본 논문은 EfficientNet과 VGG19를 결합하고, Pseudo-Newton Boosting layer와 Sparsity-Induced Feature Reduction Layer를 포함하는 하이브리드 모델 아키텍처를 제안하여 DICOM 이미지를 사용하여 요추 퇴행성 변화를 분류합니다. 이 모델은 기존의 전이 학습 방식을 개선하여 특징 선택과 표현을 향상시켰으며, 특히 의료 영상의 고차원 데이터 환경에서 성능을 높였습니다. 실험 결과, 정밀도 0.9, 재현율 0.861, F1 점수 0.88, 손실 0.18, 정확도 88.1%를 달성하여 기본 모델인 EfficientNet보다 향상된 성능을 보였습니다.
