earticle

영어

The rapid aging of modern society has led to a sharp rise in dementia cases, creating significant social and public health burdens. Alzheimer’s Disease (AD), the leading cause of dementia, requires early diagnosis due to the absence of a cure. This study proposes an optimal deep learning model for precise AD prediction using brain MRI data. Utilizing 6,400 images from the Kaggle Alzheimer dataset, we comparatively evaluated VGG-19 and Inception-ResNet-V2 and analyzed the impact of various preprocessing strategies. Experimental results show that VGG-19 with the standalone ‘Overlap’ preprocessing technique achieved the best performance with a validation accuracy of 0.98 and an F1-score of 0.98, indicating strong potential as a reliable clinical diagnostic tool.

한국어

현대 사회의 급격한 고령화는 치매 환자의 폭발적인 증가를 초래하고 있으며, 이는 심각한 사회적 비용과 공중 보건 문제를 야기하고 있다. 특히 알츠하이머병(Alzheimer's Disease, AD)은 치매의 가장 주요한 원인으로, 완치 법이 부재한 현 상황에서는 조기 진단을 통한 진행 지연이 필수적이다. 본 연구는 뇌 MRI 영상 데이터를 활용하여 알츠하이머 질환을 정밀하게 예측할 수 있는 딥러닝 최적 모델을 제안하는 것을 목적으로 한다. 이를 위해 대표적인 합성곱 신경망(CNN) 모델인 VGG-19와 Inception ResNet V2를 선정하고, 의료 영상의 특성을 극대화할 수 있는 다양한 전처리 기법의 조합이 모델 성능에 미치는 영향을 심층 분석하였다. Kaggle의 알츠하이머 MRI 데이터 셋 6,400장을 활용한 실험 결과, VGG-19 모델에 ‘Overlap’ 전처리 기법을 단독으로 적용했을 때 검증 정확도 (Validation Accuracy) 0.98, F1 Score 0.98을 기록하여 가장 우수한 성능을 보였다.이는 임상적 진단 도구로서의 신뢰성을 높이는 데 더욱 효과적임을 시사한다.