/proje detayları
EASIEST: Web Tabanlı Eye Tracking ile AI Destekli Otizm Tanı Sistemi
Bilgisayar mühendisliği bitirme projesi olarak geliştirilen; standart bir bilgisayar kamerasından elde edilen eye-tracking verileriyle otizm taramasına destek sağlayan web tabanlı bir yapay zekâ sistemi.
EASIEST, bilgisayar mühendisliği bitirme projemdi. Projede, standart bir bilgisayar kamerasından elde edilen göz izleme verilerini kullanarak otizm taramasına destek sağlayan, web tabanlı bir yapay zekâ sistemi geliştirdim. Bu çalışmanın motivasyonu, geleneksel Otizm Spektrum Bozukluğu değerlendirme süreçlerinin zaman ve kaynak açısından maliyetli olması; ayrıca ticari göz izleme cihazlarının pahalı ve yaygın kullanım için sınırlı kalmasıydı.
Projenin temel mühendislik fikri, göz izleme tabanlı ASD destek sistemini doğrudan tarayıcı ortamına taşımaktı. Özel donanıma bağımlı kalmak yerine EASIEST; WebGazer benzeri webcam tabanlı eye-tracking yaklaşımını, Flask tabanlı bir web uygulaması, PostgreSQL veri tabanı, hasta ve test iş akışları, gaze-data processing, fixation filtering, feature generation ve machine-learning tabanlı tahmin mekanizmalarıyla birleştiriyor.
Proje, ASD tarama desteği amacıyla web tabanlı göz izleme kullanan ilk örneklerden biri olarak konumlandırıldı. Dünya genelinde otizm sınıflandırmasına yönelik pek çok yapay zekâ sistemi bulunmasına rağmen, bu çalışmanın ayırt edici yönü web tabanlı gaze capture pipeline'ıdır. Hasta, tarayıcı üzerinden görsel görevleri tamamlarken bakış verileri kaydediliyor ve model için hazır özelliklere dönüştürülüyor.
Çalışmanın önemli bir kısmı yalnızca model geliştirmekten ibaret olmayıp kapsamlı bir yazılım mühendisliği sürecini içeriyordu. Rapor kapsamında use-case diyagramı, sequence diyagramı, activity diyagramı, class diyagramı, data-flow diyagramı, veri tabanı tasarımı, kullanıcı arayüzü akışları, backend ve frontend uygulamaları, Selenium ile entegrasyon testleri, Pytest ile birim testleri ve bir sağlık uzmanıyla gerçekleştirilen kullanıcı testlerinden elde edilen geri bildirimler yer alıyor.
Klinik çerçeve özellikle önemliydi: EASIEST, klinisyenlerin yerini alan bağımsız bir tanı aracı olarak değil, destekleyici bir tarama ve karar destek sistemi olarak konumlandırıldı. Kullanıcı testlerinden elde edilen geri bildirimler de göz izleme verilerinin faydalı nicel kanıtlar sağlayabildiğini, ancak ASD tanısının hâlâ daha kapsamlı klinik değerlendirmeler gerektirdiğini vurguluyor.
Bu projeyi mümkün kılan; danışmanlığını üstlenerek araştırma yönünü destekleyen, veri seti ve alan bilgisi paylaşan Dr. Öğr. Üyesi Şükrü Eraslan'a ve Prof. Dr. Yeliz Yeşilada'ya özellikle teşekkür ederim.
Öne çıkanlar
- Ticari eye-tracking donanımı gerektirmek yerine webcam tabanlı göz izlemeyi tarayıcı içindeki ASD tarama akışına entegre ettim.
- Hasta, doktor, kayıt, kalibrasyon, gaze recording, feature generation ve AI prediction workflow'larını tasarladım.
- Hasta ve test yönetimi için SQLAlchemy modellerine sahip Flask/PostgreSQL tabanlı bir backend geliştirdim.
- Ham gaze noktalarını fixation filtering ile işleyip I-DT tarzı yöntemlerle saccade noktalarını temizleyerek özellik kalitesini artırdım.
- Sistemi UML çıktıları, data-flow diyagramları, veri tabanı tasarımı, arayüz akışları ve implementasyon detaylarıyla dokümante ettim.
- Yazılım davranışını Selenium entegrasyon testleri ve gaze-processing bileşenleri için Pytest birim testleriyle doğruladım.
- Sistemi klinik yerine geçen bir araç olarak değil, destekleyici tarama ve karar destek sistemi olarak konumlandırdım.
Figürler
