İçeriğe geç

Yapay Zekâ · Bilgisayarlı Görü2026Bitirme tezi

NeuroVision AI

MR görüntülerinden beyin tümörü sınıflandırması: beş derin öğrenme mimarisi, ölçülmüş veri sızıntısı ve sonuçları sunan bir Flutter uygulaması.

En iyi doğruluk
%98,44
MR görüntüsü
16.003
Sınıf
4
Mimari
5
Rol
Araştırma · ML · Mobil

Problem

Açık MR veri setlerinde aynı hastaya ait ya da birbirinin neredeyse aynısı olan görüntüler sık görülür. Bu görüntüler hem eğitim hem test kümesine düştüğünde model, ezberlediğini "doğru tahmin" gibi gösterir ve raporlanan doğruluk gerçeği yansıtmaz.

Çözüm

Tüm deneyler aynı deterministik veri hazırlığını paylaşır. Birebir kopyalar SHA-256, görsel olarak aynı görüntüler pHash ile temizlenir; bölme işlemi grup bazlı yapılır ve sızıntı kontrolleri kodun içinde doğrulanır. Anatomik simetri nedeniyle veri artırmada yatay çevirme kullanılmaz.

  • Dört sınıflı sınıflandırma ve sınıf bazlı hata analizi
  • Temizlik öncesi ve sonrası doğruluk karşılaştırması ile ölçülmüş sızıntı
  • Sonuçları gösteren Flutter mobil uygulaması

Süreç

  1. 01

    Veri seti

    brain-tumor-dataset-v2 · 16.003 MR görüntüsü · 4 sınıf

  2. 02

    Tekrar temizliği

    SHA-256 ile birebir, pHash ile görsel olarak aynı görüntüler

  3. 03

    Grup bazlı bölme

    GroupShuffleSplit ve sızıntı kontrolleri (assertion)

  4. 04

    Eğitim

    Beş mimari · Kaggle Tesla P100/T4 · SEED=42

  5. 05

    Uygulama

    Flutter mobil arayüz ile tahmin ve sonuç ekranı

Sonuçlar

Test doğruluğu · temizlenmiş veri seti
MimariDoğruluk
ResNet50%98,44
DenseNet121%95,63
EfficientNetB0—
Custom CNN—

Bulgular

  • Temizlik öncesinde en zayıf sınıf meningiomaydı; pHash temizliğinden sonra en zayıf sınıf sağlıklı (tümörsüz) sınıf oldu.
  • Sınırlı ama gerçek bir veri sızıntısı doğrulandı.
  • EfficientNetB0 eğitiminde EarlyStopping geri çağrısının durum taşıması metodolojik bir bulgu olarak belgelendi.
  • Sonraki adım: BRISC2025 veri seti ile U-Net + EfficientNetB0 kodlayıcı kullanarak segmentasyon.

Ekranlar

Teknolojiler

  • Python
  • Deep Learning
  • Computer Vision
  • ResNet50
  • DenseNet121
  • EfficientNetB0
  • pHash
  • Kaggle GPU
  • Flutter
  • LaTeX

Danışman: Dr. Öğr. Üyesi Ali Rıza Gün · Bilecik Şeyh Edebali Üniversitesi