سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

بررسی تاثیر فضاهای رنگی مختلف بر قطعه بندی ناحیه ضایعه در تصاویر درموسکوپی پوست

نویسندگان :

علیرضا سراج الدین¹ سعید نصری² حسین پورقاسم³

1- دانشگاه آزاد اسلامی واحد نجف آباد 2- دانشگاه آزاد اسلامی واحد نجف آباد 3- دانشگاه آزاد اسلامی واحد نجف آباد

کلمات کلیدی :

ضایعات پوستی،قطعه بندی تصاویر درموسکوپی،تبدیل فضای رنگی،یادگیری عمیق

چکیده :

چکیده قطعه‌بندی دقیق ضایعات پوستی در تصاویر درموسکوپی نقش کلیدی در بهبود عملکرد سامانه‌های تشخیص خودکار سرطان پوست ایفا می‌کند. یکی از نکات اساسی در این حوزه، تأثیر فضای رنگی تصویر بر کیفیت استخراج مرز ضایعه است. در این مقاله، عملکرد سه فضای رنگی RGB، HSV و YCbCr در قطعه‌بندی تصاویر درموسکوپی پوست مورد بررسی و مقایسه قرار گرفته است. بدین منظور، از سه شبکه‌ی عمیق پرکاربرد شامل U-Net، SegNet و DeepLabV3+ برای انجام قطعه‌بندی معنایی ضایعات پوستی در پایگاه داده ISIC 2018 استفاده شده است. تصاویر ابتدا به فضاهای رنگی مذکور تبدیل شده و سپس هر یک از شبکه‌ها به‌صورت مستقل روی داده‌ها آموزش و ارزیابی شده‌اند. نتایج تجربی نشان می‌دهد که استفاده از فضاهای رنگی مبتنی بر جداسازی مؤلفه‌ی روشنایی از رنگ، به‌ویژه HSV و YCbCr، موجب بهبود دقت قطعه‌بندی نسبت به فضای RGB می‌شود. همچنین، معماری DeepLabV3+ در تمامی فضاهای رنگی عملکرد برتری نسبت به U-Net و SegNet از خود نشان داده است. یافته‌های این پژوهش بیانگر آن است که انتخاب مناسب فضای رنگی در کنار معماری شبکه‌ی عمیق می‌تواند به‌طور معناداری کیفیت قطعه‌بندی ضایعات پوستی را افزایش داده و زمینه‌ساز بهبود مراحل بعدی تشخیص و طبقه‌بندی بیماری‌های پوستی باشد.