수퍼픽셀 기반의 합성곱 신경망 성능 평가

Abstract

최근 로봇 프로세스 자동화(Robotic Process Automation, RPA)와 인공지능(AI)을 결합한 인텔리전트 프로세스 자동화(Intelligent Process Automation, IPA)는 다양한 산업 분야에서 폭넓은 영향을 미치고 있으나, 의료 이미지 분석 분야에서는 여전히 초기 단계에 머물러 있다. 본 연구는 흉부 X-레이 영상에서 폐렴을 분류하기 위해 합성곱 신경망(CNN)을 기반으로 한 이미지 분류 시스템을 설계하고, 원본 이미지 기반 모델과 수퍼픽셀 기반 모델의 성능을 비교·분석하였다. 실험 결과, 수퍼픽셀 기반 CNN은 테스트 정확도, 재현율(Recall), F1-점수 측면에서 원본 이미지 기반 모델보다 우수한 성능을 보였으며, 특히 폐렴 클래스에서 높은 재현율을 기록하여 질병 탐지 성능 향상에 효과적인 것으로 나타났다. 또한, 학습 수렴 속도와 검증 정확도에서도 더 안정적인 특성을 보이며 일반화 성능이 뛰어났다. 이러한 결과는 수퍼픽셀 기반 접근이 의료 이미지의 구조적 특징을 효과적으로 보존하고 노이즈에 강건한 학습을 가능케 함을 시사한다. 본 연구는 의료 이미지 분석에 IPA를 적용한 사례로, 진단 정확도의 향상을 통해 의료기관의 운영 효율성 증대, 진단 비용 절감, 환자 대기 시간 단축 등 다양한 경제적 가치를 창출할 수 있는 가능성을 제시한다.