Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı Tez Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/418

Browse

Now showing 1 - 20 of 83

Micro Manyetik ve Parçacıklarının Manipülasyonuna Yönelik Sistem Tasarımı
(Abdullah Gül Üniversitesi, 2018) BÖYÜK, MUSTAFA; Böyük, Mustafa; İçöz, Kutay; Ablay, Günyaz
Manyetik cımbızlar çeşitli uygulamalar ve ölçümler için hücreleri veya biyomolekülleri manipüle edebilir. Tek moleküllü manipülasyonlar için bir elektromanyetik mikro manipülatör tasarlandı, modellendi ve kontrol edildi. Elektromanyetik cımbız mikron boyutlu süperparamanyetik parçacıkları uygun kontrol mekanizması yardımıyla kontrol edebilir. Bu parçacıklar, hedef biyomoleküllerin yakalanması için reseptörler ile fonksiyonel hale getirilebildiğinden dolayı yüklü partiküller harici bir manyetik alan kullanılarak belirli bir yere taşınabilirler. Manyetik tek kutup ve manyetik devre yaklaşımları, manyetik sistemin dinamik denklemini modellemek için bu çalışmada kullanıldı. Ofset akım tabanlı geri besleme ile doğrusallaştırma yaklaşımı bir kontrolör tasarlanarak, sıfır kararlı-durum hatasıyla geniş çalışma koşulları sağlandı. Tek parçacığın konumunu bulmak için görüntü tabanlı algoritma geliştirilmiştir. Türetilmiş model ve kontrol sistemini doğrulamak için sayısal simülasyonlar yapılır. Tasarlanan manyetik sistem, 1 ila 10 mikrometre çapındaki manyetik bir parçacığı 1 amperden az bir akımla kontrol etmek için 1-100 pN arasında kuvvet uygulayabilmektedir. Manyetik yönlendirici sistemi, tek hücre ayrımı, ve biyosensör gelişmeleri için kullanılabilir.
Hastalık Tahmini ve Biyobelirteçlerin Tespiti için Makine Öğrenim Modellerinin Tasarımı ve Geliştirilmesi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Temiz, Mustafa; Güngör, Burcu; Yousef, Malik
In medical science, the prediction of diseases and the identification of biomarkers play an important role in the diagnosis and treatment of various health conditions. The recent proliferation of data mining techniques has accelerated the development of disease prediction systems. In particular, machine learning methods are an effective way to analyze medical data and identify patterns to predict the likelihood of the disease development. Machine learning methods also help to identify biomarkers. Recently, the increasing incidence and mortality rates of inflammatory bowel disease, colorectal cancer and type 2 diabetes have drawn researchers' attention to these research areas. The aim of this thesis is to reduce the number of features and improve the prediction performance of machine learning based on complex biological datasets with a large number of disease-related features, as well as to identify potential biomarkers. In this thesis, three different studies are presented. The first study predicts eleven different cancer subgroups using miRNA data and biological domain knowledge and identifies potential biomarkers for these diseases. The second study predicts three different diseases using metagenomic data and biological domain knowledge and identifies potential biomarkers. The third study uses metagenomic data related to colorectal cancer to conduct global and population-based comprehensive experiments with traditional feature selection methods to identify potential biomarkers. This thesis presents a promising avenue for early disease detection, facilitating expedited treatment protocols, improving human survival rates, and potentially alleviating economic burdens within these critical research domains.
A reliable and secure communication design for underwater sensor networks concerning energy efficiency
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) UYAN, Osman Gökhan
Underwater Acoustic Sensor Networks (UASNs) recently attract scientists because of its wide range of applications and emerging technology. A design challenge in UASN's is the limited network lifetime and poor reliability caused by limited battery supply of sensors and harsh channel conditions in underwater environment. Moreover, sensors might transmit sensitive data that must be disguised against eavesdropping attacks. To maintain a reliability level, packet-duplication and multi-path routing method are suggested, which renders eavesdropping attacks easier. For data security, cryptographic encryption is the most acclaimed method. However, encryption needs extra computations, which consume extra energy and cause a decrease in the network lifetime. As a countermeasure along with encryption against silent listening, fragmenting data and transmitting in pieces over different paths has been proposed. To address these challenges, an optimization framework has been developed to analyze the effects of multi-path routing, packet duplication, encryption, and data fragmentation on network lifetime. However, the solution time of the proposed optimization model is quite high, and sometimes it cannot come up with feasible solutions. To this end, in this study, different regression and neural network methods have been proposed to predict the energy consumptions of underwater nodes as supplementary methods to optimization models. Performance evaluations show that the proposed methods yield remarkably accurate predictions and can be used for energy consumption prediction in UASNs.
FDG-PET Görüntülerindeki Tümörlerin Makine ve Derin Öğrenme Tabanlı Analizi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Ayyıldız, Oğuzhan; Yılmaz, Bülent
Analysis of a tumor is essential in treatment planning and evaluation of treatment response. Positron Emission Tomography (PET) is a vital imaging device for clinical oncology in understanding the metabolic structure of the tumor. In this thesis, three separate studies investigating the application of machine, deep learning and statistical approaches on FDG-PET images from patients with non-small cell lung cancer (NSCLC) and pancreatic cancer. The first study aimed at performing a survey on subtype classification of NSCLC by using different texture features, feature selection methods and classifiers. Images from 92 patients and several clinical and metabolic features for each case were used in this study along with histopathological validation for the tumor subtype labeling. Stacking classifier resulted in 76% accuracy. The aim of our second study was to adapt an atrous (dilated) convolution-based tumor segmentation approach (DeepLabV3) on FDG-PET slices with maximum standard uptake value (SUVmax). MobileNet-v2 pretrained on ImageNet served as the backbone to DeepLabV3. The classification layer was interchanged with the Tversky loss layer which helped improve model's performance while the dataset was imbalanced. Images from 141 patients were employed and augmentation was performed in each training phase. Dice similarity index was obtained as 0.76 without preprocessing and 0.85 with preprocessing. The last study focused on determining the features to be used in the prognosis of pancreatic adenocarcinoma on FDG-PET images from 72 patients. Well-known texture, metabolic and physical features were extracted from tumor region that was determined with the help of random walk segmentation algorithm. On these features time-dependent ROC curve analysis was performed for 2-year overall survival (OS) prediction, and, in the univariable analyses, tumor size, energy, entropy, and strength were found to be significant predictors of OS. Keywords: PET/CT, NSCLC, Machine learning, Deep learning, Radiomics, Semantic segmentation
Görüntü İşleme ve Makine Öğrenmesi Yöntemiyle Erken Meme Kanseri Teşhisi
(Abdullah Gül Üniversitesi, 2018) TAŞDEMİR, SENA BÜŞRA YENGEÇ; Taşdemir, Sena Büşra Yengeç; Aydın, Zafer
Kadınlarda, kanser ölümünün önde gelen nedeni ve en sık görülen kanser türü meme kanseridir. Erken teşhisi ölüm oranını azaltır, bu nedenle erken teşhis çok önemlidir. Dijital mamografi, meme kanserinin erken teşhisi ve tanısında kullanılan yaygın bir tıbbi görüntüleme tekniğidir. İlgili bölgenin (ROI) otomatik olarak saptanması, bir radyolog tarafından daha fazla analiz edilebilecek şekilde anormal alanları işaretlenmesine yardımcı olur. ROI'nin otomatik algılanması, özellik çıkarımı ve sınıflandırılması olmak üzere iki ana aşamaya sahiptir. Öznitelik çıkarma, görüntüyü bir bilgisayar için daha anlaşılır olan başka bir boyuta dönüştürür. İkinci adım, sınıflandırıcı tarafından yapılan kararı (normal veya ROI) içerir. Bu çalışmada, 2D-DWT, HOG, Haralick'in dokusal özellikleri, TAS, LBP, Zernike ve GLCM gibi farklı öznitelik çıkarma yöntemleri kullanılmıştır. Sistemin performansını değerlendirmek için, gerçeklenen sınıflandırıcılar; rastgele orman, lojistik regresyon, k-en yakın komşular (k-NN), naïve Bayes, karar ağacı, destek vektör makinesi (SVM), Adaboost, radyal temelli fonksiyon ağı (RBF-NN), çok katmanlı algılayıcı (MLP), konvolüsyonel sinir ağı (CNN) kullanılmıştır. Kapsamlı deneyler neticesinde, optimum başarıyı veren özellik çıkarma, özellik seçimi ve sınıflandırma yöntemleri tespit edilmiştir. Önerilen yeni ROI tanıma yönteminde görüntü ön işleme aracı olarak CLAHE, öznitelik çıkarmak için 2D-DWT, HOG, Haralick, özellik seçim yöntemi olarak wrapper ve sınıflandırıcı olarak rastgele orman yöntemi kullanılmış ve % 87.5'lik bir doğruluk oranı elde edilmiştir.
Anormallik Tespiti için Veri Madenciliği
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2020) Kaçmaz, Rukiye Nur; Yılmaz, Bülent
Gastroentereloji uzmanları için kolon anormalliklerinin tespit edilmesi en zor görevlerden birisidir. Kolonoskopi herhangi bir anormalliği izlemek için kolondan video veya görüntüler kaydetmenin en yaygın yöntemidir. Bununla birlikte işlem sırasında elde edilen görüntü veya videolar, kolonoskopi probunun ya da kapsülün hızlı hareketinden kaynaklanan hareket gürültüsü, kapsülde ve probda ışık kaynağından kaynaklanan yansıma gürültüsü (YG), yetersiz veya aşırı aydınlatmadan kaynaklanan uygun olmayan kontrast gürültüsü, mide öz suyu, baloncuklar veya kalıntılar içermektedir. Bu tarz gürültüler içeren görüntülere bilgi taşımayan çerçeveler adı verilmektedir. Hastalık tespiti işlemi ise bilgi içeren olarak adlandırılan temiz görüntüler ile yürütülmektedir. İlk çalışmada tekstür tabanlı otomatik polip tespitinde YG'nin etkisini ve YG'yi ortadan kaldırmak için kullanılan görüntü enterpolasyonunun kullanımı araştırıldı. Bu amaçla, çeşitli boyutlarda sonradan YG eklenen ve interpolasyon uygulanan görüntülerden ve YG içermeyen görüntülerden çeşitli tekstür özellikleri elde edildi. Polipleri kolon arka planından ayırt etmek için, uygulanan en yakın komşular, bilineer ve bikübik interpolasyon yöntemlerinin, tekstür özellikleri ve sınıflandırma performansı açısından herhangi bir farklılığa neden olup olmadığı test edildi. İkinci çalışmada temel amaç, bilgi taşımayan çerçeveleri tespit etmede geleneksel makine öğrenmesi ve transfer öğrenme yaklaşımlarının performanslarının karşılaştırılmasıydı. Makine öğrenmesi bölümünde, gri seviye eş oluşum matrisi, gri seviye koşu uzunluğu matrisi, komşuluk gri ton farkı matrisi, odak ölçüm operatörleri ve basıklık, standart sapma ve çarpıklık olarak üç adet birinci derece istatistik kullanıldı. Sınıflandırma aşamasında rastgele orman, destek vektör makineleri ve karar ağacı yaklaşımları kullanılmıştır. Transfer öğrenme bölümünde derin sinir ağları olarak AlexNet, SqueezeNet, GoogleNet, ShuffleNet, ResNet-18, ResNet-50, NasNetMobile ve MobileNet tercih edildi. Son çalışma, bilgi taşıyan çerçevelerde Crohn's, ülseratif kolit, kanser ve polip gibi kolon anormalliklerinin saptanmasını içermiştir. Bu çalışmanın amacı, öncelikle sağlıklı çerçeveleri hastalıklılardan ayırmak ve hem geleneksel makine öğrenmesi hem de transfer öğrenme yaklaşımlarını kullanarak hastalık türlerini belirlemekti. İkinci çalışmada kullanılanlarla aynı tekstür özellikleri, sınıflandırma yaklaşımları ve transfer öğrenme yöntemleri kullanılmıştır.
Farklı Modülasyon Teknikleri ile Su Altı İletişimde Performans Analizi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2017) Bahçebaşı, Akif; Güngör, Vehbi Çağrı
Sualtı Kablosuz Algılayıcı Ağlarının özellikle veri toplama, sınır güvenliği, kirlilik izleme, sahil araştırma ve taktiksel takip gibi bir çok oşinografi uygulaması son yıllarda pek çok araştırmacının ilgisini çekmeye başlamıştır. Pek çok su altı uygulamasında, su altı sensor düğümlerinin yanında, insansız su altı araçları da su altı kaynaklarının keşfi ve veri toplama gibi işbirliği gerektiren görevlerde yaygın olarak kullanılmaktadır. Su altı ağlarda kurulan bağlantı akustik iletişime dayanmasına rağmen, akustik kanal özellikleri çok ani değişiklikler gösterir ki, bu nedenle kurulan bağlantı kalitesinde, çevresel faktörler ve düğümlerin konumları önemli rol oynar. Bu sebeple su altı ağlarda güvenilir bir iletişimin kurulması oldukça zordur. Bütün bunlardan başka, sinyal kayıpları ve yeniden iletimler enerji kaynaklarının gereksiz sarfiyatına dolaysıyla ağ ömrünün kısalmasına neden olur. Bu tez çalışmasında su altı akustik ağlarda en çok bilinen modülasyon teknikleri kullanılarak farklı derinlik, mesafe ve Bit hata oranına sahip su altı ortamları analiz edilmiştir. Sonuç olarak veri iletimi için gerekli minimum enerji miktarı bulunmuş ve modülasyon teknikleri uygun şekilde kıyaslanmıştır. Simülasyon çalışmalarımızda kanıtlandığı üzere 32-PSK ve 16-QAM teknikleri minimum (optimum) enerji tüketim oranlarına ulaşmıştır. Bundan dolayı ağ tasarımcıları 32-PSK ve 16-QAM modülasyon tekniklerini kullanarak su altı ağların ömrünü artırabilirler.
Bilgisayar Ağlarında Anormal Durum Tespiti Yapan Öğrenme Yöntemlerinin Geliştirilmesi
(Abdullah Gül Üniversitesi, 2018) MUKHANDI, HABIBU SHOMARI; Mukhandi, Habibu Shomari; Aydın, Zafer
Makine öğrenmesi, verilerdeki bilginin bir bilgisayar ya da makina tarafından otomatik olarak öğrenilmesi ve karşılaşılan yeni durumlarda anlamlı bilgi ya da davranışların üretilmesini amaçlar. Bir çok uygulama alanı bulunan makine öğrenmesi daha önce hiç karşılaşılmamış olan sıradışı durumların tespit edilmesi için de kullanılmaktadır. Bilgisayar ağlarındaki siber saldırılar, kredi kartı dolandırıcılığı ve internet sitelerinin linklerine yapılan çok sayıda sahte tıklamalar dünya genelinde ekonomileri ciddi oranda zarara uğratabilecek niteliktedir. Bu tezde üç farklı anormal durum tespiti problemi üzerinde çalışılmıştır: bilgisayar ağlarında saldırı tespiti, kredi kartı dolandırıcılığı tespiti ve internet sitelerdeki linklere sahte tıklama tespiti. Anormal durum tespiti için geliştirilen ve optimize edilen modeller arasında rastgele orman, en yakın komşu, destek vektör makinası, logistic regresyon, karar ağacı, AdaBoost, çantalama ve yığınlama gibi sınıflandırma yöntemleri bulunmaktadır. Yöntemlerin hiper-parametreleri eğitim kümelerinde yapılan çapraz doğrulama deneyleri ile optimize edilmiştir. Bir sonraki aşamada optimum hiper-parametre konfigürasyonları kullanılarak eğitilen modeler ile test verilerinde tahmin sonuçları hesaplanmıştır. Bu deneyler neticesinde genel doğruluk oranı ve F-measure skorlarında yüksek başarı elde edilmiştir. Geliştirilen yöntemler arasında en başarılı sonuçlar topluluk modelleri ile elde edilmiştir.
Lazer ile Oluşturulan Kabarcıkların Göziçi Basınç Ölçümünde Kullanımı
(Abdullah Gül Üniversitesi, 2017) ALTINDİŞ, FATİH; Altındiş, Fatih; Yılmaz, Bülent
Günümüzde göz tansiyonu ölçmeye yönelik farklı yaklaşımlar kullanılmaktadır. Ancak, bu yaklaşımlar bazı durumlarda hastaların göz tansiyonunu ölçmekte zorlanmaktadır. En fazla sıkıntı yaşanan durum, gözünden ameliyat geçirmiş kişilerin göz tansiyonunu ölçme konusunda yaşanmaktadır. Bu kişilerin korneası ameliyat sonrası hassaslaştığı için tonometre cihazları ile göz tansiyonu ölçülememektedir. Bu tez çalışması, 1064 nm dalga boyunda çalışan bir Nd:YAG lazer ile sıvı içerisinde oluşturulan kabarcıkların karakteristiğini inceleyerek, göz tansiyonunu bu kabarcıkların boyutlarından ölçmeye yönelik yeni bir yaklaşım geliştirmeyi amaçlamıştır. Bu doğrultuda, öncelikle göz içi ortamına benzeyen yapay bir ortam tasarlanmıştır. Bu ortam içerisinde lazer ile oluşturulan kabarcıkları takip edecek bir görüntüleme sistemi ve bu sisteme entegre çalışan bir görüntü işleme yazılımı geliştirilmiştir. Farklı sıvı basınçlarında lazer ile oluşturulan kabarcık görüntüleri işlenerek kabarcıklara ait özellikler çıkarılmıştır. Sonuçlar göstermiştir ki, lazer ile oluşturulan kabarcıkların hacimleri düşük basınç altında daha fazla olurken, sıvı basıncı arttıkça bu kabarcıkların hacmi azalmaktadır. Elde edilen veriler ışığında, kabarcıklarda meydana gelen bu hacim değişiminin, kabarcığın içinde bulunduğu sıvının basıncını ölçmekte kullanılabileceği sonucuna varılmıştır. Bu çalışma, lazer ile sıvı içerisinde oluşturulan kabarcıklar ile ilgili elde edilen bu verileri kullanarak, gözün ön kamarasında lazer ile kabarcık oluşturmaya ve göz içi basıncını bu kabarcık yardımıyla ölçmeye yönelik yeni bir yaklaşım geliştirmeyi önermektedir.
Blokzincir Tabanlı Eşten-Eşe Enerji Ticareti Uygulamaları
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Seven, Serkan; Alkan, Gülay Yalçın
This thesis explores the potential of innovative peer-to-peer (P2P) energy trading schemes for virtual power plants (VPPs) using blockchain technologies, smart contracts, and decentralized finance (DeFi) instruments. Traditional centralized approaches have limitations in terms of transparency and security, which can hinder the successful implementation and operation of VPPs and P2P energy trading systems. The dissertation begins by reviewing the current state of energy sources within the global energy landscape. Understanding the existing landscape provides valuable insights into the potential benefits and challenges of implementing P2P energy trading within VPPs. The focus of the dissertation is to develop and analyze innovative P2P energy trading schemes for VPPs that integrate blockchain technologies and facilities to enhance transparency, security, and automation of energy transactions. Furthermore, DeFi instruments, specifically decentralized exchange (DEX), are used as a novel approach instead of auction methods to determine P2P energy buying and selling prices. Along with blockchain technologies, optimization is used to maximize the economic benefits of peers. The sequential decision problem of the trading schemes is solved with mixed integer linear programming (MILP). In addition, machine/deep learning models are utilized to overcome the drawbacks of conventional mathematical programming like MILP. These models can accelerate the decision-making processes by learning from the optimization results obtained. Overall, frameworks for the successful integration of P2P energy trading within and among VPPs are developed to validate the effectiveness and feasibility of the proposed P2P energy trading schemes through case studies and simulations using realistic data sets and blockchain platforms.
Derin Öğrenme Yaklaşımlarıyla Küçük Hücreli Dışı Akciğer Kanserinde Tümör Karakterizasyonu
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2021) Bıçakcı, Mustafa; Yılmaz, Bülent
Küçük Hücreli Dışı Akciğer Kanseri (KHDAK) akciğer kanserlerinin büyük çoğunluğunu oluşturur ve adenokarsinom (ADC) ve skuamöz hücreli karsinom (SqCC) olmak üzere iki önemli alt tipi vardır. Genel olarak, bu iki alt tip mikroskobik olarak belirlenen morfolojik kriterler dikkate alınarak birbirinden ayrılır. Ancak, kötü morfoloji bunu oldukça zorlaştırır. Alt tipe özel tedavi yöntemleri için bu tür çalışmalar önemlidir. Bu tezde, pozitron emisyon tomografi (PET) görüntüleri kullanılarak KHDAK'nin alt tiplerinin sınıflandırılması üzerinde derin öğrenme (DÖ) yöntemleri incelenmiştir. İlk çalışmada, DÖ yöntemlerinin temelini oluşturan yapay sinir ağları (YSA) kullanılarak %73 doğru sınıflandırma başarısı elde edilmiştir. İkinci çalışmada, PET görüntülerinden alınan bölütlenmiş tümör kesitleri kullanılarak birkaç DÖ modeli incelenmiştir. Sonuçta, %95 F skoru ile VGG16 ve VGG19 en başarılı modeller olmuştur. Bu çalışmanın sonunda kesit bazlı çalışmalar bırakılarak hasta bazlı çalışmalara geçilmiştir. Üçüncü çalışmada, hasta bazlı dilimlerin birleştirilmesiyle oluşturulan üç boyutlu (3B) verilerin kullanımı yeterli başarıyı sağlamamıştır. Dördüncü çalışmada, PET görüntülerinin doğrudan kullanıldığı, tümör kısımlarının kırpılarak kullanıldığı ve bölütlenmiş tümör parçalarının kullanıldığı üç farklı deney yapılmıştır. Bu çalışma, peritümoral alanların sınıflandırmada olumlu etkisini ortaya koymuş ve VGG19 %74 F skoru değerine ulaşmıştır. Beşinci çalışmada, transfer öğrenme ve hassas ayar çalışmaları başarısızdı. CNN ve ResNet tabanlı sığ ağları içeren son çalışma %71 F skoru ile umut verici olmuştur.
PERFORMANCE EVALUATIONS OF SINGLE MODE OPTICAL RECEIVER FOR DEGRADED VISUAL FIELD AND PHOTONIC LANTERN BASED COHERENT DETECTION
(Abdullah Gül Üniversitesi, 2016) ORAN, ABDULLAH
Imaging at degraded visual environments is one of the biggest challenges in today’s imaging technologies. Especially military and commercial rotary wing aviation is suffering from impaired visual field in sandy, dusty, marine and snowy environments. For example, during landing the rotor churns up the particles and creates dense clouds of highly scattering medium, which limits the vision of the pilot and may result in an uncontrolled landing. The vision in such environments is limited because of the high ratio of scattered photons over the ballistic photons that have the image information. In this thesis, we propose to use optical spatial filtering (OSF) method in order to eliminate the scattered photons and mainly collect the ballistic photons at the receiver. OSF is widely used in microscopy; to the best of our knowledge this thesis will be the first application of OSF for macroscopic imaging. Our experimental results show that most of the scattered photons are eliminated using the spatial filtering in a highly scattering degraded visual field. The results are compared with a standard broad area photo detector which shows the effectiveness of spatial filtering. Free space optical systems have applications in different areas such as laser ranging, three-dimensional imaging, weather predictions and optical wireless communication. Some applications require very high performance free space optical systems that are not available today. The need of systems with higher performance and lower size, weight and power (SWaP) is the biggest research motivation of free space optical systems. Between various detection techniques, vi coherent optical detection comes forward for applications that require high sensitivity and bandwidth. Coherent detection based LIDAR systems have the potential to provide quantum noise limited performance. However coherent systems suffer from poor free space to fiber collection efficiency due to the single mode detection characteristics and small size of the optical fiber. In order to overcome this problem, photonic lantern is introduced to effectively collect the multimode beam coming from free space and convert it to a number of single mode fibers. The photonic lantern consists of a multimode fiber to a number of single-mode fibers. The collection efficiency enhancement of photonic lanterns have been investigated, however there is no study on the signal to noise ratio –performance- improvement on the photonic lantern based free space coherent systems. In this thesis; the effect of random distribution of the optical power in the 19-port photonic lantern will be investigated mathematically. The photonic lantern based coherent detection system performance will also be simulated by using the MATLAB software. The output of this thesis may open the path to experimental demonstration and maybe even to a prototype.
Kağıt Tabanlı Magnetoforetik Sensör Geliştirilmesi
(Abdullah Gül Üniversitesi Fen Bilimleri Enstitüsü, 2022) FAROOQI, MUHAMMAD FUAD; Farooqi, Muhammad Fuad; İçöz, Kutay
One of the widely used type of biosensors are paper-based lateral flow systems. They are used to detect a wide variety of biomolecules like microorganisms, proteins, chemicals, oligonucleotides among many others. In this research, a setup was created using dual magnet sets in which the flow of cell sample on two kinds of different sample paper was explored. There were two factors which affected the movement of the sample the most, the magnetic field and the wetting. Images were obtained using a cell phone along and/or a bright field optical microscope and then analyzed using image processing. Images were also taken using scanning electron microscope. The effects of the wetting and the magnetic field were tested and studied. It was found that at least 90% of the cells were able to reach the edge of the paper. Although the cells were not able to maintain their shape on the paper due to the unideal conditions of the paper for cells but still this kind of paper-based lateral flow assay setup can be used for cells to see their behavior when they were labelled and exposed to a magnetic field. This research shows support that this technique can be used for separating cells as well as detecting different cells.
Optik Saçılma Temelli Rastgele Orman Destekli Parçacık Tespiti ve Sınıflandırılması
(Abdullah Gül Üniversitesi / Fen Bilimleri Enstitüsü, 2023) Genç, Sinan; Genç, Sinan; İçöz, Kutay; Erdem, Talha
Microplastics, tiny plastic particles with sizes smaller than 5 mm., are often found in oceans, rivers, lakes, and atmosphere due to plastic pollution. Microplastics releasing toxic chemicals threaten the environment and harm the aquatic life and humans. Especially, the accumulation of microplastics can have detrimental effects on the food chain as a result of larger organisms consuming smaller organisms. Detecting the microplastics is crucial but also challenging. Over the years, researchers have developed different detection methods. One of the standard methods is using spectroscopy tools such as Fourier transform infrared spectroscopy (FTIR) and Raman spectroscopy. These techniques can identify the chemical composition of microplastics, which can help determine their sources and potential impacts. Another method is the use of microscopy, which allows for the visualization and counting of microplastics in samples. However, these techniques require costly infrastructure, and these instruments being large in size significantly limits the mobility. As a remedy to the cost and mobility problems, in this thesis, we propose and demonstrate a low-cost, portable system to detect size, concentration, and refractive index of microplastics. Our system comprises of low-cost and low-weight components which are utilized for recording the scattering patterns of microplastics in aqueous media. We demonstrate successful predictions of the size and refractive index of microparticles at a given wavelength using a Random Forest Algorithm which relates the measured scattering pattern with the Mie theory. We further employ the refractive index information at various wavelengths for determining the material type of microplastics. We believe that our proposed system enabling an easy, fast, low-cost, and on-site detection of microplastics will be a beneficial tool for the fight against microplastics in the environment.
Uzaktan Kontrollü İkincil Emisyon İyonizasyon Kalorimetri Modülleri ile Yüksek Enerjili Kozmik ve Gama Radyasyon Ölçümü
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Paran, Nejdet; Tekgün, Burak; Tıraş, Emrah
The demand for precise, robust, and reliable radiation-resistant particle detectors and ionization calorimeters intensifies, due to the escalating luminosity and unprecedented radiation conditions at particle colliders and accelerators. Secondary Emission (SE) Ionization Calorimetry is a novel technology designed to measure the energy of electromagnetic and hadronic particles, particularly in extreme radiation conditions. In this study, we have tested and investigated the development and radiation test of the novel SE modules. The modules were developed by modifying the conventional Hamamatsu single anode R7761 Photomultiplier Tubes. Three different voltage conditions for the same module were developed and the new modules were tested by using cosmic, gamma (Co-60) and neutron (AmBe) radiation sources. The results show that all three modes have good sensitivity to electromagnetic showers, and they are suitable for harsh radiation environments. This study also shows that SE module is a promising technology shedding light on future radiation-resistant nuclear and high-energy detectors. Here, we discuss the technical design, test characteristics and cosmic and particle interaction results of the newly developed SE modules. Since such detector systems are either in a high radiation area or in a closed room/box, remote mode changes allow us to continue the experimental process without interruption. By adding these signals to the interface where the modes are controlled, we can instantaneously observe the modes' effects.
Makine Öğrenmesi ile Protein Parçacık Seçimi
(Abdullah Gül Üniversitesi, 2018) EMRE ULUTAŞ, ALPEREN; Ulutaş, Alperen Emre; Aydın, Zafer
Protein parçacık seçimi proteinlerin üç boyutlu yapılarının tahmin edilmesindeki önemli adımlardan biridir. Doğru parçacık yapılarının seçilmesi üç boyutlu yapının doğru tahmin edilmesi için gereklidir. Bu tezde verilen iki protein parçacığının üç boyutlu yapılarının birbirine benzer olup olmadığını tahmin eden çeşitli yapay öğrenme yöntemleri geliştirilmiştir. Bu sayede yapısı bilinmeyen bir hedef protein için parçacık yapılarının seçilmesi mümkün olacaktır. Tahmin yönteminin girdi olarak kullanacağı öznitelik parametrelerinin tasarlanması için bir konsept hiyerarşi yaklaşımı izlenmiştir. Bunun için dizi profil matrisleri, ikincil yapı, çözücü erişilirlik ve bükülme açı sınıfı tahminleri çeşitli kombinasyonlarda ve izdüşüm uzaylarında incelenmiştir. Üç ve dokuz amino asitlik parçacıkların yapısal benzerlik tahmini için çeşitli sınıflandırma ve regresyon modelleri eğitilmiş ve optimize edilmiştir. Bunlar arasında lojistik regresyon, AdaBoost, karar ağacı, en yakın komşu, sade Bayes, rastgele orman, destek vektör makinası ve çok-katmanlı algılayıcı bulunmaktadır. Elde edilen sonuçlara göre farklı öznitelik kümelerinin konsept hiyerarşi yaklaşımı ile birleştirilmesi ve model optimizasyonları tahmin başarısını önemli oranda iyileştirmiştir. Ayrıca çapraz doğrulama deneyleri neticesinde parçacık benzerliğinin yüksek başarı oranları ile tahmin edilebildiği gösterilmiştir. Parçacık benzerliği sınıflandırma problemi olarak tanımlandığı zaman tahmin yöntemlerinin başarı oranları birbirine yakın olarak elde edilmiştir. Regresyon modelleri arasında ise rastgele orman yöntemi en yüksek tahmin başarısına ulaşmıştır.
MRG Taramalarında Alzheimer Hastalığının Zaman Dağılımlı Sınıflandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Dündar, Mehmet Sait; Yılmaz, Bülent
This thesis presents a comprehensive framework for studying Alzheimer's Disease (AD) progression by focusing on the classification of AD, Mild Cognitive Impairment (MCI), and Cognitively Normal (CN) individuals using advanced machine learning models that analyze changes in brain volumetrics over time through MRI scans. In the first phase of the research, MR images from the Alzheimer's Disease Neuroimaging Initiative database were utilized, which included sequences of 3-4 scans taken annually from 22 CN, 18 AD, and 20 MCI subjects. Key volumetric parameters such as cortical thickness and intracranial volumes were extracted using the CAT12 toolbox in SPM software. A novel classification method based on the rate of volumetric changes over time was employed, effectively capturing the progressive nature of neurological changes. This approach achieved accuracies of 82.5% in distinguishing AD from CN, 71% in differentiating MCI from AD, and 69% in separating MCI from CN, alongside a 55% accuracy in a three-way classification using random forest and support vector machines. Building on these initial insights, the second phase of the study significantly advanced the methodology by integrating a pre-trained 3D ResNet 101 CNN algorithm for initial spatial categorization of MRI scans, followed by the use of Long Short-Term Memory (LSTM) networks. These LSTMs processed the same sequences of 3-4 annual scans for each patient, enhancing the model's ability to analyze and interpret the temporal progression of volumetric changes. This sophisticated approach led to marked improvements in classification accuracy: 96.7% in differentiating AD from CN, 87.5% in distinguishing AD from MCI, and 86.4% in separating MCI from CN. The study effectively demonstrates a significant enhancement in capturing the temporal dynamics of AD progression.
K-mer Sekans Gösterimine Dayalı MicroRNA-Hastalık İlişkilerinin ve MicroRNA-Tür İlişkilerinin Sınıflandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Erbaşı, Yalçın Han; Güngör, Burcu
The dysregulated gene expression brings about a variety of diseases, and dysregulation of microRNA (miRNA) has a wide impact on disease development and cellular physiology. Thus, miRNAs play important roles in a variety of fundamental and significant biological processes related to human diseases. There are a lot of research about changes in the function of miRNAs have been published in many human diseases. Computational methods serve as a complementary process to traditional wet-lab experiments, which require many resources and time in terms of detecting potential miRNA-Disease associations. Furthermore, there is a need to present a novel approach that allows assignment of an unknown miRNA to its most likely species. An easy way to filter new data would be to ensure that the new miRNA is classified below the maximum distance to the species known to originate from. In this thesis, a computational model has been proposed for identifying miRNA-disease and miRNA-Species associations by depicting the miRNAs with their k-mer sequence representation and by utilizing machine learning methodologies. The difference of our approach is which we reveal disease and species associated the sequences of miRNA store information. This put a question about the miRNA's chemical compounds and their associations with different types of species and diseases. With this study, the new disease-disease and species-Species associations disclosed can be calculated for many different species and diseases, these approaches can develop to species and disease classification. Lastly, our study may open a door to redefine species and diseases classifications which have been used nowadays, also it may provide the improvement of treatment strategies and early diagnosis
Ultra Geniş Bantlı Vivaldi Antenlerin Tasarımı ve Performans İyileştirmesi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Güzelkara, İzzet; Kılıç, Veli Tayfun
Ultra-wideband technology has become a trending topic in the academic community since 2002 due to the release of the spectral mask by Federal Communications Commission, allowing the use of 3.6-10.1 GHz band for commercial and industrial applications. Being one of the fundamental components of ultra-wideband systems, ultra-wideband antennas are an important research area. In this research, Vivaldi antennas for ultra-wideband communications and several performance enhancement techniques for the antennas were studied. Antennas were designed and simulated using a commercially available three-dimensional electromagnetic simulation tool. First, a simple design of a Vivaldi antenna with a rectangular microstrip feed was obtained. The initial design has a -10 dB impedance bandwidth between 3.1 and 13.6 GHz and an average realized gain of 2.75 dBi. A method based on the alignment of the microstrip feed was described for adjusting the bandwidth of the initial design. Then, using several performance enhancement techniques such as implementation of corrugations and a parasitic patch, the antenna design was improved. Thanks to the applied methods, an antenna design with -10 dB impedance bandwidth extending from 1.33 to 10.1 GHz and an average realized gain of 6 dBi was achieved. Findings of this thesis study show that Vivaldi antennas having specific structures designed with the applied techniques are a promising solution for ultra-wideband communication systems, especially where antennas with directive radiation patterns are desired.
Protein İkincil Yapısının Tahmini için Sınıflandırma Yöntemlerinin Optimizasyonu
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2017) Uzut, Ömmu Gülsüm; Aydın, Zafer
Protein ikincil yapı tahmini, proteinin yapısını ve fonksiyonunu anlamak için önemli ve yaygın olarak kullanılan bir aşamadır. İkincil yapı tahmin bilgisi üç boyutlu yapı tahmini için de kullanıldığından protein dizisiyle üç boyutlu yapısı arasında bir köprü olarak görülebilir. Şimdiye kadar, tahmin doğruluk oranını artırmak için birçok yöntem geliştirilmiştir. Yöntemlerin performansını etkileyecek birden fazla durum vardır. Bunlar arasında model hiper-parametrelerinin doğru seçilmesi önem taşımaktadır. Model eğitme sürecinde direkt olarak öğrenilemeyen bu parametrelerin optimize edilmesiyle modellerin hassas olarak ayarlanması mümkündür. Bu sayede aşırı uyum ve eksik uyum gibi davranışlardan kaçınılması amaçlanır. Bu tezde, destek vektör makinesi, derin katlamalı yapay sinir alanları ve rastgele orman yöntemleri bir hibrit sınıflandırıcının ikinci aşamasında kullanılmak üzere optimize edilmiş ve ikincil yapı tahmini problemine uygulanmıştır. Buna ek olarak eğitilen sınıflandırıcılardan elde edilen tahminler bir topluluk yöntemi ile farklı kombinasyonlarda birleştirilmiş ve başarı oranları en zor tahmin koşulu için incelenmiştir. Geliştirilen yöntemlerin doğruluk oranları literatürdeki en iyi yöntemler ile aynı seviyededir ve farklı modellerin birleştirilmesinin tahmin başarısını iyileştirme potansiyeli bulunduğu gösterilmiştir.

Browse

Browsing Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı Tez Koleksiyonu by Access Right "info:eu-repo/semantics/openAccess"