Sağlık Alanında Yapay Zeka

20+4

Saat Eğitim

10+2 hafta boyunca

20~40

Katılımcı

Kişisel ilgi garantisi

10+2

Modül

Kapsamlı müfredat

1

Sertifika

Tamamlama belgesi

Kimler İçin Uygun?

Sağlık Profesyonelleri

• Radyoloji, patoloji ve klinik branşlarda çalışan hekimler
• Tıbbi görüntü analizi ve raporlama süreçlerini otomatikleştirmek isteyen uzmanlar
• Klinik karar destek sistemleri geliştirmek isteyen sağlık çalışanları
• Hasta bakım kalitesini AI ile artırmayı hedefleyen klinisyenler

Biyomedikal Mühendisler ve Araştırmacılar

• Tıbbi cihaz ve yazılım geliştiren mühendisler
• Biyomedikal sinyal işleme üzerinde çalışan araştırmacılar
• Genomik ve proteomik veri analizi yapan biyoenformatikçiler
• İlaç keşfi ve kişiselleştirilmiş tıp araştırmacıları

Sağlık Bilişimi Uzmanları

• Hastane bilgi yönetim sistemleri üzerinde çalışan IT profesyonelleri
• DICOM, HL7 FHIR standartlarıyla çalışan yazılım geliştiriciler
• Elektronik sağlık kayıtlarını yöneten sistem yöneticileri
• Sağlık verisi güvenliği ve KVKK/HIPAA uyumluluğu uzmanları

AI/ML Geliştiricileri

• Sağlık sektöründe kariyer yapmayı hedefleyen veri bilimciler
• Tıbbi AI ürünleri geliştiren startup çalışanları
• Computer vision ve NLP deneyimi olan ML mühendisleri
• FDA onaylı AI çözümleri geliştirmek isteyen yazılım mimarları

Eğitim Müfredatı

Hafta	Modül Adı	İçerik Detayları	Süre	Zorluk
1	Sağlık Bilişimi Temelleri ve Veri Standartları	• DICOM standardı ve tıbbi görüntü formatları • HL7 FHIR protokolü ve elektronik sağlık kayıtları • ICD-10, SNOMED CT ve tıbbi kodlama sistemleri • HIPAA, KVKK ve sağlık verisi güvenliği	2 saat	Temel
2	Tıbbi Görüntü İşleme ve Derin Öğrenme	• CNN mimarileri (ResNet, DenseNet, EfficientNet) • MR, BT, X-ray görüntü preprocessing teknikleri • Transfer learning ve pre-trained modeller • Data augmentation ve class imbalance çözümleri	2 saat	Temel
3	Tıbbi Görüntü Segmentasyonu	• U-Net, V-Net, 3D U-Net mimarileri • Organ ve lezyon segmentasyonu • Multi-modal görüntü füzyonu • Dice coefficient ve IoU metrikleri	2 saat	Temel
4	Patoloji ve Mikroskopi Görüntü Analizi	• Whole slide imaging (WSI) ve dijital patoloji • Hücre tespiti ve sayımı algoritmaları • Kanser derecelendirme ve sınıflandırma • Histopatolojik pattern tanıma	2 saat	Temel
5	Biyomedikal Sinyal İşleme ve Zaman Serileri	• EKG, EEG, EMG sinyal analizi • LSTM ve GRU ile aritmi tespiti • Nöbet tahmini ve uyku evresi sınıflandırması • Vital sign monitoring ve anomali tespiti	2 saat	Orta
6	Klinik NLP ve Metin Madenciliği	• Tıbbi metin preprocessing ve tokenization • Named entity recognition (NER) için BioBERT • Radyoloji raporu otomasyonu • Hasta notlarından bilgi çıkarımı	2 saat	Orta
7	Genomik ve Omik Veri Analizi	• DNA/RNA sekans analizi ve variant calling • Proteomik ve metabolomik veri işleme • Makine öğrenmesi ile biyobelirteç keşfi • Farmakogenomik ve ilaç yanıt tahmini	2 saat	Orta
8	Klinik Karar Destek Sistemleri	• Risk skorlama modelleri (mortality, readmission) • Tedavi önerisi sistemleri • İlaç-ilaç etkileşimi tahmini • Explainable AI ve klinik yorumlanabilirlik	2 saat	Orta
9	İlaç Keşfi ve Kişiselleştirilmiş Tıp	• Moleküler docking ve drug-target interaction • Graph neural networks ile molekül tasarımı • Klinik deneme hasta eşleştirme • Precision medicine ve tedavi optimizasyonu	2 saat	İleri
10	Regülasyon, Etik ve Deployment	• FDA/CE onay süreçleri ve klinik validasyon • Model bias ve fairness in healthcare • Cloud deployment ve edge computing • Continuous monitoring ve model updating	2 saat	İleri
U1	Uygulama Modülü 1 Radyoloji AI Asistanı Geliştirme	• Akciğer nodül tespiti ve COVID-19 tarama sistemi • DICOM entegrasyonu ve PACS sistemi bağlantısı • Otomatik raporlama ve klinisyen arayüzü • Performance monitoring dashboard	2 saat	İleri
U2	Uygulama Modülü 2 Klinik Risk Tahmin Platformu	• ICU mortalite ve sepsis erken uyarı sistemi • Real-time EHR veri entegrasyonu • Alert sistemi ve klinik iş akışı entegrasyonu • A/B testing ve model versiyonlama	2 saat	İleri

Öğrenme Hedefleri

Bu eğitimi tamamladığınızda kazanacağınız temel beceriler

Teknik Yetkinlikler

Tıbbi görüntülerde (MR, BT, X-ray, patoloji) derin öğrenme modelleri geliştirebilme
EKG, EEG gibi biyomedikal sinyalleri LSTM/GRU ile analiz edebilme
U-Net ve türevleri ile organ/lezyon segmentasyonu yapabilme
BioBERT ve clinical NLP ile tıbbi metinlerden bilgi çıkarabilme
Genomik/proteomik verilerde makine öğrenmesi uygulayabilme

Klinik Entegrasyon Becerileri

DICOM, HL7 FHIR standartlarında çalışan sistemler tasarlayabilme
PACS ve hastane bilgi sistemleriyle entegre çözümler geliştirebilme
FDA/CE onay süreçlerine uygun dokümantasyon hazırlayabilme
Klinik validasyon ve performans metrikleri değerlendirebilme
Real-world evidence ve klinik etki analizi yapabilme

Ürün Geliştirme ve Deployment

HIPAA/KVKK uyumlu güvenli AI sistemleri tasarlayabilme
Cloud (AWS/Azure) ve edge deployment stratejileri uygulayabilme
Explainable AI teknikleriyle klinisyen güveni sağlayabilme
Model monitoring ve continuous learning pipeline'ları kurabilme
Klinik karar destek sistemlerini production ortamına taşıyabilme

Kullanılacak Araçlar ve Gereksinimler

Eğitime katılmak için gerekli teknik altyapı ve ön bilgiler

Yazılım ve Framework'ler

Python 3.9+ ve Anaconda dağıtımı

TensorFlow 2.x ve PyTorch için CUDA 11.x desteği

Medical imaging

SimpleITK, MONAI, nibabel, pydicom

Deep learning

Keras, torchvision, segmentation_models

Bioinformatics

Biopython, scanpy, DESeq2

Clinical NLP

Hugging Face Transformers, BioBERT, scispaCy

Veri İşleme ve Görselleştirme

DICOM viewer

3D Slicer, ITK-SNAP, RadiAnt

Patoloji

QuPath, ASAP, OpenSlide

EHR tools

FHIR server, HAPI FHIR

Görselleştirme

Plotly Medical, VTK, matplotlib

Annotation

CVAT, LabelImg, md.ai

Version control

Git, DVC (Data Version Control)

Donanım Gereksinimleri

İşlemci

Intel i7/i9 veya AMD Ryzen 7/9 (3.0+ GHz)

RAM

Minimum 32 GB, önerilen 64 GB

GPU

NVIDIA RTX 3080/4080 (16+ GB VRAM) - CUDA desteği

Depolama

1 TB NVMe SSD (medical imaging için)

İşletim Sistemi

Ubuntu 20.04+ veya Windows 11 Pro

İnternet

Yüksek hızlı bağlantı (dataset indirme için)

Cloud ve Deployment Araçları

Cloud platformlar

AWS SageMaker, Azure ML, Google Healthcare API

Container

Docker, Kubernetes, NVIDIA NGC

MLOps

MLflow, Weights & Biases, TensorBoard

PACS entegrasyon

Orthanc, dcm4che

Compliance tools

HIPAA audit logs, encryption libraries

API development

FastAPI, Flask, gRPC

Eğitim Formatı

Çeşitli öğrenme yöntemleri ile desteklenen kapsamlı eğitim deneyimi

Format Seçenekleri

Esnek Eğitim Seçenekleri

Grupların ihtiyaç ve tercihlerine göre yüz yüze veya online format
Her iki formatta da aynı kalitede içerik ve destek
Hibrit katılım imkanı (bazı katılımcılar yüz yüze, bazıları online)
Kaçırılan derslerin kayıttan izlenebilmesi
Esnek haftalık program seçenekleri

Yüz Yüze Eğitim Formatı

Haftada bir gün 4 saatlik oturumlar veya haftada iki gün 2 saatlik oturumlar
Bilgisayar laboratuvarında uygulamalı çalışma imkanı
AI araçlarının projeksiyon ile canlı gösterimi
Grup içi tartışma ve beyin fırtınası seansları
Kahve molaları ile networking fırsatları
Anında soru-cevap ve birebir destek

Online (Canlı) Eğitim Formatı

Zoom, Teams veya Google Meet üzerinden canlı bağlantı
Haftada bir gün 4 saat veya haftada iki gün 2'şer saat seçenekleri
Ekran paylaşımı ile AI araçlarının canlı demonstrasyonu
Breakout room'larda küçük grup çalışmaları
Chat üzerinden anlık soru-cevap imkanı
Tüm derslerin kaydedilmesi ve 3 ay erişim

Her İki Formatta Ortak Özellikler

Öğrenme Metodolojisi

Teorik bilgi + Pratik uygulama dengesi
Her modülde gerçek dünya örnekleri ve vaka analizleri
AI araçlarıyla hands-on deneyim
Katılımcıların kendi projelerini geliştirme fırsatı
Peer learning ile karşılıklı öğrenme
Soru-cevap ve tartışma odaklı interaktif yaklaşım

Eğitim Materyalleri ve Kaynaklar

Detaylı PDF ders notları ve sunumlar
AI araçları kullanım rehberleri ve cheat sheet'ler
Video ders kayıtları ve ek eğitim videoları
Örnek prompt şablonları ve use case'ler
Güncel makale ve araştırma önerileri
Sektörel vaka analizleri ve başarı hikayeleri

Uygulama ve Projeler

Her modül sonunda mini uygulamalar
AI araçlarıyla pratik ödevler
İki büyük capstone proje
Kendi sektörünüzden gerçek problem çözümü
Grup projeleri ve sunumları
En iyi proje ödüllendirmesi

Değerlendirme ve Sertifikasyon

Modül sonları kısa quiz'ler (not için değil, öğrenme kontrolü için)
Pratik ödevlerin tamamlanma durumu takibi
Final projesi sunumu ve değerlendirmesi
Katılım sertifikası (minimum %80 devam)
Başarı sertifikası (tüm modülleri ve projeleri tamamlayanlara)
LinkedIn'de paylaşılabilir dijital rozet

Eğitim Hakkında Sorularınız mı Var?

Eğitim içeriği, kayıt süreci veya teknik gereksinimler hakkında detaylı bilgi almak için bizimle iletişime geçin. Size en uygun eğitim planını birlikte belirleyelim.

E-posta Gönder