Labmedya - Laboratuvar ve Sağlık Gazetesi

Xin Chu, Changho Kim, Seoung Jai Bai, Youngseok Song, Junghoon Sung, Younggeun Choi ve ekip arkadaşları, klasik görüntü işleme yöntemlerinden türetilen gözenek ve kırışıklık sahte etiketlerini yardımcı denetim olarak kullandı. Model, yapısal rehberlik modülünü yapı farkındalıklı dikkat mekanizmasıyla birleştirerek yalnızca genel görüntü özelliklerine değil, cilt mikro yapısına odaklanacak biçimde tasarlandı.

SGA-U-Net’in atlamalı bağlantıları dikkat katmanlarıyla güçlendirildi. Çok görevli yapı aynı anda dört cilt kalite göstergesini, yani nem, parlaklık, sebum ve esnekliği tahmin etti. Bu düzen, modelin bir görevi öğrenirken diğer göstergelerden gelen ortak biyolojik ve görsel örüntülerden yararlanmasını amaçladı.

Sistem, araştırmacıların yüksek çözünürlüklü ve çift aydınlatmalı FaceSkin-Q veri setiyle kamuya açık Kore Cilt Durumu Ölçüm Veri Seti üzerinde doğrulandı. Çalışmaya göre model, hem tahmin doğruluğunda hem farklı ışık koşullarına dayanıklılıkta evrişimli sinir ağı ve Transformer tabanlı temel modelleri tutarlı biçimde geride bıraktı. Kaynak kodu kamuya açık olarak paylaşıldı.

Sonuçlar dermatolojik değerlendirmeyi ve kişiselleştirilmiş cilt bakımını destekleme potansiyeline işaret etse de bu sistem tek başına klinik tanı aracı değildir. Farklı yaş, cinsiyet, ten rengi, kamera ve gerçek klinik koşullarda dış doğrulama gerekir. Araştırma Kore Bilim ve BİT Bakanlığı destekli ITRC ve dijital alan küresel araştırma programlarınca finanse edildi; makale 24 Ağustos 2026’da yayımlandı

Kaynak: https://www.nature.com/articles/s41598-026-65848-z