Enhancing Breast Cancer Detection with Vision Transformers and Graph Neural Networks
Created by
Haebom
저자
Yeming Cai, Zhenglin Li, Yang Wang
개요
본 논문은 유방암 조기 진단을 위한 혁신적인 프레임워크를 제시합니다. Vision Transformer (ViT)와 Graph Neural Network (GNN)를 통합하여 CBIS-DDSM 데이터셋을 이용, 유방암 검출 정확도를 84.2%까지 향상시켰습니다. ViT는 전역 이미지 특징을, GNN은 구조적 관계를 모델링하여 기존 방법보다 우수한 성능을 달성하였으며, 해석 가능한 어텐션 히트맵을 통해 의사의 임상적 판단을 지원합니다.
시사점, 한계점
•
시사점:
◦
ViT와 GNN의 통합을 통해 유방암 검출 성능 향상 가능성 제시.
◦
해석 가능한 어텐션 히트맵을 활용한 의사의 진단 보조 가능성 제시.
◦
기존 방법 대비 향상된 정확도 (84.2%) 달성.
•
한계점:
◦
제시된 정확도(84.2%)가 실제 임상 환경에서의 성능을 완벽히 반영하는지에 대한 추가 검증 필요.
