Dental AI: Lezyon Tespitinde Derin Öğrenme

Bazen bir projenin başlangıcı ile sonu arasında sadece kod satırları değil, bir dönüşüm hikayesi yatar.

Bugün sizlerle özel bir haberi paylaşmak istiyorum: Elsevier bünyesinde yayınlanan akademik makalemiz artık erişime açık. Ancak bu yazıda sadece makaleyi tanıtmak değil, arkasındaki yolculuğu anlatmak istiyorum.

Aylar Süren Veri Toplama

Her yapay zeka projesinin temeli veridir. Bizim için bu, panoramik dental röntgenler üzerinde lezyon ve kron ilişkilerini işaretlemek anlamına geliyordu. Aylarca süren bu süreçte, Buse Çebi Gül ve diğer değerli akademisyenlerle sayısız toplantı yaptık. Her görüntü üzerinde uzun tartışmalar, annotation kararları ve standartlaştırma çalışmaları...

Bu aşama bana bir şeyi net olarak öğretti: Makine öğrenmesinde verinin kalitesi, modelin başarısını doğrudan belirliyor.

YOLOv5'ten YOLO11'e: Bir Öğrenme Serüveni

Projeye başladığımda deneyimim benzer bir YOLOv5 projesiyle sınırlıydı. Şimdi geriye baktığımda ne kadar yol kat ettiğimi görüyorum. Bu süreçte:

• YOLO11 mimarisini derinlemesine öğrendim

• U-Net ve DeepLab V3 gibi segmentasyon modellerini keşfettim

• Model karşılaştırma ve değerlendirme metodolojilerini uyguladım

• Akademik yazım standartlarını deneyimledim

Profesyonellerle Çalışmanın Değeri

Bu proje bana teknik bilginin ötesinde çok şey kattı. İşinde uzman akademisyenlerle sürekli iletişimde kalmak, toplantılarda fikir alışverişi yapmak ve eleştirileri yapıcı şekilde değerlendirmek... Tüm bunlar iş anlayışımı bir adım öteye taşıdı.

Artık sadece kod yazan biri değilim. Bilimsel bir problem tanımlayabilen, veri toplayabilen, model eğitebilen ve bulgularını akademik standartlarda sunabilen bir araştırmacı olma yolunda ilerliyorum.

Sonuç

Bu makale benim için bir son değil, bir başlangıç. Akademi ve bilim dünyasına katkıda bulunabilmenin kapılarını araladı. Bundan sonra daha başarılı modeller eğitmeye, daha etkili araştırmalar yapmaya devam edeceğim.

Makaleye erişmek için: https://authors.elsevier.com/c/1mIU355rY~IPV