TR-Dizin İndeksli Yayınlar Koleksiyonu
Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396
Browse
12 results
Search Results
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 Machine Learning Based Early Prediction of Type 2 Diabetes: A New Hybrid Feature Selection Approach Using Correlation Matrix With Heatmap and SFS(2022-04-30) Buyrukoglu, Selim; Akbaş, AyhanA new hybrid machine learning method for the prediction of type 2 diabetes is introduced and explained in detail. Also, outcomes are compared with similar researches. Early prediction of diabetes is crucial to take necessary measures (i.e. changing eating habits, patient weight control etc.), to defer the emergence of diabetes and to reduce the death rate to some extent and ease medical care professionals’ decision-making in preventing and managing diabetes mellitus. The purpose of this study is the creation of a new hybrid feature selection approach combination of Correlation Matrix with Heatmap and Sequential forward selection (SFS) to reveal the most effective features in the detection of diabetes. A diabetes data set with 520 instances and seven features were studied with the application of the proposed hybrid feature selection approach. The evaluation of the selected optimal features was measured by applying Support Vector Machines(SVM), Random Forest(RF), and Artificial Neural Networks(ANN) classifiers. Five evaluation metrics, namely, Accuracy, F-measure, Precision, Recall, and AUC showed the best performance with ANN (99.1%), F-measure (99.1%), Precision (99.3%), Recall (99.1%), and AUC (99.2%). Our proposed hybrid feature selection model provided a more promising performance with ANN compared to other machine learning algorithms.Article Document Classification With Contextually Enriched Word Embeddings(2024-03-01) Akbaş, Ayhan; Mahmood, Raad; Bakal, MehmetThe text classification task has a wide range of application domains for distinct purposes, such as the classification of articles, social media posts, and sentiments. As a natural language processing application, machine learning and deep learning techniques are intensively utilized in solving such challenges. One common approach is employing the discriminative word features comprising Bag-of-Words and n-grams to conduct text classification experiments. The other powerful approach is exploiting neural network-based (specifically deep learning models) through either sentence, word, or character levels. In this study, we proposed a novel approach to classify documents with contextually enriched word embeddings powered by the neighbor words accessible through the trigram word series. In the experiments, a well-known web of science dataset is exploited to demonstrate the novelty of the models. Consequently, we built various models constructed with and without the proposed approach to monitor the models' performances. The experimental models showed that the proposed neighborhood-based word embedding enrichment has decent potential to use in further studies.Article Can Artificial Intelligence Algorithms Recognize Knee Arthroplasty Implants From X-Ray Radiographs?(2023-10-27) Askin, Aydogan; Yalın, Mustafa; Golgelioglu, Fatih; Dedeturk, Bilge Kagan; Gündoğdu, Mehmet; Uzun, Mehmet FatihAims: This study aimed to investigate the use of a convolutional neural network (CNN) deep learning approach to accurately identify total knee arthroplasty (TKA) implants from X-ray radiographs. Methods: This retrospective study employed a deep learning CNN system to analyze pre-revision and post-operative knee X-rays from TKA patients. We excluded cases involving unicondylar and revision knee replacements, as well as low-quality or unavailable X-ray images and those with other implants. Ten cruciate-retaining TKA replacement models were assessed from various manufacturers. The training set comprised 69% of the data, with the remaining 31% in the test set, augmented due to limited images. Evaluation metrics included accuracy and F1 score, and we developed the software in Python using the TensorFlow library for the CNN method. A computer scientist with AI expertise managed data processing and testing, calculating specificity, sensitivity, and accuracy to assess CNN performance. Results: In this study, a total of 282 AP and lateral X-rays from 141 patients were examined, encompassing 10 distinct knee prosthesis models from various manufacturers, each with varying X-ray counts. The CNN technique exhibited flawless accuracy, achieving a 100% identification rate for both the manufacturer and model of TKA across all 10 different models. Furthermore, the CNN method demonstrated exceptional specificity and sensitivity, consistently reaching 100% for each individual implant model. Conclusion: This study underscores the impressive capacity of deep learning AI algorithms to precisely identify knee arthroplasty implants from X-ray radiographs. It highlights AI’s ability to detect subtle changes imperceptible to humans, execute precise computations, and handle extensive data. The accurate recognition of knee replacement implants using AI algorithms prior to revision surgeries promises to enhance procedure efficiency and outcomes.Article Beton Dayanım Özelliklerinin Yüzey Tepki Yöntemi, Genetik Algoritma ve Yapay Sinir Ağları İle Tahmini(2022-06-30) Koken, Ekin; Kilincarslan, Semsettin; Tuncay, Ebru BaspınarBu çalışmada, beton dayanım özellikleri yüzey tepki yöntemi, genetik algoritma ve yapay sinir ağları yöntemleri ile analiz edilmiştir. Altı farklı beton agregası kullanılarak küp (10x10x10 cm) ve prizmatik (15x15x60 cm) beton numuneleri hazırlanmış olup, beton tek eksenli basınç dayanımı (UCSc) ve eğilme dayanımının (FSc) tahminlenmesi için bazı tahmin modeller geliştirilmiştir. Geliştirilen modellerde beton yoğunluğu (ρc), beton agregalarının Los Angeles aşınma kaybı (LAA) ve betonlara ait P dalgası hızı (Vpc) gibi parametreler kullanılmıştır. Elde edilen modellerin performansları bazı istatistiksel göstergeler ışığında değerlendirilmiş ve genetik algoritma ve yapay sinir ağlarını temel alan yöntemlerin beton dayanım özelliklerini tahmininde başarılı bir şekilde kullanılabileceği belirlenmiştir.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, HaticeBu 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 Distributed Coverage Control with Mobile Robots: A Potential Game Approach(2023-09-17) Guler, SametEndüstriyel uygulamalarda mobil robotların kullanımı, gürbüz ve dağıtık algoritma içeren otonom çoklu-robot sistemlerine bir gereksinim oluşturmuştur. Bir robot takımının sınırlı bir alanda uzaysal-zamansal olaylara cevap vermesi anlamına gelen kapsama kontrolü bu tür sistemlerde kritik bir hedeftir. Bu çalışmada, bir grup mobil robotun doğrusal bir iş istasyonunun iki tarafında belirli lokasyonları kapsamakla görevli olduğu özel bir kapsama problemini ele alıyoruz. Problemi iyi kurgulanmış oyuncu stratejileri ile mobil robotlar arasında oynanan bir oyun olarak formalize ediyor ve ortaya çıkan yapının eşit paylaşılan fayda temelli bir potansiyel oyun olduğunu gösteriyoruz. Sunulan yapı, robotlarda anonim kimlikler ve kısıtlı algılama yeteneklerine izin veren dağıtık ve merkezi olmayan bir yapıdır. Bir grup simülasyon çalışması yaklaşımımızı doğrulamaktadır.Article A Comparative Study of Unet Variants for Low-Grade Glioma Segmentation in Magnetic Resonance Imaging(Inonu University, 2025-06-25) Guzel, Yasin; Aydin, ZaferBrain tumors originating from glial cells are pathological entities that significantly impact quality of life and are classified based on their malignancy into low-grade gliomas (LGGs) and high-grade gliomas (HGGs). While the more aggressive HGGs have been extensively studied, LGGs are of critical importance for early diagnosis due to their potential progression to HGGs if left untreated. This has driven researchers to develop methods for the rapid and consistent diagnosis of LGGs. In this study, three models—UNet, Transformer UNet, and Super Vision UNet—were comparatively evaluated for the automatic segmentation of LGGs using magnetic resonance imaging (MRI) data. Multimodal MRI scans from 110 patients, retrieved from The Cancer Imaging Archive (TCIA), were used to train the models. Performance was evaluated using Dice Coefficient, Tversky Index, and Intersection over Union (IoU) metrics. The Super Vision UNet achieves the highest Dice (0.9115) and Tversky (0.9154) scores, while the Transformer UNet attains the highest IoU (0.8789). Both advanced models demonstrate superior segmentation performance with lower loss values compared to the conventional UNet. Visual outputs indicate that the modern architectures delineate tumor contours with greater precision. These results highlight the effectiveness and reliability of contemporary UNet-based and Transformer-based architectures in segmenting complex tumor structures such as LGGs. Integrating these models into clinical decision support systems holds promise for enhancing the speed and accuracy of the diagnostic process. © 2025 Elsevier B.V., All rights reserved.Article Enhancing Deep Learning Performance Through a Genetic Algorithm-Enhanced Approach: Focusing on LSTM(2024-12-03) Bakal, Mehmet; Şen, Tarık ÜveysDerin öğrenme, görüntü sınıflandırma, doğal dil işleme ve konuşma tanıma gibi çeşitli uygulamalarda dikkat çekici başarılar elde etmiştir. Ancak, derin sinir ağlarını eğitmek, karmaşık mimarileri ve gereken parametre sayısı nedeniyle zorlu bir süreçtir. Genetik algoritmalar, derin öğrenme için alternatif bir optimizasyon teknik olarak önerilmiştir ve optimal bir ağ parametre setini minimize eden bir amaç fonksiyonu bulmak için etkili bir alternatif yöntem sunar. Bu makalede, derin öğrenme ile genetik algoritmaları entegre eden, özellikle LSTM modellerini kullanarak performansı artırmayı amaçlayan yeni bir yaklaşım öneriyoruz. Yöntemimiz, genetik algoritmalar aracılığıyla öğrenme hızı, grup boyutu, katman başına nöron sayısı ve katman derinliği gibi kritik hiper-parametreleri optimize eder. Ayrıca, genetik algoritma parametrelerinin optimizasyon sürecini nasıl etkilediğine dair kapsamlı bir analiz yaparak, LSTM model performansını iyileştirmedeki önemli etkilerini gösteriyoruz. Genel olarak, sunulan yöntem, derin sinir ağlarının performansını artırmak için güçlü bir mekanizma sunmakta olup bu nedenle yapay zekâ disiplininde gelecekteki uygulamalar için önemli bir potansiyele sahip olduğuna inanıyoruz.