Ama: Bu alma, sistoskopi grntlerini kullanarak rolojik patolojilerin tespitine ynelik AI destekli bir sistem gelitirmeyi ve deerlendirmeyi amalamaktadr. Gereler ve Yntemler: Eitim ve Aratrma Hastanesi roloji Kliniinde; 500 patolojik ve 500 salkl sistoskopi grntsnden oluan bir veri seti toplanmtr. Grntler, farkl endovizyon sistemi (Karl Storz [Almanya], Stryker [ABD], Richard Wolf [Almanya]) kullanlarak elde edilmitir. Veri seti n ileme tabi tutulmu, artrlm ve bir Konvolsyonel Sinir A (CNN) modeli, grntleri normal veya patolojik olarak snflandrmak zere eitilmitir. Modelin performans, doruluk, hassasiyet, zgllk ve F1 skoru gibi metriklerle, 100 patolojik ve 100 salkl grntden oluan bir test setinde deerlendirilmitir. statistiksel analizler IBM SPSS versiyon 25.0 ile yaplm, p <0.05 anlaml kabul edilmitir. Bulgular: Model, patolojik vakalarn tespiti iin %94 hassasiyet ve salkl vakalarn doru snflandrlmas iin %58 zgllk salamtr. Patolojik grntler iin kesinlik, geri arma ve F1 skoru srasyla 0.69, 0.94 ve 0.80 olarak bulunurken, salkl grntler iin bu deerler 0.91, 0.60 ve 0.72’dir. Modelin genel doruluu %76 olarak kaydedilmitir. Sonu: AI destekli sistoskopi grnt analiz sistemi, rolojik patolojilerin tespitinde yksek hassasiyet gstermektedir, ancak zglln artrlmas iin daha fazla iyiletirme gerekmektedir. Gelecek almalarda, veri setinin eitliliini artrmaya ve modelin benign ve malign zellikleri ayrt etme yeteneini gelitirmeye odaklanlmaldr. Daha kaliteli grntlerin entegrasyonu ve ileri yapay zeka tekniklerinin kullanm, modelin baarsn artrma ve tansal doruluu iyiletirme asndan byk bir potansiyel sunmaktadr.
