본 연구는 유방암 검출을 위한 맘모그램 분석에 있어 머신러닝 적용의 미해결 과제들을 탐구한다. 기존 연구들은 자연 이미지 학습된 백본 모델을 이용하여 패치 분류기를 생성하고, 이를 통해 전체 이미지 분류기를 만드는 2단계 전이 학습 과정을 주로 사용하며, 모델 성능 향상을 위해 양측 맘모그램 뷰를 활용한다. 본 연구는 (1) 중간 패치 분류기의 필수성, (2) 자연 이미지 분류에 뛰어난 백본 모델의 맘모그램 성능 우수성, (3) GPU 처리를 위한 맘모그램 해상도 축소 시 learn-to-resize 기법의 효용성, (4) 양측 맘모그램 뷰 활용의 정확도 향상 효과, (5) 저품질 및 고품질 맘모그램 분석 시 결과 차이 등 5가지 핵심 질문에 대해 체계적으로 조사한다. 연구 결과, 단일 뷰 및 양측 뷰 분류기 모두에서 기존 결과를 능가하는 모델을 개발하였으며, 모델 아키텍처 및 전이 학습 전략에 대한 통찰력을 제공하여 더욱 정확하고 효율적인 맘모그램 분석에 기여한다.
