패치 크기와 해상도를 활용한 유방촬영 영상 분류를 위한 다중 규모 딥러닝

최근 딥러닝(DL) 기술의 발전으로 유방암 스크리닝을 위한 딥러닝 기반 컴퓨터 보조 진단(CAD) 시스템에 대한 관심이 재부각되고 있다. 2차원 유방촬영 영상 분류에 있어 패치 기반 접근법은 주요 최신 기술 중 하나이지만, 패치 크기 선택에 의해 본질적으로 한계를 지닌다. 다양한 병변 크기에 적합한 유일한 패치 크기가 존재하지 않기 때문이다. 또한 입력 영상의 해상도가 성능에 미치는 영향에 대해서는 아직 완전히 이해되지 않은 상태이다. 본 연구에서는 패치 크기와 영상 해상도가 2차원 유방촬영 영상 분류 성능에 미치는 영향을 탐구한다. 다양한 패치 크기와 해상도의 장점을 극대화하기 위해, 다중 패치 크기 분류기 및 다중 해상도 분류기를 제안한다. 이러한 새로운 아키텍처는 서로 다른 패치 크기와 입력 영상 해상도를 결합함으로써 다중 스케일 분류를 수행한다. 공개된 CBIS-DDSM 데이터셋에서는 AUC가 3% 향상되었으며, 내부 데이터셋에서는 5% 향상되었다. 기준 모델인 단일 패치 크기 및 단일 해상도 분류기 대비, 본 연구에서 제안한 다중 스케일 분류기는 각각 0.809 및 0.722의 AUC를 달성하였다.