Comparative Analysis of CNN Models for Leukemia Diagnosis

백혈병 진단을 위한 CNN 모델 비교 분석

Acute lymphoblastic leukemia is an acute leukemia caused by suppression of bone marrow function due to overgrowth of immature lymphocytes in the bone marrow. It accounts for 30% of acute leukemia in adults, and children show a cure rate of over 80% with chemotherapy, while adults show a low survival rate of 20% to 50%. However, research on a machine learning algorithm based on medical image data for the diagnosis of acute lymphoblastic leukemia is in the initial stage. In this paper, we compare and analyze CNN algorithm models for quick and accurate diagnosis. Using four models, an experimental environment for comparative analysis of acute lymphoblastic leukemia diagnostic models was established, and the algorithm with the best accuracy was selected for the given medical image data. According to the experimental results, among the four CNN models, the InceptionV3 model showed the best performance with an accuracy of 98.9%.

급성 림프모구성 백혈병은 골수 내 미성숙 림프구 과다증식으로 인해 골수 기능이 억제되어 발생하는 급성 백혈병이다. 성인 급성 백혈병의 30% 비율을 차지하고 있으며, 소아는 항암화학요법으로 80% 이상의 완치율을 보이는 반면, 성인은 20%~50%로 저조한 생존율을 보이고 있다. 그러나 급성 림프모구성 백혈병 진단을 위한 의료영상 데이터 기반 머신러닝 알고리즘에 관한 연구가 초동 단계이다. 본 논문에서는 신속하고 정확한 진단을 위해 CNN 알고리즘모델들을 비교분석한다. 네 가지 모델을 사용하여 급성 림프모구성 백혈병 진단 모델들을 비교분석하기 위한 실험 환경을 구축하고 주어진 의료영상 데이터에 대해 정확도가 가장 우수한 알고리즘을 선택하였다. 실험 결과에 따르면 네 가지의 CNN 모델들 중에서 InceptionV3모델이 98.9%의 정확도로 가장 우수한 성능을 보였다.