Öz

Dermoskopik görüntülerde lezyon sınırlarının doğru belirlenmesi melanom tanısında önemlidir. Bu çalışmada kodlayıcı-kod çözücü yapısına artık bağlantılar ve kanal-uzamsal dikkat blokları eklenmiş bir U-Net mimarisi önerilmiştir. Model ISIC 2018 veri kümesinde eğitilmiş ve PH2 veri kümesinde harici olarak doğrulanmıştır. Önerilen mimari 0,912 Dice katsayısı ve 0,847 Jaccard indeksi ile temel U-Net'e göre anlamlı iyileşme sağlamıştır. Hafif yapısı sayesinde model mobil cihazlarda gerçek zamanlı çalışabilmektedir.

Anahtar Kelimeler:görüntü bölütlemeU-Netderi lezyonudikkat mekanizmasıtıbbi görüntü

Tam Metin

PDF (EN) İndir · 8.7 KB

Beyanlar

Etik Kurul Onayı
This study does not require ethics committee approval.
Çıkar Çatışması
The authors declare no conflict of interest.

Kaynakça 6

  1. Ronneberger, O., Fischer, P., & Brox, T. (2015). U-Net: Convolutional networks for biomedical image segmentation. In Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015 (pp. 234–241). Springer. https://doi.org/10.1007/978-3-319-24574-4_28
  2. Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., & Thrun, S. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature, 542(7639), 115–118. https://doi.org/10.1038/nature21056
  3. He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 770–778). https://doi.org/10.1109/CVPR.2016.90
  4. Litjens, G., Kooi, T., Bejnordi, B. E., Setio, A. A. A., Ciompi, F., Ghafoorian, M., et al. (2017). A survey on deep learning in medical image analysis. Medical Image Analysis, 42, 60–88. https://doi.org/10.1016/j.media.2017.07.005
  5. Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. (2014). Dropout: A simple way to prevent neural networks from overfitting. Journal of Machine Learning Research, 15(1), 1929–1958.
  6. Kingma, D. P., & Ba, J. (2015). Adam: A method for stochastic optimization. In International Conference on Learning Representations.

Atıf Göster

Tekin, B., Mammadova, L., & Karaca, E. (2025). Deri Lezyonu Bölütlemesi için Artık Dikkat Bloklu Geliştirilmiş U-Net Mimarisi. Uluslararası Bilim ve Teknoloji Araştırmaları Dergisi, 7(1), 18–32. https://doi.org/10.99999/ubtad.2025.8
BibTeX RIS (EndNote, Zotero, Mendeley)

Lisans

CC BY 4.0

© 2025 Burak Tekin, Leyla Mammadova, Elif Karaca. Bu makale, orijinal eser ve kaynağına uygun atıf yapılması koşuluyla her türlü ortamda sınırsız kullanım, dağıtım ve çoğaltmaya izin veren CC BY 4.0 lisansı altında dağıtılmaktadır. Lisans metni