Ingénieur IA & Vision par Ordinateur

Je construis des systèmes de vision par ordinateur et d'IA qui transforment des données complexes en décisions fiables.

Diplômé d'un Master en Informatique (IA & Science des Données) à l'Université de Montpellier. Chez Siemens Healthineers, j'ai développé un pipeline de segmentation d'images médicales par deep learning — aujourd'hui, je poursuis ce type de travail en freelance tout en restant ouvert à des postes d'ingénieur en Türkiye ou à l'international, en remote.

Voir mes projets Télécharger le CV

Master IA & DataUniversité de Montpellier

10 min → 10 secAutomatisation d'un workflow d'analyse IRM chez Siemens Healthineers

Freelance IA & LogicielDepuis août 2024 — COMANCI

Travail phare

Segmentation de follicules ovariens en IRM 3D

Stage chez Siemens Healthineers — développement autonome d'un pipeline de vision par ordinateur pour automatiser un workflow d'imagerie médicale.

Follicules ovariens détectés, étiquetés et délimités sur une coupe IRM

PythonYOLOv8TensorFlow / PyTorchOpenCVMONAIDICOM / MRI

Problème: La segmentation manuelle des follicules ovariens sur IRM 3D pour l'évaluation de la fertilité est lente et dépend de l'opérateur.
Approche: Préparation des données IRM 3D (normalisation, interpolation, augmentation), évaluation d'architectures U-Net 2D/3D, puis développement d'un pipeline de segmentation d'instances basé sur YOLOv8 — avec post-traitement pour calculer dimensions, volume et localisation des follicules, et une règle de détection de kystes potentiels.
Résultat: ~90 % de précision, 86 % de rappel sur le jeu d'évaluation. Le temps d'analyse est passé d'environ 10 minutes en manuel à ~10 secondes en automatisé, via une interface Python avec export CSV et vidéos annotées.

Voir le détail de l'expérience →

Autres projets

Ce sur quoi j'ai travaillé récemment

Réseaux de neurones — classification d'images

Machine Learning

Classification d'images — CNN, LIME & Transfer Learning

Modèles CNN entraînés sur plusieurs jeux de données, avec visualisation par heatmaps, explicabilité via LIME, Transfer Learning (ResNet50) et génération d'images synthétiques par GAN. Accompagné d'un site interactif pour explorer les prédictions.

PythonTensorFlowResNet50GAN

Voir la démo → GitHub →

Brain Mapping Research Center · Neuroimagerie & ML

Prédiction de l'âge cérébral à partir de l'IRM

Pipeline itératif prédisant l'âge cérébral à partir de caractéristiques IRM extraites via FastSurfer, centré sur le diagnostic honnête et la correction d'un biais de régression vers la moyenne plutôt que sur une précision gonflée.

PythonScikit-learnFastSurferCross-Validation

Voir l'étude de cas →

Computer Vision · Freelance

Système de détection de présence

Application de computer vision différenciant utilisateurs connus et nouveaux entrants, développée en mission freelance pour un client.

CNNYOLOPython

Voir tous les projets →

Recommandation

Ce qu'on dit de mon travail

"Je recommande Ari Cilingiroglu pour son projet exceptionnel de développement de logiciels utilisant l'Intelligence Artificielle pour la reconnaissance des structures sur des images médicales. Il a démontré un niveau exceptionnel de compétence technique tout au long du projet. Non seulement il a maîtrisé des concepts complexes en IA, mais il a également fait preuve d'une grande ingéniosité dans l'application de ces concepts pour résoudre des problèmes spécifiques en radiologie."

Thibaut Eisele — Responsable Application IRM et SYNGO, Siemens Healthineers · 29/08/2024

Voir la recommandation officielle