Dikkat Odaklı Genişletilmiş UNet Mimarisine Dayalı XAttUNet ile Gastrointestinal Polip Segmentasyonu

Gastrointestinal poliplerin zamanında ve doğru bir şekilde tespiti, kolorektal kanserin önlenmesi ve erken tanısı açısından büyük önem taşımaktadır. Bu çalışmada, polip segmentasyonu görevine yönelik olarak geliştirilen yeni bir derin öğrenme mimarisi olan XAttUNet tanıtılmaktadır. Modelimiz, UNet mimarisinin temel yapısını korumakla birlikte, dikkat mekanizmalarını (CBAM), çoklu başlı self-attention katmanlarını ve transformer yapılarını entegre ederek, hem lokal detayları hem de küresel bağlamsal bilgiyi daha etkili bir biçimde öğrenebilmektedir. Önerilen model, Kvasir-SEG veri seti üzerinde eğitilmiş ve değerlendirilmiştir. Deneysel sonuçlar, XAttUNet’in klasik UNet mimarisine dayalı modellere kıyasla Dice, IoU, Precision, Recall, mAP ve Boundary-F1 gibi metriklerde anlamlı iyileşmeler sağladığını ortaya koymuştur. Ayrıca görsel karşılaştırmalar, modelin polip sınırlarını daha hassas ve gerçekçi şekilde yakalayabildiğini göstermektedir. Bu yönüyle XAttUNet, tıbbi segmentasyon alanında doğruluğu yüksek ve güvenilir sonuçlar üreten bir çözüm olarak öne çıkmaktadır. Yapılan bu çalışma, klinik destek sistemlerinde kullanılabilecek derin öğrenme temelli polip tespiti sistemlerinin geliştirilmesine katkı sunmayı amaçlamaktadır.