Karaciger Segmentasyonu

Bu proje, tıbbi görüntülerde karaciğer segmentasyonu gerçekleştirmek için DeepLabV3+ modelini kullanmaktadır. Proje, eğitilmiş modeli kullanarak görüntüler üzerinde segmentasyon yapabilir ve ilgili maskeleri oluşturabilir

Karaciğer Segmentasyonu: DeepLabV3+ ile Tıbbi Görüntü Analizi

Bu proje, tıbbi görüntü işleme alanında karaciğer segmentasyonu yapmak için geliştirilmiştir. DeepLabV3+ MobilNetV3 Large modeli kullanılarak, karaciğerin CT görüntülerinden otomatik olarak segmentasyonu sağlanmaktadır. Proje, İnönü Üniversitesi Medikal Görüntü İşleme Sistemi üzerinde test edilmiştir ve kullanıcıların kendi görüntülerini yükleyerek modeli deneyimlemelerine olanak tanımaktadır.

✅ DeepLabV3+ MobilNetV3 Large modeli ile yüksek doğrulukta karaciğer segmentasyonu sağlar. 🩺 ✅ Kullanıcı dostu arayüzü sayesinde, kullanıcılar kendi tıbbi görüntülerini yükleyerek segmentasyon sonuçlarını hızlıca elde edebilir. 💻 ✅ Önerilen 512x512 piksel boyutundaki görüntülerle en iyi performansı sunar. 🖼️

Bu proje, tıbbi görüntü işleme ve derin öğrenme tabanlı segmentasyon modelleri üzerine bilgi ve deneyim kazanmamı sağladı. Veri ön işleme, model eğitimi ve test süreçlerini yöneterek, medikal yapay zeka uygulamalarında yetkinliklerimi geliştirdim ve karaciğer segmentasyonu üzerine başarılı bir model ortaya koydum.

Cihat Erdoğmak

Bilgisayar Mühendisi

Proje Bilgileri

📌 Kullanım ve Proje Detayları

Bu proje, tıbbi görüntülerde karaciğer segmentasyonu yapmak için DeepLabV3+ MobilNetV3 Large modelini kullanmaktadır. Eğitim ve test süreçleri deeplabv3TrainingandTest.ipynb dosyasında bulunmaktadır. Model, GPU veya CPU üzerinde çalışabilmekte ve karaciğer segmentasyonu için optimize edilmiştir. Kullanıcılar, İnönü Üniversitesi Medikal Görüntü İşleme Sistemi üzerinden kendi görüntülerini yükleyerek modeli deneyebilirler.

🖥️ Frontend (Kullanıcı Arayüzü)

  • Model Seçimi → DeepLabV3+ mimarisi, MobilNetV3 Large tabanlı olarak kullanılmıştır.
  • Veri İşleme → Görüntülerin ön işlenmesi ve etiketlenmesi için PreİmagProc.ipynb dosyası oluşturulmuştur.
  • Eğitim ve Test → Modelin eğitim ve test süreçleri deeplabv3TrainingandTest.ipynb dosyasında yürütülmektedir.
  • Model Ağırlıkları → Eğitilmiş model ağırlıkları deeplabv3_model_fp16.pth dosyasında saklanmaktadır.
  • Görsel ve Etiketler → images ve labels klasörleri, eğitim ve test için kullanılan görüntü ve etiketleri içermektedir.
  • Canlı Test Ortamı → Proje, İnönü Üniversitesi Medikal Görüntü İşleme Sistemi üzerinden test edilebilir.

📊 Web Sitesi Üzerinde Karaciğer Segmentasyonuna Ulaşma Sonuçları Listeleme

  • Bu karaciğer segmentasyonu projesine ana sayfadan, Dahiliye-Organlar sekmesine giderek sonda bulunan KARACİĞER görseline tıklayarak ulaşabilirsiniz.
  • Karşınıza Dosya seçme ekranı ve işleme gönderme ekranı çıkacaktır.
  • Bu ekrandan dosyanızı seçip (Önerilen 512x512 boyutları) gönderin.
  • Ardından etiketli görsele ulaşabilmek için Menübar'da yer alan SONUÇLAR sayfasına gidip etiketli karaciğer görüntünüzü görebilirsiniz.

🗺️ Medikal İnönü Web Uygulaması

  • Website → Bu projenin canlıya alınmasında biyomedikal mühendisliği öğrencileri aracılığı ile yapılmıştır.
  • Bu arkadaşlarımız sayesinde bizim bu segmentasyon projelerimiz Medikal İnönü sitesinde listelenmiştir

📡 Veri Kaynakları

🌍 Açık Kaynak & Katkıda Bulun

Bu proje açık kaynaklıdır ve GitHub üzerinde bulunmaktadır. Katkıda bulunmak veya geri bildirimde bulunmak isterseniz, lütfen GitHub reposunu ziyaret edin veya benimle iletişime geçin.

GitHub Logo GitHub Repo LinkedIn Logo LinkedIn Profilim