Çizmediğiniz Şeyi Yapay Zekâ Ne Sanır?
Veri etiketleme nedir?
18 Kasım 2026 · video 5 dk · yazı ~600 kelime
Serinin üçüncü bölümü: etiket. Model doğruyu kendisi bilmez; anahtarda ne yazıyorsa onu doğru sayar. Etiket, o cevap anahtarıdır.
YouTube'da izle ↗- Açılış 0:00
- Etiket nedir? Modelin cevap anahtarı 0:43
- Etiketi kendim çiziyorum (EVREN) 1:30
- Deney: silinen çizim modele ne yaptı? 2:27
- İyi etiketin üç kuralı 4:31
Açılış
Aynı modeli, aynı ameliyat görüntüleriyle birkaç kez eğittim; her seferinde yalnız cevap anahtarlarını değiştirdim: yani üstlerine çizilen etiketleri. Birinde, bu çizimlerin bir kısmını sildim. Silinen yerler modele “burada hiçbir şey yok” diye öğretildi. Bunun ne kadar zarar verdiğini göstereceğim.

Ama önce etiket nedir, nasıl çizilir, ona bakalım. Bir tanesini de kendim çizeceğim. Bölüm bitince, modellerimi eğittiğim EVREN platformunda kendi görüntülerinize etiket koyabilirsiniz.
Etiket nedir? Modelin cevap anahtarı
Bir öğrenci soru bankasından nasıl çalışır? Soruyu çözer, cevap anahtarına bakar, yanlışını oradan görür. Yapay zekâ modeli de böyle öğrenir. Ona gösterdiğimiz her görüntü bir soru; cevabına etiket diyoruz.
Model doğruyu kendisi bilmez; anahtarda ne yazıyorsa onu doğru sayar.
Cevabın biçimi işe göre değişir. EKG normal mi diye bakacaksak, etiket tek bir kelime: normal. İdrardaki kristalleri bulacaksak, her birinin etrafında bir kutu. Bebeğin baş çevresini ölçeceksek, başı saran bir çizgi.

Bizim veri setimiz bebek başı ultrasonları; etiket bu çizgi. Görüntüyü çeken kişi elle çizmiş. Anahtarı bir insan yazar.
Etiketi kendim çiziyorum (EVREN)
Şimdi anahtarı ben yazayım. EVREN'de etiketsiz birkaç görüntüden bir veri seti açtım. Önce Sınıflar sekmesinde etiketin adını ekliyorum: baş. Sonra galeride bir görüntüye tıklıyorum; etiketleme ekranı açılıyor. Poligon, yani çokgen aracını seçiyorum. Başın çevresine nokta nokta tıklıyorum, kafatasının dış kenarı boyunca. Son noktada Enter'a basınca çizgi kapanıyor.2 Kaydetmeye gerek yok.

Bu görüntüyü çeken kişi de çizmişti. Onun çizgisini benimkinin üstüne koyalım. Tam çakışmıyor.

Bu beklenen bir şey. Veri setini yayımlayan ekip, görüntülerin bir kısmını iki kişiye ayrı ayrı çizdirmiş; biri baş çevresini ötekinden düzenli olarak birkaç milimetre büyük çizmiş.3 İki dikkatli insan bile aynı çizgiyi çizmiyor. Model ise sınırın nerede olduğunu yalnız bizden öğreniyor.
Deney: silinen çizim modele ne yaptı?
Etiketteki bir hata modele ne yapar? Bunu ameliyat görüntüleriyle sınadım. Bebek başı görüntülerinde tek bir şey çiziliyor: baş. Ameliyatta ise aynı karede birden çok organ var; birini atlamak kolay.
Elimde 1.400'den fazla kare vardı: robotik rektum ameliyatlarından. Karelerde görünen organlar çizilmiş: kolon, ince bağırsak, mide, karaciğer gibi yedi yapı. Her kareyi üç tıp öğrencisi birbirinden bağımsız çizmiş; sonra deneyimli bir hekim çizimleri gözden geçirip düzeltmiş.1 Bu, elimdeki en iyi cevap anahtarı.

Aynı modeli bu karelerle eğittim; her seferinde yalnız cevap anahtarlarını değiştirdim. Dört anahtar vardı. Birincisi, hekimin kontrol ettiği anahtar. İkincisi, öğrencilerden birinin kimse kontrol etmeden yaptığı çizimler. Üçüncüsü, yine hekimin anahtarı, ama az noktayla çizilmiş gibi: kıvrımlar düzleşmiş, çizgiler köşeli. Dördüncüsü de hekimin anahtarı; çizimlerin yüzde 15'i rastgele silinmiş. Organ karede görünüyor, ama çizilmemiş.

Her anahtarı iki kez eğittim; sonuç tekrar ediyor mu, görmek için. Eğitim bitince her model, hiç görmediği ameliyatların kareleriyle sınava girdi. Sınavın cevap anahtarı hepsinde aynıydı: hekimin kontrol ettiği çizimler. Puan şunu ölçüyor: modelin çizdiği organ, bu çizimlerle ne kadar örtüşüyor. Yüz, tam örtüşme. Küçük bir deneyde, puanlar düşük; bakacağımız şey aradaki fark.
Çizimleri silinmiş anahtar iki eğitimde de puanı düşürdü. En çok kolonda, yani kalın bağırsakta: 44'ten 26'ya. Çizilmeyen kolon, modele “burada kolon yok” diye öğretildi.

Köşeli çizgiler de puanı düşürdü, ama bir eğitimde çok, ötekinde az. Öğrencinin tek başına yaptığı çizime gelince: daha kötü olduğunu gösteremedim. Yani iki eğitimde de belirgin zarar veren tek şey var: silinen çizim.
İyi etiketin üç kuralı
Etiket modelin cevap anahtarıdır: atladığınız yapıyı model “yok” diye öğrenir.
Kendi verinizi etiketlerken üç kural.
Bir: görüneni atlamayın.
İki: sınırı acele etmeden, kenarı izleyerek çizin. Köşeli çizgi de zarar verdi; bir eğitimde az, ötekinde çok.
Üç: aradığınız yapı var mı, emin değilseniz görüntüyü boş saymayın; veri setinden çıkarın. EVREN'de boş diye işaretlenen görüntüye negatif örnek deniyor; emin olmadan işaretlerseniz, o da bir atlamadır. Bunu ayrıca sınamadım; ilk kuraldan çıkıyor.
Anahtar yazmayı artık biliyoruz.
Belgeler
Etiket deneyi · kayıt
- Veri
- DSAD (Carstens ve ark. 2023): Dresden'de robotik rektum ameliyatlarından 1.430 kare; her kare üç tıp öğrencisince bağımsız çizilmiş, deneyimli bir hekimce gözden geçirilip düzeltilmiş · CC BY 4.0 (figshare)
- Bölme
- Ameliyat düzeyinde: 1.066 kare eğitimde; sınav, eğitimde olmayan ameliyatların kareleriyle
- Anahtarlar
- 1 · hekimin kontrol ettiği · 2 · tek öğrenci, kontrolsüz · 3 · hekimin anahtarı, köşeli · 4 · hekimin anahtarı, yapıların %15'i rastgele silinmiş
- Eğitim
- Her anahtarla iki eğitim, iki ayrı başlangıçla; EVREN'de 8 eğitim, 30 Eylül 2026. Ölçüt eğitimden önce yazıldı
- Puan
- Modelin çizimiyle hekimin çiziminin örtüşmesi (Dice × 100); sınavın cevap anahtarı hep hekimin kontrol ettiği çizimler
- Kolon
- Anahtar 1: 45,0 ve 42,1 (ortalama 44) · anahtar 4: 27,6 ve 23,4 (ortalama 26)
- Genel puan
- 1. ve 2. eğitim: anahtar 1: 42,6 · 42,7 · anahtar 2: 38,3 · 43,1 · anahtar 3: 31,5 · 40,4 · anahtar 4: 35,0 · 33,9
- Sınır
- Mutlak puanlar düşük (1.066 eğitim karesi); yalnız anahtarlar arasındaki fark anlamlı
Benim çizimim · ölçüm
- Görüntü
- HC18'den 383_HC, EVREN'de etiketsiz görüntülerden açtığım özel bir alıştırma setinde, poligonla, 17 Kasım 2026
- Fark
- Sonograferin çizgisiyle sınırda ortalama 1,2 mm, en çok 2,4 mm; örtüşme 95,4 (Dice × 100). Çizgimin %95'i sonograferin elipsinin içinde: onun elipsi biraz daha büyük
Veri setleri ve kaynaklar
Videoda çizdiğim görüntünün veri seti (HC18) EVREN'de herkese açık: EVREN koleksiyonu (EVREN sayfaları e-Devlet ile giriş yapınca açılır). Koleksiyonun veri setlerini kuran ve modelleri ölçen betikler: open-medical-baselines. Deneyin veri setleri EVREN'de özel. Görüntüler herkese açık veri setlerinden; modeller araştırma ve eğitim içindir, klinik araç değildir.
- Deneydeki ameliyat görüntüleri, DSAD: makale (Carstens ve ark., Scientific Data 2023)
- … ve veri (figshare, CC BY 4.0)
- Bebek başı ultrasonları, HC18 (Zenodo, CC BY 4.0)
- … ve makalesi (van den Heuvel ve ark., PLOS ONE 2018)
- EKG görüntüleri (Khan ve Hussain, Mendeley Data, CC BY 4.0)
- İdrar sedimenti, MODUS (figshare, CC BY 4.0)
- CC BY 4.0 lisansı
Notlar
- Carstens ve ark., Scientific Data, 2023 (Dresden Surgical Anatomy Dataset, DSAD): doi:10.1038/s41597-022-01719-2. Her kareyi üç tıp öğrencisi ayrı ayrı çizdi; çizimler eşit ağırlıkla birleştirildi, sonra üç yıllık deneyimi olan bir hekim gözden geçirip düzeltti. Veri: doi:10.6084/m9.figshare.21702600 · CC BY 4.0. Videodaki ameliyat kareleri bilerek bulanık.
- Videodaki kayıtta çizgiyi Enter'a basarak değil, ilk noktaya tıklayarak kapattım; EVREN'in kılavuzuna göre Enter da kapatıyor.
- van den Heuvel TLA, de Bruijn D, de Korte CL, van Ginneken B. Automated measurement of fetal head circumference using 2D ultrasound images. PLoS ONE 13(8): e0200412, 2018. Test kümesini iki gözlemci ayrı ayrı çizdi: deneyimli bir sonografer ve bir araştırmacı; ikincisi baş çevresini sistematik olarak birkaç milimetre büyük çizdi. Veri seti (HC18): doi:10.5281/zenodo.1327317 · CC BY 4.0.
Bu yazı, videoda söylediklerimin yazıya uyarlanmış hâlidir; cümleler aynı, yalnızca ekrandaki göndermeler şekil ve tabloya dönüştü.