EYE

Yapay Zekâ Destekli Göz Hareketi Analizi (VOG) ile Erken Tanıma

Göz hareketleri; beynin farklı bölgeleri tarafından kontrol edilir ve nörolojik durumun bir yansımasıdır. RAVENEYE; VOG cihazından alınan verileri derin öğrenme ile değerlendirerek Alzheimer, Parkinson, MS gibi hastalıklarla ilişkili anormallikleri yüksek hassasiyetle belirlemeyi hedefler.

AVCI Drone Kontrolü
AVCI Sistem Mimarisi

Proje Bilgileri

  • Program: TÜBİTAK 1501 - Sanayi Ar-Ge Projeleri
  • Kapsam: VOG temelli göz hareketi ölçümleri, yapay zekâ ile objektif analiz, erken tanı
  • Klinik Girdiler: Sakkad, mikrosakkad, hafıza/anti-sakkad, yavaş takip, fiksasyon
  • Çözüm Bileşenleri: Taşınabilir VOG · Merkezi Veri Havuzu · Otomatik Analiz · Görselleştirme
  • Hedef Kullanım: Nöroloji & Göz klinikleri, tarama/izlem
  • Paydaşlar: Hacettepe Ünv. Göz/Nöroloji ABD & Raventech
  • TRL: Klinik doğrulama odaklı geliştirme aşaması
  • Veri Yönetimi: Anonimleştirilmiş hasta verileriyle kurulan Türkiye’nin ilk geniş ölçekli göz hareketi veri tabanı

Amaç

  • • Nörodejeneratif hastalıklarda göz hareketlerini sağlıklı bireylerle karşılaştırmak
  • • Farklı grupların göz hareketlerini objektif olarak değerlendirmek
  • • Klinik tanı süreçlerini erken evrede desteklemek

Yöntem

  • VOG temelli, hassas ve kapsamlı cihaz altyapısı
  • • 3B görsel görevlerle göz izleme verilerinin analizi
  • • Derin öğrenme ile otomatik özellik çıkarımı, veri artırma ve modelleme
  • • Sonuçların grafik/ısı haritaları ile görselleştirilmesi

Beklenen Sonuç

  • • Erken tanıya katkı sağlayan yeni bir tarama testi
  • • Tanı süreçlerinin iyileştirilmesi ve uzmanlık alanları arası farkındalık
  • • Klinik yönetimin güçlenmesi ve hasta yaşam kalitesinin artması

Öne Çıkan Özellikler

  • • Taşınabilir VOG ile hızlı kurulum ve klinik uygulanabilirlik
  • • Otomatik ve objektif değerlendirme (doktor karar destek)
  • • Anonimleştirilmiş merkezi veri havuzu ile sürekli öğrenen modeller
  • • Isı haritası ve grafiklerle anlaşılır raporlama

Sistem Akışı

  1. VOG ile veri toplama (klinik görev setleri)
  2. Anonimleştirme ve merkezi veri havuzuna aktarım
  3. Derin öğrenme modelleriyle otomatik analiz
  4. Hastalık evresi tahmini & klinik rapor