피부암, 특히 흑색종은 심각한 건강 위협으로, 효과적인 치료를 위해서는 조기 발견이 필수적이다. 본 연구는 VGG16, Inception-V3, ResNet-50의 세 가지 고도 딥러닝 모델의 역량을 활용하는 피부 병변 분류 시스템을 제안한다. 이들 모델을 앙상블로 통합함으로써 각 모델의 개별적 강점을 활용하여 분류 정확도와 견고성을 향상시킨다. 앙상블의 모든 모델은 ImageNet에서 사전 학습을 수행한 뒤, 후속으로 피부경(dermoscopic) 이미지로 미세조정을 거쳐 각기 독특한 기여를 제공한다. 우리는 ISIC 2018 데이터셋을 사용하여 이 앙상블 접근법을 평가하였는데, 이는 피부 병변 분류의 표준 벤치마크이다. 세 모델의 예측을 가중 평균 방식으로 결합한 결과, 우리의 앙상블 모델은 더 우수한 성능을 보였다. 그 결과는 분류 정확도의 향상을 보여주며, 단일 모델 대비 원본 데이터셋에서는 91%의 정확도를, 과샘플링으로 균형을 맞춘 데이터셋에서는 97%의 정확도를 달성하였다. 이후 본 시스템을 HAM10000 데이터셋으로 평가하였다. HAM10000 데이터셋에서의 결과 또한 분류 정확도의 향상을 나타내며, 단일 모델 대비 원본 데이터셋에서는 90%의 정확도를, 과샘플링으로 균형을 맞춘 데이터셋에서는 96%의 정확도를 달성하였다. 이러한 향상된 성능은 피부 병변의 다양한 특징을 포착하는 데 있어 우리의 앙상블 방법이 효과적임을 시사하며, 보다 정확한 진단으로 이어질 수 있다. 본 연구 결과는 이러한 접근법이 피부암의 조기 및 정밀한 발견에 있어 피부과 전문의에게 크게 도움을 줄 수 있으며, 잠재적으로 환자 예후를 개선할 수 있음을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.