suedaknl

{
  "Ogrenci": "Süeda Kanlı",
  "Ogrenci_No": "241478058",
  "Yok_tez": "553421",
  "Think": "### Tıbbi Görüntülemede Yapay Zeka: MR Görüntüleri Üzerinden Beyin Tümörü Segmentasyonu
  **Seçilen Tez:** 553421 numaralı, 'Derin Öğrenme Yöntemleri ile Manyetik Rezonans Görüntülerinde Beyin Tümörü Bölütlemesi ve Sınıflandırılması' başlıklı tez analiz edilmiştir.
  **Analiz:**İncelenen tezde, MR (Manyetik Rezonans) görüntülerindeki tümörlü dokuların sağlıklı dokudan ayırt edilmesi (segmentasyon) ve tümör tipinin belirlenmesi hedeflenmektedir. 
  Bu süreç, radyologların tümör hacmini hesaplamasına ve tedavi planlamasına yardımcı olan kritik bir aşamadır.
  **Seçilen Yapay Zeka Görevi:**Tezde hedeflenen gösterimler içinden, açık veri setleriyle modellenebilir olan 
  **'Semantik Segmentasyon (Semantic Segmentation)'** görevi seçilmiştir. Bu görev, görüntüdeki her bir pikselin 'tümör' veya 'sağlıklı doku' olarak etiketlenmesini içerir.

suedaknl

{
  "Ogrenci": "Süeda Kanlı",
  "Ogrenci_No": "241478058",
  "Yok_tez": "534128",
  "Think": "### Tıp Alanında Yapay Zeka Analizi ve Uygulama Fikri
  **Seçilen Tez:** Derin Öğrenme Yöntemleri ile Kas İskelet Sistemi Grafilerinde Anomali Tespiti
  **Analiz:**\nYÖK Tez veri tabanında yapılan incelemede, radyolojik görüntülerin otonom analizi üzerine yoğunlaşıldığı görülmüştür. 
  Bu tez, özellikle acil servislerdeki iş yükünü azaltmak adına kas-iskelet sistemi röntgenlerinde (X-Ray) kırık veya anomali tespitine odaklanmaktadır.
  **Neden Bu Tez?** **Açık Veriseti:** Stanford Üniversitesi tarafından sağlanan **MURA (Musculoskeletal Radiographs)** veri seti bu alanda halka açıktır.
  **Colab Uyumluluğu:** Python, TensorFlow/Keras veya PyTorch kütüphaneleri kullanılarak Evrişimli Sinir Ağları (CNN) mimarisi (DenseNet169 gibi) Google Colab üzerinde GPU desteğiyle hızlıca eğitilebilir ve sonuçlar görselleştirilebilir.