Bilgi Paketi / Ders Kataloğu
Radyolojide Yapay Zeka Uygulamaları
Ders Kodu: TG011
Ders Türü: Bölüm Seçmeli
Ders Grubu: Önlisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 2
Uyg.: 0
Kredi: 2
Laboratuvar: 0
AKTS: 3
Amaç

Bu ders, öğrencilere radyolojide yapay zekanın temellerini öğretmeyi ve bu teknolojiyi tıbbi görüntüleme süreçlerinde nasıl uygulandığını göstermeyi amaçlamaktadır.

Özet İçerik

Bu ders, öğrencilere radyolojide yapay zeka ve makine öğrenmesi tekniklerinin temel kavramlarını sunar. Medikal görüntüleme alanında yapay zekanın nasıl uygulandığını örneklerle ele alır ve öğrencilere bu teknolojileri kullanarak tıbbi görüntülerin işlenmesi ve analiz edilmesi konularını gösterir. Ayrıca, yapay zeka uygulamalarının etik ve yasal boyutlarına da değinerek, öğrencilerin bu alanda bilinçli ve sorumlu olmalarını hedefler.

Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğr. Üyesi Halit KIZILET
Öğrenme Çıktıları
1.Öğrenciler, yapay zeka ve makine öğrenmesi kavramlarını anlayacak ve bu teknolojilerin radyoloji alanındaki temel uygulamalarını kavrayacaklar.
2.Görüntüleme teknikleri ve yapay zeka kullanıldığı görüntü işleme, sınıflandırma ve analiz yöntemlerini öğrenecekler.
3.Çeşitli tıbbi görüntüleme tekniklerinin gerçek hasta ve görüntüleme problemlerine ilişkin çözümlerini öğrenecekler.
4.Yapay zeka ve radyoloji alanındaki güncel gelişmeleri kavrayacaklar.
5.Yapay zeka uygulamalarının tıbbi görüntüleme alanındaki etik ve yasal sınırlarını anlayacaklar.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Tıbbi Görüntü Analizi için Derin Öğrenme, 2023, S. Kevin Zhou, Hayit Greenspan, Dinggang Shen
2.Onkoloji, Tıbbi Fizik ve Radyolojide Makine ve Derin Öğrenme, 2022, Issam El Naqa, Martin J. Murphy
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Yapay zeka ve makine öğrenmesinin temel kavramları
2. Hafta - Teorik
Yapay Zeka Tarihçesi ve Temelleri
3. Hafta - Teorik
Radyoloji ve yapay zekanın kesişim noktaları
4. Hafta - Teorik
Dijital görüntü işleme temelleri
5. Hafta - Teorik
Görüntü segmentasyonu, sınıflandırma ve özellik çıkarma
6. Hafta - Teorik
Öğrenci projelerinin planlaması
7. Hafta - Teorik
Tıbbi görüntü analizinde kullanılan derin öğrenme modelleri
8. Hafta - Teorik
Öğrenci projelerinin tanıtımı
9. Hafta - Teorik
Yapay zeka uygulamalarında etik ve yasal konular
10. Hafta - Teorik
Yapay zeka ve görüntü işleme için kullanılan yazılımlar ve araçlar
11. Hafta - Teorik
Yapay zekanın klinik ortamda uygulanması
12. Hafta - Teorik
Yapay zeka alanındaki güncel araştırmalar ve gelişmeler
13. Hafta - Teorik
Radyolojide yapay zekanın geleceği
14. Hafta - Teorik
Çeşitli radyolojik görüntüler üzerinden vaka çalışmaları
Değerlendirme
Değerlendirme TürüAdetYüzde
Ara Sınav (Vize)1%40
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders142256
Ara Sınav1819
Dönem Sonu Sınavı19110
TOPLAM İŞ YÜKÜ (Saat)75
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
PÇ-12
PÇ-13
PÇ-14
PÇ-15
PÇ-16
PÇ-17
PÇ-18
PÇ-19
PÇ-20
OÇ-1
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-2
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-3
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-4
5
5
5
5
5
5
5
5
5
5
5
5
OÇ-5
5
5
5
5
5
5
5
5
5
5
5
5
5
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026