Sağlıkta yapay zekâ çözümleri geliştiren öğrencilerimiz, erken teşhis ve mobil sağlık takibi konusunda dikkat çeken projelere imza attı. Bilgisayar Mühendisliği öğrencileri, günümüzde hızla dijitalleşen sağlık sistemine katkı sunmak amacıyla çeşitli yapay zekâ ve gömülü sistem projeleri geliştirdi. Parkinson hastalığı teşhisinden böbrek kanseri tespitine, omurga duruş analizinden MR görüntü yorumlamaya kadar birçok alanda yenilikçi teknolojiler başarıyla projelendirildi.

Parkinson Teşhisinde Yapay Zekâ Desteği

Projelerden biri, Parkinson hastalığının teşhisinde yapay zekâ teknolojilerini kullanmayı amaçlıyor. PPMI ve Kaggle veri kaynaklarından elde edilen beyin MR görüntüleri üzerinde çalışan sistem, veri artırma ve dengeleme teknikleriyle eğitildi. Derin öğrenme tabanlı Convolutional Neural Network (CNN) ve SVM modelleri karşılaştırılarak en yüksek doğruluk sağlayan yöntem belirlendi. TensorFlow, OpenCV ve Scikit-learn gibi kütüphanelerle geliştirilen model, sağlıklı ve Parkinson’lu beyin görüntülerini başarıyla ayırt ederek erken teşhis sürecine katkı sundu.

AkıllıMR: Gelişmiş Görüntü İşleme ile Hızlı Tanı

Geliştirilen bir diğer proje olan AkıllıMR, Alzheimer, beyin tümörü, göğüs kanseri ve retina hastalıklarının erken teşhisinde yapay zekâ destekli analizler sunuyor. MR, OCT ve mamografi gibi görüntüleme tekniklerini analiz edebilen bu sistem, sağlık personelinin iş yükünü azaltmayı ve görüntü yorumlamadaki subjektif hataları minimuma indirmeyi hedefliyor. Kullanıcı dostu arayüzü ile hızlı ve doğru teşhis sürecini destekleyen AkıllıMR, hasta yaşam süresinin uzatılmasına yönelik önemli bir adım olarak değerlendiriliyor.

Böbrek Kanseri Teşhisinde ChatGPT API ve ML Algoritmalarının Karşılaştırılması

Böbrek kanseri, genellikle sinsi seyreden ve ileri evrelere kadar belirti vermeyebilen, bu nedenle erken teşhis edilmediği takdirde ciddi sonuçlara yol açabilen ölümcül bir hastalıktır. Tıbbi teknolojinin ilerlemesiyle birlikte, tanı süreçlerini hızlandırmak ve doğruluğunu artırmak amacıyla yapay zekâ ve makine öğrenmesi gibi veri odaklı yöntemler sağlık alanında yaygın olarak kullanılmaya başlanmıştır. Bu çalışmanın temel amacı, böbrek kanseri tanısında makine öğrenmesi algoritmalarının etkinliğini değerlendirmek ve son dönemde dikkat çeken dil modeli tabanlı ChatGPT API’nin bu problem karşısındaki performansını ölçmektir. Klasik makine öğrenmesi algoritmaları, yapılandırılmış veriler üzerinden öğrenerek belirli kalıpları keşfetme konusunda oldukça etkilidir. Öte yandan ChatGPT gibi büyük dil modelleri, doğal dil girdileriyle etkileşime girerek daha yorumlayıcı, açıklayıcı ve sezgisel bir analiz ortaya koyabilmektedir. Bu bağlamda, iki yaklaşımın aynı veri seti üzerinde test edilmesiyle hem doğruluk oranları hem de kullanım potansiyelleri karşılaştırmalı olarak değerlendirilmiştir. Çeşitli algoritmalar üzerinde yapılan testlerin sonuçları aşağıdaki gibidir:

Omurga Duruş Analizi ve Mobil İzleme Sistemi

Omurga sağlığı, bireylerin günlük yaşam kalitesini doğrudan etkileyen önemli bir faktördür. Özellikle ergenlik döneminde ortaya çıkabilen skolyoz (omurga eğriliği), erken teşhis edilmediğinde ciddi sağlık sorunlarına yol açabilmektedir. Bu projede, sırt bölgesine yerleştirilen MPU6050 ivmeölçer ve jiroskop sensörleri ile bireyin duruş verileri gerçek zamanlı olarak izlenmiş, ESP32 mikrodenetleyicileri aracılığıyla kablosuz veri iletimi sağlanmıştır. Geliştirilen sistem, omurga üzerinde oluşabilecek düzensizlikleri ve yamuklukları tespit ederek bu bulguları mobil bir uygulama üzerinden kayıt altına almayı mümkün kılmaktadır. Böylece hem bireylerin hem de sağlık profesyonellerinin duruş bozukluklarını erken aşamada fark etmesi ve takibini yapması amaçlanmıştır. Bu çalışmada, skolyoz ve duruş bozukluklarının erken tespiti amacıyla ESP32 mikrodenetleyicileri ve MPU6050 sensörleri kullanılarak giyilebilir bir sistem geliştirilmiştir. Sensörler sırta yerleştirilmiş ve omurga hareketlerine ilişkin veriler gerçek zamanlı olarak toplanmıştır. ESP32 cihazları arasında ESP-NOW protokolü ile sağlanan kablosuz iletişim sayesinde, veriler mobil uygulamaya iletilmiş ve kullanıcıya sunulmuştur.

Mobil uygulama, Flutter kullanılarak geliştirilmiş olup duruş analizlerinin takibini ve geçmişe dönük veri kaydını mümkün kılmaktadır. Duruş verileri belirli eşik değerler üzerinden analiz edilerek skolyoz riski değerlendirilmektedir. Proje, taşınabilir, düşük maliyetli ve uzaktan izleme özelliği olan bir sağlık teknolojisi çözümü sunmaktadır. Geliştirilen sistemde, omurga duruş verileri gerçek zamanlı olarak toplanmış ve analiz edilmiştir. Sensörlerden elde edilen veriler, belirlenen eşik değerler ve algoritmalar kullanılarak değerlendirilmiş, skolyoz riskini gösteren anormallikler başarılı şekilde tespit edilmiştir. Mobil uygulama aracılığıyla kaydedilen veriler incelendiğinde, sistemin duruş bozukluklarını doğru ve tutarlı bir şekilde belirlediği gözlemlenmiştir.

Yapılan testler sırasında, ESP-NOW protokolü ile veri iletiminde gecikme ve paket kaybı minimum düzeyde olmuş, bu da sistemin kararlı ve güvenilir olduğunu göstermiştir. Kullanıcı arayüzünde sunulan görselleştirmeler, duruş bozukluğu olan durumların net biçimde kullanıcıya iletilmesini sağlamıştır. Ek olarak, farklı kullanıcılar üzerinde gerçekleştirilen testlerde sistemin tekrar edilebilirliği ve doğruluğu doğrulanmıştır. Böylece proje, taşınabilir, düşük maliyetli ve gerçek zamanlı skolyoz tespiti için etkili bir çözüm olarak başarıyla ortaya konmuştur.

Fakülte Dekanımız Prof.Dr. Levent Urtekin konu ile ilgili yaptığı açıklamada;

"Bilgisayar Mühendisliği öğrencilerinin sağlık alanına yönelik bu yenilikçi projeleri, yalnızca akademik başarıyı değil, aynı zamanda topluma katkı sağlayan teknolojilerin üretimini de ön plana çıkarıyor. Yapay zekâ, makine öğrenmesi ve gömülü sistemleri bir araya getiren bu çalışmalar, dijital sağlık alanında önemli birer örnek teşkil ediyor. Üniversitemizin bilimsel üretkenliği ve toplumsal katkı vizyonu doğrultusunda öğrencilerimizin sağlık teknolojilerine yönelik bu tür yenilikçi projeler geliştirmesi bizleri gururlandırmaktadır. Yapay zekâ gibi öncü teknolojilerle sağlık alanında çözümler sunmak, sadece akademik başarı değil aynı zamanda insan hayatına doğrudan dokunan bir değerdir. Emeği geçen tüm öğrencilerimizi ve akademik danışmanlarını tebrik ediyorum. Bilgisayar Mühendisliği öğrencilerimizin disiplinler arası düşünme becerileriyle geliştirdikleri bu projeler, mühendisliğin toplumsal sorunlara nasıl çözüm üretebileceğini net biçimde göstermektedir. Sağlık gibi kritik bir alanda yapay zekâyı etkin biçimde kullanmaları, hem ülkemiz hem de bilim dünyası için büyük bir kazanımdır. Fakültemiz bu tür çalışmaların her zaman destekçisi olacaktır. Öğrencilrimizi ve Akademik Danışmanlarımızı tebrik ediyorum.."  şeklinde konuştu.