FitikTespiti Computer Vision Project

Proje Adı: Fıtık Tespiti Bu proje, manyetik rezonans (MR) görüntülerinde bel fıtığı bölgelerini tespit etmek için derin öğrenme tabanlı bir nesne algılama modeli geliştirmeyi amaçlamaktadır.

Projenin Amacı: Bel fıtığı teşhisinde doktorların iş yükünü hafifletmek. Nesne algılama tekniklerini kullanarak MR görüntülerindeki anormal yapıları (fıtık bölgelerini) otomatik olarak belirlemek. Fıtığın konum ve boyutunu doğru bir şekilde tespit ederek daha hızlı ve güvenilir bir teşhis sürecine katkıda bulunmak. Metot: Veri Hazırlığı: Ham Veriler: MR görüntülerinden oluşan veri seti. Görüntüler, Roboflow üzerinde ön işleme (auto-orient, yeniden boyutlandırma) ve anotasyon işlemlerinden geçirilmiştir. Anotasyon: Fıtık bölgeleri manuel olarak işaretlenmiş ve "Fıtık" sınıfı altında etiketlenmiştir. Veri Artırma (Augmentation): Flip, rotasyon, bulanıklık ve gürültü gibi teknikler kullanılarak eğitim verileri zenginleştirilmiştir. Model Eğitimi: YOLOv8 mimarisi kullanılmıştır. YOLOv8, Convolutional Neural Networks (CNN) tabanlı, hızlı ve yüksek doğruluk oranına sahip bir derin öğrenme modelidir. Model, eğitim, doğrulama ve test aşamalarında bölünmüş bir veri seti kullanılarak optimize edilmiştir. Sonuçlar: Geliştirilen model, bel fıtığı bölgelerini %X doğrulukla (örnek doğruluk oranı eklenebilir) tespit edebilmiştir. Bu model, klinik uygulamalarda doktorlara yardımcı olabilecek önemli bir karar destek sistemi olarak kullanılabilir. Gelecek Çalışmalar: Daha geniş ve çeşitli veri setleriyle modelin genellenebilirliği artırılabilir. Model, mobil uygulamalara veya MR cihazlarına entegre edilerek gerçek zamanlı teşhis için kullanılabilir.