A Study on Improving Semi-Supervised Learning Performance for Colonoscopy Polyp Images through Generated Images and Copy-Paste Data Augmentation

딥러닝 분야에서 데이터는 성능을 결정하는 중요한 요소 중 하나이다. 그러나 의료영상 데이터는 전문가의 라벨링이 요구되고, 개인정보 보호 문제 등으로 인해 수집이 어려워, 의료영상 딥러닝 모델의 성능향상에 한계가 존재한다. 이를 해결하기 위해, 본 연구에서는 대장내시경 용종 검출 분야에서 데이터 증강 기법을 활용하여 이미지 반지도학습의 성능을 향상하고자 하였다. 제안된 방법은 세 가지로, 첫째, 라벨이 있는 데이터와 라벨이 없는 데이터에 각각 서로 다른 생성 이미지를 추가하는 방법, 둘째, 첫 번째 방법에 Copy-Paste 기법을 적용하여 데이터의 수를 두 배로 늘리는 방법, 셋째, 동일한 생성 이미지를 라벨이 있는 데이터와 없는 데이터에 추가하고 Copy-Paste 기법을 적용하는 방법이다. 실험 결과, 제안된 세 가지 방법 모두 기존 반지도학습 방법에 비해 성능이 향상됨을 확인할 수 있었으며, 특히 라벨이 있는 데이터와 라벨이 없는 데이터에 서로 다른 생성 이미지를 추가하고 Copy-Paste기법을 적용한 방법이 성능향상에 가장 큰 효과를 보였다.