İçeriğe geç

Bitirme Projesi — Tıbbi Görüntüleme

LungXai

Akciğer BT taramalarında nodül tespiti ve sınıflandırmasını açıklanabilir yapay zekâ (XAI) ile yapan iki aşamalı bir derin öğrenme sistemi.

LungXai logosu

Proje Hakkında

LungXai, kurucumuz Can Berk Meşe'nin Çankaya Üniversitesi Bilgisayar Mühendisliği bitirme projesi (CENG 407-408) kapsamında 7 kişilik bir öğrenci ekibiyle geliştirdiği bir tıbbi görüntüleme sistemi. Akciğer BT taramalarındaki nodülleri tespit edip sınıflandırıyor; kararını radyolog tarafından okunabilir gerekçelerle açıklıyor.

Problem

Akciğer nodüllerini BT taramalarından tespit etmek zaman alıyor ve yorucu; yapay zekâ destekli sistemler bu süreci hızlandırsa da çoğu birer 'kara kutu' gibi çalışıyor — bir nodülü neden kötü huylu işaretlediğini açıklamıyor. Klinik ortamda güven, yalnızca doğru tahminle değil, gerekçesi görülebilen bir tahminle kuruluyor.

Çözüm

İki aşamalı bir derin öğrenme hattı kurduk: ilk aşama tüm BT hacmini tarayıp nodül merkezlerini buluyor, ikinci aşama her nodülü segmentasyon maskesi, tespit güveni ve sekiz radyolojik kavram üzerinden karakterize ediyor. Kötü huylu olma olasılığı görüntüden doğrudan değil, bu sekiz insan tarafından anlaşılabilir kavramdan hesaplanıyor — böylece her karar hangi radyolojik özelliğe dayandığı geriye izlenebilir durumda kalıyor.

Teknolojiler

  • React
  • Node.js
  • Python
  • PyTorch
  • SQL Server

Süreç

  1. 01

    Literatür & Metodoloji

    LIDC-IDRI veri setiyle çalışıldı, mevcut nodül tespit yaklaşımları incelenip iki aşamalı bir mimari tasarlandı.

  2. 02

    Model Geliştirme

    3 boyutlu nodül tespit modeli ve çok görevli karakterizasyon modeli PyTorch ile eğitildi.

  3. 03

    Uygulama

    Modeli kullanılabilir bir akışa taşıyan React arayüzü, Node.js API'si ve SQL Server veritabanı geliştirildi.

  4. 04

    Test & Doğrulama

    LUNA16 test setinde tespit, kötü huyluluk sınıflandırması ve segmentasyon performansı ayrı ayrı ölçüldü.

  5. 05

    Ekip

    Can Berk Meşe'nin de içinde bulunduğu 7 kişilik öğrenci ekibi tarafından, Dr. Öğr. Üyesi Doç. Dr. Ayşe Nurdan Saran danışmanlığında geliştirildi.

Sonuç

Dahili LUNA16 test setinde nodül tespitinde 0.998, kötü huyluluk sınıflandırmasında 0.986 AUC ve segmentasyonda 0.857 Dice skoruna ulaşıldı. Proje akademik ve araştırma amaçlıdır; klinik teşhis için kullanılmaz.

Bir fikriniz mi var?

Bir web sitesi, mobil uygulama veya özel yazılım projesi üzerinde çalışıyorsanız konuşalım.

info@wotasoft.com