본 논문은 연합 학습(FL)의 효율성을 제한하는 제한된 데이터 가용성 및 비IID(Non-Independent, Identically Distributed) 데이터 문제를 해결하기 위해, 유방암 진단을 위한 초음파 이미지에 합성 이미지 공유를 통합하는 생성 AI 기반 데이터 증강 프레임워크를 제안합니다. 두 개의 클래스별 DCGAN(Deep Convolutional Generative Adversarial Networks)을 훈련시켜 합성 이미지를 생성하고, BUSI, BUS-BRA, UDIAT 세 개의 공개 데이터셋을 사용하여 FedAvg와 FedProx 알고리즘 기반의 연합 학습 환경을 시뮬레이션합니다. 실험 결과, 적절한 수의 합성 이미지를 추가함으로써 FedAvg의 평균 AUC는 0.9206에서 0.9237로, FedProx의 평균 AUC는 0.9429에서 0.9538로 향상되었으며, 과도한 합성 데이터 사용은 성능 저하를 야기함을 확인했습니다. 이는 생성 AI 기반 데이터 증강이 유방 초음파 이미지 분류 작업에서 FL 결과를 향상시킬 수 있음을 보여줍니다.
