Maymun çiçeği tespiti ve sınıflandırması için özelleştirilmiş MobileNetV2 tabanlı hafif bir CNN

Telefon Dostu Bir Mpox Testi Neden Önemli?

Telefonunuzla garip bir döküntünün fotoğrafını çekip bunun maymun çiçeği (Mpox) olup olmadığı veya su çiçeği ya da kızamık gibi daha az ciddi bir şey mi olduğu konusunda hızlı ve güvenilir bir ipucu almak olduğunu hayal edin. Bu makale tam da bunu yapabilecek kompakt bir yapay zekâ yaklaşımını inceliyor. Güçlü bir görüntü tanıma sistemini akıllı telefonlar ve diğer basit cihazlar için yeterince küçük bir modele sığdırarak, araştırmacılar gelişmiş laboratuvarlara erişimi olmayan kliniklere ve topluluklara erken Mpox taraması getirmeyi hedefliyor.

Mpox’u Erken Tespit Etmenin Zorluğu

Mpox, yakın temas yoluyla yayılan bir viral hastalıktır ve belirtileri diğer cilt rahatsızlıklarıyla kafa karıştırıcı şekilde benzerlik gösterebilir. Kişiler ateş, vücut ağrıları ve ayırt edici döküntüler geliştirebilir, ancak bu bulgular kızamık, su çiçeği ve sıradan cilt tahrişleri gibi hastalıklarla örtüşür. Laboratuvar tabanlı PCR gibi geleneksel testler doğru olsa da yavaş, pahalıdır ve genellikle uzak bölgelerde bulunmaz. Bu boşluk birçok sağlık çalışanı ve hastayı tahmin yürütmeye zorlar; izolasyon ve tedavinin gecikmesine ve virüsün yayılmasına daha fazla zaman tanınmasına yol açar.

Bilgisayarlara Cilt Görüntülerini Okutmak

Günümüzün görüntü tabanlı yapay zekâsı, sıradan kameraları basit tanı yardımcılarına dönüştürmenin bir yolunu sunuyor. Yazarlar, sınırlı hesaplama gücüne sahip cihazlarda çalışacak şekilde tasarlanmış popüler bir "hafif" sinir ağı olan MobileNetV2 üzerine inşa ediyor. Toplam 770 cilt fotoğrafından oluşan ve Mpox, kızamık, su çiçeği ve normal cilt olmak üzere dört gruba ayrılmış halka açık bir veri seti kullanıyorlar. Bu nispeten küçük koleksiyondan en iyi şekilde yararlanmak için görüntüleri ortak bir formata yeniden boyutlandırıp döndürme, çevirme ve yakınlaştırma gibi ince değişiklikler uygulayarak özenle hazırlıyorlar. Veri artırma olarak bilinen bu hileler, modelin belirli fotoğrafları ezberlemeden desenleri öğrenmesine yardımcı oluyor.

Görev İçin Daha Akıllı, Daha İnce Bir Beyin

Yeni bir sistemi sıfırdan kurmak yerine, araştırmacılar daha önce büyük görüntü koleksiyonlarından genel görsel özellikleri öğrenmiş mevcut bir MobileNetV2 modelini "ince ayar" yapıyor. Katmanlarının çoğunu sabit tutup yalnızca son 20 katmanı yeniden eğiterek bunların Mpox ile ilişkili döküntülere uzmanlaşmasını sağlıyorlar. Bu omurganın üstüne, görüntünün en önemli kısımlarına odaklanmaya ve gürültü ya da arka plana aşırı güvenmeyi önlemeye yardımcı olan küresel ortalama ve dropout içeren hafif bir karar verme başlığı ekliyorlar. Ayrıca modelin hatalardan öğrenme şeklini, bazı grupların daha az örneğe sahip olmasına rağmen dört hastalık grubunun eşit şekilde ele alınmasını sağlayacak şekilde ayarlıyorlar.

Küçük Model Ne Kadar İyi Performans Gösteriyor?

Eğitimden sonra özelleştirilmiş MobileNetV2—CMBNV2 adlı model—çarpıcı sonuçlar elde ediyor. Test görüntülerinin doğru sınıfını %99 oranında doğru tanıyor ve precision, recall ile F1-skoru gibi birleşik ölçümlerde de benzer derecede yüksek puanlara ulaşıyor. Basitçe söylemek gerekirse, gerçek Mpox vakalarını nadiren kaçırıyor ve yanlış alarmlar nadiren veriyor. Tüm model yalnızca yaklaşık 8.63 megabayt boyutunda, mütevazı bellek kullanıyor ve nispeten az hesaplama gerektiriyor; bu da tipik akıllı telefonlarda veya diğer küçük cihazlarda gerçek zamanlı kullanım için uygun olmasını sağlıyor. Daha ağır, daha karmaşık ağlar ve diğer kompakt tasarımlarla yapılan karşılaştırmalar, bu ayarlı MobileNetV2 sürümünün Mpox veri setinde hem daha hızlı hem de daha doğru olduğunu gösteriyor.

Günlük Sağlık İçin Ne Anlama Gelebilir

Uzman olmayanlar için ana çıkarım, dikkatle tasarlanmış, telefon dostu bir yapay zekânın basit bir fotoğraf kullanarak Mpox’u benzer görünen cilt durumlarından güvenilir biçimde ayırt edebilmesi. Bir doktorun veya laboratuvar testinin yerine geçmese de, böyle bir araç özellikle sağlık kaynaklarının sınırlı olduğu yerlerde erken uyarı sistemi olarak iş görebilir. İnsanları zamanında teste ve izolasyona yönlendirerek ve saha çalışmalarında sağlık çalışanlarına hızlı destek sağlayarak, CMBNV2 gibi modeller gelecekteki Mpox salgınlarına karşı pratik bir savunma hattı ve nihayetinde diğer cilt hastalıkları için de yararlı bir araç olabilir.

Atıf: Askale, G.T., Yibel, A.B., Munie, A.T. et al. A customized MobileNetV2-based lightweight CNN for monkeypox detection and classification. Sci Rep 16, 5028 (2026). https://doi.org/10.1038/s41598-026-35871-1

Anahtar kelimeler: maymun çiçeği, cilt lezyonları, derin öğrenme, mobil sağlık, görüntü sınıflandırma