연구진이 다기관 맘모그래피 데이터셋에서 석회화 분류 성능을 높이기 위해 비지도 도메인 적응 프레임워크를 제안했어요. AdaIN과 CycleGAN 기반 스타일 변환 모델을 활용해 추가 레이블 없이 벤더 및 기술별 훈련 샘플을 생성했어요.
Swin Transformer V2를 기반으로 한 지도 분류 모듈과 결합하여 OPTIMAM, EMBED, Duke Calcification Dataset에서 성능을 평가했어요.
제안된 프레임워크는 EMBED와 Duke Calcification Dataset에서 각각 AUC를 0.68에서 0.72, 0.68에서 0.73으로 향상시켜 다기관 석회화 분류에서 도메인 적응의 효과를 입증했어요.