Çevik K. K. (Yürütücü), Kuduz H., Güntekin Ü.
Yükseköğretim Kurumları Destekli Proje, BAP Araştırma Projesi, 2026 - 2027
-
Proje Türü:
Yükseköğretim Kurumları Destekli Proje
-
Destek Programı:
BAP Araştırma Projesi
-
Başlama Tarihi:
Haziran 2026
-
Bitiş Tarihi:
Haziran 2027
Proje Özeti
Küresel ölüm oranlarında ilk sırada yer alan koroner arter hastalığı (KAH), anatomik yapıların karmaşıklığı ve lezyon boyutlarının küçüklüğü nedeniyle klinik değerlendirmede önemli zorluklar yaratmaktadır. İnvaziv koroner anjiyografi (İKA) görüntülerinde koroner darlığın (stenoz) hassas tespiti, manuel yöntemlerde gözlemciye bağlı değişkenlik gösterebilmektedir. Önerilen bu projede, İKA görüntülerinde koroner arter darlığı segmentasyonunun doğruluğunu ve genelleştirme yeteneklerini artırmak amacıyla, geleneksel Konvolüsyonel Sinir Ağı (CNN) mimarileri ile yenilikçi Transformer tabanlı omurga ağlarını (Backbone) entegre eden derin öğrenme modellerinin kapsamlı bir değerlendirmesi yapılacaktır. Proje kapsamında modellerin klinik ortamlara uyum potansiyelini ölçmek için dört farklı veri dağılım senaryosu (TS1: Rastgele, TS2: Hasta-içi, TS3: Alt gruplar arası, TS4: Hastalar arası) kurgulanacaktır. Özellikle literatürde sıkça göz ardı edilen 'görülmemiş hasta' (inter-patient) senaryosu üzerinde durularak, Transformer tabanlı Mask R-CNN (Swin Transformer) ve U-Net (MiT-B5) gibi modellerin genelleme başarımı analiz edilecektir. Çalışmanın sonucunda, yapay zeka; tabanlı karar destek sistemlerinin klinik güvenilirliğine dair sayısal veriler ve çözüm önerileri sunulması hedeflenmektedir.