本研究では、マンピックス（Monkeypox）検出のための新しいハイブリッド深層学習アプローチ「RS-CA-HSICT」を提案しています。このフレームワークは、残差CNNモジュール、空間CNNブロック、およびチャネル強化（CA）を利用し、従来のCNNとトランスフォーマーの利点を組み合わせることで、MPoxの検出能力を向上させます。HSICTモジュールは、抽象表現を統合したCNNとカスタマイズしたICTブロックから構成されており、複雑な形態学的変動をモデル化します。また、逆残差学習を通じて勾配消失を改善し、段階的な解像度の減少によりスケール不変性を確保しています。実験の結果、Kaggleのベンチマーク及び多様なMPoxデータセットにおいて、最高98.30%の分類精度と98.13のF1スコアを達成し、既存のCNNおよびViTモデルを上回る成果を上げました。