Skip to content

busragmsy/mamografi_NLP

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

3 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Mamografi Radyoloji Raporlarından Varlık İsmi Çıkarımı ve BIRADS Kategori Tahmini

Bu proje, mamografi radyoloji raporlarından varlık ismi çıkarımı (VİÇ) ve BIRADS (Breast Imaging-Reporting and Data System) kategori tahmini yapmayı hedeflemektedir. Proje kapsamında iki temel görev gerçekleştirilmiştir: birincisi BIRADS kategori tahmini, ikincisi ise varlık ismi çıkarımıdır.

Proje İçeriği

  • BIRADS Kategori Tahmini: BIRADS kategorilerinin tahmini için BERT modeli kullanılmıştır.

    • BIRADS-1 sınıfı için veri dengesizliği olduğu tespit edilmiş ve artırma (augmentation) yöntemleri uygulanarak denge sağlanmıştır.
    • Model eğitimi sonrasında test işlemi gerçekleştirilmiş ve sonuçlar precision, recall, f1-score ve accuracy metrikleri ile değerlendirilmiştir.
  • Varlık İsmi Çıkarımı (VİÇ): Varlık ismi çıkarımı işlemi için Spacy kütüphanesi kullanılmıştır.

    • Modelin performansı F1-score, precision ve recall metrikleri ile değerlendirilmiştir.
    • Çıktı dosyası, yarışma için istenilen JSON formatında sunulmuştur.

Proje Yapısı

Proje aşağıdaki ana klasör ve dosyalardan oluşmaktadır:

  • Birads-viç/
    • ikinciAsama: Jupyter Notebook kaynaklı dosyalar ve proje boyunca gerçekleştirilen tüm aşamaları içerir.
    • NLPdemo: İkinci aşama için yapılan deneme kodlarını içerir.
    • öznitelik: Projede kullanılan öznitelik çıkartma işlemlerine ait kodları içerir.
    • VİÇ: Varlık ismi çıkarımı için yapılan deneme kodlarını içerir.

Kullanılan Modeller ve Teknolojiler

BIRADS Kategori Tahmini

  • Model: BERT (Bidirectional Encoder Representations from Transformers)
  • Veri Artırma: BIRADS 1 için veri dengesizliğini gidermek amacıyla veri artırma (data augmentation) teknikleri kullanılmıştır.
  • Metrikler: Precision, Recall, F1-Score, Accuracy

Varlık İsmi Çıkarımı (VİÇ)

  • Model: Spacy NER (Named Entity Recognition)
  • Metrikler: Precision, Recall, F1-Score

Kurulum

Bu projeyi kendi bilgisayarınızda çalıştırmak için aşağıdaki adımları izleyebilirsiniz.

  1. Python Gereksinimleri: Proje, Python 3.x ile uyumludur. Gerekli kütüphaneleri yüklemek için aşağıdaki komutu çalıştırın:
    pip install -r requirements.txt

About

No description, website, or topics provided.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors