Anomaly Detection in Mammography Data using Dimensionality Reduction and DBSCAN Clustering for Enhancing Diagnostic Model Performance)

본 연구에서는 유방촬영술 데이터에서 이상 영상을 탐지하고 제거하는 데이터 정제 기법을 제안한다. 오토인코더를 활용해 데이터의 저차원 잠재 특성을 추출한 후, 차원 축소 기법(PCA, t-SNE, Isomap)을 적용하여 비정형적 패턴을 정제하였다. 이후 DBSCAN 클러스터링을 통해 이상치를 탐지하였다. 비교 연구를 통해 차원 축소가 이상치 탐지 성능을 향상시킴을 확인하였으며, 이상치 제거가 모델 학습 성능 개선에 미치는 영향을 평가하였다. 실험 결과, t-SNE와 DBSCAN 조합이 가장 우수한 성능을 보였으며, 이상치 제거 후 학습된 모델이 정확도와 민감도에서 유의미한 향상을 보였다. 본 연구의 결과는 유방암 진단 AI 모델의 신뢰성을 높이고, 의료 영상 데이터의 품질 개선을 위한 효과적인 전처리 방법을 제시하며, 향후 다양한 의료 영상 분석 분야에서 데이터 정제 기법으로 활용될 가능성을 시사한다.