Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Analysis of Incursive Breast Cancer in Mammograms Using YOLO, Explainability, and Domain Adaptation

Created by
  • Haebom
Category
Empty

저자

Jayan Adhikari, Prativa Joshi, Susish Baral

개요

유방 촬영 영상 기반 유방암 감지 딥러닝 모델은 다른 영상 모달리티(CT, MRI, X-ray) 또는 장비 변동과 같은 Out-of-Distribution (OOD) 입력에 대한 신뢰성 문제가 있음. 본 연구는 ResNet50 기반 OOD 필터링과 YOLO 아키텍처(YOLOv8, YOLOv11, YOLOv12)를 통합하여 OOD 문제를 해결하고자 함. 코사인 유사성을 통해 인-도메인 갤러리를 구축하여 맘모그래피가 아닌 입력을 사전 거부하고, OOD 감지 구성 요소는 99.77%의 일반 정확도와 OOD 테스트 세트에서 100% 정확도를 달성. OOD 필터링은 맘모그래피 데이터에 대한 높은 탐지 정확도를 유지하면서, OOD 입력에 대한 오경보를 방지하여 시스템 신뢰성을 향상시킴.

시사점, 한계점

•
OOD 필터링을 통해 딥러닝 기반 유방암 감지 시스템의 신뢰성 향상
•
ResNet50 기반 OOD 감지 시스템은 99.77%의 일반 정확도와 100%의 OOD 테스트 정확도를 달성
•
YOLO 아키텍처와의 통합을 통해 탐지 성능 유지 (mAP@0.5: 0.947)
•
Grad-CAM 시각화를 통한 해석 가능성 향상
•
다양한 임상 환경에서 신뢰할 수 있는 AI 기반 유방암 감지 시스템 구축의 기반 제공
•
(한계점은 논문에 명시되지 않음)
👍
Made with Slashpage