KIEGLFN: 얼굴 이미지 기반 통합 여드름 평가 프레임워크

여드름의 중증도 등급 분류는 정확한 진단과 개인 맞춤 치료 계획 수립에 매우 중요한 절차이다. 그러나 의료 분야에서 여드름 등급 기준은 통일되어 있지 않다. 본 연구는 다양한 등급 기준에 일반화될 수 있는 여드름 진단 시스템을 개발하는 것을 목표로 한다. 방법: 다양한 등급 기준을 참조할 수 있도록 일반화 가능한 통합 여드름 등급 분류 프레임워크를 개발하였다. 이 프레임워크는 피부과 전문의의 전반적 진단 과정을 두 단계로 모방한다. 첫째, 적응형 이미지 전처리 방법을 통해 의미 없는 정보를 효과적으로 제거하고 핵심 정보를 강화한다. 둘째, 혁신적인 네트워크 구조를 통해 전역적인 심층 특징과 국소적 특징을 융합하여, 전문의의 국소 피부 관찰과 전반적 관찰 간의 비교 과정을 시뮬레이션한다. 또한, 하나의 등급 기준에서 얻은 사전 지식을 다른 기준으로 전이하는 전이 미세조정 전략을 제안하여 데이터 부족 상황에서도 프레임워크 성능을 효과적으로 향상시켰다. 결과: 전처리 방법은 의미 없는 영역을 효과적으로 필터링하며, 후속 모델의 성능을 향상시켰다. 프레임워크는 두 개의 데이터셋에서 각각 84.52% 및 59.35%의 정확도를 달성하였다. 결론: 제안된 프레임워크는 여드름 등급 분류에 있어 기존 최고 성능 기법을 1.71% 초과하며, 전문 피부과 전문의 수준의 진단 능력을 달성하였다. 또한, 전이 미세조정 전략은 소규모 데이터셋에서 정확도를 6.5% 향상시켰다.