본 논문은 유방암 진단의 어려움을 해결하기 위해, 컨텍스트 클러스터링 네트워크와 삼중 정보 융합 기법을 제안합니다. 기존 CNN이나 Transformer와 달리 컨텍스트 클러스터링 방법은 계산 효율성이 높고 구조적 또는 병리학적 특징을 더 쉽게 연관시킬 수 있어 유방촬영술 임상 작업에 적합합니다. 제안된 방법은 전역 정보, 특징 기반 지역 정보, 패치 기반 지역 정보를 통합하는 삼중 정보 융합 메커니즘을 사용합니다. Vindr-Mammo 및 CBIS-DDSM 두 개의 공개 데이터셋에서 평가한 결과, 기존 최고 성능 방법보다 각각 3.1% 및 2.4% 향상된 AUC(0.828 및 0.805)를 달성하여 통계적으로 유의미한 성능 향상을 보였습니다. 이는 대규모 유방촬영술 검진을 위한 확장 가능하고 비용 효율적인 솔루션으로서 잠재력을 보여줍니다. 소스 코드는 github에서 공개됩니다.
시사점, 한계점
•
시사점:
◦
컨텍스트 클러스터링 기반의 유방암 검출 방법이 CNN이나 Transformer보다 계산 효율성이 높고 성능이 우수함을 보임.
