AI-assisted medical image analysis and healthcare system integration
| dc.authorid | 0000-0003-0261-4404 | |
| dc.contributor.author | Akarçeşme, Furkan | |
| dc.contributor.author | Özcan, Halenur | |
| dc.contributor.author | Horata, Şerife Zülal | |
| dc.contributor.author | Edar, Yiğit | |
| dc.contributor.author | Gözüaçık, Necip | |
| dc.date.accessioned | 2025-12-03T06:50:24Z | |
| dc.date.available | 2025-12-03T06:50:24Z | |
| dc.date.issued | 2025 | |
| dc.department | Fakülteler, Mühendislik ve Doğa Bilimleri Fakültesi, Yazılım Mühendisliği Bölümü | |
| dc.description.abstract | The integration of artificial intelligence (AI) in medical image analysis and healthcare systems is transforming modern medicine by enhancing diagnostic accuracy and reducing the burden on healthcare providers. Previous studies have demonstrated the potential of AI in medical imaging, yet there remains a need for comprehensive systems that seamlessly integrate Al-driven analysis with user-friendly healthcare platforms. This research aims to address this gap by developing a web-based health management system that facilitates online appointment scheduling and AI-assisted analysis of medical images and laboratory results. Utilizing a hybrid architecture, the system employs .NET for orchestration, Python microservices for data processing, and OpenAI's GPT for natural language interaction. The study involved testing the system with simulated data, achieving over 92% accuracy in radiological image analysis, and receiving positive feedback from users regarding its interface and functionality. These findings suggest that the system not only enhances diagnostic processes but also improves patient engagement and decision-making. The research contributes to the field by offering a novel, integrated platform that bridges the gap between technical data and patient understanding, with implications for future developments in digital health solutions. The system's design and successful implementation highlight its potential for real-world application, paving the way for further validation with clinical data and expansion into mobile platforms. | |
| dc.description.abstract | Yapay zekanın tıbbi görüntü analizi ve sağlık sistemlerine entegrasyonu, modern tıbbı dönüştürerek tanı doğruluğunu artırmakta ve sağlık hizmeti sağlayıcılarının üzerindeki yükü azaltmaktadır. Önceki çalışmalar, yapay zekanın tıbbi görüntülemede sahip olduğu potansiyeli ortaya koymuştur; ancak, yapay zeka destekli analizlerin kullanıcı dostu ve sağlık platformlarına sorunsuz biçimde entegrasyonunu içeren kapsamlı sistemlere olan ihtiyaç hâlâ devam etmektedir. Bu araştırma, bu doğrultuda yeni bir yaklaşım sunarak, hasta randevu planlamasını ve tıbbi görüntülerin ve laboratuvar sonuçlarının yapay zeka destekli analizlerini mümkün kılan web tabanlı bir sağlık yönetim sistemi geliştirmektedir. Hibrit bir mimari kullanan sistem; orkestrasyon için .Net, veri işleme için Python mikro hizmetleri ve doğal dil etkileşimi için OpenAI’ın GPT modelini kullanmaktadır. Çalışma kapsamında sistem, simüle edilmiş bir hasta veri seti üzerinde test edilmiş; sağladığı görüntü analizinde %92’nin üzerinde doğruluk oranı elde edilmiş ve kullanıcı arayüzü memnuniyet değerlendirmelerinde yüksek geri bildirimler almıştır. Bu bulgular, sistemin yalnızca tanı destek süreçlerini iyileştirmekle kalmayıp, hasta katılımını ve karar alma süreçlerini de geliştirdiğini göstermektedir. Araştırma, tıbbi görüntü analizi ile sağlık hizmeti akışını buluştuğu kapsamlı, yenilikçi ve entegre bir platform sunarak dijital sağlık ekosistemleri için önemli bir katkı sağlamaktadır. Sistemin özellikleri ve başarımı uygulaması, gerçek dünya klinik ortamlarında kullanılmak üzere gelecekteki çalışmalara yön vermekte olup, klinik verilerle yapılacak ileri düzey entegrasyonlar ve mobil platformlara genişletme için bir temel oluşturmaktadır. | |
| dc.identifier.citation | Akarçeşme, F., Özcan, H., Horata, Ş. Z., Edar, Y., & Gözüaçık, N. (2025). AI-assisted medical image analysis and healthcare system integration. 10th International Conference on Computer Science and Engineering (UBMK), https://doi.org/10.1109/UBMK67458.2025.11207027 | |
| dc.identifier.doi | 10.1109/UBMK67458.2025.11207027 | |
| dc.identifier.isbn | 9798331599751 | |
| dc.identifier.uri | https://doi.org/10.1109/UBMK67458.2025.11207027 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.13055/1207 | |
| dc.institutionauthor | Akarçeşme, Furkan | |
| dc.institutionauthor | Özcan, Halenur | |
| dc.institutionauthor | Horata, Şerife Zülal | |
| dc.institutionauthor | Edar, Yiğit | |
| dc.institutionauthor | Gözüaçık, Necip | |
| dc.institutionauthorid | 0000-0003-0261-4404 | |
| dc.language.iso | en | |
| dc.publisher | IEEE | |
| dc.relation.ispartof | 10th International Conference on Computer Science and Engineering (UBMK) | |
| dc.relation.publicationcategory | Konferans Öğesi - Ulusal - Kurum Öğretim Elemanı | |
| dc.rights | info:eu-repo/semantics/closedAccess | |
| dc.subject | Deep Learning | |
| dc.subject | Digital Health Service | |
| dc.subject | Healthcare System Integration | |
| dc.subject | Image Processing | |
| dc.subject | Medical Image Analysis | |
| dc.subject | Derin Öğrenme | |
| dc.subject | Dijital Sağlık Hizmeti | |
| dc.subject | Sağlık Sistemi Entegrasyonu | |
| dc.subject | Görüntü İşleme | |
| dc.subject | Tıbbi Görüntü Analizi | |
| dc.title | AI-assisted medical image analysis and healthcare system integration | |
| dc.title.alternative | Yapay zeka destekli tıbbi görüntü analizi ve sağlık sistemi entegrasyonu | |
| dc.type | Conference Object | |
| dspace.entity.type | Publication |
