TR-Dizin İndeksli Yayınlar Koleksiyonu
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396
Browse
23 results
Search Results
Research Project Kolon Polipleri için Kolonoskopi ve Histopatoloji Görüntülerinden Yapay Zekâ Destekli Prognostik Belirteç Tespiti(2023) Doğan, Serkan; Doğan, Refika Sultan; Aydın, Zafer; Akay, Ebru; Güzel, Ömer Faruk; Yilmaz, Bulent; Taşdemir, Sena Büşra YengeçKolon kanseri vakalarının çoğu kolon mukozasında anormal hücre çoğalmasından kaynaklanan poliplerle başlar. Bu projede Kayseri Şehir Hastanesi gastroenteroloji kliniğine gelen 201 hastada tespit edilen poliplere dair kolonoskopi video ve görüntülerinden ve biyopsi örneklerinden elde edilen patoloji raporu ve immunohistokimyasal (İHK) gen ve protein analizi sonuçlarını içeren kapsamlı bir veri seti oluşturulmuştur. Bu projede, elde ettiğimiz veri setinde yer alan görüntülerden kolon poliplerinin evresini/patolojisini tahmin etmek için yenilikçi derin öğrenme ve makine öğrenmesi yöntemlerini temel alan çevrim içi veya dışı kullanılabilen kapsamlı bir yapay zekâ destekli bilgisayarlı görü sistemi geliştirilmiştir. Bu proje kapsamında; kolonoskopi videolarından gerçek zamanlı polip lokalizasyonu, videolardan görüntülerin elde edilmesi, polip görüntülerinden hiperplastik ve tübüler polip ayrımının otomatik yapılması ve hekim performansıyla karşılaştırılması, bu görüntüler üzerinde ayırt edici özniteliklerin tespit edilmesi, farklı büyütmelerde alınan histopatoloji görüntülerinden adenomatöz olan ve olmayan poliplerin ve poliplerin alt tiplerinin yenilikçi derin öğrenme yöntemleriyle tespiti, Ki-67, p53, VEGF, PDL-lenfosit ve PDL-epitel, BRAF ve cd34 isimli gen ve proteinlerin İHK analizlerinin sonuçlarının polip tipleri ve alt tipleri için yorumlanması ve poliplerin bu bilgilere göre etiketlenmesi gerçekleştirilmiştir.Research Project GEAKDES: Gerçek Zamanlı Deprem Afet / Süreç Yönetimi İçin Yapay Zekâ Temelli Akıllı Karar Destek Sistemi(2024) Dedeturk, Bilge Kagan; Özmen, Mihrimah; Yüksel, Muhammed Burak; Akin, Muge; Ozcan, OrkanDepremler, dünya genelinde sıkça görülen ve ciddi etkiler yaratan doğal felaketlerdir. Modern teknoloji, özellikle sismik olarak aktif bölgelerde, gerçek zamanlı sismik ölçümlerle hızlı müdahale imkanı sağlar. Deprem sonrası hızlı ve doğru hasar tespiti, acil yardım ve kurtarma operasyonlarının etkin yönetilmesini sağlar. Depremlerin dünya çapında ekonomik ve insan kayıpları büyük boyutlardadır, özellikle sismik olarak aktif bölgelerde tehdit oluşturur. Bina güçlendirme çalışmaları ve afet önleme planları, toplumların depremlere karşı direncini artırabilir. Makine öğrenimi ve yapay zeka, depremle ilgili konularda önemli uygulamalara sahiptir. Bu teknolojiler, deprem hasar tahmini, sismik aktivite tahmini ve bina güçlendirme stratejilerinde kullanılır. GEAKDES projesi, bütünleşik bir afet karar destek sistemi sunmaktadır. Gerçek zamanlı makine öğrenmesi algoritmaları, deprem hasar tahminini bina, deprem, zemin gibi karakteristik özelliklerden elde ederek gerçekleştirmektedir. Bu bilgiler, uydu görüntü analizleri ile birleştirilerek daha yüksek doğrulukla deprem hasar tahmini yapılmasını sağlamaktadır. Ayrıca, deprem sonrası yardım ihtiyaçlarını tespit ederek lojistik ağ modeli çalıştırılmakta ve yardım rotaları belirlenmektedir. Proje kapsamında geliştirilen Maliyet Duyarlı Paralel ABC-ANN ve Maliyet Duyarlı Paralel GA algoritmaları, deprem hasar tahmininde yüksek doğruluk ve hızlı eğitim süreleriyle dikkat çekmektedir. Sentinel-2 ve Sentinel-1 uydu görüntüleri kullanılarak deprem sonrası hasar tespiti yapılmış, optik görüntülerle bina yıkımları, SAR görüntüleriyle zemindeki değişiklikler belirlenmiştir. Bu bilgilerin entegrasyonuyla %91 doğruluk elde edilmiştir. Açık kaynaklı Sentinel-1 SAR uydu görüntülerinin kullanımı, makine öğrenmesi yöntemlerine entegre edilerek deprem kaynaklı hasarın anlaşılmasına katkı sağlamıştır. GEAKDES, hasar tahmin bilgilerini kullanarak deprem bölgesi yardım ulaştırma planlamasına yönelik lojistik ağı modellemektedir. MM-CSA yaklaşımıyla rotalar hesaplanmış ve İkame Ürün Stratejisi ile pilot bölgelerde yardım dağıtım rotaları belirlenmiştir. Proje, elde edilen bilgi ve deneyimleri paylaşarak insanlığın faydalanmasını amaçlamaktadır.Article Makine Öğrenmesi ve Derin Öğrenme Yöntemleri ile Hidroponik Tarım(2023) Bulut, Nurten; Hacıbeyoglu, MehmetIn the face of the rapidly increasing population of our world today, researchers have turned to studies that use existing resources more effectively and efficiently in addition to searching for new resources in order to meet the rapidly decreasing needs such as raw materials and nutrients. The use of hydroponic agriculture, which is one of the alternative methods that can be used to meet the need for nutrients, which is one of the greatest needs of humanity, has become more popular day by day. The use of nutrient solution water instead of soil, the fact that it is not affected by weather conditions, that it can be applied indoors and that it can be vertically oriented are the characteristics that make hydroponic agriculture different from other agricultural methods. In addition, the lack of soil in this agricultural method brings with it the need for more observation and supervision. The aim of this study is to show that the observation and surveillance needs necessary to increase yield in hydroponic agriculture can be achieved using machine learning and deep learning methods. For this purpose, it has been observed that the efficiency of hydroponic agriculture has been increased in experimental studies conducted using five machine learning and deep learning methods. The deep learning method has achieved better results with 99.7% success compared to other methods.Article Karanlık Videolarda Orman Yangını Tespitine Yönelik Uzaysal-Zamansal Nesne Öznitelikleri(2022) Agirman, Ahmet Kerim; Tasdemir, KasimIn this paper, a wildfire detection algorithm from dark videos is proposed. Unlike the daytime wildfires, in the dark videos, neither the fire nor its surrounding has visually clearly perceptible texture. Its unique visual characteristics make it challenging to extract descriptive object features. This paper addresses the challenging problem by tracking the glowing objects in the darkness and extracting features based on the spatio-temporal behavior of them. It is experimentally shown that the proposed features are descriptive enough to classify wildfires with over 90% accuracy even there exists deceptive light sources such as city lights, flashlights, car headlights and reflections in the scene. Moreover, we investigate several conventional machine learning algorithms such as ensemble and kernel-based methods on the same spatio-temporal feature set. Comprehensive empirical test results demonstrate that the most accurate detection is obtained when the spatio-temporal feature set is classified using Random Forest.Article İşbirlikçi Filtreleme temelinde Film Öneri Sistemleri: Netflix üzerinde bir VakaÇalışması(2021) Sütçü, Muhammed; Kaya, Ecem; Erdem, OğuzkanFilmler, şarkılar ve alışveriş ürünleri gibi ögelerin kullanıcı değerlendirmeleriÖneri Sistemleri (ÖS) tarafından henüz değerlendirilmemiş ürünleri tahmin etmekiçin kullanılır. ÖS kullanıcılara çeşitli alanlarda öneri vermek için geliştirilmiştir veÖS uygulama alanlarından birisi de film önerisidir. Bu alanda üç genel algoritmakullanılmaktadır; kullanıcılar arası benzerliğe dayanarak tavsiye veren İşbirlikçiFiltreleme, kullanıcı-eşya eşleştirilmesindeki ilişkiden beslenen İçerik TabanlıFiltreleme ve bu iki algoritmayı birleştiren Hibrit Filtreleme. Bu çalışmamızdaİşbirlikçi Filtreleme çerçevesinde hangi metotların daha etkili çalıştığı incelenmiştir.Analizimizde Netflix Ödül veri seti kullanılmış ve iyi bilinen İşbirlikçi Filtrelememetotları olan Tekil Değer Ayrışımı, Tekil Değer Ayrışımı++, K En Yakın Komşu veEş Kümeleme kıyaslanmıştır. Her metodun hatası Ortalama Hata Kare Kökükullanılarak ölçülmüştür. Son olarak, K En Yakın Komşu metodunun veri setimizdedaha başarılı olduğu sonuçlanmıştır.Article Benchmarking Deep Learning Models for Dermatological Image Analysis: EfficientNet Takes the Lead(2024) Kaçmaz, Rukiye Nur; Doğan, Refika SultanSkin cancer that spreads quickly and is deadly is called melanoma. If skin cancer is not treated in its early stages, the mortality rate is very high, but when it is correctly identified in its early stages, patients' lives can be saved. With an accurate and fast diagnosis, the patient's chance of survival can be increased. A computer- aided diagnostic support system needs to be created. In this study, Dense201, DarkNet19, and EfficientNet offer 3 different deep transfer learning models for melanoma classification. In addition, an ablation study was conducted in terms of the filter size used in transfer learning. To look at the effect of the filter size, different filter sizes were created in each model and the results were obtained. The ISIC dataset containing 1792 benign and 1464 malignant images was used in the study. According to this study, DenseNet201 provided accurate and reliable results at different filter sizes regardless of their size. Therefore, it is recommended to use DenseNet201 in studies involving the classification of skin lesions.Article Citation - Scopus: 5University Librarians’ Perceptions Of Artificial Intelligence, Its Application Areas İn Libraries, And The Future(University and Research Librarians Association (UNAK), 2024-12-26) Cuhadar, S.; Mert, S.; Gezer, Ç.; Helvacioğlu, E.; Arus, O.; Aslan, Ö.; Atli, S.; Gurdal, Gultekin; Erken, MehmetToday, libraries are among the institutions affected by changing technology and innovations. The popularization of artificial intelligence (AI) technologies has also begun to transform library services. In this research, a survey was conducted to determine the adjustments that university libraries in Turkey have made and plan to make during the development process of AI technologies and applications, and to identify the services they have developed specific to the relevant period. The survey was carried out with the participation of 111 university library managers from 208 university libraries in Turkey. Through the analysis of the data, the status, knowledge, and awareness levels of university libraries regarding AI technologies and applications were determined, and measures and recommendations were presented to improve deficiencies and weaknesses. This research is the first and most comprehensive study conducted in Turkey by obtaining opinions and suggestions from university library managers on artificial intelligence. The research findings revealed that university libraries use AI applications such as ChatGPT, Gemini, and Grammarly to a certain extent; however, they have needs in developing institutional policies, enhancing personnel competencies, and planning related to AI. © 2024 University and Research Librarians Association (UNAK). All rights reserved.Article LSTM Mimarisiyle Bilgilendirici Göğüs Röntgeni Altyazıları Oluşturma(2025-07-31) Bakal, Mehmet; Güzel, Ömer Faruk; Tanrıverdi, HarunBiyomedikal görüntüleme, tıp uzmanları için en etkili tıbbi tarama prosedürüdür. Özellikle röntgen görüntüleri, tıbbi teşhis amacıyla yoğun bir şekilde referans noktası olarak kullanılmaktadır. Ancak, röntgen görüntülerinden altta yatan hususları anlamak önemli radyolojik bilgi gerektirir. Bu çalışmada, bir kodlayıcı modülü olarak DenseNet121 sinir ağı mimarisini ve kelime gömme katmanları olarak metinsel veri (altyazılar) öğelerini kullanan bir derin öğrenme modeli, verilen X-ışını görüntülerinin ilgili başlık / altyazı bilgilerini tahmin etmek için eğitilmiştir. Oluşturulan model, özellikle nöral makine çevirisi görevleri için kullanılan tipik bir diziden diziye modeldir. Deneylerde, eğitim ve test aşamaları için Indiana Üniversitesi tarafından hazırlanan Open-i veri tabanı kullanılmıştır. Veri kümesi, bir alan uzmanı tarafından oluşturulan XML formatında saklanan 7.470 X-ray görüntüsü ve 3.955 hasta raporundan oluşmaktadır. Metinsel raporlar izlenimler, bulgular, karşılaştırmalar ve endikasyonlar dahil olmak üzere dört özel başlık içermektedir. Model geliştirme sırasında, izlenim başlıkları altındaki metinsel verilerden eğitim ve test adımlarında yararlanılmıştır. Modelin performansını ölçmek için İki Dilli Değerlendirme Alt Çalışma Puanı (BLUE) hesaplanmış ve birincil performans değerlendirme metriği olarak kullanılmıştır. BLUE puanlarına göre en iyi performans puanı, diğer n-gram setlerine kıyasla (burada n: 1, 2 ve 3) 0,38368 BLUE puanı ile dört kelime (dört gram) tahmin edildiğinde elde edilmiştir. Bu araştırma çalışması, otomatik teşhis amaçlı tıbbi görüntü veri kümelerinde metin oluşturma görevinde diziden diziye modellerin gücünü göstermektedir.Article Forecasting the Consumer Price Index in Türkiye Using Machine Learning Models: A Comparative Analysis(Gazi Univ, 2025-09-01) Söylemez, İsmet; Ünlü, Ramazan; Nalici, Mehmet ErenThis study utilizes machine learning models to forecast Türkiye's Consumer Price Index (CPI), thereby addressing a critical gap in inflation prediction methodologies. The central research problem involves the forecasting of CPI in a volatile economic environment, which is essential for informed policymaking. The primary objective of this study is to evaluate the performance of three machine learning models, such as Decision Tree (DT), Random Forest (RF), and Support Vector Machine (SVM), in forecasting CPI over periods ranging from one to six months, utilizing data from 2012 to 2024. The study's unique contribution lies in the application of the \"SelectKBest\" method, which identifies the most relevant indices, thereby enhancing the efficiency of the models. An ensemble method, Averaging Voting, is also employed to combine the strengths of these models, producing more accurate and robust predictions. The findings indicate that while the RF model consistently generates the most accurate forecasts across all shifts, the SVM model demonstrates a particular strength in the domain of short-term predictions. The ensemble model demonstrates a substantial performance improvement, with a R2 value of 0.962 for one-month ahead of estimates and 0.956 for five-month forecasts. This combined approach has been shown to outperform individual models, offering a more reliable framework for CPI forecasting. The findings offer valuable insights for economic policymakers, enabling more precise and stable inflation predictions in Türkiye.Research Project GEAKDES: Gerçek Zamanlı Deprem Afet / Süreç Yönetimi İçin Yapay Zekâ Temelli Akıllı Karar Destek Sistemi(2024) Dedeturk, Bilge Kagan; Özmen, Mihrimah; Yüksel, Muhammed Burak; Akin, Muge; Ozcan, OrkanEEEAG - Elektri̇k, Elektroni̇k Ve Enformati̇k Araştirma Destek Grubu
- «
- 1 (current)
- 2
- 3
- »