Medikal Görüntü İşleme ve Çoklu Model Topluluğu Mimarisi
Retina fundus fotoğraflarında patoloji tespiti için konvolüsyonel ve görme transformatörü (ViT) mimarilerini birleştiren derin öğrenme araştırma prototipi.
Projenin hikâyesi
Nereden başladık
Medikal görüntülerde düşük kontrast, aydınlatma farkları ve küçük lezyon alanları nedeniyle tek bir model mimarisinin her vaka tipinde aynı kararlılığı gösterememesi.
Ne yaptım
PyTorch ortamında veri ön işleme (CLAHE, veri zenginleştirme) boru hattı kurdum. Konvolüsyonel ağlar (EfficientNet/ResNet) ile Vision Transformer yapılarını harmanlayan çoklu model oylama ve topluluk (ensemble) stratejisi uyguladım.
Sonuç ne oldu
Farklı model mimarilerinin güçlü yönlerini birleştiren modüler bir görüntü işleme prototipi geliştirildi. Tıbbi tanı iddiası olmaksızın, araştırma ortamında mimari geçerlilik doğrulandı.
Proje hakkında
Göz dibi (retina fundus) fotoğraflarındaki biyolojik doku ve patolojik lezyon örüntülerini analiz etmek için geliştirilen derin öğrenme araştırma çalışması. Farklı görsel model ailelerinin (CNN ve Vision Transformer) çıkarım güçlerini birleştiren topluluk (ensemble) mimarisi test edilmiştir. Bu çalışma teşhis veya klinik tedavi amaçlı olmayıp saf bir bilgisayarlı görü araştırma konseptidir.
Bu projede tasarım ve geliştirmenin tamamı Ahmet Mert Yiğitbaşı tarafından yapıldı.
Teknolojiler
- PyTorch
- Python
- Vision Transformers (ViT)
- CNN Mimarileri
- OpenCV & Görüntü İşleme
- Model Topluluğu (Ensemble)