Core Concepts
합성곱 신경망을 활용하여 유방암 병리 이미지를 신속하고 정확하게 분류할 수 있는 방법을 제시한다.
Abstract
이 연구는 유방암 병리 이미지 분류를 위해 합성곱 신경망(CNN) 기반 접근법을 제안한다. 특히 Inception-V3 모델을 활용하여 병리 이미지의 특징을 추출하고, 완전 연결 신경망을 통해 이미지를 악성 및 양성으로 분류한다. 또한 고해상도 이미지 처리를 위해 이미지 분할 기법을 도입하였으며, 분할된 이미지 블록의 분류 결과를 합산, 곱셈, 최대값 등의 융합 알고리즘을 통해 최종 분류 결과를 도출한다. 공개 데이터셋인 BreaKHis를 활용한 실험 결과, 제안 방법이 기존 연구 대비 2.3%에서 12.2%까지 분류 정확도를 향상시킨 것을 확인하였다. 이를 통해 합성곱 신경망 기반 특징 추출이 수작업 특징 추출보다 우수한 성능을 보이며, 이미지 분할과 융합 알고리즘이 분류 정확도 향상에 기여함을 입증하였다.
Stats
유방암 병리 이미지 데이터셋 BreaKHis에는 총 7,909장의 이미지가 포함되어 있으며, 이 중 2,480장은 양성 샘플, 5,429장은 악성 샘플이다.
이미지는 40배, 100배, 200배, 400배의 4가지 배율로 촬영되었다.
Quotes
"병리학적 진단은 전문가와 시간이 필요하며, 때로는 주관적인 판단이 개입된다."
"합성곱 신경망(CNN)은 이미지 인식 분야에서 큰 성공을 거두었으며, 의료 영상 분석 분야에서도 급속히 발전하고 있다."