Core Concepts
피부암 진단을 위해 그래프 신경망과 캡슐 네트워크를 통합하여 분류 성능을 향상시킴
Abstract
이 연구는 그래프 신경망(GNN)과 캡슐 네트워크를 통합하여 피부 병변 이미지 분류 성능을 향상시키는 혁신적인 접근 방식을 소개합니다.
피부 병변 이미지 분류는 복잡한 공간적 및 의미적 특징으로 인해 기존 합성곱 신경망(CNN) 기반 방법론에 어려움이 있음
불균형한 피부 병변 데이터셋으로 인해 모델이 소수 클래스 특징을 효과적으로 학습하기 어려움
GNN은 그래프 구조화된 데이터를 처리하는 데 뛰어나며, 기존 CNN의 한계를 극복할 수 있음
캡슐 네트워크는 이미지 내 공간 계층 구조를 효과적으로 인식할 수 있음
이 연구는 Tiny Pyramid ViG 아키텍처에 캡슐 네트워크를 통합하여 성능을 향상시킴
MNIST:HAM10000 데이터셋에 적용한 결과, 75 에폭 후 89.23%에서 95.52%로 정확도가 크게 향상되어 기존 모델들을 능가함
이는 피부암 진단을 위한 이미지 기반 진단 발전에 기여할 것으로 기대됨
Stats
피부암은 전 세계적으로 매년 200만 건 이상 발생하며, 그중 132,000건이 악성 흑색종 피부암임
인도네시아에서 피부암은 세 번째로 높은 유병률을 보이며, 그중 65.5%가 기저 세포 암종, 23%가 편평 세포 암종, 7.9%가 악성 흑색종임
악성 흑색종 피부암의 5년 생존율은 전이되지 않은 경우 99%이지만, 전이된 경우 20%로 크게 감소함
Quotes
"피부암, 특히 치료되지 않거나 신속하고 효과적으로 관리되지 않는 경우 심각한 합병증이나 사망률 증가로 이어질 수 있는 중대한 건강 위협이 됩니다."
"따라서 보다 정확하고 강력한 자동 분류 방법을 개발할 필요가 있습니다."