기계 학습 기법을 사용한 전립선 암 탐지: 특징 추출 전략의 조합 활용

전립선은 남성 암 사망 원인 중 두 번째로 큰 원인입니다. 암의 조기 발견은 전립선 암으로 인한 사망률을 효과적으로 줄일 수 있습니다. 전립선 암에서의 MRI는 고해상도와 다중 해상도가 필요하므로 적절한 진단 시스템과 도구가 요구됩니다. 과거에 연구자들은 방사선 전문의가 비정상 상태를 탐지하는 데 도움을 주는 컴퓨터 보조 진단(CAD) 시스템을 개발하였습니다. 본 연구에서는 베이지안 접근법, 서포트 벡터 머신(SVM) 커널: 다항식, 방사 기초 함수(RBF) 및 가우시안, 결정 트리를 사용하여 전립선 암을 탐지하는 혁신적인 기계 학습 기법을 도입하였습니다. 또한 탐지 성능을 향상시키기 위해 다양한 특징 추출 전략을 제안합니다. 특징 추출 전략은 텍스처, 형태학적, 스케일 불변 특징 변환(SIFT), 타원형 푸리에 기술자(EFD) 특징을 기반으로 합니다. 성능은 기계 학습 분류 기법을 사용하여 단일 및 조합 특징을 기준으로 평가되었습니다. 교차 검증(잭나이프 k-폴드)을 수행하였고, 성능은 수신자 조작 특성 곡선(ROC) 및 특정성, 민감도, 긍정 예측 값(PPV), 부정 예측 값(NPV), 거짓 긍정률(FPR)으로 평가되었습니다. 단일 특징 추출 전략을 기반으로 SVM 가우시안 커널은 98.34%의 정확도와 0.999의 AUC를 제공합니다. 반면, 특징 추출 전략의 조합을 사용할 경우 텍스처 + 형태학적 및 EFD + 형태학적 특징을 가진 SVM 가우시안 커널이 99.71%의 정확도와 1.00의 AUC를 제공합니다.