| Ders Kodu: | MTH010 | ||||
| Ders İsmi: | Sağlıkta Yapay Zeka | ||||
| Ders Yarıyılı: | Güz | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | İngilizce | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | E-Öğrenme | ||||
| Dersin Koordinatörü: | Prof. Dr. INDRIT MYDERRİZİ | ||||
| Dersi Veren(ler): | M. BUKET DARICI | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Bu derste öğrencilere, yapay zeka, yapay zeka alt dalları ve modelleri ile sağlıkta kullanım alanları öğretilmesi hedeflenmektedir. Farklı boyut ve türlerdeki medikal verilerin öğretilmesiyle; temel görüntü işleme tekniklerine ek olarak, medikal görüntülerin ön işlenmesi tekniklerinin detaylandırılmasıyla sağlıkta yapay zeka uygulamalarının öğrenciler için daha anlaşılır hale gelmesi amaçlanmıştır. Ayrıca, yapay zeka ile sağlıkta tanı tekniklerinin incelenmesi ve tanı için kullanılan değerlendirme kriterlerinin öğrenilmesi sağlanacaktır. Ders sonunda, grup olarak hazırlamaları istenen proje ve raporla, öğrencilerden sağlıkta yapay zeka alanında basit bir uygulama geliştirebilme yeteneği kazanmaları beklenmektedir. |
| Dersin İçeriği: | Yapay Zekaya Giriş, Sağlıkta Veri Türleri, Makine Öğrenmesi ve Derin Öğrenme, Yapay Sinir Ağları, Evrişimsel Sinir Ağları, Dönüştürücüler, Öğrenme Aktarımı, Görüntü İşleme Temelleri, Medikal Görüntü İşleme Teknikleri, Karışıklık Matrisi ve Değerlendirme Kriterleri |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Yapay zeka tanımı, tarihçesi ve sağlıkta kullanım alanlarını tanımlama becerisi 2) Sağlık alanında kullanılan veri türleri hakkında bilgi sahipi olup, farklı türdeki ve boyutlardaki verileri sınıflandırma becerisi 3) Makine öğrenmesi ve derin öğrenme kavramlarını bilip, arasındaki farkı tanımlama becerisi 4) Sağlıkta tanı teknikleri ile yapay zeka ile birlikte tıpta kullanılan son teknoloji modellerin yapılarını anlamak ve bu yapılardaki önemli parametreleri kavrayıp uygulayabilme becerisi 5) Temel görüntü işleme teknikleri ile medikal görüntü işleme tekniklerini öğrenip, önemli noktaları kavrama becerisi, projelerde pratikte kullanılan bazı sağlıkta yapay zeka uygulamalarını kullanma becerisi. |
| Hafta | Konu | Ön Hazırlık |
| 1) | Giriş | |
| 2) | Yapay Zekaya Giriş | |
| 3) | Sağlıkta Veri Türleri | |
| 4) | Makine Öğrenmesi ve Derin Öğrenme | |
| 5) | Yapay Sinir Ağları | |
| 6) | Evrişimsel Sinir Ağları | |
| 7) | Evrişimsel Sinir Ağları , Dönüştürücüler | |
| 8) | Vize | |
| 9) | Öğrenme Aktarımı | |
| 10) | Görüntü İşleme Temelleri | |
| 11) | Final Projesi için Hazırlık | |
| 12) | Medikal Görüntü İşleme Teknikleri | |
| 13) | Karışıklık Matrisi ve Değerlendirme Kriterleri | |
| 14) | Final Projesi Hazırlık | |
| 15) | Proje sunumları |
| Ders Notları / Kitaplar: | - Goodfellow, Y. Bengio, and A. Courville, Deep Learning, MIT press, 2016. - Lecture notes - Aston Zhang, et.al.: Dive Into Deep Learning - Stuart Russel, Peter Norvig, Artificial Intelligence: A Modern Approach, Pearson - Shen, D., Wu, G., & Suk, H. I. (2017). Deep learning in medical image analysis. Annual review of biomedical engineering, 19(1), 221-248. |
| Diğer Kaynaklar: | - Goodfellow, Y. Bengio, and A. Courville, Deep Learning, MIT press, 2016. - Lecture notes - Aston Zhang, et.al.: Dive Into Deep Learning - Stuart Russel, Peter Norvig, Artificial Intelligence: A Modern Approach, Pearson - Shen, D., Wu, G., & Suk, H. I. (2017). Deep learning in medical image analysis. Annual review of biomedical engineering, 19(1), 221-248. |
| Ders Öğrenme Kazanımları | 1 |
2 |
3 |
4 |
5 |
|---|---|---|---|---|---|
| Program Kazanımları |
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |
| Değerlendirme Yöntemleri ve Kriterleri | Aktivite Sayısı | Katkı Payı |
| Projeler | 1 | % 20 |
| Ara Sınavlar | 1 | % 40 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | Aktiviteye Hazırlık | Aktivitede Harcanan Süre | Aktivite Gereksinimi İçin Süre | İş Yükü | ||
| Ders Saati | 13 | 4 | 52 | ||||
| Proje | 1 | 40 | 40 | ||||
| Ara Sınavlar | 1 | 20 | 20 | ||||
| Final | 1 | 20 | 20 | ||||
| Toplam İş Yükü | 132 | ||||||