ترجمه فارسی مقاله ترانسفورماتورها در طبقه بندی و تشخیص ضایعات پوستی: مروری سیستماتیک

چکیده

Skin lesion classification is a critical task in dermatology, aiding in the early diagnosis and treatment of skin cancer. In recent years, transformer-based models, originally developed for Natural Language Processing (NLP) tasks, have shown promising results in many classification tasks specifically the image classification domains. This systematic review aims to provide a comprehensive overview of the current state of research on the application of transformers in skin lesion classification. Over the period 2017-2023, this systematic review investigated the application of transformer-based models in skin lesion classification, focusing on 57 articles retrieved from prominent databases which are PubMed, Scopus, and Medline. The inclusion criteria encompass studies centering on transformer-based models for skin lesion classification, utilization of diverse datasets (dermoscopic images, clinical images, or histopathological images), publication in peer-reviewed journals or conferences, and availability in English. Conversely, exclusion criteria filter out studies not directly related to skin lesion classification, research applying algorithms other than transformer-based models, non-academic articles lacking empirical data, papers without full-text access, and those not in English. Our findings underscore the adaptability of transformers to diverse skin lesion datasets, the utilization of pre-trained models, and the integration of various mechanisms to enhance feature extraction.

چکیده به فارسی (ترجمه ماشینی)

طبقه بندی ضایعه پوست یک کار مهم در پوست است و به تشخیص زودرس و درمان سرطان پوست کمک می کند.در سالهای اخیر ، مدل های مبتنی بر ترانسفورماتور ، که در ابتدا برای کارهای پردازش زبان طبیعی (NLP) توسعه یافته اند ، نتایج امیدوارکننده ای را در بسیاری از کارهای طبقه بندی به طور خاص دامنه طبقه بندی تصویر نشان داده اند.این بررسی سیستماتیک با هدف ارائه یک مرور کلی از وضعیت فعلی تحقیق در مورد کاربرد ترانسفورماتورها در طبقه بندی ضایعه پوست.در طی دوره 2017-2023 ، این بررسی سیستماتیک کاربرد مدلهای مبتنی بر ترانسفورماتور در طبقه بندی ضایعه پوست را مورد بررسی قرار داده است ، با تمرکز بر 57 مقاله برگرفته از پایگاه داده های برجسته که PubMed ، Scopus و Medline هستند.معیارهای ورود به مطالعه شامل مطالعات متمرکز بر مدل های مبتنی بر ترانسفورماتور برای طبقه بندی ضایعه پوست ، استفاده از مجموعه داده های متنوع (تصاویر درموسکوپی ، تصاویر بالینی یا تصاویر هیستوپاتولوژیک) ، انتشار در مجلات یا کنفرانس های بررسی شده توسط همسالان و در دسترس بودن به زبان انگلیسی است.در مقابل ، معیارهای محرومیت مطالعاتی را که به طور مستقیم با طبقه بندی ضایعه پوست مرتبط نیست ، فیلتر می کند ، تحقیقات با استفاده از الگوریتم های غیر از مدل های مبتنی بر ترانسفورماتور ، مقالات غیر آکادمیک فاقد داده های تجربی ، مقالات بدون دسترسی کامل به متن و مواردی که به زبان انگلیسی نیستند.یافته های ما تأکید بر سازگاری ترانسفورماتورها با مجموعه داده های متنوع ضایعه پوست ، استفاده از مدل های از پیش آموزش و ادغام مکانیسم های مختلف برای تقویت استخراج ویژگی ها.