Animal Health
Deep Learning Based Dog Skin Prediction: A Multi-Label Classification Approach using ResNet-18
Deep Learning Based Dog Skin Prediction: A Multi-Label Classification Approach using ResNet-18
- 저자: K. Madhavi; C. Kumar; M. Ranjith; Layth Hussein
- 출처: 2025 Third International Conference on Industry 4.0 Technology (I4Tech) (2025)
- DOI/링크: https://doi.org/10.1109/I4Tech64670.2025.11277898
- 연구 계열: Topics/Animal Health · Topics/Pet Owner Behavior
- 정리일: 2026-07-22
TL;DR
보호자가 반려견 사진을 올리면 벼룩 알레르기·개선충·백선·핫스팟 등 피부질환을 예측하는 실시간 웹 애플리케이션. ResNet-18 기반 다중 레이블 분류기로 테스트 정확도 94.9% 를 보고했다. Flask 추론 마이크로서비스 + Spring Boot 백엔드 + ReactJS 프런트로 구성했고, 실사용 교정 피드백 루프를 넣었다.
1. 연구 배경 및 동기
- 다루는 문제: 벼룩 알레르기, 개선충(mange), 백선(ringworm), 핫스팟 같은 개 피부질환은 흔하지만 말기까지 알아채지 못하는 경우가 많아 개가 지속적으로 고통받는다.
- 기존의 공백 / 왜 필요한가: 늦은 발견의 원인은 드문 병원 방문과 보호자의 부주의다. 보호자가 즉시 확인할 수 있는 저비용 수단이 필요했다.
2. 관련 연구
- 기존 연구 흐름: 이미지 기반 피부질환 분류는 사람 피부과에서 성숙했으나, 반려동물 대상 보호자 직접 사용 서비스로의 통합은 드물었다.
- 이 논문의 위치: 모델 성능뿐 아니라 마이크로서비스 아키텍처와 피드백 루프를 포함한 풀스택 구현을 제시한다는 점이 차별점.
3. 핵심 기여
- ResNet-18 다중 레이블 분류기로 개 피부질환 예측, 테스트 정확도 94.9%
- Flask(추론) + Spring Boot(백엔드·DB) + ReactJS(UI)의 풀스택·실시간 웹 앱 구현
- 실사용 교정 입력을 받는 피드백 시스템으로 모델 신뢰성 개선 경로 마련
- 모듈형·확장형 설계로 저비용·반응형 진단 보조 도구 제시
4. 제안 방법론
- 전체 접근 논리: 보호자가 올린 사진을 서버에서 추론해 결과를 즉시 반환하고, 사용자의 교정 피드백을 모아 모델을 개선한다.
- 단계:
- (1) Roboflow 서비스를 이용해 ResNet-18 분류기 구현·학습
- (2) 다중 레이블 분류로 복수 질환 동시 예측
- (3) Python Flask 마이크로서비스로 추론 제공
- (4) Spring Boot 백엔드가 응답·데이터베이스 제어
- (5) ReactJS 사용자 인터페이스 제공
- (6) 교정 피드백 수집 구조 구축
5. 실험 설정
| 항목 | 내용 |
|---|---|
| 대상/재료 | 개 피부질환 이미지(벼룩 알레르기·개선충·백선·핫스팟 등) |
| 처리 조건 | ResNet-18 다중 레이블 분류, Roboflow 기반 구현 |
| 대조군 | 초록에 비교 모델·수의사 진단 대조 없음 |
| 측정 방법 | 테스트 세트 정확도(accuracy) |
6. 실험 결과 분석
| 지표 | 변화(Δ) | 조건 · 유의성 |
|---|---|---|
| 분류 정확도 | 94.9% | 테스트 세트, ResNet-18 |
| 시스템 | 실시간 웹 앱 동작 | Flask + Spring Boot + ReactJS |
| 피드백 루프 | 교정 입력으로 신뢰성 개선 | 실사용 환경 |
| 기대 효과 | 조기 대응 + 불필요한 병원 방문 감소 | 저자 주장 |
제안 기전(인과 사슬):
보호자 사진 업로드 → ResNet-18 다중 레이블 추론 → 가능 질환 즉시 제시 → 조기 인지·조기 내원 결정 → 만성화·고통 지속 감소 (피드백 루프로 모델 정확도 점진 개선)
7. 비판적 평가
강점
- 모델에 그치지 않고 실제 서비스 구조까지 구현해 실용성이 높음
- 피드백 루프 설계로 배포 후 성능 저하에 대응
- 보호자 접근성이라는 행동 장벽을 정면으로 겨냥
한계 · 의문
- 정확도만 보고 — 민감도/특이도·클래스별 성능·혼동행렬 부재. 다중 레이블에서 accuracy는 오해를 부르기 쉬움
- 데이터셋 규모·출처·클래스 불균형 정보가 초록에 없음
- 수의사 진단과의 비교 검증 없음 — 임상적 타당성 미확인
- 오진 위험: 보호자가 결과를 확정 진단으로 오해하면 내원이 지연될 수 있음(저자의 “불필요한 병원 방문 감소” 주장은 양날)
- 학회 논문으로 외부 검증·재현 정보 제한적
8. 향후 연구 방향
- 수의사 판독을 기준으로 한 전향적 임상 검증(민감도·특이도)
- 클래스별 성능 및 실사용 환경(조명·품종·피모색) 강건성 평가
- 오진 시 안전장치(불확실성 표시·내원 권고 로직) 설계
9. 결론
ResNet-18 기반 다중 레이블 분류로 개 피부질환을 94.9% 정확도로 예측하는 풀스택 웹 서비스를 구현했다. 조기 발견이라는 실제 문제를 겨냥한 점은 유효하나, 성능 지표가 정확도 하나뿐이고 임상 검증이 없어 진단 보조로 쓰기엔 추가 검증이 필요하다.
Keywords
deep-learning, ResNet-18, multi-label-classification, dog-skin-disease, telemedicine, early-detection, web-application
인용·관련 연구
- 인용됨:
- 관련: Papers/Animal Health/isadora2024canine