Etkinliğin Amacı

Yapay zekâ yöntemlerinin biyomedikal sinyaller ve tıbbi görüntülerle bütünleştirilmesi; hastalıklarla ilişkili örüntülerin erken evrede belirlenmesi, veriye dayalı karar destek sistemlerinin geliştirilmesi ve kişiselleştirilmiş sağlık teknolojilerinin oluşturulması açısından önemli fırsatlar sunmaktadır. Güncel çalışmalar, yapay zekâ destekli görüntüleme sistemlerinin görüntü iyileştirme, sınıflandırma, segmentasyon, anormallik tespiti ve karar desteği gibi görevlerde kullanılabildiğini; ancak bu sistemlerin klinik kullanıma aktarılabilmesi için açıklanabilirlik, standartlaştırılmış doğrulama ve insan uzmanlığıyla bütünleşme gerektirdiğini göstermektedir (Oulmalme vd., 2025; Wadie vd., 2026).

Güvenilir bir akıllı tanı sisteminin geliştirilebilmesi yalnızca algoritma bilgisine bağlı değildir. Biyolojik sistemlerin özelliklerinin anlaşılması, ölçülecek fizyolojik parametreye uygun sensörün seçilmesi, verinin doğru biçimde elde edilmesi, sinyal kalitesinin korunması, anlamlı özelliklerin çıkarılması ve model sonuçlarının bilimsel ölçütlerle değerlendirilmesi gerekmektedir. Makine öğrenmesiyle bütünleştirilen biyomedikal sensörlerin, fizyolojik ölçümlerin izlenmesi ve sağlık verilerinden anlamlı göstergelerin elde edilmesi açısından giderek önem kazandığı bildirilmektedir (Gu vd., 2026; Zhao vd., 2026).

Bu etkinliğin temel amacı; katılımcılara biyolojik ve fizyolojik süreçlerin ölçülmesinden başlayarak elde edilen sinyal ve görüntülerin yapay zekâ yöntemleriyle analiz edilmesine kadar uzanan akıllı tanı teknolojisi geliştirme sürecine ilişkin disiplinler arası, bütünleşik ve uygulama odaklı bilgi ve beceri kazandırmaktır.

Etkinliğin birinci gününde akıllı tanı sistemlerinin temel bileşenleri, biyomedikal ölçümden yapay zekâ modeline uzanan veri akışı, biyolojik sistemlerin biyofiziksel özellikleri, biyomedikal sensörler ve sağlık verilerinin kayıpsız biçimde iletilmesi ele alınacaktır. Ayrıca elektromanyetik alanların biyolojik dokularla etkileşimi, RF tabanlı görüntüleme ve rezonatör yapılı mikrodalga sensörlerin sağlık uygulamaları incelenecektir. Gün sonunda katılımcılar, belirlenen bir fizyolojik parametre için sensör, örnekleme, sinyal koşullandırma, veri toplama ve veri aktarım bileşenlerini içeren örnek bir biyomedikal ölçüm sistemi tasarlayacaktır.

Etkinliğin ikinci gününde fizyolojik zaman serilerinin analizi, zaman ve frekans alanında özellik çıkarımı, biyomedikal veriler üzerinde derin öğrenme modeli geliştirme ve diş patoloji görüntülerinin bilgisayar destekli analizi ele alınacaktır. Güncel sistematik derlemeler, derin öğrenme ve üretken yapay zekâ yaklaşımlarının tıbbi görüntülerde gürültü azaltma, çözünürlük artırma, görüntü kalitesini iyileştirme ve tanısal bilginin korunması bakımından önemli potansiyel taşıdığını göstermektedir (Oulmalme vd., 2025). Bununla birlikte güvenilir uygulamalar için model doğrulama, açıklanabilirlik ve gerçek yaşam verileriyle değerlendirme gereksinimi devam etmektedir (Wadie vd., 2026). Program kapsamında fNIRS teknolojisinin çalışma prensibi, nörovasküler eşleşme, HbO ve HbR konsantrasyon değişimlerinin ölçülmesi, hareket artefaktları ile fizyolojik gürültülerin giderilmesi, özellik çıkarımı ve makine öğrenmesiyle sınıflandırma süreçleri öğretilecektir. Güncel sistematik derleme ve meta analizler, fNIRS verilerinin makine öğrenmesiyle birlikte kullanılmasının nesnel sınıflandırma bakımından umut verici olduğunu; ancak standart veri toplama, analiz, dış doğrulama ve model açıklanabilirliği gerektirdiğini ortaya koymaktadır (De Giacomo vd., 2026; Li vd., 2026). Etkinlikte ayrıca titreşim tabanlı biyomedikal ölçüm ve PEMF sistemlerine yönelik uygulamalar gerçekleştirilecektir. Titreşim uygulamasında kontrollü uyarım, ivmeölçerle veri toplama, gürültü giderme, Hızlı Fourier Dönüşümü ve baskın frekans, genlik, rezonans ile sönümleme özelliklerinin çıkarılması ele alınacaktır. PEMF uygulamalarında ise mikrodenetleyici, sürücü devresi, güç kaynağı ve bobinden oluşan sistem incelenecek; darbe parametreleri belirlenecek ve oluşturulan manyetik alanın şiddeti ile uzamsal dağılımı ölçülecektir.

Eğitim sonunda katılımcıların sağlık problemine uygun biyomedikal sensör ve ölçüm yöntemini seçebilmesi; ölçüm sistemini oluşturan sensör, örnekleme, sinyal koşullandırma ve veri toplama bileşenlerini belirleyebilmesi; fizyolojik sinyal ve tıbbi görüntüleri analize hazırlayabilmesi; zaman ve frekans alanında özellik çıkarabilmesi; fNIRS, titreşim, RF, mikrodalga ve PEMF sistemlerinin biyomedikal kullanım ilkelerini açıklayabilmesi; biyomedikal veriye uygun yapay zekâ yöntemini seçebilmesi ve ölçüm, veri işleme ile yapay zekâ bileşenlerini bütünleştiren örnek bir akıllı tanı sistemi kurgulayabilmesi hedeflenmektedir.

Etkinliğin Kapsamı

Etkinlik; biyomedikal ölçüm, sensör teknolojileri, fizyolojik sinyal ve tıbbi görüntü analizi ile yapay zekâ tabanlı akıllı tanı uygulamalarını kapsayan, iki gün ve toplam 20 ders saatinden oluşan disiplinler arası bir bilimsel eğitim programıdır. Program; mühendislik, bilgisayar bilimleri, yapay zekâ, sağlık bilimleri alanlarında öğrenim gören lisans ve lisansüstü öğrenciler, genç araştırmacılar, akademisyenler ve Ar-Ge personeline yönelik olarak hazırlanmıştır.

Etkinliğin birinci gününde akıllı tanı sistemlerinin temel bileşenleri, biyolojik sistemlerin biyofiziksel özellikleri, biyomedikal sensörler, veri toplama sistemleri ve sağlık problemlerine uygun yapay zekâ modeli geliştirme süreçleri ele alınacaktır. Biyomedikal verinin ölçülmesi, sayısallaştırılması, işlenmesi ve yapay zekâ modeline hazırlanması bütünleşik bir veri akışı içerisinde değerlendirilecektir. Bu yaklaşım, akıllı tanı sistemlerinde kullanılan verinin niteliğinin sensör seçimi, ölçüm koşulları ve veri işleme süreçleriyle doğrudan ilişkili olduğu kabulüne dayanmaktadır. Program kapsamında ayrıca biyoelektromanyetik ölçüm, RF görüntüleme ve rezonatör yapılı mikrodalga sensörlerin sağlık alanındaki kullanım olanakları incelenecektir. Mikrodalga sensörlerin biyolojik örneklerin elektriksel özelliklerindeki değişimleri temassız ve düşük örnek hacimleriyle belirleme potansiyeli taşıdığı güncel çalışmalarda gösterilmektedir (Piekarz vd., 2024). Katılımcıların farklı fiziksel algılama yöntemlerini çalışma ilkeleri, ölçüm güvenilirliği ve biyomedikal uygulanabilirlik açısından karşılaştırmaları sağlanacaktır.

Etkinliğin ikinci gününde fizyolojik zaman serilerinin analizi, zaman ve frekans alanında özellik çıkarımı, derin öğrenme ve tıbbi görüntülerin bilgisayar destekli değerlendirilmesi konuları işlenecektir. Biyomedikal zaman serilerinin farklı örnekleme yapıları, sınırlı etiketli veri, bireyler arası değişkenlik ve veri dengesizliği gibi özellikleri, bu veriler için geliştirilecek yapay zekâ modellerinde özel yöntemlerin kullanılmasını gerektirmektedir (Li vd., 2024). Fizyolojik sinyaller üzerinde gerçekleştirilen güncel araştırmalar da veri ön işleme, özellik çıkarımı, model seçimi ve doğrulama aşamalarının sınıflandırma performansı üzerindeki önemini göstermektedir (Neifar vd., 2025; Jin vd., 2025). Programda fNIRS ile beyin hemodinamik yanıtının ölçülmesi, HbO ve HbR sinyallerinin elde edilmesi, hareket artefaktları ile fizyolojik gürültülerin giderilmesi ve elde edilen özelliklerin makine öğrenmesiyle değerlendirilmesi ele alınacaktır. fNIRS ve makine öğrenmesinin birlikte kullanımına ilişkin çalışmalar, bu yaklaşımın klinik grupların sınıflandırılması bakımından önemli bir araştırma alanı olduğunu; ancak standartlaştırılmış ölçüm ve analiz protokollerine ihtiyaç duyulduğunu göstermektedir (Eken vd., 2024). Titreşim tabanlı biyomedikal ölçüm uygulamasında biyolojik dokuların mekanik özelliklerinin kontrollü titreşim ve sensör verileri aracılığıyla değerlendirilmesi ele alınacaktır. Katılımcılar, örnek titreşim verilerinden zaman ve frekans alanı özelliklerinin çıkarılması ve bu özelliklerin makine öğrenmesiyle sınıflandırılmasına yönelik temel süreci inceleyecektir. PEMF uygulamalarında sistemin elektronik bileşenleri, sinyal parametreleri, alan ölçümü, teknik uygulanabilirlik, tekrarlanabilirlik ve güvenlik konuları üzerinde durulacaktır. Güncel çalışmalar, PEMF etkilerinin frekans, alan şiddeti, dalga biçimi ve uygulama süresi gibi parametrelere bağlı olduğunu ve bu nedenle uygulama protokollerinin ölçülebilir ve tekrarlanabilir biçimde tanımlanması gerektiğini göstermektedir (Zahumenska vd., 2024; Picelli vd., 2024). Etkinlikte PEMF bir tedavi yöntemi olarak uygulanmayacak, yalnızca mühendislik sistemi tasarımı ve deneysel alan ölçümü kapsamında incelenecektir.

Etkinlik; teorik anlatım, bilimsel tartışma, örnek olay incelemesi, veri analizi, problem çözme ve sistem tasarımı yöntemleriyle yürütülecektir. İnsan veya hasta üzerinde klinik tanı ya da tedavi uygulaması yapılmayacak; uygulamalar fantom modeller, anonim örnek veriler ve mühendislik düzenekleriyle sınırlandırılacaktır.