Ensemble and Attention Mechanisms for Medical Image-Based Skin and Breast Cancer Lesion Classification and Segmentation
연구 내용
피부·유방 의료영상에서 앙상블 CNN과 주의 메커니즘을 결합해 병변을 분류·분할하고 신뢰 가능한 추론을 제공하는 연구
의료영상에서 시각적으로 유사한 병변을 정확히 구분하기 위해 딥러닝 앙상블과 주의 메커니즘을 결합한 모델을 연구합니다. VGG16, ResNet-50, InceptionV3 등 서로 다른 백본을 학습시키고, 데이터 증강 및 불균형 완화 전략을 적용해 일반화 성능을 확보합니다. 또한 U-Net, SegNet, DeepLabV3 기반의 분할 모델에 전처리·후처리 파이프라인을 연동하여 병변 경계를 안정적으로 추정합니다. 분류 단계에서는 채널·공간 주의 모듈을 활용해 특징 선택성을 높이고, Grad-CAM 기반 설명가능 AI를 통해 관심 영역 근거를 제공하는 차별성을 보유하고 있습니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 피부 병변 분류에서 VGG16, InceptionV3, ResNet-50을 앙상블로 결합하고 가중 평균 추론으로 강건성을 높이는 방향으로 연구를 수행했습니다. 이후 같은 데이터의 분할·분류를 함께 다루며 U-Net, SegNet, DeepLabV3 앙상블과 데이터 증강, 사후처리까지 포함한 파이프라인을 확장했습니다. 2024년에는 유방암 영상에서 채널·공간 주의 모듈을 포함한 앙상블 네트워크로 병변 영역을 효과적으로 추출하는 연구로 확장했습니다. 최근에는 신뢰성 확보를 위해 수정된 주의 메커니즘과 Grad-CAM 설명을 통합한 피부암 탐지 프레임워크로 발전시키고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Skin Lesion Classification Using a Deep Ensemble Model
Attention-Based Ensemble Network for Effective Breast Cancer Classification over Benchmarks
Enhanced Skin Lesion Segmentation and Classification Through Ensemble Models
A Trustworthy Framework for Skin Cancer Detection Using a CNN with a Modified Attention Mechanism