설진 다중 병증 분류를 위한 딥러닝 모델의 성능 비교
Performance Comparison of Deep Learning Models for classifying Multiple Clinical Manifestations Category in Tongue Diagnosis
4
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
설진은 혀의 색, 설태, 형태 등을 비침습적으로 관찰해 전반적 건강 상태와 질병 징후를 파악하는 핵심 진단법으로서 혀의 상태 변화는 다양한 만성질환과도 밀접한 관련이 있다. 그러나, 최근 의료영상 분석 기술의 발전으로 인공지능 기반의 설진 보조 시스템의 연구가 진행되고 있음에도 다중 병증을 동시에 수행하는 솔루션은 드문 실정이다. 따라서 본 논문에서는 설진 병증을 설색(4-클래스), 설태색(4-클래스), 습도(3-클래스), 한열(3-클래스), 치흔(2-클래스), 열문(2-클래스), 설하정맥(2-클래스)의 7가지 상위 클래스로 구분하여 분류한다. 설진 다중 병증 분류 모델은 한의학 설진을 지원하기 위한 임상결정지원시스템의 구현을 목적으로 하며, 딥러닝 영상 분류 모델 VGG16, VGG19, ResNet50에 적용하여 성능을 비교 평가하였다. 그 결과 각 딥러닝 모델은 7가지 세부 병증에서 평균 90% 이상의 정확도 성능을 보임으로써 그 활용 가능성을 확인하였다.
Abstract
Tongue diagnosis is a core diagnostic method that non-invasively observes the tongue’s color, coating, and morphology to assess overall health status and identify disease manifestations. Changes in tongue condition are closely associated with various chronic diseases. Despite recent advances in medical image analysis that have spurred research on Artificial Intelligence based tongue-diagnosis decision-support systems, solutions capable of simultaneous classification across multiple diagnostic categories remain scarce. Accordingly, this study organizes tongue-diagnosis findings into seven top-level diagnostic categories: Tongue Color (4-classes), Tongue Coating Color (4-classes), Moisture (3-classes), Cold-Heat Pattern (3-classes), Tooth Mark (2-classes), Tongue Fissure (2-classes), and Sublingual Vein (2-classes). The proposed tongue diagnosis model for multi-clinical manifestations is designed to implement a CDSS(Clinical Decision Support System) for tongue diagnosis analysis. We evaluated three deep-learning image classification architectures VGG16, VGG19, and ResNet50 on this task. As a result, each deep learning model demonstrated an average accuracy of over 90% in seven detailed symptoms, confirming its usability.