Deep learning for oral mucosal lesion detection and interpretability
연구 내용
혀 사진을 입력으로 하여 glossitis와 OSCC를 분류하는 DCNN 모델을 구축하고, Grad-CAM 시각화를 통해 판별 근거를 해석 가능하게 만드는 연구
혀 사진 기반 임상 분류를 위해 사전학습된 DCNN을 transfer learning으로 fine-tuning하여 glossitis와 oral squamous cell carcinoma를 자동 판별합니다. 모델 성능은 AUROC를 기준으로 평가하고, Grad-CAM 시각화 및 sparsity 분석을 통해 입력 영상에서 주된 판별 영역을 확인합니다. 또한 연령과 성별에 따른 하위 분석과 segmentation 방식에 따른 성능 차이를 함께 검토하여, 원격 진료 환경에서의 적용 가능성과 안정성을 고려합니다. whole-image 접근을 중심으로도 성능 우위를 확인하는 전략을 사용합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2025년에는 Scientific Reports 연구에서 임상 혀 사진 데이터를 기반으로 DCNN 분류 프레임워크를 구축했습니다. VGG 계열과 ResNet 계열 모델을 사전학습 가중치로 초기화하고, Grad-CAM 기반 해석가능성을 후처리 방식으로 결합해 판별 근거를 시각적으로 제시했습니다. 이후 동일 프레임에서 연령·성별 하위 집단에 대한 성능 차이를 확인하고, 패치 분할과 whole-image 분류의 효율을 비교하여 실제 원격 진단에 적합한 입력 처리 방식을 도출했습니다. 현재는 설명가능성 기반 모델 검증을 중심으로 적용 범위를 확장하는 흐름을 유지하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
DCNN models with post-hoc interpretability for the automated detection of glossitis and OSCC on the tongue