ScabAI: Cilt Görüntülerinden Uyuz Tespiti için Derin Öğrenme Tabanlı Mobil Uygulama

Abstract

Scabies, a contagious skin disease caused by the Sarcoptes scabiei mite, remains a significant public health concern globally. This study aims to develop a mobile application, ScabAI, which uses a deep learning model based on Convolutional Neural Networks (CNNs) to detect scabies from skin images. The model was trained using a dataset of 500 images, divided equally between scabies and non-scabies cases, and achieved high performance metrics, including 96.7% accuracy, 96% sensitivity, 97.3% specificity, and a 96.5% F1 score. These results demonstrate the model’s reliability and effectiveness in detecting scabies, outperforming many existing models. The mobile application allows users to capture or upload images of suspected scabies lesions, providing rapid and accurate preliminary diagnoses. ScabAI offers a practical, user- friendly tool that can be beneficial for both healthcare providers and individuals, supporting early detection, timely treatment, and reducing the risk of disease transmission. This study underscores the potential of integrating artificial intelligence with mobile platforms for improved dermatological care, particularly in resource-limited settings. Future research should focus on expanding the dataset to enhance generalization and exploring additional AI techniques to refine detection accuracy. ScabAI not only contributes to AI-assisted dermatology but also serves as a scalable model for developing similar tools targeting other skin conditions. This innovative approach addresses both clinical needs and user accessibility, advancing healthcare outcomes and public health initiatives.

Uyuz hastalığı, Sarcoptes scabiei akarının neden olduğu bulaşıcı bir cilt hastalığı olup, dünya genelinde önemli bir halk sağlığı sorunu olmaya devam etmektedir. Bu çalışma, cilt görüntülerinden uyuz hastalığını tespit etmek amacıyla Derin Öğrenme tabanlı bir mobil uygulama olan ScabAI'yi geliştirmeyi amaçlamaktadır. Uygulamanın temelinde, Konvolüsyonel Sinir Ağları (CNNs) tabanlı bir derin öğrenme modeli bulunmaktadır. Model, 500 görüntüden oluşan bir veri seti üzerinde eğitilmiş; bu veri seti uyuz ve uyuz olmayan vakalar arasında eşit şekilde dağıtılmıştır. Model, %96,7 doğruluk, %96 duyarlılık, %97,3 özgüllük ve %96,5 F1 skoru gibi yüksek performans metrikleri elde etmiştir. Bu sonuçlar, modelin uyuz tespitindeki güvenilirliğini ve etkinliğini ortaya koymakta ve mevcut birçok modelin performansını aşmaktadır. Mobil uygulama, kullanıcıların şüpheli uyuz lezyonlarının görüntülerini çekmesine veya yüklemesine olanak tanıyarak hızlı ve doğru bir ön tanı sağlamaktadır. ScabAI, erken teşhisi destekleyerek, zamanında tedaviye olanak tanıyan ve hastalık bulaşma riskini azaltan pratik ve kullanıcı dostu bir araç sunmaktadır. Bu çalışma, yapay zekanın mobil platformlarla entegre edilerek dermatolojik bakımda iyileştirmeler sağlama potansiyelini vurgulamaktadır; özellikle kaynakların sınırlı olduğu bölgelerde önemli bir çözüm sunmaktadır. Gelecekteki araştırmalar, genelleştirmeyi iyileştirmek için veri setinin genişletilmesine ve tespit doğruluğunu artırmak amacıyla ek yapay zeka tekniklerinin keşfine odaklanmalıdır. ScabAI, yalnızca yapay zeka destekli dermatolojiye katkı sağlamakla kalmayıp, diğer cilt hastalıklarını hedefleyen benzer araçların geliştirilmesi için ölçeklenebilir bir model işlevi görmektedir. Bu yenilikçi yaklaşım, hem klinik ihtiyaçları hem de kullanıcı erişilebilirliğini karşılayarak sağlık hizmetleri sonuçlarını ve halk sağlığı girişimlerini ileriye taşımaktadır.