스 분류 문제에서 MobileNetV3가 가장 좋은 성능을 보였고, 중증 협착 식별 문제에서는 ResNet50이 가장 우수한 결과를 달성하였다. 이를 통해 이 문제가 도전적이지만 해결 가능한 것으로 나타났다.
Stats
중증 협착 이미지의 73.03%를 정확하게 식별하였다.
중증 협착 이미지의 68.32%에 대해 F-점수가 최대 68.32%에 달했다.
Quotes
"중증 협착 식별은 반려견의 건강과 복지 향상에 매우 중요하지만, 때로는 그 차이가 미묘할 수 있다."
"이 문제를 해결하는 것은 협착 사례를 다루는 수의사와 반려견 보호자들에게 큰 도움이 될 것이다."