초록
AUTO-PCOS 분류 도전 과제는 건강한 초음파 프레임과 비건강한 초음파 프레임을 자동으로 분류하여 다낭성 난소 증후군(PCOS)의 진단 능력을 향상시키는 인공지능(AI)의 역할을 강화하는 것을 목표로 합니다. 본 보고서에서는 이전 학습(transfer learning) 기법을 사용하여 InceptionV3 구조를 활용해 이진 분류에서 높은 정확도를 달성하기 위한 견고한 AI 파이프라인 구축 방법론을 설명합니다. 전처리 단계를 통해 데이터셋이 학습, 검증, 및 테스트에 최적화되었으며, LIME와 졸라이언시 맵(saliency maps) 같은 해석성 방법들이 모델의 의사결정 과정에 대한 중요한 통찰력을 제공하였습니다. 우리의 접근 방식은 검증 데이터에서 정확도가 90.52%를 기록하였으며, 정밀도(precision), 재현율(recall), F1 점수(F1-score) 지표가 모두 90%를 초과하여 그 효과성을 입증하였습니다. 이 프로젝트는 특히 PCOS와 같은 진단 문제 해결에 있어 AI의 혁신적인 잠재력을 강조하며, 주요 연구 결과, 어려움, 그리고 미래 개선 권장 사항을 논의함으로써 신뢰성 있고 해석 가능하며 확장성이 뛰어난 AI 기반 의료 진단 도구 개발의 경로를 제시하고 있습니다.