Keskeiset käsitteet
본 연구는 유방암 진단을 위해 합성곱 신경망(CNN)과 설명 가능한 인공지능(XAI) 기술을 통합하여 진단 정확도를 높이고 모델의 의사결정 과정을 투명하게 설명하는 방법을 제안한다.
Tiivistelmä
이 연구는 유방암 진단을 위해 합성곱 신경망(CNN)과 설명 가능한 인공지능(XAI) 기술을 통합하는 방법을 제안한다.
데이터 전처리 파이프라인과 고급 데이터 증강 기술을 통해 CBIS-DDSM 데이터셋의 한계를 극복하였다.
전이 학습을 사용하여 VGG-16, DenseNet, ResNet과 같은 사전 학습된 네트워크를 활용하였다.
모델의 예측에 대한 설명을 제공하기 위해 Grad-CAM, LIME, SHAP와 같은 XAI 기술을 적용하였다.
XAI 기술의 효과를 평가하기 위해 Hausdorff 거리 측정을 사용하여 AI 생성 설명과 전문가 주석 간의 정렬을 정량적으로 평가하였다.
이 접근법은 AI 기반 진단에 대한 신뢰성과 윤리적 공정성을 높이는 데 중요한 역할을 한다.
연구 결과는 CNN과 XAI의 효과적인 협력을 보여주며, 이를 통해 임상 현장에서 고급 AI 기술의 더 나은 통합이 가능해질 것으로 기대된다.
또한 다중 모달 데이터의 통합과 임상 실무의 요구 사항을 충족하는 AI 설명의 개선에 대한 후속 연구의 필요성을 제시한다.
Tilastot
2020년 유방암 진단 건수는 약 230만 건이었고, 사망자 수는 68만 5천 명이었다.
CBIS-DDSM 데이터셋은 총 10,239장의 유방 촬영 이미지를 포함하고 있다.
데이터셋에는 악성 3,000건, 양성 4,000건, 정상 3,239건의 이미지가 포함되어 있다.
이미지 유형은 모두 유방 촬영 이미지이며, 병변 유형은 종괴 5,000건, 석회화 2,500건, 둘 다 2,000건, 정상 739건이다.
Lainaukset
"본 연구는 유방암 진단을 위해 합성곱 신경망(CNN)과 설명 가능한 인공지능(XAI) 기술을 통합하는 방법을 제안한다."
"XAI 기술의 효과를 평가하기 위해 Hausdorff 거리 측정을 사용하여 AI 생성 설명과 전문가 주석 간의 정렬을 정량적으로 평가하였다."
"연구 결과는 CNN과 XAI의 효과적인 협력을 보여주며, 이를 통해 임상 현장에서 고급 AI 기술의 더 나은 통합이 가능해질 것으로 기대된다."