본 논문은 대장암 조기 진단 및 예방에 중요한 역할을 하는 대장 용종의 신속하고 정확한 탐지를 위한 경량화된 효율적인 프레임워크를 제시한다. LOF 알고리즘을 이용하여 노이즈 데이터를 필터링하고, YOLO-v11n 심층 학습 모델을 사용하여 대장 용종을 탐지하는 방법을 제안한다. CVC-ColonDB, CVC-ClinicDB, Kvasir-SEG, ETIS, EndoScene 등 다섯 개의 공개 데이터셋을 사용하여 실험을 진행했으며, 5-겹 교차 검증과 LOF 기반 이상치 제거를 통해 모델의 견고성과 일반화 성능을 향상시켰다. 결과적으로 높은 정확도(precision 95.83%, recall 91.85%, F1-score 93.48%, mAP@0.5 96.48%, mAP@0.5:0.95 77.75%)를 달성하여 기존 YOLO 기반 방법보다 향상된 정확성과 효율성을 보였다.
시사점, 한계점
•
시사점:
◦
LOF 알고리즘과 YOLO-v11n 모델의 결합을 통해 효율적이고 정확한 대장 용종 탐지 프레임워크 구축 가능성을 제시.
◦
의료 영상 분석에서 데이터 전처리 및 모델 효율성의 중요성을 강조.
◦
실시간 대장내시경 지원 시스템 개발에 활용 가능성 제시.
•
한계점:
◦
사용된 데이터셋의 종류 및 범위에 대한 제한으로 인한 일반화 성능의 제약 가능성.
◦
실제 임상 환경에서의 검증이 부족.
◦
LOF 알고리즘의 매개변수(이웃 수, contamination ratio) 최적화에 대한 추가적인 연구 필요.
