핵심 개념
초음파 영상을 활용하여 최신 EfficientNet 아키텍처의 개선된 버전을 통해 유방암을 정확하게 탐지하고 분류할 수 있다.
초록
이 연구에서는 EfficientNet-V1(b0-b7)과 EfficientNet-V2(b0-b3)의 개선된 버전을 활용하여 초음파 영상 기반 유방암 탐지 및 분류 모델인 CEIMVEN을 제안했다.
600명의 여성 환자로부터 수집된 780장의 초음파 영상 데이터셋을 활용했으며, 데이터 증강을 통해 약 4,500장의 이미지를 확보했다.
이미지는 양성, 악성, 정상의 3가지 클래스로 분류되었다.
EfficientNet-V1과 EfficientNet-V2의 개선된 버전을 활용하여 전이 학습 기법으로 모델을 학습했다.
하이퍼파라미터 튜닝, 완전 연결층 추가, 이상치 제거 등의 방법으로 모델을 개선했다.
EfficientNet-V1(b0-b7)과 EfficientNet-V2(b0-b3)의 개선된 모델들은 각각 약 97.72%~99.43%의 높은 정확도를 달성했다.
이를 통해 초음파 영상에서도 최신 신경망 아키텍처를 활용하여 유방암을 정확하게 탐지하고 분류할 수 있음을 보였다.
통계
초음파 영상 데이터셋은 600명의 여성 환자로부터 수집된 780장의 이미지로 구성되어 있다.
데이터 증강을 통해 약 4,500장의 이미지를 확보했다.
인용구
"우리는 초음파 영상에서도 최신 신경망 아키텍처를 활용하여 유방암을 정확하게 탐지하고 분류할 수 있음을 보였다."
"EfficientNet-V1(b0-b7)과 EfficientNet-V2(b0-b3)의 개선된 모델들은 각각 약 97.72%~99.43%의 높은 정확도를 달성했다."