Swin Transformer 기반의 유방 초음파 영상 고정밀 분류 기법에 관한 연구

• 영문명: High-Accuracy Breast Ultrasound Image Classification using Swin Transformer Architecture
• 발행기관: 한국전자통신학회
• 저자명: 정유정(Yu-Jeong Jeong)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제4호, 883~890쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.08.31

국문 초록

본 연구는 유방암 조기 진단의 정확도를 높이기 위해 Swin Transformer 기반의 딥러닝 모델을 활용한 유방 초음파 영상 분류 기법을 제안한다. 제안한 모델의 성능은 기존의 대표적인 딥러닝 아키텍처인 ResNet50, Vision Transformer(ViT)와 비교하였으며, 분류 성능 평가는 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 점수(F1-score) 기준으로 수행하였고 클래스 간의 오분류 양상을 세밀하게 파악하기 위해 혼동 행렬(Confusion Matrix)을 시각화하였다. 실험 결과 Swin Transformer는 모든 평가 항목에서 98.6%이상으로 가장 뛰어난 성능을 보여주었으며, 유방 초음파 영상 분류에 있어 Swin Transformer 유방 초음파 영상 분류에 효과적으로 적용될 수 있음을 확인하였다.

영문 초록

This study proposes a breast ultrasound image classification method based on a Swin Transformer deep learning model to improve the accuracy of early breast cancer diagnosis. The performance of the proposed model was compared with two representative deep learning architectures—ResNet50 and Vision Transformer (ViT). Classification performance was evaluated using Accuracy, Precision, Recall, and F1-score. In addition, confusion matrices were visualized to closely analyze misclassification patterns between classes. Experimental results indicated that the Swin Transformer outperformed all other models, achieving over 98.6% in all evaluation metrics, thereby confirming its suitability and effectiveness for breast ultrasound image classification.

목차

Ⅰ. 서 론

Ⅱ. 관련 연구

Ⅲ. 연구 방법

Ⅳ. 결 론

References

키워드

유방 초음파 딥러닝 의료 영상 스윈 트랜스포머 종양 분류 Breast Ultrasound Deep Learning Medical Image Swin Transformer Tumor Classification