تحويل سيغمويد معدل يعتمد على EfficientNet لتعزيز الصور الكبيرة الجلدية للورم الميلانيني والبقع الجلدية الحميدة

الخلفية والهدف: في المراحل الأولية، قد لا تمتلك الآفات الجلدية فرقًا كافيًا في الشدة أو التباين مقارنةً بالمنطقة الخلفية في الصور الماكروية الجلدية. كما أن نقص الإضاءة المناسبة وقت التقاط الصورة يقلل من التباين. ويؤثر التباين المنخفض بين المنطقة المُصابة والمنطقة الخلفية سلبًا على عملية التجزئة. تظل تقنيات التحسين التي تهدف إلى تحسين التباين بين الآفة والجلد الخلفي في الصور الماكروية الجلدية محدودة في الأدبيات العلمية. ولحل هذه المشكلة، تم اقتراح تحويل سيغمويد معدل مبني على نموذج EfficientNet لتحسين التباين في الصور الماكروية الجلدية.الطرق: تم تطبيق تحويل سيغمويد معدل في فضاء الألوان HSV. وتم التنبؤ بنقطة التقاطع في التحويل السيغمويد المعدل التي تقسم الصورة الماكروية إلى جزئين: الآفة والمنطقة الخلفية، باستخدام مُعدِّل EfficientNet مُعدّل يُنَفِّذ التنبؤ بالانحدار، بهدف استبعاد التدخل اليدوي والتحيّز الشخصي. وقد تم بناء مُعدِّل EfficientNet المعدل عن طريق استبدال طبقة التصنيف في النموذج التقليدي EfficientNet بطبقة انحدار. كما تم استخدام التعلم المنقول (Transfer Learning) لتقليل وقت التدريب وحجم مجموعة البيانات الضرورية لتدريب مُعدِّل EfficientNet المعدل. وبالنسبة لتدريب هذا المُعدِّل، تم إدخال مجموعة من مكونات القيمة المستخرجة من تمثيل فضاء الألوان HSV للصور الماكروية في مجموعة التدريب كمدخلات. وتم تعريف مجموعة النقاط المثالية لتقاطع التنبؤ، التي تُحقق أعلى قيمة لمعامل التشابه دايك (Dice Similarity Coefficient - DSC) بين الصور الأصلية (Ground-truth) والصور المُجزّأة الناتجة عن تطبيق عتبة أوسو (Otsu’s thresholding)، كهدف للتدريب.النتائج: على الصور التي تم تحسينها باستخدام الإطار المقترح، ارتفع معامل DSC للنتائج المُجزّأة الناتجة عن تطبيق عتبة أوسو من 0.68 ± 0.34 إلى 0.81 ± 0.17.الاستنتاجات: يمكن للخوارزمية المقترحة تحسين التباين بين الآفة والمنطقة الخلفية بشكل متسق على مجموعة شاملة من الصور الاختبارية، مما يبرر تطبيقاتها في التحليل التلقائي للصور الماكروية الجلدية.