Data Augmentation for the Femoral Head Using Generative Deep Learning Models

인공지능 기술의 발전으로 머신러닝과 딥러닝이 의료 분야에서 주목받고 있으나, 적은 데이터셋에서는 성능 향상에 한계가 있다. 본 연구는 1,354개의 무혈관 괴사(AVN) 이미지를 사용해 StyleGAN2와 Projected-GAN의 성능을 비교하였다. 실험 결과, StyleGAN2는 FID 점수 67.0과 40시간의 학습 시간이 소요된 반면, Projected-GAN은 FID 8.7과 22시간으로 더 우수한 성능을 보였다. Projected-GAN으로 증강된 데이터를 사용한 예측 성능은 72.68%로, 기존 데이터의 61.34%보다 향상되었음을 확인했다. 물론, 기본적인 모델의 분류 성능이 상대적으로 낮다는 점을 감안할 때 추가적인 검증과 신중한 해석이 필요하지만, 이러한 결과는 의료 영상 분석과 진단 보조에 유용한 도구로 사용될 가능성을 시사한다.