초록
전 세계적으로 가장 흔한 암은 피부암이며, 그 중에서도 메라노마가 가장 치명적인 형태이다. 피부도모검사(Dermoscopy)는 시각적 검사에 비해 피부암 진단의 정확도를 향상시켰다는 점에서 주목받는 피부 영상 촬영 기법이다. 본 연구에서는 ISIC-2019 피부 병변 분류 챌린지 및 최신 문헌을 기반으로 피부도모 영상 분류 기술의 최신 동향을 평가한다. 다양한 심층 신경망 아키텍처를 ImageNet 데이터셋으로 사전 훈련한 모델을 활용하여, 공개된 피부도모 영상과 임상 영상을 결합한 훈련 데이터셋에 전이 학습(transfer learning) 및 모델 미세 조정(fine-tuning)을 적용한다. 이러한 모델들이 피부 병변 8개 유형을 탐지하는 데 있어 성능과 적용 가능성을 검토한다. 훈련 샘플 수를 증가시키기 위해, 지정된 범위 내에서 무작위 회전, 이동, 기울기, 확대 등의 실시간 데이터 증강 기법을 사용한다. 모델 예측값은 각 클래스의 역빈도(inverse class frequencies)로 곱한 후 정규화되어 실제 확률 분포에 더 가까운 값을 도출한다. 별도로 훈련된 여러 모델의 예측값을 산술 평균하여 전반적인 예측 정확도를 추가로 향상시킨다. 최고의 단일 모델은 웹 서비스 형태로 공개되었다.