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 65

Çalışan Yıpranması Tahmini ve Film Tavsiyesi için Öneri Sistemi
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2020) Özdemir, Fatma; Güngör, Vehbi Çağrı; Coşkun, Mustafa
Bu tezde Makine Öğrenimi Topluluğunda ortaya atılan iki probleme odaklanıyoruz: tavsiye sistemi ve çalışanların yıpranma sorunu. Tavsiye sistemi, kullanıcıların bir ürün satın alırken belirli bir öğeyi tercih edip etmeyeceğini tahmin eden bir bilgi filtreleme sistemidir. Tavsiye sistemleri tahmin etmek için kullanıcı / öğe bilgilerini kullanır. Bu sistemler, özellikle işbirlikçi filtreleme tabanlı sistemler, E-ticarette yaygın olarak kullanılmaktadır. Bu çalışmada, ortak filtreleme ve kullanıcıların / öğelerin yan bilgilerini birleştiren karma bir model öneriyoruz. Önerilen modelde, ilişkili komşuları bulmak ve onları kümelemek için kullanıcıların / öğelerin yan bilgileri kullanılır. Daha sonra, bu kümelere ortak filtreleme yöntemleri uygulanır. Önerilen modelin performansını değerlendirmek için matris çarpanlara ayırma ve yeniden başlatma ile rastgele yürüme uygulanır. Önerilen yaklaşım MovieLens verileri üzerinde sistematik olarak değerlendirilir. Deneysel sonuçlar, kullanıcının / öğenin yan bilgisini kullanan önerilen modelin geleneksel ortak filtreleme yöntemlerinin performansını önemli ölçüde geliştirdiğini göstermektedir. Tezin ikinci bölümünde, hangi kişilerin şu anda çalıştıkları bir şirketten ayrılacağını / devam edeceğini tahmin etmeye çalışan, çalışan yıpranması tahmini sorununu ele almaya çalışıyoruz. Günümüzde şirketler için çalışanların işlerini bırakıp bırakmayacaklarını tahmin etmeleri çok önemlidir. En iyi performans gösteren çalışanların işi bırakması, kuruluşlarda finansal veya kurumsal bilgi kaybına neden olabilir. Bu tür kayıplardan kaçınmak için şirketler, çalışanların yıpranmasını tahmin etmelidir. Bununla birlikte, şirketlerin İK departmanları bu tür tahminleri yapacak kadar gelişmiş değildir. Bu amaçla şirketler, çalışanların yıpranmasını zamanında ve doğru bir şekilde tahmin etmek için veri madenciliği yöntemleri kullanmaktadır. Bu çalışmada, Doğrusal diskriminant analizi (LDA), Naive Bayes, Bagging, AdaBoost, Lojistik Regresyon, Destek Vektör Makinesi (SVM), Rastgele Orman, J48, LogitBoost, Çok Katmanlı Algılayıcı (MLP), K-En Yakın Komşular (KNN), XGBoost, Graph Convolutional Networks, iki özel şirket veri kümesinde (IBM ve Adesso İnsan Kaynakları veri kümelerine) çalışanların yıpranmasını tahmin etmek için uygulanmıştır. Mevcut çalışmalardan farklı olarak, bulgularımızı sistematik olarak F-ölçü, Eğri Altında Alan, doğruluk, duyarlılık ve özgüllük gibi çeşitli sınıflandırma metrikleri ile değerlendiriyoruz. Performans sonuçları, LogitBoost ve Lojistik Regresyon algoritmaları gibi veri madenciliği yöntemlerinin çalışanların yıpranmasını tahmin etmede çok yararlı olabileceğini göstermektedir.
LTE Ağları için Servis Kalitesi Odaklı Aşağı Yönlü Zamanlama Algoritması: Kenar Kullanıcıları Üzerine İnceleme
(2016) Uyan, Osman Gökhan; Güngör, Vehbi Çağrı
4G/LTE (Long Term Evolution) en modern kablosuz mobil genişbant teknolojisidir. LTE-A kullanıcıların yüksek bağlantı hızlarına ulaşmalarını sağlar. Bu yüksek hızları sağlayabilmek için OFDM teknolojini kullanır; OFDM sistem kaynaklarını hem frekans hem de zaman alanlarında sunar. Bu kaynakların atanması işi baz istasyonunda çalışan bir zamanlama algoritması tarafından yapılır. Bu tezde, mevcut zamanlama algoritmaları iki şekilde değerlendirilmektedir. Önce algoritmaların performansları çıktı ve adillik yönüyle incelenmektedir. Daha sonra, yeni bir adillik ölçütü sunulmaktadır: QoS-haberdar adillik; sistemin, kullanıcıların bekleme zamanı taleplerine cevap verebildiği ölçüde adil olduğunu varsayar. Yine mevcut algoritmaların performansları bu ölçü ile incelenmiştir. Ayrıca bu metriklere göre özellikle hücre kenar kullanıcılarının elde ettiği çıktıları, sistemin adilliğini ve klasik adilliği artırırken diğer algoritmalarla kıyaslandığında hücre toplam çıktısında çok büyük düşüşe neden olmayan yeni bir algoritma önerilmektedir.
Elektrik Dağıtım Şirketleri Perspektifinden Blockchain Temelli Enerji Uygulamaları
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Yağmur, Ahmet; Tonyalı, Samet
This thesis discusses blockchain-based energy applications from the distribution system operator (DSO) perspective. Blockchain has a potential impact on emerging actors, such as electric vehicles (EVs), charging facility units (CFUs), Distributed Energy Resources (DERs) and microgrids of the electricity grid. Although, blockchain offers magnificent, decentralized solutions, owing to the reality of the existing grid structure, the central management of DSOs still plays a significant, non-negligible role. Numerous studies of proposed blockchain-based EV systems have investigated the energy costs of EVs, fast and efficient charging, privacy and security, peer-to-peer energy trading, sharing economy, selection of appropriate location for CFUs, and scheduling. Additionally, blockchain in DERs, microgrids and energy market investigated in literature. However, cooperation with DSO organizations has not been adequately addressed. Blockchain-based solutions mainly suggest an entirely distributed and decentralized approach for energy trading. However, converting the entire power system infrastructure is considerably expensive. Building a thoroughly decentralized electricity network is nearly impossible in a short time, particularly at the national grid level. In this regard, the applicability of the solutions is as significant as their appropriateness, especially from the DSO perspective, and must be examined closely. The blockchain applicability of the essential DSO services such as SCADA and AMI are analyzed in this study. Time series analysis applied to forecast future peak load of the grid in a pilot region. Reducing the peak load by using BC based demand side management mechanism scenario evaluated and total saving of grid investment is analyzed. We searched and analyzed DSO-based requirements for potential blockchain applications in the energy sector.
İndüksiyon Sistemi Uygulamaları için Farklı Düzlemsel Bobin Şekillerinin Teorik Olarak İncelenmesi ve Modellenmesi
(Abdullah Gül Üniversitesi, 2019) ERMAN, MUHAMMED FURKAN; Erman, Muhammed Furkan; Kılıç, Veli Tayfun
Isıtma endüstride önemli bir yer kaplar. Teknolojinin gelişmesiyle birlikte, günümüz dünyasında, resistif ve kızılötesi ile ısıtma yöntemleri de dahil olmak üzere yaygın olarak kullanılan birçok ısıtma yöntemi vardır. Bu yöntemler arasında, indüktif ısıtma giderek daha popüler hale gelmektedir. İndüktif ısıtma sistemlerinin en önemli parçalarından biri bobindir. Bobin, elektrik enerjisi uygulandığında ve üzerinden akım geçtiğinde manyetik alan oluşturur. Endüstride dairesel, kare vb. şekillerde farklı bobin şekillerini görmek mümkündür. Literatürde mevcut formüller kullanılarak bu bobin şekillerinin analitik incelenmesi yapılabilmektedir. Ancak üretim zorluklarından veya sağladığı avantajlardan dolayı kare bobin gibi köşeleri keskin olan bobinlerin köşelerinin yuvarlanması kaçınılmazdır. Köşeleri yuvarlanmış bobin yapısı orijinal yapısından farklı olduğundan dolayı oluşturduğu manyetik akı yoğunluğu aynı olmamaktadır. Bu tezde, bu tür bobinlerin analitik olarak incelenebilmesi için gerekli formüllerin türetilmesi ile literatürdeki boşluk doldurulmuştur. Bulunan formüller köşeleri yuvarlanmış kare ve üçgen şeklindeki bobinlerin oluşturduğu manyetik akı yoğunluğu hesaplanarak doğrulanmıştır. Her iki bobin şekli modellenerek simule edilmiştir. Her bir şekil için 3 farklı boyut ve her boyut için 5 farklı yuvarlama miktarı seçilmiştir. İlk durumda, yuvarlanan köşe merkezlerinin bobinin merkezi ile çakıştığı varsayılmıştır. Bu sayede bobin merkezinde oluşan manyetik akı yoğunluğu hem geleneksel formüller ile hem de bu tezde türetilen formüller ile hesaplanmıştır. İkinci durumda ise yaylar, merkezleri bobin merkeziyle çakışmayacak şekilde farklı konumlara yerleştirilmiş çemberin parçaları olarak ayarlanmıştır. İkinci durumda, yuvarlamanın yaratılan manyetik alan yoğunluğu üzerindeki etkisini görmek için farklı miktarlarda yuvarlama için bobinin ix toplam uzunluğu sabit tutulmuştur. Bu durumda hesaplamalar sadece bu çalışmada türetilen formüller ile yapılabilmektedir. Manyetik akı yoğunluklarının hesaplanmasından sonra, sonuçlar üç boyutlu elektromanyetik simülasyonlarla desteklenmiştir. Bulunan sonuçların analitik hesaplamalar ve simülasyonlarla karşılaştırılması, önerilen yöntem ile geleneksel yöntem arasındaki ve önerilen yöntem ile simülasyonlar arasındaki maksimum hatanın % 1'den az olduğunu göstermiştir.
Işık Emici Optoelektronik Cihazların Üretimi ve Yeni Uygulamaları
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Savaş, Müzeyyen; Erdem, Talha
Fabrication of optoelectronic devices relies on expensive, energy-consuming conventional tools including chemical vapor deposition, lithography, and metal evaporation. Developing an alternative technology would contribute to the efforts on achieving a sustainable optoelectronics technology. Keeping this in our focus, here we present a simple technique to fabricate visible photodetectors. These fully solution-processed and transparent metal-semiconductor-metal photodetectors employ silver nanowires (Ag NW) as the transparent electrodes replacing the indium-tin-oxide (ITO) commonly used in optoelectronic devices. By repeatedly spin coating Ag NW on a glass substrate followed by the coating of ZnO nanoparticles, we obtained a highly conductive transparent electrode reaching a sheet resistance of 95 Ω/□. The transmittance of the Ag NW-ZnO films was 84% at 450 nm while the transmittance of the ITO films was 90% at the same wavelength. Following the formation of the conductive film, we scratched it using a heated surgical blade to open a gap which is ~30 µm forming an insulating line. As the active layer, we drop-casted red-emitting CdSe/ZnS core-shell colloidal quantum dots (CQDs) onto this gap. These visible CQD-based photodetectors exhibited responsivities and detectivities up to 8.5 mA/W and 0.95x109 Jones, respectively. These proof-of-concept photodetectors show that the environmentally friendly, low-cost, and energy-saving technique presented here can be an alternative to conventional, high-cost, and energy-hungry techniques while fabricating light-harvesting devices.
Hedeflenen Lösemik Hücrelerin Sayımı için Görüntü İşleme Tabanlı Ölçüm Sistemi
(Abdullah Gül Üniversitesi, 2019) TAŞ, ZEHRA; Taş, Zehra; İçöz, Kutay
Akut Lenfosit Lösemi (ALL) çocukluk çağında en sık görülen kanser türüdür. Bu kanserin ilerlemesi oldukça hızlıdır, bu yüzden tedavi için zaman çok önemlidir. Hastalar için ilaç tedavisi (kemoterapi), kemik iliği nakli, radyasyon tedavisi ve immünoterapi gibi bazı tedaviler vardır. Bu tedaviler arasında kemoterapi öncelikle tercih edilen bir yöntemdir, ancak sonucu hastadan hastaya farklılık göstermektedir. Hastaların iyileşmesinde ilacın dozajını ayarlamak için kemoterapinin tedaviye etkisini ölçmek çok önemlidir. Kemoterapinin etkisini ölçmek için akım sitometrisi (FC), polimeraz zincir reaksiyonu (PCR) ve mikroskobik inceleme teknikleri kullanılır. Ancak, bu yöntemler zaman alır, pahalıdır ve uzman gerektirir. Bu tezde, sorun görüntü işleme tekniklerine dayanan otomatik bir hücre algılama ve niceleme yöntemi ile ele alınmaktadır. Optik mikroskopi ile elde edilen görüntüler işlenir ve immüno-manyetik boncuklarla yakalanan ALL hücrelerinin ölçümü sağlanır. Geleneksel yöntemlerle karşılaştırıldığında, bu teknik zaman verimli, ucuz ve kullanımı kolaydır. ALL hücrelerinin miktarının yanı sıra, biyosensörlerin sinyal büyütme metodu için projenin ilk bölümünde kullanılan manyetik boncukların belirlenmesi için görüntü işleme algoritmaları da geliştirilmiştir. Görüntüler cep telefonu mikroskopisinden hem mikroskop lamı hem de difraksiyon ızgarası tabanlı biyosensörler için elde edilmiştir. Her iki yöntemde de manyetik boncuk birikimleri gözlenmiş ve geliştirilen algoritmalar cep telefonu mikroskopu görüntülerine uygulanmıştır. Böylece, manyetik boncukların birikimleri bilgisi, görüntü işleme kullanılarak otomatik olarak elde edilmiştir.
Bilgisayar Algoritmalarının GPU ile Hızlandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Yalçın, Salih; Alkan, Gülay Yalçın
Travelling Salesman Problem (TSP) is one of the significant problems in computer science which tries to find the shortest path for a salesman who needs to visit a set of cities and it involves in many computing problems such as networks, genome analysis, logistic etc. Using parallel executing paradigms, especially GPUs, is appealing in order to reduce the problem-solving time of TSP. One of the main issues in GPUs is to have limited GPU memory which would not be enough for the entire data. Therefore, transferring data from host device would reduce the performance in execution time. In this study, we present a methodology for compressing data to represent cities in the TSP so that we include more cities in GPU memory. We implement our methodology in Iterated Local Search (ILS) algorithm with 2-opt and show that our implementation presents 29% performance improvement compared to the state-of-the-art GPU implementation.
Medikal Termal Görüntülerin Otomatik Olarak İşlenmesi ve Sınıflandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Özdil, Ahmet; Yılmaz, Bülent
The aim of this dissertation is to develop computer aided methods for processing and evaluating medical infrared thermal images. Throughout this study three problems were evaluated. The first problem was to automatically classify the body part and pose in the thermal images. In this study there were four classes; upper-lower body parts with back-front views. The first step included the segmentation of the background with Otsu's thresholding method applying histogram equalization. Next, DarkNet-19 architecture was used to extract features from images and these features were reduced using PCA and t-SNE methods. Finally reduced feature sets were used for classification. The second problem was to automatically classify liver steatosis from using thermal images. In this study, the classification problem was tested on an anatomical region of interest from abdominal images corresponding to the liver. Deep learning and texture analysis methods were employed for feature extraction, and then the selected feature sets were used for classification. The third problem was to quantify thermograms of multiple sclerosis (MS) patients for better assessment of the disease and monitoring the therapy. Thermal images of two patients and a healthy control from lower limbs were evaluated during experiments, and localized quantification of the effect of MS on the feet of the patients using thermal images method was proposed. The proposed method was fully correlated with the evaluations of physician. It is shown that medical thermal imaging has high potential in many fields of medicine as a non-invasive method for pre-diagnosis and follow-up.
Görüntü Tanıma Tabanlı Gökyüzü Kamerası Entegrasyonunu Kullanarak Sezgisel Vektörize Öğrenme Yöntemine Dayalı PV Tahmini
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Yavuz, Levent; Önen, Ahmet
In order to ensure the continuity of demand and production balance, the use of renewable energy resources (RES) by countries will increase in the near future. Solar power generation is important for the integration of renewable energy into the power grid, but it can cause problems in power systems due to the uncertain and intermittent nature of solar power. Deep learning methods provide promising results in solar energy prediction, but the performance of these models depends on the initial weights assigned to the network. In this thesis, a novel weight initialization method, the Heuristic Vectorised Learning method, which takes into account certain characteristics of solar generation data has been proposed. This method aims to achieve better accuracy in solar forecasting by combining a statistical approach with a method based on deep learning. The method was compared with other commonly used methods such as Xavier, LeCun, He and Random, and it was seen that the proposed method performed better. Overall, the proposed weight initialization method provides significant benefits for solar forecasting applications in the context of renewable energy integration into the power grid. So, to reach higher accuracy, monitoring the sky is the best option for intra-day forecasts. Therefore, a hybrid model was created for photovoltaic generation prediction by using it together with environmental sensor data. The proposed method and panel shading model achieve higher accuracy values at the Abdullah Gül University campus in Kayseri. The proposed system provides a reliable PV energy forecast for the intraday energy markets.
EEG Sinyallerinden Disfaji Hastalığının Karakteristiklerinin Belirlenmesi ve Analizi
(2025) Aslan, Sevgi Gökçe; Yılmaz, Bülent
Disfaji, genellikle nörolojik hastalıklarla ilişkilendirilen ve özellikle yaşlı bireylerde yaşam kalitesini olumsuz yönde etkileyen bir yutma bozukluğudur. Bu çalışma, EEG verileri kullanılarak yutma ve yutmayı hayal etme süreçlerinin nörofizyolojik analizini yapmayı ve bu verilerin disfaji rehabilitasyonunda nasıl kullanılabileceğini araştırmaktadır. Otuz adet sağ elini kullanan birey üzerinde gerçekleştirilen deneylerde, doğal yutma, indüklenmiş tükürük yutma, indüklenmiş su yutma ve indüklenmiş dil dışarı çıkarma gibi farklı deneysel paradigmalar kullanılmıştır. Verilerin ön işlenmesinde Bağımsız Bileşen Analizi (ICA), Empirik Mod Ayrıştırma (EMD), bant geçiren filtreleme ve Ortak Uzamsal Desen (CSP) analizi gibi teknikler uygulanmıştır. Bu ön işleme yöntemleri, EEG verilerindeki gürültüyü azaltarak daha doğru bir analiz sağlamak amacıyla kullanılmıştır. Geleneksel makine öğrenmesi teknikleri ve derin öğrenme yöntemleriyle yapılan sınıflandırma görevlerinde, dinlenme ve hayal etme evreleri arasındaki farklar belirgin bir şekilde ayrılmıştır. Random Forest, AdaBoost ve Bagging gibi topluluk tabanlı algoritmaların yanı sıra, derin öğrenme yöntemlerinden Konvolüsyonel Sinir Ağları (CNN) da uygulanmıştır. Ayrıca, çok ölçekli mekânsal dikkat ağı (MS-SAN) modeli, özellikle delta ve teta frekans bantlarında hareketi hayal etme ile dinlenme durumları arasındaki nörofizyolojik farkları yüksek doğrulukla ayırt etmiştir. Sonuçlar, hareketi hayal etme ve dinlenme evrelerinin EEG verileriyle tespit edilmesinin disfaji tedavisinde ve motor rehabilitasyon uygulamalarında büyük bir potansiyel taşıdığını göstermektedir. Bu çalışma, EEG tabanlı beyin-bilgisayar arayüzleri (BBA) teknolojilerinin, makine öğrenimi ve derin öğrenme yöntemlerinin disfaji rehabilitasyonundaki potansiyelini vurgulamakta ve bu alandaki araştırmaların klinik uygulamalar açısından önemini ortaya koymaktadır. Anahtar kelimeler: Elektroensefalografi, Makine Öğrenmesi, Derin Öğrenme, BBA, Yutkunma
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.
Esnek Kağıt Tabanlı Kapasitif Sensör Kullanarak Solunum İzleme
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Solak, İrfan; İçöz, Kutay; Hah, Dooyoung
Respiration is an action known to be essential and crucial for life. Unfortunately, in some cases such as illnesses and accidents various respiratory problems can be experienced. It might be difficult to maintain normal respiration for the people who have respiratory diseases. It is known that respiration monitoring of people who have respiratory problems, albeit for different reasons, is important in terms of their treatment and maintaining their life quality. Current respiration monitoring systems are expensive and bulky. Many of these systems are only available at hospitals or in laboratories. Low-cost, easy to use and portable respiratory monitoring devices are needed. Having these motivations, we aimed to monitor respiration by designing and producing a paper-based sensor that is easy to manufacture, low-cost, and highly responsive. The sensor, which is the subject of this thesis project, has potential to be used for different purposes such as measuring the humidity in the environment. In this project, we focused on designing a system for people who have respiratory problems by providing respiration monitoring data. In addition, according to the data obtained, we are able to analyze the health status of the users. Therefore, this sensor can be used both for the detection of respiration diseases and monitor the status of the patients. In this way, respiration related unhealthy situation can be detected and treated immediately.
Mikro Nano Manyetik Parçacıkları Kullanarak Biyosensörlerin Hassasiyetini İyileştirme
(Abdullah Gül Üniversitesi, 2016) OMARY MUSTAFA, MZAVA; Mzava, Omary Mustafa; İçöz, Kutay
Halihazırda, manyetik boncuklar gibi mikro/nano parçacıklar sadece biyosensörlerden sinyal elde etmek için değil, aynı zamanda biyosensörlerden elde edilen sinyalleri güçlendirmek için de kullanılmaktadır. Hem algılama hem de işaret artırımı için çoğunlukla antikor-antijen bağlanması gibi biyomoleküllerin etkileşimi esasına dayalı bağlanmalar kullanılır. Bu biyomoleküler bağlanma olayı bir çok dezavantaja sahiptir. Biyomoleküler bağlanma pH ve sıcaklık gibi ortam şartlarına karşı hassastır, bağlanma için kullanılan etiketler pahalıdır ve moleküler bağlanma fazla zaman alabilir. Bu tez çalışmasında, manyetik mikro/nano parçacıkların manyetik etkileşimine dayandırılan ve hiçbir biyomoleküler kaplama gerektirmeyen kısa sürede ve düşük maliyetli sinyal kuvvetlendirme yöntemi geliştirilmiştir. Dış manyetik alana maruz bırakılan manyetik parçacıklar manyetize olurlar ve bu parçacıklar etraflarında bölgesel bir manyetik alan oluşturarak, birbirlerini çekerler. Bu kontrol edilebilen manyetik etkileşim ve topaklanma, optik mikroskoplar ile elde edilen görüntülerdeki piksel alanının veya renk kontrastının yoğunluğundaki değişimler ölçülerek analiz edilebilir. Manyetik alan altındaki manyetik parçacıkların topaklanma dinamikleri teorik ve deneysel olarak irdelenmiştir ve bu yöntemin Escherichia Coli 0157:H7 bakterisine bağlanmış manyetik boncuklara uygulaması gösterilmiştir. Son olarak, bu sinyal kuvvetlendirme yöntemi akış kanalıyla birleştirilmiş ve model hedef protein olarak streptavidinin algılanması gösterilmiştir. Akış kanalı içerisindeki altın yüzey üzerine sabitlenmiş mikro/nano parçacıklar, bu sıvı içerisinde hareket eden demir parçacıkları zincir şeklinde toplar. Manyetik alanda oluşturulan bu topaklanmalar görüntülerin Kontrast Gürültü Oranını artırmak için kullanılır ve böylece elde edilen işaret 6-8 kat artırılır.
Derin Öğrenme Tabanlı Kompozit Malzemelerin Ultrasonik Tomografi Görüntülerinden Kusurların Tespiti ve Sınıflandırılması
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Gülşen, Abdulkadir; Güngör, Burcu; Kolukısa, Burak
This thesis introduces novel methodologies for enhancing defect classification and characterization in advanced composite materials by leveraging state-of-the-art machine learning (ML), deep learning (DL), and federated learning (FL) techniques within ultrasonic and acoustic emission (AE) inspection environments. First, a new ultrasonic dataset (UNDT), comprising 1,150 images from 60 distinct composite materials, is introduced. Applying transfer learning methods to both the UNDT and a publicly available dataset demonstrates the efficacy of advanced neural architectures—such as DenseNet121 and VGG19—achieving accuracy rates up to 98.8% and 98.6%, respectively. Next, the scope is extended to AE-based health monitoring by introducing an ensemble feature selection methodology to identify features strongly correlated with damage modes. By selecting amplitude and peak frequency for labeling and subsequently applying unsupervised clustering, the analysis confirms that both traditional AE features (e.g., counts and energy) and less commonly employed features (e.g., partial powers) correlate with distinct defect types. Finally, a novel FL framework is introduced to address the scarcity of publicly available, real-world ultrasonic datasets. This decentralized approach preserves data privacy while maintaining performance levels comparable to centralized methods, ensuring scalability and confidentiality in diverse data environments. Overall, these contributions significantly advance the field of NDT, offering robust defect classification and characterization. In doing so, the findings not only improve the accuracy and reliability of material integrity assessments but also lay a durable foundation for more secure, collaborative, and efficient NDT systems.
Histopatoloji Görüntülerinden Bilgisayar Destekli Kanser Tespiti
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Taşdemir, Sena Büşra Yengeç; Yılmaz, Bülent; Aydın, Zafer
Detecting colon adenomatous polyps early is crucial for reducing colon cancer risk. This thesis investigated various deep learning approaches for computer-aided diagnosis of colon polyps on histopathology images using deep learning. The thesis addressed key challenges in polyp classification, including differentiating adenomatous polyps from non-adenomatous tissues and multi-class classification of polyp types. Initially, a histopathology image dataset is collected and refined from Kayseri City Hospital. The first study used stain normalization algorithms and an ensemble framework for binary classification, achieving 95% accuracy on the custom dataset and 91.1% and 90% on UnitoPatho and EBHI datasets, respectively. The second study implemented a tailored version of the supervised contrastive learning model for multi-class classification, outperforming state-of-the-art deep learning models with accuracies of 87.1% on custom dataset and 70.3% on UnitoPatho dataset. The third study proposed a self-supervised contrastive learning approach for utilizing all data in cases of limited labeled images. This approach achieved better performance than transfer learning with ImageNet pre-trained models. In conclusion, this PhD thesis investigated deep learning approaches for computer-aided diagnosis of colon polyps on histopathology images, demonstrating high accuracy in binary and multi-class classification, outperforming state-of-the-art models. These findings contribute to improving colon polyp classification accuracy and efficiency, ultimately facilitating the early detection and prevention of colon cancer.
Meme Kanseri Histopatoloji Görüntülerinde Evrişimsel Sinir Ağları Kullanarak Tümör Tespiti
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Şahbaz, Zeki; Aksebzeci, Bekir Hakan
Breast cancer is one of the most common cancer types among women worldwide. Early detection significantly increases the chances of survival and effective treatment, making advancements in diagnostic methodologies crucial. This study aims to improve the detection of tumor cells in breast cancer histopathology images using deep learning and image processing techniques. Significant modifications have been made to the hyperparameters, including the tumor bounding box size, batch size, optimization algorithms, learning rate, and weight decay. These changes focus on determining the best parameters of the Faster R-CNN model. A comprehensive analysis of different parameters was conducted using the Breast Cancer Histopathological Annotation and Diagnosis (BreCaHAD) dataset. The analysis identified the best settings for model performance, shows by improvements in precision, recall, and F-score. Our research contributes to the field of medical image analysis by identifying critical factors that affect the accuracy of tumor detection, contributing to the development of more accurate diagnostic tools.
Protein İkincil Yapı Tahmini için Boyut Küçültme
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2017) Görmez, Yasin; Aydın, Zafer; Kaynar, Oğuz
Gerekli metabolik süreçleri yürüten proteinler insan hayatı için büyük önem taşımaktadır. Proteinlerin fonksiyonları ile üç boyutlu yapıları arasında yakın bir ilişki bulunmaktadır. Dört yapı düzeyi olan proteinlerin bir çoğunun, birincil yapı olarak da adlandırılan amino asit dizilimi bilinmekte ancak üçüncül yapıları bilinmemektedir. Üçüncül yapıların laboratuvar ortamında tespit edilmesinin çok maliyetli ve zor olması, amino asit dizilimini kullanarak yapı tahmini yapan sistemlerin geliştirilmesine neden olmuştur. Protein yapı tahmini yapan sistemlerin en önemli aşamalarından biri ise ikincil yapı etiketlerinin tanımlanması işlemidir. Yeni öznitelik çıkarma yaklaşımları geliştirildikçe yapısal özelliklerin tahmini için kullanılan veri setleri yüksek boyutlara sahip olabilmekte ve kullanılan özniteliklerden bazıları gürültülü veri içerebilmektedir. Bu nedenle uygun sayıda ve doğru öznitelikleri seçmek, iyi bir başarı oranı elde etmek için önemli aşamalardan biridir. Bu çalışmada iki farklı veri seti üzerinde derin oto kodlayıcı kullanılarak boyut düşürme işlemi uygulanmış, temel bileşen analizi, ki-kare, bilgi kazancı, kazanım oranı, korelasyon tabanlı öznitelik seçim teknikleri ve minimum fazlalık maksimum ilgi algoritması gibi çeşitli öznitelik seçim ve boyut düşürme teknikleri ayrıca genetik algoritma, aç gözlü algoritma ve en iyi ilk önce algoritması gibi çeşitli arama stratejileri ile birlikte kullanılarak elde edilen veri setleri ile karşılaştırılmıştır. İkincil yapı tahmin başarısının karşılaştırılması için destek vektör makinası kullanılmıştır.
Merkezi Olmayan Elektronik Sağlık Kaydı Yönetim Sistemi ve Makine Öğrenmesi Yöntemleri ile Hastalık Tahmini
(Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2024) Dedetürk, Beyhan Adanur; Güngör, Burcu
Electronic health records (EHRs) are vital to the advancement of healthcare and can help detect and prevent diseases early. However, EHR sharing faces challenges such as managing large data volumes, ensuring data privacy, security, and interoperability. This thesis aims to develop and analyze a blockchain-based EHR sharing system for disease prediction mechanism integration using SysML. The AguHyper platform, built by merging the InterPlanetary File System (IPFS) with Hyperledger Fabric, ensures the immutability of health records by storing hash values in the blockchain and encrypted records in IPFS. The system architecture and implementation configurations, including CouchDB and the Raft consensus mechanism, are thoroughly examined. The study also presents a novel hybrid approach called CSA-DE-LR, which integrates Differential Evolution (DE) and Clonal Selection Algorithm (CSA) with Logistic Regression (LR) to improve LR weights for precise categorization of cardiovascular diseases. The integration of the AguHyper with the CSA-DE-LR is explained in detail. At the end of our performance evaluations, we concluded that the AguHyper model has the potential to speed up the process of collecting and sharing data, and it offers an efficient platform for the participants.
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.
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

Browse

Browsing Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı Tez Koleksiyonu by Department "Fen Bilimleri Enstitüsü / Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı"