유방 조영촬영 영상에서 유방암 검출을 위한 기계학습 알고리즘: 비교 연구

세계적으로 여성에서 가장 흔한 암은 유방 종양으로, 2018년 기준으로 새로 보고된 암 사례의 약 12%와 암으로 인한 사망 사례의 약 6.5%를 차지한다. 유방암의 조기 발견을 위한 유방촬영(마모그라피) 검사의 중요성은 매우 크다. 마모그라피 영상 평가 작업은 전문가의 경험 차이와 인간 오류 등으로 인해 큰 변동성을 보이며, 이는 보조 도구를 통한 정확성과 신뢰도 향상의 기회를 제공한다. 의료 영상 분석 분야에서 딥러닝의 활용은 증가 추세에 있으며, 전문가들이 질병의 조기 발견, 진단, 치료 또는 예후 평가에 도움을 받을 수 있도록 지원하고 있다. 본 논문에서는 CBIS-DDSM 데이터셋에서 제공하는 디지털 마모그라피 영상을 이용하여 XGBoost와 VGG16 모델이 유방암 검출 작업에서 어떻게 성능을 발휘하는지 비교하였다. 또한, 전문가가 정의한 ROI(관심 영역, Region of Interest) 기반으로 원본 영상에서 추출한 패치 이미지와 전체 마모그라피 영상 간의 예측 정확도를 비교하였다. 더불어, 데이터 다양성을 극대화하고 원시 처리되지 않은 데이터로부터 특징을 추출하고 학습할 수 있는 능력을 높이기 위해 전이 학습(transfer learning)과 데이터 증강(data augmentation) 기법을 활용한 실험도 수행하였다. 실험 결과, XGBoost는 AUC 기준 68.29%의 성능을 기록하였으며, VGG16은 AUC 기준 약 68.24%의 유사한 성능을 나타냈다.