RGB 신체 사진 기반 척추측만증 진단을 위한 인공지능 모델 연구
AI Model for Scoliosis Diagnosis Based on RGB Body Photographs
- 주제어 (키워드) 척추측만증 진단 , 신체 외관 비대칭 측정 , 인공지능 질병 분류 , Scoliosis Diagnosis , Body Asymmetry Measurement , AI Disease Classification
- 발행기관 서강대학교 AI.SW대학원
- 지도교수 박운상
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 AI.SW대학원 데이터사이언스 · 인공지능
- 실제 URI http://www.dcollection.net/handler/sogang/000000081993
- UCI I804:11029-000000081993
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 논문은 일반 RGB 사진을 활용하여 척추측만증을 진단하는 인공지능 모델들을 연구하였다. 본 연구는 신체 비대칭이 척추측만증과 관련 있다는 의학적 근거에 따라, 사진에서 비대칭 정보 값을 수치화하여 다양한 인공지능 모델에 적용하였고 이들의 성능을 비교 및 평가하였다. 또한 비교 실험을 위하여 RGB 사진 자체를 입력으로 사용하는 합성곱 신경망(CNN) 모델도 함께 분석하였다. RGB 사진은 인물 상반신 사진 54 장을 Kaggle에서 확보하였다. 신체 비대칭 측정값만을 입력으로 한 랜덤 포레스트(RF), 다층 퍼셉트론(MLP), 서포트 벡터 머신(SVM), (RF + MLP + SVM) Voting 모델은 F1-macro 기준으로 각각 0.796, 0.812, 0.796, 0.812 의 성능을 기록하였다. 이는 소량의 사진 데이터에서 추출한 신체 외관 측정값만으로도 척추측만증을 일정 수준 이상 예측할 수 있음을 시사한다. 한편, 이미지를 직접 사용하는 CNN 모델의 F1-macro 은 0.769 로 전체 실험보다 다소 낮지만 유사한 성능을 기록하였다. 본 연구는 일반 RGB 사진에서 신체 비대칭 정도를 수치화 한 값을 인공지능 모델에 입력하는 방식이 척추측만증 진단에 실질적으로 활용 가능함을 입증하였다. 해당 연구는 향후 다양한 자세 조건과 대규모 임상 데이터를 반영하여, 일반 RGB 사진만으로 간단하고 적은 비용으로 방사선 노출 걱정 없이 척추측만증을 정확하게 진단하는 시스템으로 확장할 수 있을 것이다.
more목차
제 1 장 서론 2
제 2 장 관련 연구 4
2.1 방사선 촬영 기반 기존 연구 4
2.2 저선량 3-D 촬영 기반 기존 연구 5
2.3 광학 스캔 기반 기존 연구 6
2.4 일반 카메라 촬영 기반 기존 연구 6
제 3 장 연구 방법 8
3.1 데이터 수집 9
3.2 특징 추출 9
3.3 연구 방법 13
3.3.1 랜덤 포레스트(RF) 14
3.3.2 다층 퍼셉트론(MLP) 15
3.3.3 서포트 벡터 머신(SVM) 16
3.3.4 합성곱 신경망(CNN) 17
3.3.5 (RF + MLP + SVM) Voting 18
제 4 장 실험 결과 20
4.1 실험 환경 20
4.2 평가 방식 및 지표 20
4.2.1 랜덤 포레스트(RF) 24
4.2.2 다층 퍼셉트론(MLP) 25
4.2.3 서포트 벡터 머신(SVM) 26
4.2.4 합성곱 신경망(CNN) 28
4.2.5 (RF + MLP + SVM) Voting 30
제 5 장 결론 및 향후 계획 33
5.1 연구 요약 33
5.2. 한계점 및 향후 계획 34
참 고 문 헌 35
