Yapay zeka destekli web tabanlı basınç yarası evrelendirme sistemi

Bu tez, derin öğrenme tabanlı görüntü sınıflandırma yöntemlerini kullanarak, basınç yaralarının tanımlanması sürecinde sağlık sektörüne yönelik bir web tabanlı uygulama geliştirmeyi amaçlamaktadır. Bu doğrultuda, kullanıcıların, basınç yaralarının farklı evrelerini doğru bir şekilde tanımlayabilecekleri ve bu sürecin yapay zekâ destekli sınıflandırma sonuçlarını görebileceği bir Vue.js tabanlı web uygulaması tasarlanmıştır. Ayrıca, farklı derin öğrenme modelleri (InceptionV3, ResNet50, DenseNet121 gibi) kullanarak yapılan görüntü sınıflandırma işlemlerinin performansları incelenmiştir. Modellerin doğruluk, precision, recall, ve F1 skoru gibi metrikler ile karşılaştırılması yapılmıştır. Bu modeller, basınç yaralarını dört evreye ayırarak, her evre için doğru sınıflandırma yapabilme yetenekleri üzerinden değerlendirilmiştir. Vue.js ve TensorFlow.js gibi teknolojilerle web ortamına entegre edilen derin öğrenme modeli sayesinde, kullanıcıların gerçek zamanlı olarak basınç yarası görsellerini yükleyip, yapay zekâ desteğiyle doğru sınıflandırmalar alması sağlanmıştır. Web uygulaması, kullanıcı dostu arayüz ve mobil uyumlu tasarım ile, sağlık profesyonellerinin hastalarını değerlendirme süreçlerine destek sağlamayı hedeflemektedir. Vue.js framework'ü kullanılarak geliştirilen uygulama, responsive tasarım prensiplerine dayanmakta ve hastalar ile sağlık çalışanları için pratik çözümler sunmaktadır. Ayrıca, uygulama, basınç yarası görsellerinin yüklenmesi, sınıflandırma sonuçlarının görselleştirilmesi, geçmiş sonuçların saklanması gibi temel işlevleri yerine getirebilmektedir. Tezde ayrıca, kullanıcı geri bildirimlerine dayalı uygulama kullanılabilirliği testleri gerçekleştirilmiş, uygulamanın doğruluk oranı yüksek modeller ile güvenli ve etkili Bir şekilde çalıştığı tespit edilmiştir. Yapay zekâ modellerinin klinik ortamlarda kullanımının güvenli ve şeffaf hale getirilmesi için de önerilerde bulunulmuştur. Bu sistemin, sağlık profesyonellerinin kararlarını destekleyerek, klinik süreçlerin iyileştirilmesi ve hastaların daha hızlı ve doğru bir şekilde değerlendirilmesi noktasında katkı sağlaması beklenmektedir. Sonuç olarak, derin öğrenme tabanlı modellerin sağlık hizmetlerinde kullanılabilirliği ve Vue.js ile yapılan web uygulaması geliştirme süreçlerinin birleşimi, dijital sağlık teknolojileri alanında önemli bir gelişme olup, bu alandaki teknolojik ilerlemelerin hastane ortamlarında daha hızlı uygulanabilirliğine olanak tanıyacaktır.