피부암 진단을 위한 다차원 U-CNN

흑색종은 가장 흔한 피부암 중 하나로, 전이 속도가 빨라 진단이 매우 복잡하며 전문 지식을 요구합니다. 전 세계적으로 피부암 발병률이 증가함에 따라 의료진의 신속하고 정확한 진단을 돕는 자동화된 시스템의 필요성이 커지고 있습니다. 본 연구는 다단계 프레임워크를 제안합니다. MuGIF(Mutually Guided Image Filtering)를 통해 노이즈를 줄여 이미지 품질을 향상하고, 제안하는 MDU-CNN(Multi-Dimensional U-Convolutional Neural Network)으로 병변 영역을 분할합니다. 이후 GBFIO(Grizzly Band Fat Increase Optimizer)로 가장 판별력 있는 특징을 선택하고, 경량 병렬 심층 분리형 CNN(PDSCNN)으로 최종 피부암을 분류합니다. 특히, MDU-CNN은 다차원 아키텍처를 통해 복잡한 암 경계를 정교하게 분할하며, Golden Jackal Optimization Algorithm 기반의 하이퍼파라미터 최적화를 통해 전반적인 성능을 극대화했습니다. 이 시스템은 10,000개의 흑색종 이미지 데이터셋에서 93.40%의 정확도, 98%의 정밀도, 94%의 재현율, 93%의 F1 점수를 달성했습니다. 이는 피부암 조기 예측에 크게 기여할 수 있음을 시사합니다.