유방암은 여성 건강에 심각한 위협을 가하는 종양 중 하나로, 분자 아형은 환자의 임상 치료 약물과 밀접한 관련이 있습니다. 유방암의 분자 아형을 정확히 판별하는 것은 임상 치료 지침 제공과 예후 개선에 중요한 역할을 합니다. 본 논문에서는 1차원 합성곱 신경망(1D-CNN)과 형광 분광 기술을 결합한 엔드 투 엔드 분석 방법을 제안하였으며, 분석 과정에서 스펙트럼 전처리가 불필요하여 과정이 간소화되고 더 많은 유효 정보가 보존됩니다. 자율적으로 설계 및 구축한 레이저 유도 형광 분광 시스템을 통해 4가지 유방암 아형 조직의 자가 형광 스펙트럼을 수집하였으며, 가우스 함수를 이용하여 스펙트럼 데이터를 피팅하여 유방암 조직의 생화학적 정보를 정량 및 정성 분석하였습니다. 1D-CNN 모델을 이용해 스펙트럼 데이터의 심층 특성을 추가로 발굴하여 유방암 아형을 고정밀도로 인식하였습니다. 또한, 그래디언트 가중 활성화 맵(Grad-CAM) 기술을 활용하여 모델이 집중하는 주요 스펙트럼 영역을 시각화 분석함으로써 모델의 해석 가능성을 강화하였습니다. 실험 결과, 유방암 아형 조직의 분류 정확도는 98.7%, 재현율은 97.2%, 정밀도는 98.1%, F1 점수는 97.7%에 달하였습니다. 본 연구에서 제안한 방법은 우수한 임상 응용 가능성을 보여주며, 유방암 분자 분류의 지능형 진단을 위한 효과적인 기술 경로를 제공할 수 있습니다.

분광 분석;유방암 분류;형광 분광;1차원 합성곱 신경망