전이 학습을 이용한 전체 유방 영상에서의 유선 하위형 분류

일반적인 유방촬영 검사 중 루미널형과 비루미널형 서브타입 환자를 자동으로 식별하는 것은 임상의가 유방암 치료 계획을 보다 효율적으로 수립하는 데 도움을 줄 수 있다. 최근의 머신러닝 기법들은 유방촬영 영상에서 분자 서브타입 분류에 있어 유망한 성과를 보여주었으나, 픽셀 단위의 레이블, 수작업으로 추출한 특징 및 방사학적 특징(radiomic features)에 크게 의존하고 있다. 본 연구에서는 이미지 단위 레이블만을 사용하여 전체 유방촬영 영상에서 루미널형 서브타입 분류에 대한 초기 통찰을 제시한다. 전이학습(transfer learning)을 유방 병변 분류 작업에서 유도하여, ResNet-18 기반의 루미널형 대비 비루미널형 서브타입 분류 작업을 미세조정(finetuning)하였다. 공개된 CMMD 데이터셋을 이용해 본 연구의 결과를 제시하고 비교하였으며, 테스트 데이터셋에서 평균 AUC 점수 0.6688 및 평균 F1 점수 0.6693을 달성함으로써 기준 분류기(baseline classifier)를 상당히 뛰어넘는 성능을 보였다. 기준 분류기 대비 성능 향상은 통계적으로 유의미하며, p값은 p < 0.0001로 나타났다.