This project is a web-based diagnostic system designed to automatically detect COVID-19 and pneumonia from chest X-ray images using deep learning models.
Users can log in to the platform, upload X-ray scans, and instantly view disease prediction results along with model confidence scores. The system also includes a real-time messaging feature that enables seamless communication between doctors and patients, making the experience interactive and accessible.
The ultimate goal of this project is to provide a fast, user-friendly, and AI-assisted healthcare evaluation platform.
- 🩻 Automatic disease detection (COVID-19 & Pneumonia) via deep learning trained models
- 👨⚕️🙋🏻♂️ Role-based access for doctors and patients
- 📊 Dashboard with prediction history, health summaries, and tips
- 💬 Real-time doctor-patient chat powered by Socket.IO, with audio and visual notifications
- 🔐 Data security with bcrypt password hashing & JWT authentication
- 🌐 Web-based interface accessible from any device
- Two dedicated models: one for COVID-19 and one for Pneumonia
- Trained on chest X-ray datasets using Google Colab
- Built with TensorFlow and transfer learning
- Architectures: VGG16 and ResNet
- Achieved 93–96% accuracy on validation sets
- Integrated into Flask backend for real-time predictions
- React.js
- HTML, CSS, JavaScript
- Python (Flask)
- MySQL Database
- Socket.IO (real-time communication)
- TensorFlow
- Transfer Learning (VGG16, ResNet)
- Data preprocessing & augmentation
- bcrypt (password hashing)
- JWT (JSON Web Token) authentication
- User logs in (doctor or patient role).
- Patient uploads chest X-ray image.
- Backend runs AI models and returns prediction + confidence score.
- Doctors can view patient history, assign new predictions, and communicate directly.
- Patients can see past predictions in tables & charts and receive health tips.
- Doctor-patient chat enables real-time interaction.
- Chest X-ray datasets (COVID-QU-Ex, Pneumonia datasets)
- TensorFlow library
- Google Colab platform
- VGG16 & ResNet architectures
- Flask backend
- MySQL database
- Socket.IO (messaging)
- React.js frontend
- Data preprocessing & augmentation
- Transfer learning approach
- Model training & validation (COVID-19 & Pneumonia)
- Model integration into Flask backend
- Web application development (React + Flask)
- Real-time chat implementation
- Database design & management
- Passwords are hashed with bcrypt before storage
- Authentication handled via JWT tokens
- Secure access control for different user roles
- Confidentiality maintained for medical data
This project integrates deep learning, medical imaging, web technologies, real-time communication, and data security into a single system. It demonstrates how AI can support modern healthcare by providing fast and reliable diagnostic assistance while fostering patient-doctor interaction.
The platform represents a strong prototype for clinical use and an excellent example of interdisciplinary collaboration between software engineering, AI, and healthcare.
[TR]
Uygulama, Yapay Zekâ Derin Öğrenme modelleri ile göğüs röntgeni görüntülerinden COVID-19 ve zatürre tespiti yapabilen web tabanlı bir tanı sistemidir.
Kullanıcılar platforma giriş yaparak X-ray görüntülerini yükleyebilir, anında hastalık tahmin sonuçlarını ve modelin güven skorlarını görebilirler. Sistem ayrıca doktor-hasta arasında gerçek zamanlı mesajlaşma özelliği içerir, bu sayede deneyim daha etkileşimli ve erişilebilir hale gelir.
Projenin nihai hedefi, hızlı, kullanıcı dostu ve yapay zekâ destekli bir sağlık değerlendirme platformu sağlamaktır.
- 🩻 Otomatik hastalık tespiti (COVID-19 & Zatürre) – eğitilmiş derin öğrenme modelleriyle
- 👨⚕️🙋🏻♂️ Rol tabanlı erişim (doktorlar ve hastalar için)
- 📊 Panel – tahmin geçmişi, sağlık özetleri ve öneriler
- 💬 Gerçek zamanlı doktor-hasta sohbeti (Socket.IO tabanlı, sesli ve görsel bildirimlerle)
- 🔐 Veri güvenliği – bcrypt ile şifre karma ve JWT tabanlı kimlik doğrulama
- 🌐 Web tabanlı arayüz – her cihazdan erişilebilir
- İki özel model: biri COVID-19, diğeri Zatürre için
- Göğüs röntgeni veri setleriyle Google Colab üzerinde eğitildi
- TensorFlow ve transfer learning tabanlı
- Kullanılan mimariler: VGG16 ve ResNet
- Doğrulama setlerinde %93–96 doğruluk elde edildi
- Flask backend’e entegre edilerek gerçek zamanlı tahmin sağlandı
- React.js
- HTML, CSS, JavaScript
- Python (Flask)
- MySQL Veritabanı
- Socket.IO (gerçek zamanlı iletişim)
- TensorFlow
- Transfer Learning (VGG16, ResNet)
- Veri ön işleme & artırma
- bcrypt (şifre karma)
- JWT (JSON Web Token) kimlik doğrulama
- Kullanıcı giriş yapar (doktor veya hasta rolüyle).
- Hasta, göğüs röntgenini yükler.
- Backend, yapay zekâ modellerini çalıştırır ve tahmin + güven skoru döner.
- Doktorlar, hasta geçmişini görebilir, yeni tahminler atayabilir ve doğrudan iletişim kurabilir.
- Hastalar, geçmiş tahminlerini tablo & grafikler üzerinden görebilir ve sağlık önerileri alabilir.
- Doktor-hasta sohbeti gerçek zamanlı etkileşim sağlar.
- Göğüs röntgeni veri setleri (COVID-QU-Ex, Pneumonia datasets)
- TensorFlow kütüphanesi
- Google Colab platformu
- VGG16 & ResNet mimarileri
- Flask backend
- MySQL veritabanı
- Socket.IO (mesajlaşma)
- React.js frontend
- Veri ön işleme & artırma
- Transfer learning yaklaşımı
- Model eğitimi & doğrulaması (COVID-19 & Zatürre)
- Modellerin Flask backend’e entegrasyonu
- Web uygulaması geliştirme (React + Flask)
- Gerçek zamanlı sohbet entegrasyonu
- Veritabanı tasarımı & yönetimi
- Şifreler bcrypt ile karma yapıldıktan sonra saklanır
- Kimlik doğrulama JWT token ile yapılır
- Farklı kullanıcı rollerine göre güvenli erişim kontrolü sağlanır
- Tıbbi verilerin gizliliği korunur
Proje, derin öğrenme, tıbbi görüntüleme, web teknolojileri, gerçek zamanlı iletişim ve veri güvenliğini tek bir sistemde birleştirmektedir.
Yapay zekânın modern sağlık hizmetlerini nasıl destekleyebileceğini; hızlı, güvenilir ve etkileşimli tanı desteği sunarak göstermektedir.
Platform, klinik kullanım için güçlü bir prototip olmasının yanı sıra, yazılım mühendisliği, yapay zekâ ve sağlık alanları arasındaki disiplinler arası iş birliğine örnek teşkil etmektedir.