프로젝트 개요
Kaggle 데이터셋을 활용하여, 흉부 X-Ray 이미지를 분석하고 폐렴과 정상 폐를 자동으로 구분하는 딥러닝 시스템을 개발했습니다.
합성곱신경망(CNN)을 활용하여 의료진의 진단을 보조할 수 있는 AI 모델을 구현했습니다.
CNN 모델 아키텍처
합성곱 계층 (Convolutional Layers)
여러 개의 Conv2D 레이어를 통해 이미지의 특징을 점진적으로 추출하고, ReLU 활성화 함수를 사용하여 비선형성을 추가했습니다.
풀링 계층 (Pooling Layers)
MaxPooling2D를 사용하여 특징 맵의 크기를 줄이고 중요한 특징만을 보존하여 연산량을 최적화했습니다.
완전연결 계층 (Dense Layers)
추출된 특징을 기반으로 최종 분류를 수행하며, Dropout을 적용하여 과적합을 방지했습니다.
이진 분류 출력
Sigmoid 활성화 함수를 사용하여 NORMAL과 PNEUMONIA 두 클래스로 분류하는 이진 분류 모델을 구현했습니다.
데이터셋 및 전처리
Kaggle Chest X-Ray Images Dataset
데이터 출처: Kaggle - Chest X-Ray Images (Pneumonia)
총 이미지 수: 5,863장 (2개 카테고리)
이미지 형식: JPEG 흉부 X-Ray 이미지
분류: NORMAL (정상) / PNEUMONIA (폐렴)
시스템 구성 및 화면
모델 학습 진행과정 1
실제 학습이 실행되는 터미널 화면
모델 학습 진행과정 2
실제 학습이 실행되는 터미널 화면
모델 학습 성능 그래프
학습이 진행되며 정확도 상승 및 손실 함수 값 감소
모델 예측 결과 화면
실제 테스트 이미지에 대한 예측 결과