BIST529 Makine Öğrenmesi ve Görüntü İşleme

6 AKTS - 2-2 Süre (T+U)- . Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Birim SAĞLIK BİLİMLERİ ENSTİTÜSÜ
BİYOİSTATİSTİK (YL) (TEZSİZ) (İÖ)
Kod BIST529
Ad Makine Öğrenmesi ve Görüntü İşleme
Dönem 2025-2026 Eğitim-Öğretim Yılı
Dönem Bahar
Süre (T+U) 2-2 (T-U) (17 Hafta)
AKTS 6 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil Türkçe
Seviye Lisansüstü Dersi
Tür Normal
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Doç. Dr. İLKER ÜNAL
Dersin Öğretim Elemanı
Güncel dönem ders programı henüz yapılmamıştır.


Dersin Amacı / Hedefi

Bu dersin amacı, öğrencilerin sağlık alanında kullanılan temel makine öğrenmesi ve görüntü işleme yöntemlerini tanımalarını, bu yöntemlerin hangi problemlerde kullanılabileceğini anlamalarını ve elde edilen sonuçları klinik karar destek bakış açısıyla yorumlayabilmelerini sağlamaktır.

Dersin İçeriği

Bu ders kapsamında sağlık alanında kullanılan makine öğrenmesi yaklaşımları ve görüntü işleme teknikleri ele alınır. Denetimli ve denetimsiz öğrenme, özellik çıkarımı, model eğitimi ve doğrulama, performans ölçütleri; tıbbi görüntüleme verileri (radyoloji, patoloji, dermatoloji vb.) üzerinde ön işleme, segmentasyon, sınıflandırma ve temel derin öğrenme kavramları incelenir. Uygulamalar, sağlık alanına özgü örnek veri setleri üzerinden yapılır; sonuçların klinik bağlamda yorumlanmasına odaklanılır.

Dersin Ön Koşulu

Ön koşul yoktur. (Temel istatistik ve bilgisayar kullanımı bilgisi önerilir.)

Kaynaklar

James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning with applications in R.

Notlar

Güncel makine öğrenmesi ve tıbbi görüntüleme makaleleri


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Sağlık alanında kullanılan makine öğrenmesi ve görüntü işleme kavramlarını açıklar.
ÖÇ02 Denetimli ve denetimsiz öğrenme yaklaşımlarını ayırt eder.
ÖÇ03 Tıbbi görüntülerde temel ön işleme ve özellik çıkarımı adımlarını uygular.
ÖÇ04 Basit makine öğrenmesi modelleri ile sınıflandırma/segmentasyon uygulamaları yapar.
ÖÇ05 Model performansını uygun ölçütlerle değerlendirir.
ÖÇ06 Makine öğrenmesi sonuçlarını klinik bağlamda yorumlar.
ÖÇ07 Sağlık verileriyle çalışırken etik, gizlilik ve veri güvenliği ilkelerini gözetir.


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal Sağlık bilimlerinde kullanılan temel biyoistatistik, olasılık ve demografik kavramları açıklar.
PÖÇ02 Bilgi - Kuramsal, Olgusal Sağlık araştırmalarında kullanılan araştırma tasarımlarını, örnekleme yöntemlerini ve veri türlerini tanımlar.
PÖÇ03 Bilgi - Kuramsal, Olgusal Sağlık alanında karar verme süreçlerinde kullanılan istatistiksel yaklaşımların temelini açıklar. 2
PÖÇ04 Bilgi - Kuramsal, Olgusal Sağlık bilimlerinde kullanılan regresyon ve modelleme ve ileri istatistiksel yöntemlerin temel mantığını açıklar.
PÖÇ05 Beceriler - Bilişsel, Uygulamalı Sağlık araştırmalarından elde edilen verileri uygun istatistiksel yöntemlerle analiz eder ve yorumlar. 3
PÖÇ06 Beceriler - Bilişsel, Uygulamalı İstatistiksel paket programları kullanarak analiz yapar ve çıktı üretir. 2
PÖÇ07 Beceriler - Bilişsel, Uygulamalı Veri bilimi, yapay zeka ve makine öğrenmesi uygulamalarını temel düzeyde uygular. 5
PÖÇ08 Beceriler - Bilişsel, Uygulamalı Çoklu regresyon ve sağkalım analizlerini klinik bağlamda değerlendirir.
PÖÇ09 Beceriler - Bilişsel, Uygulamalı Genetik ve biyomedikal verileri temel analiz yaklaşımlarıyla değerlendirir.
PÖÇ10 Beceriler - Bilişsel, Uygulamalı Ölçek geliştirme, geçerlik ve güvenirlik analizlerini uygular.
PÖÇ11 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Dönem projesi kapsamında veri analizi ve raporlama yapar.
PÖÇ12 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Örnekleme süreçlerini uygular ve yönetir.
PÖÇ13 Yetkinlikler - Öğrenme Yetkinliği Bilimsel çalışmaları istatistiksel açıdan eleştirel olarak değerlendirir. 1
PÖÇ14 Yetkinlikler - İletişim ve Sosyal Yetkinlik Analiz sonuçlarını etik ilkelere uygun şekilde sunar. 2
PÖÇ15 Yetkinlikler - Alana Özgü Yetkinlik Epidemiyoloji ve sağlık istatistiklerine ilişkin temel kavramları klinik ve saha uygulamalarına aktarır. 3


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Ders tanıtımı; sağlıkta makine öğrenmesine giriş Okuma Öğretim Yöntemleri:
Anlatım
2 Makine öğrenmesi türleri ve temel kavramlar Okuma Öğretim Yöntemleri:
Anlatım
3 Veri hazırlama ve özellik çıkarımı Okuma Öğretim Yöntemleri:
Anlatım
4 Denetimli öğrenme: sınıflandırma Okuma Öğretim Yöntemleri:
Anlatım
5 Denetimsiz öğrenme: kümeleme Okuma Öğretim Yöntemleri:
Anlatım
6 Model eğitimi ve doğrulama Okuma Öğretim Yöntemleri:
Anlatım
7 Performans ölçütleri Okuma Öğretim Yöntemleri:
Anlatım
8 Ara Sınavlar Ölçme Yöntemleri:
Sözlü Sınav
9 Tıbbi görüntüleme verilerine giriş Okuma Öğretim Yöntemleri:
Anlatım
10 Görüntü ön işleme teknikleri Okuma Öğretim Yöntemleri:
Anlatım, Tartışma
11 Görüntü segmentasyonu Okuma Öğretim Yöntemleri:
Anlatım
12 Temel derin öğrenme yaklaşımları Okuma Öğretim Yöntemleri:
Anlatım
13 Sağlık alanı uygulama örnekleri I Okuma Öğretim Yöntemleri:
Anlatım, Tartışma, Soru-Cevap
14 Sağlık alanı uygulama örnekleri II Okuma Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Tartışma
15 Genel tekrar ve uygulama değerlendirmesi Okuma Öğretim Yöntemleri:
Soru-Cevap, Tartışma
16 Yarıyıl Sonu Sınavları Ölçme Yöntemleri:
Proje / Tasarım, Ödev
17 Yarıyıl Sonu Sınavları Ölçme Yöntemleri:
Ödev, Proje / Tasarım


Öğrenci İş Yükü - AKTS

Çalışmalar Sayısı Süresi (Saat) İş Yükü (Saat)
Ders ile İlgili Çalışmalar
Ders (Sınav haftaları dahil değildir) 14 4 56
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) 14 4 56
Değerlendirmeler ile İlgili Çalışmalar
Ödev, Proje, Diğer 1 15 15
Ara Sınavlar (Yazılı, Sözlü, vs.) 1 15 15
Yarıyıl/Yıl Sonu/Final Sınavı 1 15 15
Toplam İş Yükü (Saat) 157
Toplam İş Yükü / 25 (s) 6,28
AKTS 6 AKTS

Güncelleme Zamanı: 12.01.2026 05:00