본 연구는 무릎 부상 평가에 필수적인 MRI 판독의 효율성 및 객관성 향상을 위해 심층 학습과 설명 가능한 AI (xAI) 기법을 활용한 자동 관심 영역(ROI) 검출 시스템을 제시합니다. ResNet50, InceptionV3, Vision Transformers (ViT), 다양한 U-Net 변형 등의 다양한 심층 학습 아키텍처를 감독 학습 및 자기 감독 학습 방식으로 평가하고, Grad-CAM 및 Saliency Maps와 같은 xAI 기법을 통합하여 해석력을 높였습니다. 성능 평가는 AUC (분류), PSNR/SSIM (재구성 품질), 정성적 ROI 시각화를 통해 이루어졌으며, ResNet50이 MRNet 데이터셋 기반에서 Transformer 기반 모델보다 우수한 분류 및 ROI 식별 성능을 보였습니다. U-Net + MLP 결합 모델은 재구성 및 해석력 향상 가능성을 보였으나 분류 성능은 낮았고, Grad-CAM이 모든 아키텍처에서 가장 임상적으로 의미있는 설명을 제공했습니다. 결론적으로, CNN 기반 전이 학습이 본 연구 데이터셋에 가장 효과적이며, 향후 대규모 사전 학습을 통한 Transformer 모델의 성능 향상이 기대됩니다.
