Takım İsmi

⚡ AI Takım 83 ⚡

Takım Üyeleri

	İsim	Rol	GitHub
	Esra Cesur	Product Owner, Developer
	İclal Karahisar	Scrum Master
	Atakan Emir Çaldağ	Developer
	Emir Can İpsalalı	Developer

---

Ürün İsmi: 🩻 MedScan AI - Medical Imaging Analysis Suite

---

Ürün Linki:

🔗 Tıklanabilir bağlantı:
MedScan AI - Hugging Face Spaces

📎 Fiziksel bağlantı:
https://huggingface.co/spaces/esracesur/Radiology-Ai-Workbench

---

Ürün Açıklaması

Bu proje, radyolojik görüntüler üzerinden hastalık sınıflandırması ve dental anomali bölgelerini otomatik olarak tespit eden, ardından bulgularını doğrudan tıbbi rapora dönüştüren entegre bir yapay zeka destekli tanı ve karar destek sistemidir. Sistem, göğüs X-ray, kemik kırığı ve göz hastalıkları için sınıflandırma analizi yaparken, dental X-ray görüntülerinde anomali bölgelerini tespit ederek doktorların dikkatini kritik alanlara yöneltir.

Modelin tespit ettiği bulgular otomatik olarak raporlanacak ve manuel raporlama ihtiyacını ortadan kaldırarak zaman tasarrufu ve rapor standardizasyonu sağlanacaktır. Ayrıca, LLM tabanlı bir asistan (Gemini), doktorlara alternatif teşhis olasılıkları, hasta yönlendirmeleri ve tedavi seçenekleri hakkında ikinci görüş sunarak karar alma süreçlerine yardımcı olacaktır. Bu sistem, doktorun nihai kararını destekleyen, ikinci görüş sunan bir araç olarak konumlandırılmıştır.

Ürün Özellikleri

🩻 MedScan AI - Medical Imaging Analysis Suite

🫁 Göğüs X-Ray Analizi

• 4-Sınıf CNN Modeli: Normal, COVID-19, Pneumonia, Tuberculosis
• Sınıflandırma: Hastalık türü belirleme
• Görüntü Filtreleri: Original, Negative, Green Channel, CLAHE

---

🦴 Kemik Kırığı Tespiti

• 2-Aşamalı Sistem:
  • Aşama 1: Binary Classification (Fractured / Not Fractured)
  • Aşama 2: Multi-class Fracture Typing
• 10 Kırık Türü:
  • Avulsion, Comminuted, Fracture Dislocation, Greenstick, Hairline,
    Impacted, Longitudinal, Oblique, Pathological, Spiral
• Sınıflandırma: Kırık varlığı ve türü belirleme

---

🦷 Dental X-Ray Analizi

• YOLOv8 Object Detection:
  • Cavities, Fillings, Impacted_Teeth, Implants
• Bounding Box Visualization: Anomali bölgelerinin işaretlenmesi
• Çoklu Tespit: Tek görüntüde birden fazla dental problemin konumsal tespiti
• Anomali Lokalizasyonu: Dental sorunların görüntü üzerinde gösterimi

---

👁️‍🗨️ Göz Fundus Analizi

• 5-Sınıf EfficientNetB3 Modeli:
  • ARMD, Cataract, Diabetic Retinopathy, Glaucoma, Normal
• Sınıflandırma: Retinal hastalık türü belirleme

---

🤖 Gemini AI Entegrasyonu

• Medical Assistant: Analiz sonuçlarına dair etkileşimli soru-cevap
• Contextual Analysis: Bulguların tıbbi olarak yorumlanması
• Treatment Recommendations: Tedavi ve yönlendirme önerileri

---

🧑‍💻 Gelişmiş Kullanıcı Arayüzü

• Otomatik Rapor Üretimi: Tıbbi analiz sonrası otomatik metin oluşturma
• Zoom & Pan: 0.5x – 3x görsellerde yakınlaştırma ve kaydırma desteği
• Responsive Design: Mobil ve masaüstü uyumlu arayüz
• Login: Doktor girişi ve oturum yönetimi
• PDF Export: Otomatik raporların PDF formatında dışa aktarımı

Ana Hedefler:

• Otomatik Hastalık Sınıflandırma: Radyolojik görüntülerdeki hastalık tanılarının başarıyla gerçekleştirilmesi
• Otomatik Anomali Tespiti: Radyolojik görüntülerdeki hastalıkla ilişkili bölgeleri otomatik olarak tespit etme
• Görsel Rehberlik: Tespit edilen bölgelerin görüntüler üzerinde görselleştirilmesi ile kritik bulgulara dikkat çekme
• Akıllı Raporlama: Tespitleri anlamlı ve detaylı tıbbi raporlara dönüştürme
• Standardizasyon: Raporlama süreçlerinde tutarlılık ve şeffaflık sağlama
• Karar Desteği: LLM yardımı ile alternative teşhis olasılıkları ve tedavi önerilerinde ikinci görüş sağlama

Not: Sistem nihai karar verici değil, doktor kontrolünde çalışan bir yardımcı araçtır.

Hedef Kitle:

Birincil Kullanıcılar:

• Radyolog Doktorlar: Görüntüleri okuyup yorumlayan, tanı koyan ve rapor yazan uzman doktorlar
• Radyoloji Asistanları: Uzmanlık eğitimi alan, görüntü yorumlama deneyimi kazanmak isteyen genç radyolog doktorlar

İkincil Kullanıcılar:

• Ortopedistler ve Diğer Branş Doktorları: Kendi alanlarındaki görüntülemelerde detaylı analiz isteyen uzmanlar
• Acil Tıp Doktorları: Radyolog yokluğunda acil durumlarda hızlı ön değerlendirme yapmak zorunda kalan klinisyenler

Kurumsal Kullanıcılar:

• Devlet Hastaneleri
• Özel Hastaneler

Eğitim ve Araştırma:

• Tıp Fakülteleri
• Araştırmacılar

---

Neden Bu Platforma İhtiyaç Var?

• Artan İş Yükü ve Zaman Kısıtlılığı
• İnsan Hatası Riski
• Standardizasyon Eksikliği

---

Product Backlog URL

AI Takım 83 Trello Backlog Board

---

Sprint Yol Haritası

Sprint 1

Sprint Notları

Sprint süresince yapılması planlanan görevler backlog içerisine tanımlanmıştır.
Projenin temel yapısı oluşturulmuştur.

---

Sprint Puanları

• Toplam Backlog Puanı: 340 puan
• Sprint 1 Hedefi: 100 puan

Sprint 1 içeriği:

• Altyapı kurulumu
• Veri toplama
• İlk model eğitimi
• İlk arayüz tasarımı

---

🗣 Daily Scrum

Günlük scrum toplantılarımız WhatsApp grubu üzerinden yazılı olarak gerçekleştirilmiştir.
Her gün ekip üyeleri tarafından:

• Bir önceki gün yapılan işler
• O gün planlanan görevler
• Karşılaşılan engeller veya ihtiyaç duyulan destekler

belirli bir formatla gruba aktarılmıştır.

🗂 Günlük konuşma kayıtları:
📄 daily.pdf

---

Sprint Board

---

Ürün Durumu (Ekran Görüntüleri)

---

Sprint Review

• Göğüs X-ray verileri başarıyla toplanmış ve analiz edilmiştir.
• Veriler üzerinde, hastalıklı ve sağlıklı etiketlerine göre bir ikili (binary) sınıflandırma modeli geliştirilmiştir.
• Hastalıklı olarak etiketlenmiş veriler üzerinde çok sınıflı (multi-class) sınıflandırma modeli bulunmuştur.
• Görselleştirme ve anomali işaretleme bir sonraki sprint'e ertelendi.
• Raporlama için Gemini entegrasyonu planlandı fakat henüz başlatılmadı. Prompt yapıları Sprint 2’ye aktarılmıştır.
• Sistem, ileride farklı vücut bölgelerini analiz edebilecek şekilde genişletilebilir.
• Web sitesine yönelik genel bir kullanıcı arayüzü tasarımı gerçekleştirildi.

Sprint Review Katılımcıları:

• Esra Cesur
• İclal Karahisar
• Atakan Emir Çaldağ
• Emir Can İpsalalı

---

Sprint Retrospective

• Toplantı zamanları belirlendi.
• Takım içi görev dağılımları yapıldı.

Sprint 2

Sprint Notları

Sprint 2 kapsamında model geliştirme çalışmaları devam ettirilmiş, görselleştirme ve göğüs X-ray görüntülerinin sınıflandırılması yapılmıştır.
Ayrıca, sistemin hem frontend hem de backend tarafında geliştirme çalışmaları gerçekleştirilmiştir.

---

Sprint Puanları

• Toplam Backlog Puanı: 340 puan
• Sprint 2 Hedefi: 120 puan

Sprint 2 içeriği:

• Ana modellerin eğitimi
• Görselleştirme çıktılarının alınması
• LLM destekli raporlama sistemine başlangıç
• Frontend ve backend geliştirmeleri

---

🗣 Daily Scrum

Günlük scrum toplantılarımız WhatsApp grubu üzerinden yazılı olarak gerçekleştirilmiştir.

🗂 Günlük konuşma kayıtları:
📄 daily2.pdf

---

Sprint Board

---

Ürün Durumu (Ekran Görüntüleri)

---

Sprint Review

• Göğüs X-ray verileri sınıflandırılarak analiz edilmiştir.
• Görselleştirme çıktıları başarıyla alınmış ve yorumlanmıştır.
• LLM entegrasyonu başlatılmıştır (rapor üretimi için prompt çalışmaları yapılmıştır).
• Hastalıklı olarak etiketlenmiş veriler üzerinde çok sınıflı (multi-class) sınıflandırma modeli eğitilmiştir.
• Raporlama sistemine yönelik prototipleme süreci başlatılmıştır.

Sprint Review Katılımcıları:

• Esra Cesur
• İclal Karahisar
• Atakan Emir Çaldağ
• Emir Can İpsalalı

---

Sprint Retrospective

• Görselleştirme çıktıları, model doğruluğuyla tutarlı şekilde başarılı sonuçlar verdi.
• Bir sonraki sprintte sistem entegrasyonu ve demo yayınına ağırlık verilecek.

Sprint 3

Sprint Notları

Sprint 3’te, sistemin tamamı entegre edilerek canlıya alınmıştır. Model çeşitliliği artırılmış, kullanıcı arayüzü zenginleştirilmiş, LLM destekli teşhis ve raporlama sistemi tamamlanmıştır. Proje son haline ulaşmış ve Hugging Face Spaces platformu üzerinde yayınlanmıştır.

---

Sprint Puanları

• Toplam Backlog Puanı: 340 puan
• Sprint 3 Hedefi: 120 puan

Sprint 3 içeriği:

• Entegre sistem
• LLM destekli öneri ve teşhis
• Web arayüzü ve kullanıcı deneyimi
• Docker paketleme & canlı demo

---

Daily Scrum

Günlük scrum toplantılarımız yine WhatsApp grubu üzerinden yazılı olarak gerçekleştirilmiştir. Günlük konuşma kayıtları:
📄 daily3.pdf

📋 Sprint Board

Ürün Durumu (Ekran Görüntüleri)

---

📍 Giriş Arayüzü Ekranları

Login Sayfası	Request Access	Forgot Password

---

📍 Göğüs X-Ray Sınıflandırma Sonucu:

Tahmin Öncesi	Tahmin Sonrası

---

📍 Goz Hastaliklari Siniflandirma Sonucu:

Tahmin Öncesi	Tahmin Sonrası

---

📍 Diş Görüntüsü Anomali Görselleştirmesi:

Tahmin Öncesi	Tahmin Sonrası

---

📍 Kemik Sınıflandırma Sonucu:

Tahmin Öncesi	Tahmin Sonrası

---

📍 Otomatik Rapor Oluşturma Çıktıları:

Göğüs Sınıflandırma Raporu	Kemik Sınıflandırma Raporu	Göz Sınıflandırma Raporu	Diş Anomali Raporu

---

Sprint Review

Model Geliştirme ve Entegrasyon

• Önceki sprintteki 14-class model, doğruluk düşüklüğü sebebiyle 4-class CNN modeli ile değiştirildi.
• Kemik kırığı tespiti iki aşamalı hale getirildi:
  1. Kırık / Kırık Değil tespiti (CNN)
  2. Kırık ise 10-class kırık türü sınıflandırması
• Göz (fundus) görselleri için 5-class EfficientNetB3 modeli eklendi.
• Diş X-ray görüntülerinde 4-class YOLO ile anomali tespiti ve bounding box görselleştirmesi entegre edildi.

Web Uygulaması ve UX Geliştirmeleri

• Her model için özel HTML sayfaları hazırlandı.
• Kullanıcı deneyimini iyileştirmek için:
  • Zoom in/out
  • Model sayfaları arası gezinti (Navbar)
  • Logout
  • Mobil uyum destekleri eklendi.
• Görsel filtreleme araçları entegre edildi:
  • X-Ray: Negative, Green Channel, CLAHE
  • Fundus: Damar belirginleştirici efektler

LLM Entegrasyonu ve Akıllı Raporlama

• Gemini 1.5 LLM entegrasyonu ile:
  • Alternatif teşhis
  • Tedavi önerileri
  • Hasta yönlendirmeleri sağlandı.
• Kullanıcılar için Sık Sorulan Sorular butonları entegre edildi.
• Her model çıktısı sonrası otomatik PDF raporu oluşturulması sağlandı.

Kullanıcı Yönetimi

• Kullanıcı giriş sayfası aktif hale getirildi.
• Demo giriş butonları eklendi.
• “Request Access” ve “Forgot Password” sayfaları yönlendirmeleriyle birlikte tamamlandı.

Canlı Yayın ve Dağıtım

• Docker dosyası hazırlanarak sistem paketlendi.
• Uygulama, Hugging Face Spaces platformunda yayına alındı.

---

Sprint Review Katılımcıları:

• Esra Cesur
• İclal Karahisar
• Atakan Emir Çaldağ
• Emir Can İpsalalı

---

Sprint Retrospective

• Üç sprint sonunda sistem MVP seviyesini geçmiş ve kullanılabilir, entegre bir platform haline gelmiştir.
• LLM entegrasyonu ve çoklu model desteği sayesinde sistem klinik karar destek aracı olarak işlevsel hale gelmiştir.
• Ekip içi iş birliği, görev dağılımı ve iletişim süreçleri başarıyla yürütülmüştür.
• Tüm ekip video sunumunu izledi ve birbirini tebrik ederek süreci tamamladı.

Canlı Uygulama: Hugging Face Spaces

Uygulama, daha geniş kullanıcı kitlesinin test edebilmesi amacıyla Hugging Face üzerinde canlıya alınmıştır. Hugging Face Spaces üzerinde tüm özellikleriyle yayınlanmıştır ve herkese açıktır.

🔗 Website Linki: MedScan AI - Hugging Face Spaces

---

🚀 Uygulama Kullanımı ve Yayın Ortamı

Proje, gerçek kullanıcı deneyimini iyileştirmek ve kullanımı daha pratik hale getirmek amacıyla, gerçek hayatta birebir karşılığı olmayan "kart numarası" ve "hastane ID" gibi giriş alanları sistemden kaldırılarak sadeleştirilmiştir.
Bu sadeleştirme sayesinde kullanıcıların sistemi keşfetmesi, test etmesi ve öğrenmesi kolaylaştırılmıştır. Modelin yuklenmesi basarisiz olmasi durumunda gemini ai ile model analiz edilip, sistemi korumaya alinmistir.

Uygulama halen geliştirilmeye devam etmekte olup; eksik yönleri giderilerek işlevselliği artırılacaktır.

🔗 Canlı Uygulama Adresi:
http://34.78.167.90:8000

🔐 Test Hesapları:

Rol	TC Kimlik No	Şifre
Admin	12345678901	admin123
Doktor	98765432109	doctor123

📍 Canlı Demo (in Development)

Giriş Sekmesi	Göğüs X-Ray Görüntüleme ve Raporlama

---

Uygulama Tanıtım Videosu

Tıklayarak YouTube üzerinden uygulamayı detaylıca izleyebilirsiniz.

Kullanılan Teknolojiler

Backend

• Framework: Flask v2.3.3
• AI/ML Kütüphaneleri:
  • TensorFlow v2.13.0
  • PyTorch v2.0.1
• Görüntü İşleme:
  • OpenCV
  • Ultralytics YOLOv8
• LLM Entegrasyonu: Google Gemini AI

Frontend

• Template Engine: Jinja2 + modern CSS
• JavaScript: Vanilla JS (ES6+)
• PDF Oluşturma: html2pdf.js ile PDF çıktısı
• Responsive Tasarım: Mobil öncelikli (mobile-first) yaklaşım

Yayınlama & Ortam

• Platform: Hugging Face Spaces (Online)
• Konteynerleştirme: Docker uyumlu yapı
• Çalışma Ortamı: Python v3.9+
• Bağımlılıklar: Optimize edilmiş requirements.txt