본 논문은 유방암 진단에 있어 맘모그래피 영상 분석의 어려움을 해결하기 위해, 삼중 정보 융합을 활용한 컨텍스트 클러스터링 네트워크를 제안한다. 기존 CNN이나 Transformer 기반 네트워크와 달리, 컨텍스트 클러스터링 방법은 연산 효율이 높고 구조적/병리학적 특징을 더 쉽게 연관 지을 수 있다는 장점을 가지고 있다. 제안된 네트워크는 전역 정보, 특징 기반 국소 정보, 패치 기반 국소 정보를 통합하는 삼중 정보 융합 메커니즘을 사용한다. Vindr-Mammo와 CBIS-DDSM 두 개의 공개 데이터셋에서 평가한 결과, 기존 최고 성능 모델 대비 각각 3.1%, 2.4% 향상된 AUC (0.828 및 0.805)를 달성하여 통계적으로 유의미한 성능 향상을 보였다 (p<0.05). 이는 대규모 맘모그래피 선별 검사를 위한 확장 가능하고 비용 효율적인 솔루션으로서의 잠재력을 보여준다. 소스 코드는 Github에서 공개되었다.
시사점, 한계점
•
시사점:
◦
컨텍스트 클러스터링 기반 접근법이 맘모그래피 영상 분석에 효과적임을 보임.
◦
삼중 정보 융합 메커니즘을 통해 기존 방법 대비 성능 향상을 달성.
◦
대규모 맘모그래피 선별 검사를 위한 효율적이고 비용 효과적인 솔루션 제공 가능성 제시.
◦
공개된 소스 코드를 통해 재현성 확보 및 추가 연구 용이.
•
한계점:
◦
제한된 데이터셋 (Vindr-Mammo와 CBIS-DDSM)에 대한 평가 결과만 제시. 다양한 데이터셋에 대한 추가적인 검증 필요.
