🫁 ResNet50–VGG16 융합을 활용한 설명 가능한 딥러닝 기반 폐 질환 탐지

🧠 Python • TensorFlow • 전이 학습 • ResNet50-VGG16 융합 • Grad-CAM • 의료 AI

CNN 기반 아키텍처를 사용하여 CT 스캔 이미지에서 폐 질환을 탐지하고, 의학적 진단에서 해석 가능성을 높이기 위해 설명 가능한 AI(XAI) 시각화를 제공하는 종단간 딥러닝 시스템입니다.

---

📊 프로젝트 개요

의료 영상 진단은 높은 정확성과 해석 가능성을 요구합니다. 기존 딥러닝 모델은 강력한 성능을 내지만 의사 결정 과정의 투명성이 부족한 경우가 많습니다.

이 프로젝트는 **전이 학습(Transfer Learning)**과 Grad-CAM 설명 가능성을 활용한 ResNet50–VGG16 융합 아키텍처 기반의 설명 가능한 딥러닝 폐 질환 탐지 시스템을 제시합니다.

시스템은 다음을 위해 설계되었습니다:

• CT 스캔 이미지 분류
• 여러 폐 질환 탐지
• Grad-CAM 히트맵을 통한 영향을 받은 영역 시각화
• AI 지원 의료 진단에서 해석 가능성 향상

실제 세계의 AI 지원 방사선학 시스템을 시뮬레이션하도록 설계되었습니다.

---

🔍 주요 특징

• ResNet50–VGG16 융합 모델
• 전이 학습 기반 특징 추출
• Grad-CAM 설명 가능한 AI 시각화
• Streamlit 기반 웹 애플리케이션
• 다중 클래스 CT 스캔 분류

---

🩺 탐지 가능한 질환

• COVID
• 정상
• 폐렴

---

🎯 문제 정의

CT 스캔의 수동 분석은:

• 시간이 많이 소요됨
• 전문가 가용성에 의존
• 오류 발생 가능성이 높음

---

🌐 본 텍스트는 빠른 이해를 돕기 위한 요약 번역본입니다. 정확한 기술 정보 및 전체 코드는 GitHub 원문에서 확인하실 수 있습니다.