3.1. 이미지 전처리 결과 분석
연구 과정에서 얻은 523명의환자의 정보및사진 4364장중에서 사진의 손 실이나 인물의 정보 누락, 장애물의 존재로 인물 인식이 불가한 사유 등으로 사 용할수없는 데이터를 제외하고 총 환자 514명에게서 나온 사진 3802장을 연구 에사용하였다.
먼저 인물 이미지 추출 및 Homography의 정확도를 분석하기 위하여, 축척
이 1픽셀: 1cm인 이미지의 최상위 점 및 최하위 점의 y좌표 차를 실제 키와 비
교하여 평가하였다(표 3).
이미지 전처리 왜곡 정도를 분석한 결과, 실제 키와 pixel 평균 약 14.81%,
절대평균 역시 18.05%의 오차율을 보였다. 이는 마스킹 과정에서 누워있는 대상
의 머리카락, 옷 등을 포함하여 실제 인물의 실루엣보다 큰 영역을 마스킹하는 경우가 잦았고, 또한 사진 속환자는 환자의 몸두께로 인해 원근변환 기준 평 면인 침상 위로 솟아오른 형태이므로 Homography 과정에서 환자의 몸 두께가 왜곡을 일으켜 변환된 실루엣이 실제 실루엣보다 길어졌고, 환자의 신장 및 체 형에따라실루엣의 왜곡정도 역시 각기다르게 나타났기 때문으로 추정된다.
표 3. 이미지전처리 왜곡도
N = 3802 이미지 왜곡도
MPE, % (SD, %) 14.81 (15.55) MAPE, % (SD, %) 18.05 (11.63)
37
3.2. 키 추정 결과 및 분석
ResNet50, VGG16, DenseNet121 모델 별로 키의 추정 정확도를 비교하였다.
(표 4) 분석 결과, 정확도 PW10 및 PW20은 DenseNet121 > ResNet50 > VGG16 순 으로 나왔으며 세 모델 모두 𝑹𝟐 > 0.80 이상의 높은 값을 보였다. 이로써 키를 추정함에 있어서는 DenseNet121이 가장높은 정확도를 보임을 알 수있다.
표 4. 모델별 키추정비교
통계 ResNet50 VGG16 DenseNet121
n = 112 n = 112 n = 112
MPE, %
(SD)
0.86 (10.51) -0.49 (10.41) -1.09 (10.09)
MAPE, % (SD)
7.42 (7.49) 7.39 (7.35) 7.15 (7.20)
RMSPE, % 10.54 10.42 10.15
PW10, % (95% CI)
75.9 (72.2 to 79.6) 75.7 (72.0 to 79.4) 77.2 (73.5 to 80.8)
PW20, % (95% CI)
95.1 (93.2 to 97.0) 94.5 (92.5 to 96.5) 95.3 (93.5 to 97.1)
𝑹𝟐, % 84.1 82.3 83.1
38
3.3. 몸무게 추정 결과 및 분석
오롯이 몸무게 추정 모델 부분의 정확도만을 판단하기 위하여, 앞서 추정한 키를입력하는 대신 실제측정한 키를 이미지에 합산하였다.
학습된 모델의 몸무게 추정 정확도를 구하기 위하여, 시험 데이터 세트를 각 모 델에 입력하고 결과를 확인 및 분석하였으며, 기존 Weighing Cam[10] 및
Broselow Tape 방법과 비교하기 위하여 ResNet50, VGG16, DenseNet121 모델 별로
예측가능정도를 구하여 비교하였다(표 5).
평가 결과, VGG16의 평균 절대 퍼센트 오차율이 가장 낮았고, 그 다음으로
DenseNet, ResNet 순을 보였다. 예측 정확도 역시 PW10의 경우 VGG16 모델은
56.2%, ResNet은 49.1%, DenseNet은 47.3%로 VGG16이 가장 정확도가 높았고,
PW20은 VGG16 모델의 경우 85.2%, DenseNet은 83.3%, ResNet의 경우에는 79.6%
의정확도를 보여주어, 세 모델중 VGG16모델이 이미지에서 체중을 가장잘 추 정해 냄을 알 수 있었다. 𝑅2의 경우 세 모델 모두 𝑅2 >0.85 이상의 매우 높은 값을보였다.
선행 논문 및 Broselow Tape과의 정확도(PW20)를 비교하여 보면, 선행 논문
[10]에비해서는 약 12% 낮은정확도를 보였지만, Broselow Tape과비교해 보았을
때는 약 2.7%의 오차 범위 이내의 정확도 차이를 보임을 확인할 수 있었으며,
특히 Broselow Tape으로 추정 가능한 범위의 환자군 대상으로는 VGG16 기준
62.5%로, Broselow Tape보다높은정확도를 보였다.
다중 선형 회귀 분석 기법을 사용한 인체 실루엣 이미지에서의 체중 추정 방법의 값𝑅2= 0.80 [22]과 비교해 보았을 때는 세 모델 모두 다중 선형 분석 방식방법에 비해 확연히 높은정확도를 보임을 확인할 수 있었다.
39
표 5. 모델 별체중 추정 비교
통계 ResNet50 VGG16 DenseNet121 Weighing
Cam[10]
Broselow tape[10]
n = 112 n = 112 n = 112 n = 309 n = 309
MPE, % (SD)
--1.85 (30.30)
-0.13(15.35) -5.07(14.99) 1.68(11.05) 3.66(12.27)
MAPE, % (SD)
13.14 (17.93) 11.32 (12.33) 12.32 (9.92) 5.38 (7.45) 7.14 (8.02)
RMSPE,
%
18.01 15.34 15.81 11.16 12.79
PW10, % (95% CI)
49.1 (44.8 to 53.4)
56.2 (51.9 to 60.4)
47.3 (42.9 to 51.8)
68.0 (62.7 to 73.2)
58.9 (53.4 to 64.4) PW10*,
% (n = 69)
56.0 62.5 49.5 68.0 58.9
PW20, % (95% CI)
79.6 (76.1 to 83.1)
85.2 (82.1 to 88.3)
83.3 (80.0 to 86.5)
93.2 (90.4 to 96.0)
88.7 (85.1 to 92.2) PW20*,
% (n = 69)
85.2 89.3 85.4 93.2 88.7
𝑹𝟐, % 85.5 90.0 87.4 - -
*Broselow Tape 사용이 가능한 범위의 환자군(h < 145cm; n = 69)
40