Dersin Ayrıntıları

Yarıyıl	Kodu	Adı	T+U+L	Kredi	AKTS
4	TGT276	Sağlıkta Dijital Teknolojiler	3+0+0	3	4

Dersin Detayları

Dersin Dili	Türkçe
Dersin Düzeyi	Ön Lisans
Bölümü / Programı	Tıbbi Görüntüleme Teknikleri
Öğrenim Türü	Örgün Öğretim
Dersin Türü	Zorunlu
Dersin Amacı	Bu dersin amacı, tıbbi görüntüleme sistemlerinde kullanılan makine öğrenmesi ve görüntü rekonstrüksiyon ile görüntü işleme yöntemlerini kavratmak ve tıbbi görüntüler üzerinde uygulama yapma becerisi kazandırmaktır.
Dersin İçeriği	Tıbbi görüntüleme sistemlerinde (BT, MRG, PET, ultrason gibi) görüntü oluşumu sürecini ve bu sistemlerde makine öğrenmesi teknikleriyle nasıl görüntü işleme yapılabileceğini öğretir.
Dersin Yöntem ve Teknikleri	Yüz yüze
Ön Koşulları	Yok
Dersin Koordinatörü	Yok
Dersi Verenler	Doç.Dr. İzzet Paruğ DURU
Dersin Yardımcıları	Yok
Dersin Staj Durumu	Yok

Ders Kaynakları

Kaynaklar	Sayısal Görüntü İşleme, Rafael C. Gonzalez,Richard E. Woods, 3. Baskı, Aralık 2013, Palme Yayıncılık. Tıbbi Görüntüleme Matematiği, Timothy G. Feeman, Springer. Tıbbi Görüntü İşleme Uygulamaları İçin Evrişimsel Sinir Ağları, Şaban Öztürk, CRC Press.
	1- Sayısal Görüntü İşleme, Rafael C. Gonzalez,Richard E. Woods, 3. Baskı, Aralık 2013, Palme Yayıncılık. 2-Tıbbi Görüntüleme Matematiği, Timothy G. Feeman, Springer. 3-Tıbbi Görüntü İşleme Uygulamaları İçin Evrişimsel Sinir Ağları, Şaban Öztürk, CRC Press

Ders Yapısı

Planlanan Öğrenme Aktiviteleri ve Metodları

Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri

AKTS Hesaplama İçeriği

Etkinlik	Sayısı	Süre	Toplam İş Yükü (Saat)
Ders Süresi	14	3	42
Sınıf Dışı Ç. Süresi	14	3	42
Ödevler	2	6	12
Ara Sınavlar	1	2	2
Yarıyıl Sonu Sınavı	1	5	5
Toplam İş Yükü			AKTS Kredisi : 4 103

Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:

Sıra No	Açıklama
1	Tıbbi görüntüleme sistemlerinin işleyişini ve veri akışını anlayabilecek.
2	Görüntü işleme algoritmalarını ve makine öğrenme tekniklerini tıbbi görüntüler üzerinde uygulayabilecek.
3	Tıbbi görüntülerde veri ön işleme, segmentasyon ve sınıflandırma becerileri kazanacak.
4	Sağlık alanında yapay zeka uygulamaları geliştirmek için etik sorumlulukları kavrayabilecek.
5	Convolutional Neural Networks (CNN) ve derin öğrenme yöntemleri ile hastalık tespiti yapabilecek.

Ders Konuları

Hafta	Konu	Ön Hazırlık	Dökümanlar
1	Tıbbi görüntüleme sistemlerinin genel tanıtımı (BT, MRG, PET, Ultrason)
2	Görüntü işleme temel prensipleri: Filtreleme, segmentasyon, kenar tespiti
3	Makine öğrenme algoritmalarının tıbbi görüntülemede kullanımı
4	Convolutional Neural Networks (CNN) ile görüntü sınıflandırma
5	Derin öğrenme yöntemleri
6	Tıbbi görüntülerde veri artırma teknikleri
7	Tıbbi görüntüler için özellik çıkarımı ve boyut indirgeme
8	Zaman serisi görüntü analizleri: Fonksiyonel MRG (fMRI)
9	Tıbbi görüntülemede yapay zeka tabanlı karar destek sistemleri
10	Tıbbi Görüntülemede Etik ve Veri Güvenliği
11	Mamografi Uygulamaları
12	Bilgisayarlı Tomografi (BT) Uygulamaları
13	Manyetik Rezonans Görüntüleme (MRG) Uygulamaları
14	Manyetik Rezonans Görüntüleme (MRG) Uygulamaları

Dersin Program Çıktılarına Katkısı

Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

https://obs.gedik.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=239120&curProgID=80&lang=tr