LEDNet ve Swin-UMamba kullanarak doğru cilt lezyonu segmentasyonu için hibrit bir yaklaşım

Neden benleri haritalamak önemli?

Cilt kanseri, tehlikeli türü melanom da dahil olmak üzere, genellikle ciltte küçük, düzensiz bir leke olarak başlar. Doktorlar bu lekeleri incelemek için dermoskopi adı verilen özel yakın çekim fotoğraflar kullanır; ancak her lezyonun tam sınırını elle dikkatlice çizmek yavaş ve öznel bir iştir. Bu çalışma, bu tür görüntülerde cilt lezyonlarının etrafına son derece doğru sınırlar otomatik olarak çizen yeni bir bilgisayar yöntemini sunar; bu, cilt kanserinin daha erken tespiti ve daha güvenilir takibi için yardımcı olabilir.

Bulanik sınırdan keskin kontura

Tıbbi görüntüleri analiz eden geleneksel bilgisayar programları genel desenleri tanımada iyidir, ancak sağlıklı cilt ile şüpheli doku arasındaki ince detayları genellikle “bulanıklaştırır”. Cilt kanseri için bu kenarlar kritik öneme sahiptir: dişli veya puslu sınırlar tehlikeyi işaret edebilir. Mevcut birçok sistem, görüntü gürültülü, düşük kontrastlı veya saç ve gölgelerden etkilenmiş olduğunda lezyonun bazı kısımlarını kaçırır ya da çevreleyen çok fazla cildi dahil eder. Yazarlar bu sorunun hem büyük resmi hem de küçük, düzensiz ayrıntıları aynı anda görebilen bir araç gerektirdiğini savunuyor.

İki parçalı dijital uzman

Araştırmacılar birbirini tamamlayan iki bileşeni birleştiren hibrit bir sistem tasarladı. Birincisi, LEDNet (Lesion Edge Detection Network), hassas sınırları bulmaya adanmıştır. Lezyon ve yakın çevresindeki cilt arasındaki farkları vurgulamak için lezyon görüntüsü çiftlerini karşılaştırır, ardından temiz bir kenar haritası üreten bir “kenar yönlendirme” modülü ile bu bilgiyi rafine eder—esasen lezyonun ince bir dış çizgisi. İkinci bileşen, Swin-UMamba, görüntünün genel yapısına odaklanır. Uzun metinler ve zaman serileri için geliştirilmiş modern sıra işleme fikirlerini kullanarak görüntünün uzak bölümlerinden gelen bilgileri birbirine bağlar ve lezyonun tam şekli ile dokusunu anlar. Kenar odaklı ve bağlam odaklı modüller birlikte birbirlerini güçlendirerek daha temiz ve daha güvenilir konturlar elde edilmesini sağlar.

Sistemi gerçek dünya cilt görüntüleriyle öğretmek

Yaklaşımın ne kadar iyi çalıştığını görmek için ekip, yöntemi yaygın olarak kullanılan üç dermoskopik görüntü koleksiyonunda test etti: ISIC-2017, ISIC-2018 ve Ph2. Her veri kümesi, lezyonun nerede başladığını ve bittiğini gösteren uzman çizimli maskelerle birlikte cilt fotoğrafları içerir. Araştırmacılar mevcut maskelerden klasik bir teknik olan Canny kenar algılayıcıyı kullanarak basit kenar haritaları ürettiler. Bu haritalar ve orijinal görüntüler hibrit modele beslenmiştir. Performans, bilgisayarın segmentasyonunu uzman işaretleriyle karşılaştıran Dice skoru gibi standart ölçütlerle değerlendirildi; Dice skoru eşleşme neredeyse mükemmel olduğunda 1.0’a yaklaşır.

Uzman çizimiyle yarışan sonuçlar

Üç veri kümesinin tamamında hibrit model, U-Net, dikkat tabanlı ağlar ve diğer son hafif tasarımlar gibi bilinen alternatiflerin önünde yer aldı. ISIC-2017 ve ISIC-2018 koleksiyonlarında Dice skorları yaklaşık 0.97 civarındaydı ve yüksek kaliteli Ph2 görüntülerinde yaklaşık 0.98’e ulaştı; bu, insan tarafından çizilen sınırlarla çok yakın bir eşleşmeyi gösterir. Yöntem aynı zamanda yüksek duyarlılık (az sayıda kaçırılan lezyon pikseli), yüksek özgüllük (lezyon olarak yanlış etiketlenen az sayıda sağlıklı piksel) ve güçlü genel doğruluk gösterdi. Görsel ısı haritaları sistemin arka plan parazitlerinden ziyade klinisyenlerin en çok önem verdiği alan olan lezyon sınırına doğal olarak odaklandığını ortaya koydu.

Daha hızlı, daha tutarlı cilt kontrollerine doğru

Yazarlar, hibrit LEDNet–Swin-UMamba çerçevesinin dermoskopik görüntülerde cilt lezyonlarını otomatik olarak çevreleyen güçlü ve verimli bir araç sunduğu sonucuna varıyor. İnce kenar izlemesini lezyon şeklinin küresel bir anlayışıyla birleştirerek yöntem, düzensiz veya karmaşık benler için bile hem keskin hem de güvenilir segmentasyonlar sağlıyor. Dermatologların yerini almayacak olsa da, böyle bir sistem görüntü incelemeyi hızlandıran, uzmanlar arasındaki uyuşmazlığı azaltan ve ciltteki şüpheli değişikliklerin mümkün olan en erken aşamada tespit edilip izlenmesine yardımcı olan değerli bir yardımcı olabilir.

Atıf: Naeem, M.A., Yang, S., Saleem, M.A. et al. A hybrid approach for accurate skin lesion segmentation using LEDNet and Swin-UMamba. Sci Rep 16, 5415 (2026). https://doi.org/10.1038/s41598-026-38056-y

Anahtar kelimeler: cilt kanseri, melanom, tıbbi görüntüleme, derin öğrenme, lezyon segmentasyonu