Effective Respiratory Sound Classification based on Semi-Supervised Learning

본 연구는 라벨링된 데이터가 부족한 폐음 분류 문제에서 준지도 학습(Semi-Supervised Learning)을 이용하여 모델의 성능을 개선하는 학습 방법을 제안한다. 폐 질환은 전 세계적으로 세 번째 주요 사망 원인이고 매년 약 3백만 명이 사망하고 있다. 폐 질환의 여러 가지 진단 방법 중 청진은 비침습적이고 단순하며 휴대하기 쉽고 빠르게 검사하는 방법이다. 폐음 분류에 관한 연구들은 주로 지도 학습(Supervised Learning)을 사용해 왔다. 지도 학습은 높은 정확도를 달성하기 위해 많은 라벨링된 데이터가 필요하다. 폐음 데이터의 라벨링은 전문적인 의료 지식을 요구하기 때문에 많은 한계점을 가지고 있다. 본 연구는 라벨링된 데이터가 제한적인 상황에서 라벨이 없는 데이터를 활용한 준지도 학습이 폐음 분류 모델의 성능을 향상시킬 수 있음을 확인하였다. 제안된 방법은 폐 질환의 조기 진단 및 치료에 이바지할 것으로 기대된다.