본 연구는 불균형한 데이터셋(HAM10000)의 한계, 주관적인 진단 방법, 딥러닝 모델의 '블랙 박스' 문제점을 해결하기 위해 신뢰할 수 있고 정확한 컴퓨터 보조 진단(CAD) 시스템을 제안합니다. Deep Convolutional Generative Adversarial Networks (DCGANs)를 활용하여 각 클래스별 데이터 증강을 수행하고, fine-tuned ResNet-50 분류기를 통해 7가지 피부 질환을 분류합니다. LIME과 SHAP Explainable AI (XAI) 기술을 통합하여 예측의 근거를 임상적으로 관련 있는 특징으로 설명함으로써 투명성을 확보합니다. 제안된 시스템은 92.50%의 높은 정확도와 98.82%의 Macro-AUC를 달성하여 기존 벤치마크 모델보다 우수한 성능을 보였습니다.
