Comparison of GAN Models for Cancer Cell Image Augmentation in Optical Microscopy

본 연구는 광학 현미경 암세포 이미지의 데이터 추가 확보를 위해 GAN 기반 데이터 증강법의 적합성과 유효성을 평가하였다. 높은 사망률을 보이는 NCI-H1299, Huh7, HeLa 암세포주를 대상으로 DCGAN, LSGAN, WGAN을 적용하여 각 세포 유형에 적합한 생성 모델을 선정하고, 생성 이미지의 품질을 정량적으로 분석하였다. 생성된 이미지는 FID, LPIPS, Precision, Recall 등과 같은 정량 지표를 사용하여 평가하였다. ResNet50 모델을 활용해 실제 이미지와 생성 이미지의 비율을 달리한 학습 데이터에서 분류 성능을 비교한 결과, 실제 이미지 75%, 생성 이미지 25% 조건에서 가장 우수한 성능을 보였다. 이는 GAN으로 생성한 이미지가 실제 분류 모델 학습에 적절하게 활용 가능함을 실험적으로 검증한 결과로 해석할 수 있다.