본 논문은 DeepLesion 데이터셋의 클래스 불균형 문제를 해결하여 CT 영상에서 병변 검출 및 분류 성능을 향상시키는 연구에 대해 다룹니다. DeepLesion 데이터셋의 일부분 (6%, 1331 lesions)을 사용하여 VFNet 모델을 학습시키고, 신체 부위별, 환자당 병변 수, 병변 크기별로 데이터 균형을 맞추는 세 가지 실험을 진행했습니다. 실험 결과, 특히 데이터 양이 적은 클래스(뼈, 신장, 연조직, 골반)에서 신체 부위별 데이터 균형을 맞추었을 때 1cm 이상의 병변에 대한 민감도가 크게 향상됨을 확인했습니다 (예: 뼈: 80% vs 46%). 병변 크기별 균형 또한 모든 클래스의 재현율을 향상시켰습니다. 마지막으로 방사선 보고서에 병변 정보를 구조적으로 기록하기 위한 가이드라인을 제시했습니다.
