Projelerim

🧠 RetinaAI – Yapay Zekâ Destekli Klinik Karar Destek Sistemi 

RetinaAI, retina hastalıklarının teşhisine yardımcı olmak amacıyla iki kişilik bir ekip tarafından geliştirilen, yapay zekâ destekli web tabanlı bir klinik karar destek sistemidir. Projede hedefimiz, doktorların karar sürecini destekleyen güvenilir, şeffaf ve klinik olarak anlamlı bir yapay zekâ çözümü sunmaktı.

Projenin yapay zekâ ve veri işleme tarafındaki sorumluluğu bana aittir. Bu kapsamda, retina görüntülerinden hastalık sınıflandırması yapan derin öğrenme modelleri geliştirildi ve model çıktıları teşhis sonucu ile birlikte güven oranı sunacak şekilde sisteme entegre edildi. Modeller, APTOS ve ODIR veri setleri kullanılarak eğitildi.

Yapay zekâ kararlarının klinik açıdan daha güvenilir ve anlaşılır olması için, açıklanabilir yapay zekâ (XAI) yöntemlerinden ısı haritaları (heatmap) kullanıldı. Bu sayede modelin hangi bölgeleri dikkate alarak karar verdiği doktora görsel olarak sunuldu.

Ayrıca sistemde;

  • Doktorların model sonuçlarına geri bildirim verebileceği alanlar oluşturuldu

  • Bu geri bildirimler sayesinde modelin zamanla tahmin yeteneğini geliştirebilmesi hedeflendi

  • Hastaya ait doktor notları ve ilaç bilgilerinin kaydedilebildiği modüller eklendi

Bu yapı ile RetinaAI, yalnızca bir sınıflandırma sistemi değil, klinik sürece entegre edilebilen akıllı bir karar destek platformu olarak tasarlandı.

Görüntü Çözünürlüğü Arttırma 

Bu projede, düşük çözünürlüklü görüntülerin kalitesini artırmak amacıyla derin öğrenme tabanlı bir autoencoder modeli geliştirdim. Amacım, görüntülerdeki ayrıntıları mümkün olduğunca koruyarak daha yüksek çözünürlüklü ve net çıktılar üretebilen bir yapı oluşturmaktı.

Model, encoder–decoder mimarisi üzerine kuruldu. Encoder kısmında convolution ve pooling katmanları kullanılarak görüntülerden anlamlı özellikler çıkarıldı. Decoder tarafında ise transpose convolution (deconvolution) katmanları ile görüntüler yeniden yapılandırılarak çözünürlük artırımı sağlandı.

Elde edilen sonuçlar, orijinal ve iyileştirilmiş görüntüler karşılaştırılarak incelendi. Model performansı, görüntü kalitesini objektif olarak değerlendirebilmek için çeşitli metrikler üzerinden analiz edildi. Bu sayede geliştirilen mimarinin çözünürlük artırma üzerindeki etkisi net bir şekilde gözlemlendi.

Anlamsal Metin Benzerliği ve Vektör Tabanlı Sınıflandırma Sistemi 

Bu projede, kullanıcılar tarafından doldurulan formlardan elde edilen metin verileri üzerinde anlamsal benzerlik ve metin sınıflandırma işlemleri gerçekleştirdim. Amaç, yalnızca kelime eşleşmelerine değil, metinlerin anlamına dayalı bir karşılaştırma ve analiz yapabilen bir sistem geliştirmekti.

MySQL veritabanında saklanan form verileri, öncelikle embedding vektörlerine dönüştürüldü. Elde edilen bu vektörler, yüksek boyutlu veri üzerinde hızlı ve etkili benzerlik aramaları yapabilmek için Qdrant vektör veritabanında saklandı.

Sistem, yeni gelen metinler için vektör benzerliği hesaplayarak anlamsal olarak en yakın içerikleri bulabilmektedir. Ayrıca, KNN algoritması kullanılarak metin sınıflandırma işlemleri gerçekleştirildi. Bu yaklaşım sayesinde, benzer içeriklerin otomatik olarak gruplanması ve sınıflandırılması sağlandı.

Proje boyunca veri işleme, vektörleştirme ve benzerlik arama süreçleri uçtan uca ele alındı ve ölçeklenebilir bir yapı hedeflendi.

Film Bilgi Sistemi – Masaüstü Uygulaması 

Bu projede, film içeriklerinin yönetilebildiği ve kullanıcı etkileşimini ön planda tutan bir masaüstü film bilgi sistemi geliştirdim. Uygulama, kullanıcı ve yönetici rolleri için ayrı arayüzler sunacak şekilde tasarlandı.

Kullanıcı tarafında; film filtreleme, yorum yapma ve puan verme gibi temel etkileşim özellikleri yer alırken, yönetici tarafında içerik ve veri yönetimini kolaylaştıran fonksiyonlar geliştirildi. Film fragmanlarının uygulama içerisinde izlenebilmesi için Windows Media Player API entegrasyonu sağlandı.

Uygulamanın arka planında, PostgreSQL veritabanı kullanılarak film, kullanıcı ve yorum verileri güvenli ve düzenli bir şekilde yönetildi. Ayrıca kullanıcı deneyimini iyileştirmek amacıyla temel doğrulama kontrolleri ve hata yönetimi mekanizmaları uygulandı.

Bu proje, masaüstü uygulama geliştirme, veritabanı yönetimi ve kullanıcı odaklı arayüz tasarımı konularında pratik deneyim kazanmamı sağladı.