열화상을 이용한 유방암 분류를 위한 새로운 프레임워크를 제안합니다. 데이터 부족 문제를 해결하기 위해 확산 확률 모델(DPM)을 이용한 데이터 증강 기법을 사용하며, 기존 방법 및 ProGAN 기반 방법보다 우수한 성능을 보입니다. 미리 학습된 ResNet-50으로부터 추출한 심층 특징과 U-Net으로 분할된 종양에서 추출한 수작업 비선형 특징(예: Fractal Dimension)을 융합하고, 이를 XGBoost 분류기에 학습시켜 98.0%의 정확도와 98.1%의 민감도를 달성했습니다. 실험 결과 DPM 증강과 비선형 특징 융합 모두 성능 향상에 중요한 요소임을 확인했습니다. 본 연구는 고급 생성 모델과 해석 가능한 특징의 시너지를 통해 정확한 의료 진단 도구를 만드는 가능성을 보여줍니다.
