연구진은 의료 이미지 데이터셋의 극심한 클래스 불균형 문제를 해결하기 위해 동적 마진 딥 심플렉스 분류기(DMDSC)를 제안했습니다. DMDSC는 클래스별 빈도에 따라 마진을 자동으로 조정하여 희귀 병리에 대한 페널티를 높이고 특징 클러스터링을 강화합니다.
BloodMNIST, OCTMNIST, DermaMNIST, BreaKHis 데이터셋을 활용한 실험 결과, DMDSC는 기존 오픈셋 인식 방법보다 우수한 성능을 보였습니다.
DMDSC는 기존 DSC와 UCDSC의 단점을 보완하여 의료 분야의 오픈셋 인식 정확도를 향상시키는 데 기여할 것으로 기대됩니다.