딥 리지듀얼 네트워크를 이용한 유방암 조직형태 분류

본 연구에서는 병리학적 이미지 분석에서 컴퓨터 지원 진단 시스템의 성능을 향상시키기 위해, 이미지 전처리를 수행한 후 딥러닝 기법을 적용하여 유방암 병리 이미지를 네 가지 클래스로 분류하는 방법을 제안하였다. 분류 대상은 (i) 정상 조직, (ii) 양성 병변, (iii) 원위암(in-situ carcinoma), (iv) 침습성 암(invasive carcinoma)이다. 이미지 전처리 단계에서는 히스토그램 균형화(histogram equalization) 기법을 활용하여 강도 및 염색 표준화를 수행하였다. 분류 모델로서 ResNet152를 기반으로 한 미세조정(Fine-tuning) 전이학습(transfer learning) 기법을 적용하였다. 제안된 방법은 5겹 교차 검증 평균 정확도 83%를 달성하였으며, 기존 최고 수준의 성능 대비 상당한 향상이 이루어졌다.