피부 질환의 확인: 전이학습을 이용한 백반증 심각도 측정 (Corroboration of Skin Diseases: Measuring the Severity of Vitiligo Using Transfer Learning)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 50권 / 1호 / 72 ~ 79페이지
· 저자명 : 권영호

초록

백반증은 표피에서 멜라닌 색소가 소실되어 발생하는 흔한 후천성 피부 질환이며 임상적으로 몸에 창백하거나 흰색 반점이 나타난다. 백반증은 조기 치료가 중요하지만 백반증은 통증이나 건강 문제를 일으키지 않는다. 따라서 백반증 환자는 피부 병변이 외부로 보일 때 치료한다. 백반증은 피부과 전문의의 주관적인 판단으로 치료되며, 의료 영상을 얻기 어렵기 때문에 영상을 통한 정량적, 객관적인 분석 방법이 제시되지 않았고, 소수의 의료 데이터 영상을 통해 많은 진단 방법이 개발되었다. 본 논문에서는 백반증 의료 데이터 수집의 한계를 극복하기 위해 전이 학습을 이용하여 영상 분할을 통해 백반증 부위를 진단하는 방법을 제안한다. 전이학습 모델은 U-net, FCN, Deeplab 등의 딥러닝 모델에 적용 가능성을 실험하여 선정하였다. 또한, 백반증 중증도를 측정하고자 RGB 피부 영상으로 변환하여 의료 현장에서 사용되는 VASI 점수를 이용하였다. 실험 결과, 불균형 백반증 이미지 데이터로 훈련했을 때 Deeplab에서의 f1-score와 IoU 점수가 기존 이미지 처리 방법 뿐만 아니라 U-net보다 우수했다. 또한, 이 논문에서 제안된 백반증 이미지에서 VASI 점수를 계산하는 방법은 백반증의 진단에 적용될 가능성을 보여 주었다.

영어초록

Vitiligo is a commonly acquired skin disorder that results from the loss of melanin pigment from the epidermis and is clinically indicated by pale or white patches on the body. Preliminary treatment is essential for vitiligo, but vitiligo does not cause pain or health problems. Therefore, vitiligo patents are treated when skin lesions are visible on the outside. The subjective judgment treats vitiligo of dermatologist’s, and there is no quantitative and objective analysis method through imaging, because it is difficult to obtain a medical image. Several diagnostic methods have been developed through a few medical studies. In this paper, we propose a method for area of vitiligo through image segmentation using metastasis learning to overcome the limitations of vitiligo medical data collection. The transfer learning model was selected by experimenting with the possibility of application to deep learning models such as U-net, FCN, and Deeplab. In addition, the severity of Vitiligo was measured using the VASI score used in the medical field, converting the skin image into an RGB skin image representing skin areas. In the experimental results, when trained with an imbalanced vitiligo image dataset, the performance of Deeplab, measured by F1-score and IoU, was superior to that of U-net and the image processing method. Additionally, the method for calculating the VASI score in vitiligo image proposed in this paper showed the possibility of being used for vitiligo diagnosis.

참고자료

· 없음