Optimal Fine-Tuning Strategy for Deep Learning Models in Manufacturer-Specific Biliary Stent Classification
암 치료 성과 향상으로 환자 생존률이 증가함에 따라 담관 스텐트 재시술이 늘고 있다. 재시술 시 제조사별 스텐트 분류는 시술 계획에 영향을 주는 핵심 사안이다. 스텐트는 각 제조사에 따라 설계가 다양하여 환자에게 기삽입 스텐트 식별은 어려운 문제이다. 이를 위해 딥러닝 기반 분석이 활용되고 있으나, 신규 스텐트 설계가 지속적으로 도입되면서 매번 전면 재학습을 수행하기에는 시간·연산 비용이 과도하다. 본 연구는 담관 스텐트 이미지 분류를 대상으로 최적 파인튜닝 전략을 제안하고, 에폭 수와 입력 해상도를 핵심 변수로 실험을 수행하였다. 종합하면, EfficientNet-B0를 1024 해상도에서 200에폭으로 파인튜닝한 설정이 최적임을 나타낸다.
Authors
- Byeong-Kwon Shin (ORCID: https://orcid.org/0000-0001-5787-6765)
- Gwang-Hyun Yu (ORCID: https://orcid.org/0000-0003-0434-5260)
- Kun Yung Kim (ORCID: https://orcid.org/0000-0002-2018-8130)
- Jin‐Young Kim (ORCID: https://orcid.org/0000-0001-9286-1753)
- Jinhee Lee (ORCID: https://orcid.org/0000-0001-8355-0304)
- Jinho Jang
- Young‐Min Han (ORCID: https://orcid.org/0000-0001-7390-7816)
- Jin-Woong Lee (ORCID: https://orcid.org/0000-0001-5825-8184)
- H. B. Lee
Publication Details
- Journal
- Journal of Digital Contents Society
- Published
- 2025-09-30
- DOI
- https://doi.org/10.9728/dcs.2025.26.9.2565
- Primary Topic
- Gallbladder and Bile Duct Disorders
- Type
- article
- Field-Weighted Citation Impact
- 0.00