불확실성 기반 커리큘럼 학습을 통한 위암·궤양 분류 연구

Uncertainty-Based Curriculum Learning for Gastric Cancer and Ulcer Classification Research

연구 내용

불확실성 기반 커리큘럼 학습 전략을 적용하여 위암과 궤양을 더 안정적으로 분류하는 학습 방법을 개발하는 연구

위장관 질환 분류에서 학습 데이터의 난이도와 모델 불확실성이 성능에 미치는 영향을 고려하여, 불확실성 기반 커리큘럼 학습을 적용합니다. 학습 과정에서 예측의 불확실도를 기준으로 샘플을 순차적으로 구성하여, 모델이 상대적으로 안정적인 예부터 학습하도록 유도합니다. 이를 통해 위암과 궤양 간 구분에 필요한 표현 학습이 체계적으로 강화되도록 설계합니다. 최종적으로 질환 분류의 일관성과 일반화 관점을 동시에 점검합니다.

관련 프로젝트

0건

연구 흐름

초기에는 위장관 질환 중 위암과 궤양을 대상으로 분류 문제를 정의하고, 예측 불확실성이 학습 효율에 주는 영향을 분석하는 단계로 진행하였습니다. 이후 불확실성 신호를 활용한 커리큘럼 학습 구성을 적용하여 학습 샘플의 제시 순서를 조절하는 방향으로 확장했습니다. 최근에는 분류 정확도와 더불어 학습 안정성을 함께 평가하여, 임상 데이터 환경에서 재현 가능한 분류 전략을 정립하는 연구를 수행합니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

위암·궤양 자동 분류
학습 샘플 제시 순서 최적화
불확실성 기반 품질 게이트
오분류 패턴 분석 도구
임상 워크플로우 보조
대상군 분포 변화 대응
데이터 편향 완화 실험
모델 신뢰도 추정 연계
라벨 품질 점검 보조
모델 업데이트 전략 수립