안녕하세요 여러분, 저희는 최근 Scientific Reports (Nature Portfolio)에 발표된 논문인 "Tri-Net: Unified Deep Learning for Skin Lesion and Symptom-Based Monkeypox Detection"의 공식 구현체인 Tri-Net v2를 오픈 소스로 공개했습니다. 단순히 학습 스크립트만을 공개하는 대신, 재현 가능한 연구 프레임워크로서 프로젝트를 재구축했습니다.

주요 특징:
• 데이터 누수(Leakage)가 없는 데이터 준비 파이프라인
• 다양한 CNN 백본 (ConvNeXt-Tiny, DenseNet201, Inception-ResNetV2)
• 앙상블(Ensemble) 및 특징 융합(feature-fusion) 전략
• Grad-CAM 설명 가능성 (explainability)
• 교차 검증 (Cross-validation) 및 통계적 평가
• Docker 지원
• GitHub Actions CI
• PyPI 패키지 (pip install mpox-trinet)
• 학습, 추론 및 벤치마킹을 위한 CLI

이 논문은 발표 첫 주에 이미 1,100회 이상의 논문 접근 수를 기록했으며, 구현체를 완전히 오픈 소스로 공개함으로써 다른 연구자들이 이 작업을 재현, 검증 및 확장하는 데 도움이 되기를 바랍니다.

GitHub: https://github.com/Sudharsanselvaraj/Synergistic-Deep-Learning-for-Monkeypox-Diagnosis
PyPI: https://pypi.org/project/Mpox-Trinet/
Paper: https://www.nature.com/articles/s41598-026-61490-x

구현, 재현성, 코드 품질 또는 향후 개선을 위한 아이디어에 대한 피드백을 주시면 정말 감사하겠습니다. 기여(Contributions)와 이슈(issues) 제기는 언제나 환영합니다!