earticle

영어

PPneumonia is a respiratory infectious disease that causes fluids to fill the lungs. It is considered one of the leading causes of infection-related deaths in children and seniors worldwide. Clinicians usually use chest X-ray images to diagnose pneumonia. However, pneumonia is prone to be misdiagnosed because it overlaps with cold and flu, causing severe and critical medical complications. Consequently, alternative supportive diagnostic methods are needed to minimize human errors and assist clinicians. Several attempts have used artificial intelligence systems, mainly in deep learning methods, to assist clinicians in early pneumonia diagnoses. However, further studies are required to consolidate the use of deep learning as an assistant tool to diagnose pneumonia accurately. In this study, we examine the Swin Transformer and the Residual Neural Network’s performance in classifying pneumonia and healthy chest X-ray images using the Guangzhou Women and Children’s Medical Center dataset and the COVID19, Pneumonia and Normal Chest X-ray Posteroanterior dataset. The experiment results demonstrate that the Swin Transformer achieves an accuracy of 98.9% in the Chest X-ray images dataset and 92.35% in the COVID19, Pneumonia and Normal Chest X-ray Posteroanterior dataset, while the Residual Neural Network achieves an accuracy of 97.9% and 88.8% respectively in classifying pneumonia. These results indicate that the Swin Transformer outperforms the Residual Neural Network as a tool for assisting clinicians in diagnosing pneumonia. Thus, the Swin Transformer may help in early decision-making, leading to treatment initiation and improving patient's health.

한국어

폐렴은 폐에 고름 혹은 물이 차는 호흡기 관련 감염 질환이다. 세계적으로 폐렴은 소아 및 노인 계층에서 감염 질환 으로 인한 사망 원인 중 하나이다. 일반적으로 의료진들은 폐렴 진단을 위해 흉부 X-ray 영상을 사용한다. 그러나 폐렴은 유사한 증상을 보이는 감기와 독감으로 오진될 가능성이 높으며, 이는 심각한 합병증의 원인이 될 수 있다. 따라서, 의료진의 실수를 최소화하기 위해 대안적인 보조 진단 방법이 필요하다. 폐렴의 조기 진단을 위한 보조 도 구로 딥러닝 기술에 기반한 인공지능 시스템이 연구되고 있으나, 딥러닝이 진단 보조 도구로 확립하기 위해서는 더 많은 연구가 필요하다. 본 연구에서는 광저우 여성 아동 병원 데이터셋과 코로나19·폐렴·정상 흉부 X-ray 데이터 셋을 사용하여 Swin Transformer와 Residual Neural Network의 성능을 분석한다. 실험 결과, Swin Transformer는 흉부 X-ray 영상 데이터셋에서 98.9%의 정확도를 보이며,코로나19·폐렴·정상 흉부 X-ray 데이 터셋에서는 92.35%의 정확도를 보인다. Residual Neural Network는 두 데이터셋에서 각각 97.9%와 88.8% 의 정확도를 보인다. 이러한 결과는 폐렴 보조 진단 도구로써 Swin Transformer가 Residual Neural Network 보다 적합함을 의미한다. 그러므로, Swin Transformer는 조기 진단과 조기 치료, 환자의 건강 증진에 기여할 수 있을 것이라 기대한다.