TR-Dizin İndeksli Yayınlar Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396

Browse

Filters

20242

Settings

Author: search.filters.author.Kurban, RifatWoS Q: search.filters.wosQuartile.N/A

Search Results

Now showing 1 - 2 of 2
  • Article
    A Comparative Analysis of Convolutional Neural Network Architectures for Binary Image Classification: A Case Study in Skin Cancer Detection
    (2024-12-15) Kurban, Rifat; Korkut, Şerife Gül; Kocabaş, Hatice
    Bu çalışmada, ikili görüntü sınıflandırması için Evrişimsel Sinir Ağı (CNN) mimarilerinin kapsamlı bir karşılaştırmalı analizi sunulmuş ve transfer öğreniminin faydalarına vurgu yapılmıştır. MobileNetV3, VGG19, ResNet50 ve EfficientNetB0 gibi önde gelen CNN modellerinin ikili görüntülerden cilt kanseri sınıflandırmadaki performans ve doğruluğu değerlendirilmiştir. Önceden eğitilmiş bir yaklaşım kullanılarak, transfer öğreniminin bu mimarilerin etkinliği üzerindeki etkisi araştırılmış ve ikili görüntü sınıflandırması bağlamında güçlü ve zayıf yönleri belirlenmiştir. Bu makale, optimal CNN mimarisinin seçimi ve transfer öğreniminden yararlanarak ikili görüntü sınıflandırma uygulamalarında, özellikle tıbbi görüntü analiziyle ilgili olanlarda, üstün performans elde etme konusunda değerli içgörüler sağlamayı amaçlamaktadır.
  • Article
    Multilevel Thresholding for Brain MR Image Segmentation Using Swarm-Based Optimization Algorithms
    (2024-09-03) Sahin, Omur; Kurban, Rifat; Toprak, Ahmet Nusret
    Bir görüntüyü bölüt adı verilen çeşitli piksel kümelerine ayırma işlemi olan görüntü bölütleme, görüntü işlemede önemli bir tekniktir. Görüntü bölütleme, görüntünün karmaşıklığını azaltmakta ve görüntüyü bölütlere ayırarak analiz edilmesini kolaylaştırmaktadır. Görüntü bölütlemenin en basit ancak etkin yollarından biri, piksellerin değerlerine göre birden çok bölgeye ayrıldığı çok düzeyli eşiklemedir. Bu çalışma, yaygın kullanılan sürü tabanlı optimizasyon algoritmalarının beyin MR görüntülerinde çok düzeyli eşikleme tabanlı görüntü bölütleme performansını araştırmayı ve karşılaştırmayı amaçlamaktadır. Yedi sürü zekâsı temelli optimizasyon algoritması: Parçacık Sürü Optimizasyonu (PSO), Yapay Arı Kolonisi (ABC), Gri Kurt Optimize Edici (GWO), Güve Alevi Optimizasyonu (MFO), Karınca Aslanı Optimizasyonu (ALO), Balina Optimizasyonu (WOA) ve Denizanası Arama Optimizasyon (JS) eşik seviyelerini belirlemek üzere beyin MR görüntülerine uygulanarak karşılaştırılmaktadır. Bahsi geçen algoritmalar ile yapılan deneylerde minimum çapraz entropi ve sınıflar arası varyans amaç fonksiyonları kullanılmıştır. Kapsamlı deneyler, JS, ABC ve PSO algoritmalarının daha iyi performans sergilediğini göstermektedir.