라만 분광법은 피부암 진단에 사용되는 매우 유력한 비침습성 진단 방법이다. 라만 스펙트럼을 이용한 이전의 연구에 따르면 MAP (maximum a posteriori probability)와 MLP (multilayer perceptron networks)와 같은 기존의 분류 방법으로도 좋은 분류결과를 얻을 수 있다. 하지만 암 진단은 작은 오류에도 종종 치명적인 결과가 따르기 때문에 본 연구에서는 판정이 모호한 데이터를 따로 집단화하여 분류 오류를 감소하는 방법을 제안한다. 이때 모호한 패턴은 조직검사를 통하여 다시 암여부를 판정하게 된다. 본 논문에서는 모호한 패턴 클래스를 MSE (minimum squared error), MAP와 MLP에 도입하기 위해 기존 알고리듬을 수정하였고 모호한 패턴 클래스가 본래 도입되어 있는 RCE (reduced coulomb energy networks)와 실험결과를 비교하였다. 216개의 공초점 라만 스펙트럼에 대한 실험결과에 의하면 모호한 패턴으로 판정된 데이터를 늘림에 따라 나머지 패턴은 완벽하게 분류할 수 있음을 보였다. 그 중 MSE는 테스트 패턴 중 약 8.8%의 모호한 패턴으로 나머지 패턴에 대하여 완벽한 분류결과를 보였다.
Raman spectroscopy is known to have strong potential for providing noninvasive dermatological diagnosis of skin cancer. According to the previous work, various well known methods including maximum a posteriori probability (MAP) and multilayer perceptron networks (MLP) showed competitive results. Since even the small errors often leads to a fatal result, we investigated the method that reduces classification error perfectly by screening out some ambiguous patterns. Those ambiguous patterns can be examined by routine biopsy. We incorporated an ambiguous pattern class in MAP, linear classifier using minimum squared error (MSE), MLP and reduced coulomb energy networks (RCE). The experiments involving 216 confocal Raman spectra showed that every methods could perfectly classify BCC by screening out some ambiguous patterns. The best results were obtained with MSE. According to the experimental results, MSE gives perfect classification by screening out 8.8% of test patterns.
