المحولات الواعية بالحدود لتقسيم الآفات الجلدية

إن تقسيم الآفات الجلدية المستمدة من صور الديرميسكوبيا له أهمية كبيرة في تحسين التحليل الكمي للسرطان الجلدي. ومع ذلك، فإن التصنيف التلقائي للورم الميلانيني يُعد مهمة صعبة للغاية بسبب التباين الكبير في أشكال الورم الميلانيني والحدود الغامضة مناطق الآفة. وعلى الرغم من التقدم البارز الذي حققته الشبكات العصبية التلافيفية (CNNs) في هذا المجال، فإن معظم الحلول الحالية ما زالت غير قادرة على التقاط الاعتماديات العالمية بشكل فعّال، وذلك لمواجهة التحيز الاستنتاجي الناتج عن الحقول المستقبلية المحدودة. في الآونة الأخيرة، تم اقتراح نماذج "المحولات" (Transformers) كأداة واعدة لنمذجة السياق العالمي من خلال استخدام آلية انتباه عالمية قوية، لكن أحد أبرز عيوبها عند تطبيقها في مهام التقسيم هو عدم قدرتها على استخلاص تفاصيل محلية كافية للتعامل مع الحدود الغامضة. نقترح هنا نموذجًا جديدًا يُسمى "محول مُدرك للحدود" (Boundary-aware Transformer - BAT) لمعالجة التحديات المتعلقة بالتقسيم التلقائي للآفات الجلدية بشكل شمولي. وبشكل خاص، ندمج ما يُعرف بـ "بوابة انتباه حسب الحدود" (Boundary-wise Attention Gate - BAG) في هيكل المحولات، مما يمكّن الشبكة بأكملها من نمذجة الاعتماديات الطويلة المدى العالمية بفعالية من خلال المحولات، وفي الوقت نفسه، الاستفادة الكاملة من المعرفة السابقة المتعلقة بالحدود لالتقاط تفاصيل محلية أكثر دقة. وبشكل خاص، فإن الإشراف المساعد الذي توفره BAG يُسهم في مساعدة المحولات على تعلم تمثيلات الموضع (position embedding)، نظرًا لتوفرها بمعلومات مكانيّة غنية. أجرينا تجارب واسعة لتقييم النموذج المقترح BAT، وقد أثبتت النتائج فعاليته بشكل متسق، حيث تفوق على أحدث الأساليب في مجموعتي بيانات شهيرتين.