Halit Kılıç
TR EN

Vaka çalışması · Web uygulaması

NeuroVista

MR görüntülerinde beyin tümörünü bölütleyen ve yanılabileceği vakaları işaretleyen üç model.

3B bir MR görüntüsünde beyin tümörünü elle bölütlemek yavaş; ne zaman yanıldığını göstermeyen otomatik bir modele de güvenmek zor.

NeuroVista üç mimariyi tek protokolle eğitip birleştiriyor. 126 vakalık kilitli test setinde ensemble %91,6 Dice skoruna ulaşıyor; modeller arası uyum skoru da gerçek etiketi görmeden başarısız vakaları ayırıyor.

  • %91,6 126 kilitli test vakasında ensemble Dice skoru
  • 3 mimari, tek protokolle eğitildi
  • 300+ harici doğrulamada başka kurumlardan hasta
  • 0,84 başarısız vakaları bulmada uyum skorunun AUROC değeri
Yıl
2026
Rol
Tek geliştirici
Ekip
Doç. Dr. Onur İnan danışmanlığında, Selçuk Üniversitesi
Kullanılanlar
  • Python
  • PyTorch
  • MONAI
  • FastAPI
  • OpenVINO
  • pytest
Bağlantılar
NeuroVista'nın giriş sayfası: “MR verisini anlaşılır klinik karar desteğine dönüştürün” başlığı, iç ve harici Dice skorları ve parlayan bir 3B form.

01

Zorluk

Bir tümörün üç alt bölgesi (nekroz, ödem ve aktif tümör) dört MR sekansında birden ayrılmalı. Kendi hastanesinin verisinde iyi sonuç veren bir model, başka bir hastanede dağılabilir ve hangi vakada olacağı önceden bilinmez.

İkinci zorluk dürüstlüktü. Üç model, çok sayıda ayar ve tek veri setiyle, test setinde en iyi görüneni seçmek çok kolay. Değerlendirmeyi bunun mümkün olmayacağı şekilde kurmak gerekiyordu.

Kısıtlar

  • Eğitim verisi yalnızca BraTS 2021, 1.251 vaka; 1.000 / 125 / 126 olarak bölündü
  • Dizüstü bilgisayarın ekran kartında (RTX 3050) geliştirildi ve ölçüldü

02

Benim payım

  1. 3D U-Net, SwinUNETR ve MedNeXt-S modellerini aynı veri akışı, bütçe ve kayıpla sıfırdan eğittim.

  2. Uyum skorunu tasarladım: üç modelin maskeleri arasındaki ortalama ikili Dice.

  3. Değerlendirme protokolünü yazdım: sabit tohum, SHA-256 ile kilitli test listesi ve sonuçlardan önce yazılmış kurallar.

  4. FastAPI web çalışma istasyonunu ve masaüstü uygulamasını (CustomTkinter ve PyVista) 3B yüzey, NIfTI dışa aktarımı ve PDF raporlarıyla geliştirdim.

  5. GPU’suz bilgisayarlar için OpenVINO çıkarımını ekledim; testler, kod denetimi ve CI de kurdum.

  6. Sonuçları bir konferans makalesi taslağına dönüştürdüm.

Analiz konsolu; aynı MR kesiti sekiz kez gösteriliyor: ensemble maskesi, orijinal görüntü, model uyum haritası, tümör olasılığı, gerçek etiket ve üç modelin her biri.
Çalışma istasyonu üç modeli, aralarındaki uyumu ve ensemble’ı yan yana koyuyor.

03

Temel kararlar

  1. Üç model için aynı protokol

    Seçim
    Her mimari için aynı veri akışı, 80 epoch, DiceCE kaybı ve kosinüs öğrenme oranlı AdamW.
    Neden
    Karşılaştırma, yalnızca mimari farklıysa adildir. Eşit ve yeterli bütçeyle yeniden eğitim tek başına yaklaşık bir Dice puanı kazandırdı.

  2. Test setini görmeden kuralları kilitle

    Seçim
    Ensemble yöntemi, test zamanı ayna artırması ve temizleme eşiği yalnızca validation’da seçildi ve önce yazıldı.
    Neden
    Test seti tam bir kez kullanıldı; bu yüzden son rakamlar ayarlanmış olamaz.

  3. Güven değeri yerine uyum skoru

    Seçim
    Bağımsız modeller arasındaki uyumsuzluk, gerçek etiket gerekmeden güvenilmez vakaları işaretliyor.
    Neden
    Tek bir modelin kendisi hakkındaki kanısına bağlı olmayan bir uyarı istedim. Skor, iç testte 0,84, harici kohortlarda 0,98’e kadar AUROC ile başarısız vakaları ayırdı; ama doğrulanmış bir klinik ölçü değil, deneysel bir göstergedir.

04

Sonuçlar

İç test setinde ensemble hasta başına ortalama 0,916 Dice veriyor; en iyi tekil modelin yaklaşık 0,2 puan önünde, küçük ama istatistiksel olarak açık bir kazanç. Protokol v2 ile yeniden eğitim, önceki modellerin her birini yaklaşık bir puan iyileştirdi.

Başka kurumların verisinde başarım düşüyor: BraTS-Africa’da (Nijerya) 0,84, UTSW’de (ABD) 0,78; ikincisindeki farkın bir kısmı kontrast tutmayan tümörün farklı etiketlenmesinden geliyor. Bu düşüşleri saklamadım, raporladım. Sistem bir prototiptir ve tanı için kullanılamaz.

  • Konferans makalesi taslağı hazır; henüz gönderilmedi.
  • Tek vakada çıkarım, dizüstü ekran kartında uçtan uca yaklaşık 6,5 saniye sürüyor.
Bölütlenen tümör alt bölgelerinin beynin içinde yüzey olarak çizildiği 3B sahne.
Tümör alt bölgeleri 3B yüzey olarak.

Buna benzer bir problemin mi var?

Ne üzerinde çalıştığını anlat, sana dönüş yapayım.

kilichalit103@gmail.com
Sonraki vaka çalışması Moodica Danışanı doğru psikolog ya da psikiyatristle eşleştiren online terapi platformu.