Günümüz Yapay Zeka Yöntemlerinin Medikal Alanda Kullanımı Her Geçen Gün Artmakta Ve Gelişmektedir. Medikal Alandaki Yapay Zeka Çalışmaları Sayesinde, Hastaların Tanı, Teşhis Ve Raporlanması Gibi Bir Dizi Aşamada, Hastalara Daha Etkili Sağlık Hizmeti Sunulmasını Sağlamak Amacıyla Uzmanları Destekleyen Karar Destek Sistemleri Geliştirilmektedir. Otomatik Karar Destek Sistemleri Geliştirilmektedir. Otomatik Karar Destek Sistemleri Medikal Verilerin Hızlı Analiz Edilebilmesi, Tıbbi Teşhis Süreçlerinin İyileştirilmesi, Hastaların Erken Teşhisi Ve Tedavi Planlarının Optimize Edilmesi İçin Önemli Bir Adımdır. Kanser Tanısı, Teşhisi Ve Taramalarında Da Radyolojik Görüntülerden Genetik Bilgilere Kadar Geniş Bir Yelpazede Medikal Veriler Yapay Zeka Teknikleri İle Hızlı Ve Etkin Bir Şekilde Analiz Edilebilmektedir. Dünya Sağlık Örgütünün Yaptığı Açıklamaya Göre 2020 Yılında Dünya Çapında 2,3 Milyon Kadına Meme Kanseri Teşhisi Konmuş Ve 685.000 Ölüm Yaşanmıştır. Ayrıca 2015-2020 Yılları Arasında Meme Kanseri Teşhisi Konup Hayatta Kalan 7,8 Milyon Kadın Vardır. Bu Da Meme Kanserini Dünyanın En Yaygın Kanseri Haline Getirmektedir. Kanser Vakalarında Erken Teşhis, Tedavi Başarısını Arttırarak, Hayatta Kalma Oranlarını Yükseltmektedir. Mamografi, Meme Kanserini Erken Aşamalarda Tespit Etmek İçin Kullanılan En Etkili Yöntemlerden Biridir. Bu Çalışma, Mamografi Görüntülerinin Yapay Zekanın Alt Dalı Olan Derin Öğrenme Yöntemleriyle Analizi Yapılarak Meme Dokusundaki Potansiyel Anormalitelerin Tespiti Üzerine Odaklanmaktadır. Aynı Zamanda, Mamografi Radyoloji Raporlarından Varlık İsmi Çıkarımı İçin Yapay Zeka Tabanlı İsimlendirilmiş Varlık Tespiti(Named Entity Recognition/Ner) Teknikleri Kullanılarak Rapordaki Önemli Bilgilerin Belirlenmesine Olanak Sağlamaktadır. Literatürdeki Çalışmalar İncelendiğinde Yolo(You Only Look Once), Retinanet, Mask R-Cnn(Mask Region-Based Convolutional Neural Network), Faster-Cnn(Faster Region-Basede Convolutional Neural Network) Ve Ssd(Single Shot Multibox Detector) Derin Öğrenme Mimarilerinin Nesne Tespitinde Sıklıkla Kullanılan Yöntemler Olduğu Görülmektedir. Projenin Kitle Ve Kalsifikasyon Tespiti Aşamasında Literatürde En Güncel Ve Hesaplama Maliyeti-Başarısı Kıyaslamasında Öncü Nesne Tespiti Modelleri Olan Yolo, Detr Ve Retinanet Mimarileri İle Çalışılacaktır. Seçilen Mimarilerde Yolo, Gerçek Zamanlı Uygulamalarda Yüksek Performans Özelliği İle Öne Çıkmaktadır. Tek Bir Geçiş İle Tüm Görüntüyü Analiz Etmesi, Nesnelerin Hızlı Bir Şekilde Tespitini Sağlamaktadır. Detr, Görüntüyü Yamala Bölerek Ve Konum Bilgilerini Kodlayarak, Görüntüdeki Nesnelerin Sınıflarını Ve Sınırlayıcı Kutularını Tahmin Eder. Model Geleneksel Cnn Modellerine Göre Daha Basit, Esnek Ve Verimli Bir Modeldir. Retinanet İse Küçük Nesneleri Tespit Etme Özelliği İle Öne Çıkmaktadır. Diğer Modellerden Farklı Olarak Yapısında Nesne Önerilerini Oluşturmak Ve Sınıflandırmak İçin Bir Öneri Ağı Bulunmaktadır. Ayrıca Fokal Kayıp Adı Verilen Bir Kayıp Fonksiyonu Kullanarak, Arka Plan Ve Ön Plan Nesneleri Arasındaki Dengesizliği Gidererek Yüksek Doğruluk Sağlamaktadır. Çalışmada Kullanılacak Ana Mimari Açık Kaynaklı Veri Setlerinden Alınacak Olan Mamografi Görüntülerinin Analizi Sonucu Elde Edilecek Performans/Maliyet Oranına Göre Belirlenecektir. Literatürdeki Derin Öğrenme Yöntemi İle Yapılan Metin İşleme Çalışmaları İncelendiğinde Bert(Bidirectional Encoder Representations From Transformers), Roberta(Robustly Optimized Bert Approach), Gpt-3 (Generative Pre-Trained Transformer 3), Bart(Born Again Reinforced Transformer) Mimarilerinin Sıklıkla Kullanıldıkları Görülmektedir. Çalışmanın Mamografi Radyoloji Raporlarından Varlık İsmi Çıkarımı Aşamasında Metinden Bilgi Çıkarma Ve Sınıflandırma Başarılarından Dolayı Bert Ve Roberta Mimarileri Üzerinde Çalışılacaktır. Bert, Büyük Bir Dil Modeli Üzerinde Eğitilmiş Ve Kelime Bağlamını Anlamak İçin Biçimlendirilmiştir. Bu Özelliği, Medikal Radyoloji Raporlarının Doğru Bir Şekilde Çıkarılmasını Sağlamaktadır. Roberta Tekrarlanan Maskelere İhtiyaç Duymadan Daha İyi Bir Token Gömme Ve Daha Tutarlı Bir Genelleme Sağlamaktadır. Bu Sayede Medikal Radyoloji Raporlarının Anlamı Otomatik Olarak Daha İyi Analiz Edilerek Önemli Bilgiler Çıkarılmaktadır. Çalışmada Kullanılacak Ana Metin İşleme Mimarisi Yarışmada Sağlanacak Veri Setinde Yapılacak Çalışların Analizi Sonucu Elde Edilecek Performans/Maliyet Oranına Göre Belirlenecektir.\R\N
