Abnormal glukoz metabolizması olan farelerde yüz ifadesi tanımayı geliştiren modeller üzerine araştırma

Küçük Yüzlerde Sağlığı Okumak

Anormal kan şekeri en çok diyabetteki rolüyle bilinir, ancak aynı zamanda beyni, ruh halini ve genel iyi oluşu sessizce etkiler. Bu çalışma, farelerin bile metabolik sağlıklarını yüzlerine yansıttığını gösteriyor. Bıyıkların, kulakların ve gözlerin küçük değişimlerini izleyerek ve bunları akıllı ama kompakt bir bilgisayarlı görme modeliyle birleştirerek araştırmacılar, tek bir iğne batışı gerektirmeden kan şekeri sorunlarını ve tedavi etkilerini izlemenin yeni bir yolunu sunuyorlar.

Farelerde Prediyabet ve Diyabetin Bir Versiyonunu Oluşturmak

Kan şekeri değişikliklerinin yüz üzerinde nasıl ortaya çıktığını incelemek için ekip önce metabolizması güvenilir şekilde normalden sorunlu hale ve ardından iyileşmeye geçen farelere ihtiyaç duydu. İyi bilinen bir protokol kullandılar: zengin, yüksek yağlı bir diyetle birlikte insülin üreten hücrelere zarar veren streptozotosin adlı bir bileşik. Erkek C57BL/6J fareleri beş gruba ayrıldı. Bir grup standart diyette kaldı, diğerleri ise yüksek yağlı diyet ve yüksek kan şekerini tetiklemek için ilacı aldı. Bunun ardından yüksek şeker gruplarından üçünü farklı dozlarda mantar kökenli bir madde olan Sparassis latifolia polisakkaritleri (SLP) verildi. Birkaç ay boyunca tekrarlanan kan testleri net bir desen gösterdi: kan şekeri normalden bozukluğun erken evresine, sonra tam hiperglisemiye yükseldi ve son olarak yüksek doz SLP grubunda yeniden düştü; bu da doza bağımlı bir iyileşme ortaya koydu.

Fare Yüzlerini Bir Veri Kütüphanesine Dönüştürmek

Sonraki aşamada araştırmacılar günlük fare davranışlarını zengin bir görüntü kütüphanesine dönüştürdü. Bir göz seviyesinde, bir de yukarıdan eğik olmak üzere iki kamera, kontrollü aydınlatma ve sıcaklık altında serbestçe hareket eden fareleri binlerce dakika boyunca kaydetti. 390 video klibinden ekip 2830 net fare yüzü görüntüsünü elle seçti. Her görüntü, kan şekeri temelli beş durumdan birine göre etiketlendi: normal, erken bozulma, tam anormallik ve SLP tedavisinin erken veya geç aşamaları. Uzmanlar daha sonra gözlerin, kulakların, burun, ağız ve bıyıkların etrafına kutular çizdi; rahatsızlık, gerilim veya rahatlama gibi ince ipuçlarını yakaladılar. Bu, yüz ifadelerini doğrudan hastalık ve iyileşme boyunca ölçülen kan şekeri seviyelerine bağlayan standartlaştırılmış bir veri seti oluşturdu.

Küçük Ama Keskin Bir Tespit Modeli Tasarlamak

Bu ifadeleri tanımak hiç de basit değil: fare yüzleri her karede küçüktür, ifade farklılıkları narindir ve kafesler yatak, talaş ve kafes arkadaşlarıyla görsel olarak dağınıktır. Bunu aşmak için ekip, popüler gerçek zamanlı bir görme sistemi olan YOLOv8’in geliştirilmiş bir versiyonunu inşa etti ve varyantına LFPP‑YOLO adını verdi. Görüntünün tamamını tarayan ancak yüz benzeri bölgeleri seçici olarak vurgulayan “kısmi kendine dikkat” blokları eklediler; bu, modelin arka plandaki dikkat dağıtıcı unsurları görmezden gelmesine yardımcı oldu. Ayrıca sistemin hem tüm başı görebilmesi hem de gözler ve bıyıklar çevresindeki ince çizgiler ve dokuları ayırt edebilmesi için farklı görüntü ölçekleri arasında bilgi harmanlayan hafif modüller entegre ettiler. İyileştirilmiş bir kayıp fonksiyonu da düzensiz, bulanık yüz bölgelerinin etrafına daha sıkı ve daha doğru sınır kutuları çizmeye yöneltti.

Sistemi Rakip Yöntemlere ve Gerçek Hayata Karşı Test Etmek

Küratörlü veri setinde LFPP‑YOLO, beş metabolik durum genelinde yaklaşık %95 ortalama tespit doğruluğuna ve yaklaşık 0.89 F1 skoruna ulaştı. Dikkat çekici biçimde, model küçük —yaklaşık 2.4 megabayt— ve hızlı kaldı; test donanımında bir görüntüyü analiz etmek için yalnızca ~5 milisaniye gerekti. Karşılaştırmalı denemelerde, klasik iki aşamalı bir dedektör ile birkaç yeni YOLO varyantını özellikle küçük, kısmen gizlenmiş veya açılı yüzlerde geride bıraktı. Isı haritası görselleştirmeleri, iyileştirilmiş modelin sahne fareler veya yataklıkla karışık olsa bile kulaklara, gözlere ve ağıza yoğunlaşmayı öğrendiğini gösterdi. Başka bir tesiste yapılan ayrı bir doğrulamada, modelin ifade temelli sınıflandırmaları kan glukozuna dayalı etiketlerle yakından eşleşti; istatistiksel uyum düzeyi genellikle “neredeyse mükemmel” olarak tanımlandı.

Gelecekteki Bakım İçin Bunun Anlamı Ne Olabilir

Çalışma, yüz ifadelerinin küçük hayvanlarda metabolik sağlığa pratik ve invazif olmayan bir pencere sağlayabileceğini öne sürüyor. Tekrarlanan kan alımları yerine araştırmacılar, bir farenin normal metabolizmadan sorunlu duruma doğru ne zaman kaydığını ve bir diyet veya ilaç müdahalesinin hasarı ne zaman geri çevirmeye başladığını izlemek için kameralar ve kompakt bir algoritma kullanabilir. Mevcut veri setinin ölçeği ve koşulları sınırlı olmakla birlikte, yöntemin diğer suşlara, aydınlatma koşullarına ve türlere genişletilmesi için daha fazla çalışmaya ihtiyaç var; yine de çalışma, hayvanlarda —ve belki bir gün insanlarda— kronik hastalıkların rutin izleminin iğneler ve test şeritleri yerine yüzün dikkatli okunması ve akıllı görme sistemleriyle giderek daha fazla yapılabileceğine işaret ediyor.

Atıf: Guo, X., Shi, L., Ma, B. et al. Research on improved models for facial expression recognition in mice with abnormal glucose metabolism. Sci Rep 16, 8165 (2026). https://doi.org/10.1038/s41598-026-38863-3

Anahtar kelimeler: yüz ifadesi tanıma, anormal glukoz metabolizması, fare diyabet modeli, derin öğrenme tespiti, invazif olmayan izleme