سیف اله سلیمانی

تشخیص زودهنگام پولیپ‌های کولونوسکوپی نقش مهمی در پیشگیری از سرطان کولورکتال دارد و توسعه روش‌های خودکار و دقیق در این زمینه از اهمیت بالایی برخوردار است. چالش اصلی در این حوزه، شناسایی پولیپ‌های کوچک، با مرزهای نامنظم و شرایط نوری متفاوت در تصاویر ویدئویی کولونوسکوپی است. از این رو، نیاز به یک چارچوب سریع، دقیق و قابل اعتماد برای تشخیص پولیپ‌ها وجود دارد که توانایی استخراج ویژگی‌های مکانی و بافتی را به‌طور همزمان داشته باشد. در این پژوهش، یک روش مبتنی بر شبکه سبک YOLOv8n ارائه شده است که در آن ابتدا تصاویر ورودی از مجموعه داده CVC-ClinicDB مورد پیش پردازش های لازم قرار گرفته تا آماده ورود به شبکه YOLO باشند. سپس تصاویر پیش‌پردازش شده به شبکه داده شده اند تا جعبه‌های مرزی و احتمال تعلق آن‌ها به کلاس پولیپ پیش‌بینی شود. به منظور بهبود دقت مکان‌یابی و شناسایی پولیپ‌های کوچک، بخش مکان‌یابی جعبه‌ها با معیار پیشرفته SIoU جایگزین شد که علاوه بر میزان هم‌پوشانی، فاصله مراکز و نسبت ابعاد جعبه‌ها را نیز لحاظ می‌کند. ارزیابی عملکرد عددی نشان داده است که روش پیشنهادی توانسته به دقتی برابر با 95.48٪ در شناسایی پولیپ‌ها دست یابد که نسبت به روش های مقایسه شده بهبود داشته است.