چکیده: چکیده ورود به حوزه طراحی و توسعه سامانه‌های کمک‌تشخیص خودکار برای تصویربرداری‌های کلینیکی پوست، همواره با چالش‌های ساختاری پایداری نظیر حضور مصنوعات فیزیکی (خطوط مو، حباب‌های ژل و نوسانات شدید نوری) و چالش آماری شدید عدم تعادل کلاس‌ها مواجه بوده است. رویکردهای سنتی بینایی ماشین به دلیل صلبیت فیلترهای مهندسی دستی ویژگی‌ها، و شبکه‌های عصبی پیچشی عمیق مرجع به دلیل تکیه محض بر میدان‌های دریافت محلی یکنواخت، توانایی لازم را در تفکیک نویزهای پس‌زمینه از سیگنال‌های اصیل پاتولوژیک ندارند. این پایان‌نامه با هدف غلبه بر این محدودیت‌های تئوریک، یک معماری تلفیقی چندمقیاسه و کارآمد را ارائه می‌دهد که بدون نیاز به الگوریتم‌های پیش‌پالایش مخرب فیزیکی، به دسته‌بندی خالص و پایدار ضایعات پوستی و تفکیک ملانوم بدخیم از نمونه‌های خوش‌خیم می‌پردازد. معماری پیشنهادی بر پایه یک ستون فقرات کانولوشنی سلسله‌مراتب مجهز به فیلترهای اتساعی استوار است. در این ساختار، برای حفظ هم‌زمان جزئیات خرد و کلان، دو انشعاب محاسباتی مستقل از سطوح میانی (بلاک دوم) و عمیق (بلاک چهارم) شبکه استخراج می‌شود. تونسورهای مستخرج پس از عبور از بلوک‌های توجه، به صورت پویا وزن‌دهی می‌شوند تا فرکانس‌های نویزی مو و نور سرکوب شده و ویژگی‌های ساختاری عارضه تقویت گردند. در گام بعد، تانسور الحاق‌شده وارد ماژول بهبود متراکم فضایی می‌شود که با بهره‌گیری از سه شاخه موازی با نرخ‌های اتساع گوناگون، روابط فضایی دوربرد و هندسه نامنظم بیولوژیکی ضایعه را در مقیاس‌های مختلف به طور هم‌زمان مدل‌سازی کرده و تانسور نهایی را پس از عبور از بلوک تلفیق به لایه دسته‌بندی پایانی هدایت می‌کند. ارزیابی تجربی و تجرید محاسباتی این مدل بر روی مجموعه‌داده مرجع و بین‌المللی ISIC 2020 نشان‌دهنده برتری قاطع متدولوژی پیشنهادی بر روی چهار معیار اصلی ارزیابی عملکرد است. معماری طراحی‌شده موفق به کسب صحت کلان ۹۶ گردید که یک جهش آماری معنادار را نسبت به روش‌های لبه دانش اخیر نشان می‌دهد. همچنین، مدل پیشنهادی با تکیه بر تابع زیان وزن‌دهی‌شده، چالش نامتعادل بودن دادگان را مرتفع ساخته و به نرخ فراخوانی ۹۱.۷۴ و دقت ۹۰.۱۳ در کلاس تهاجمی ملانوم دست یافته است. ثبات شاخص F1-Score در بالای ۹۰ برای هر دو کلاس، پایداری بالای مرز تصمیم‌گیری این الگو را در کنترل خطاهای نوع اول و دوم اثبات می‌کند و کارایی تئوریک آن را به عنوان یک ابزار کمکی مطمئن در محیط‌های واقعی بالینی محرز می‌سازد.