بخش بندي تصاوير ضايعات پوستي مبتني بر شبكه ConvNext و مكانيزم توجه

ملانوما يك سرطان كشنده است كه ميزان بروز آن در حال حاضر در بالاترين سطح خود در اروپا، آمريكاي شمالي و اقيانوسيه قرار دارد. اگر ضايعات پوستي در مراحل اوليه اين نوع از سرطان در تصاوير درموسكوپي شناسايي شوند، مي توان شانس درمان آن را به ميزان قابل توجهي افزايش داد . بخش بندي ضايعه پوستي يك مرحله مهم وحياتي در تشخيص سرطان پوست است. عليرغم پيشرفت چشمگير در بخش بندي تصاوير ضايعات پوستي اما به دليل ماهيت ذاتي اين تصاوير مانند وجود انواع نويز و مصنوعات بر روي تصاوير درموسكوپي مانند مو و لكه ،كوچك بودن برخي از نمونه ها و تار بودن لبه هاي ضايعه در اوايل بيماري، بخش بندي دقيق، كارآمد و خودكار ضايعات پوستي براي تشخيص باليني هنوز از چالش هاي بزرگي رنج مي برد. براي حل مشكلات گفته شده در اين مقاله ما يك شبكه جديد بخش بندي بر پايه شبكه Unet با استفاده از ستون فقرات شبكه ConvNeXt تغيير داده شده با اضافه كردن ماژول CBAM به عنوان رمزگذار به همراه ماژول دروازه توجه بر روي اتصال گذر در رمزگشا با هدف افزايش دقت بخش بندي و در عين حال كاهش پارامتر هاي مدل پيشنهاد مي دهيم. نتايج ما نشان مي دهد كه مدل پيشنهادي بخش بندي به عملكرد بهتري نسبت به روش هاي قبلي دست مي يابد به طوريكه مي تواند به ضريب امتياز Dice 29/90 ،صحت پيكسلي 31/95 و ِيادآوري 44/92 برسد.