Genel Bakış
Bu projede, beyin MR görüntülerinden tümör varlığını tespit eden ve tümör bölgesini piksel düzeyinde segmente eden bir derin öğrenme sistemi geliştirdim. Sistem hem sınıflandırma (tümör var/yok ve tipi) hem de segmantasyon (tümör tam olarak nerede) yapabiliyor.
Model Mimarisi
İki aşamalı yaklaşım:
Aşama 1: Sınıflandırma (Ensemble)
- CNN: Sıfırdan eğitilmiş özel mimari
- VGG16: Transfer learning ile ImageNet ağırlıklarından fine-tune
- Ensemble: İki modelin tahminlerini soft voting ile birleştirme
- Sonuç: %99 sınıflandırma doğruluğu
Aşama 2: Segmantasyon (U-Net)
- Tümör tespit edilen görüntüler için U-Net mimarisi
- Encoder-decoder yapısıyla piksel-bazlı tümör maskeleme
Karar Açıklanabilirliği
Tıbbi AI'nin en büyük problemi: "Model neye bakarak bu kararı verdi?" sorusuna cevap verememek. Bu sebeple Grad-CAM ile modelin dikkat ettiği alanları görselleştirdim. Doktorlar artık modelin tümör tahminini yaparken görüntünün hangi bölgesine baktığını görebiliyor.
Web Arayüzü
Kullanıcı (doktor veya araştırmacı) MR görüntüsünü yüklüyor → sistem anlık olarak analiz ediyor → sonuçları görsel olarak sunuyor:
- Sınıflandırma tahmini ve güven skoru
- Segmantasyon maskesi
- Grad-CAM ısı haritası
Veri Seti ve Eğitim
Açık tıbbi görüntü veri setleri üzerinde eğitildi. Sınıf dengesizliğine karşı augmentation ve weighted loss kullanıldı.