Dinamik Bayes Ağları Kullanarak İnfodemyoloji Verilerinden Cilt-Beyin-Cilt Bağlantılarını Çıkarım
Nedensel ağ, seçilen sağlık durumları arasında çok sayıda döngüsel ilişkiyi ve cilt ile zihinsel hastalıklar arasındaki etkileşimi doğrulamaktadır. Akne için, anksiyete ve dikkat eksikliği hiperaktivite bozukluğu (DEHB) ile döngüsel bir ilişki ve uyku bozuklukları aracılığıyla depresyonla dolaylı bir ilişki gözlemliyoruz. Dermatit için, anksiyete, depresyon ve uyku bozukluklarına yönelik yönlü bağlantılar ve DEHB ile döngüsel bir ilişki gözlemliyoruz. Ayrıca, dermatit ile DEHB arasında bir bağlantı ve akne ile DEHB arasında döngüsel bir ilişki de gözlemlemekteyiz. Dahası, ağda uyku bozuklukları ile diğer sağlık durumları arasında çeşitli doğrudan bağlantılar yer almakta, bu da uyku bozukluklarının hastanın genel sağlık ve refahı üzerindeki etkisini vurgulamaktadır.
Selfie Görüntülerinden Yüzdeki Akne Şiddetini Değerlendirmeye Yönelik Bir Bilgisayarla Görü Uygulaması
Nestlé SHIELD (Cilt Sağlığı, İnovasyon, Eğitim ve Uzun Ömür Gelişimi - NSH) ile iş birliği yaparak, selfie görüntülerinden akne şiddetini dermatologlar kadar doğru şekilde değerlendirebilen bir derin öğrenme modeli geliştirdik. Bu model, hastaların akne tedavilerinin ilerlemesini kolayca değerlendirmeleri ve takip edebilmeleri için mobil bir uygulama olarak kullanıma sunuldu. NSH, bu çalışma için 4.700 selfie görüntüsü topladı ve bu görüntüleri beş kategoride etiketlemek üzere 11 dahili dermatolog görevlendirdi: 1-Temiz, 2-Neredeyse Temiz, 3-Hafif, 4-Orta, 5-Şiddetli.
Yüz hatlarını algılamak için OpenCV kullanarak selfie görüntülerinden belirli cilt bölgelerini kestik ve alakasız arka planları en aza indirdik. Ardından transfer öğrenme yaklaşımı uygulayarak, bu cilt bölgelerinden ResNet 152 önceden eğitilmiş modelle özellikler çıkardık ve ardından istenen şiddet derecesini tahmin etmeyi amaçlayan tam bağlı bir katman eğittik. CNN modellerinin mekânsal duyarlılığı sorununu ele almak için, eğitim görüntülerinde akne lezyonlarının daha fazla konumda görünmesini sağlayan yeni bir görüntü kaydırmalı veri artırma (image rolling data augmentation) yöntemi tanıttık.
Sonuçlarımız, bu yaklaşımın CNN modelinin genelleme yeteneğini artırdığını ve test görüntülerinde insan dermatologlardan oluşan panelin yarısından fazlasından daha iyi performans gösterdiğini ortaya koydu. Bildiğimiz kadarıyla, bu çalışma selfie görüntüleri kullanarak akne değerlendirmesi yapan ilk derin öğrenme tabanlı çözümdür.
