بخش بندی تصاویر ضایعات پوستی مبتنی بر شبکه convnext و مکانیزم توجه

ملانوما یک سرطان کشنده است که میزان بروز آن در حال حاضر در بالاترین سطح خود در اروپا، آمریکای شمالی و اقیانوسیه قرار دارد. اگر ضایعات پوستی در مراحل اولیه این نوع از سرطان در تصاویر درموسکوپی شناسایی شوند، می توان شانس درمان آن را به میزان قابل توجهی افزایش داد . بخش بندی ضایعه پوستی یک مرحله مهم وحیاتی در تشخیص سرطان پوست است. علیرغم پیشرفت چشمگیر در بخش بندی تصاویر ضایعات پوستی اما به دلیل ماهیت ذاتی این تصاویر مانند وجود انواع نویز و مصنوعات بر روی تصاویر درموسکوپی مانند مو و لکه ،کوچک بودن برخی از نمونه ها و تار بودن لبه های ضایعه در اوایل بیماری، بخش بندی دقیق، کارآمد و خودکار ضایعات پوستی برای تشخیص بالینی هنوز از چالش های بزرگی رنج می برد. برای حل مشکلات گفته شده در این مقاله ما یک شبکه جدید بخش بندی بر پایه شبکه unet با استفاده از ستون فقرات شبکه convnext تغییر داده شده با اضافه کردن ماژول cbam به عنوان رمزگذار به همراه ماژول دروازه توجه بر روی اتصال گذر در رمزگشا با هدف افزایش دقت بخش بندی و در عین حال کاهش پارامتر های مدل پیشنهاد می دهیم. نتایج ما نشان می دهد که مدل پیشنهادی بخش بندی به عملکرد بهتری نسبت به روش های قبلی دست می یابد به طوریکه می تواند به ضریب امتیاز dice 29/90 ،صحت پیکسلی 31/95 و ِیادآوری 44/92 برسد.