DDANet: شبكة انتباه المُفكِّك المزدوج للتحليل التلقائي للغُدد

يُعدّ الفحص بالمنظار المستقيم المعيار الذهبي لفحص وتحديد الأورام الغديّة في القولون والمستقيم. تُعدّ عملية تحديد موقع الأورام وتمييز حدودها ذات أهمية حاسمة في التخطيط العلاجي (مثل التخطيط الجراحي) واتخاذ قرارات التنبؤ بالمرض. يُمكن لتقسيم الأورام أن يوفر معلومات مفصلة حول الحدود لتحليل سريري دقيق. وقد ساهمت الشبكات العصبية التلافيفية في تحسين الأداء في الفحص بالمنظار المستقيم. ومع ذلك، فإن الأورام غالبًا ما تواجه تحديات متعددة، مثل التباين الداخلي والخارجي بين الفئات، والضوضاء. في حين أن التصنيف اليدوي للأورام يتطلب وقتًا من الخبراء وعرضة لأخطاء بشرية (مثل تفويت بعض الآفات)، فإن تقسيم تلقائي دقيق وسريع يمكن أن يُحسّن جودة حدود الآفات المحددة ويقلل من معدل التفويت. يُتيح تحدي Endotect فرصة لتقييم أساليب الرؤية الحاسوبية من خلال التدريب على مجموعة بيانات Hyperkvasir المتاحة للعامة واختبار الأداء على مجموعة بيانات منفصلة غير مرئية. في هذه الورقة، نُقدّم معمارية جديدة تُسمّى "DDANet" مبنية على شبكة تفكيك مزدوجة مع انتباه مُركّز. تُظهر تجاربنا أن النموذج الذي تم تدريبه على مجموعة بيانات Kvasir-SEG واختباره على مجموعة بيانات غير مرئية حقق معامل ديك 0.7874، ودقة متوسطة لتقاطع الوحدات (mIoU) 0.7010، ودقة استرجاع (Recall) 0.7987، ودقة (Precision) 0.8577، مما يُظهر قدرة النموذج على التعميم.