Yazar "Karaca, Yunus Emre" seçeneğine göre listele
Listeleniyor 1 - 5 / 5
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Akciğer kanserinin bilgisayarlı tomografi görüntüleri kullanılarak derin öğrenme ile tespiti(Malatya Turgut Özal Üniversitesi, 2023) Karaca, Yunus Emre; Aslan, Üyesi SerpilYapay zekâ, artan teknolojik faaliyetlerle birlikte hem söylem hem de teknik olarak yaşantımızın önemli bir bölümünde yer almaktadır. Bir yapay zekâ türü olan makine öğrenmesi ve bunun alt kümesi derin öğrenme modelleri ve algoritmalar kullanılarak mevcut veriler işlenebilmekte, yeni ve faydalı veriler elde edilmektedir. Derin öğrenme yöntemlerinden biri olan görüntü işleme teknolojisi, var olan görüntüleri işleyerek yeni ve kullanışlı bilgiler sunma modelidir. Tıbbi görüntüleme teknolojisi ise hastalıkların erken teşhis edilmesi ve tedaviye yanıt oranını arttırmaktadır. Ayrıca hastaların tıbbi görüntülerinin hekimler tarafından okunma süreci zaman kaybının yanı sıra sonuçların sübjektif olmasından dolayı tartışma konusudur. Görüntü işleme teknolojisi bu alanda radyologların iş gücü ve zaman kaybını azaltmasıyla birlikte objektif sonuçlar ortaya çıkarmasıyla popülerliğini arttırmaktadır. Bu tez kapsamında "Görüntü işleme teknolojisi nedir?" sorusuna cevap aranmıştır. Bu soruya cevap niteliği taşıyan tezin bilim dünyasına katkısı vurgulanmıştır. Tez kapsamında, sağlıklı, akciğer kanserli kötü ve iyi huylu tümörler bulunan bilgisayarlı tomografi görüntülerinin yer aldığı veri kümesi, önceden eğitilmiş konvolüsyonel sinir ağları; AlexNet, DenseNet 201, GoogleNet, MobileNetV2, ResNet50 mimarileriyle eğitime tabi tutulmuştur. Bu eğitim sonrası bulunan doğruluk oranının arttırılması hedeflenmiştir. Bu bağlamda yeni bir hibrit model geliştirilmiştir. Deneysel sonuçlar önerilen modelin başarısını kanıtlar niteliktedir.Öğe Akciğer kanserinin bilgisayarlı tomografi görüntüleri kullanılarak derin öğrenme ile tespiti(Malatya Turgut Özal Üniversitesi, 2023) Karaca, Yunus Emre; Aslan, Üyesi SerpilYapay zekâ, artan teknolojik faaliyetlerle birlikte hem söylem hem de teknik olarak yaşantımızın önemli bir bölümünde yer almaktadır. Bir yapay zekâ türü olan makine öğrenmesi ve bunun alt kümesi derin öğrenme modelleri ve algoritmalar kullanılarak mevcut veriler işlenebilmekte, yeni ve faydalı veriler elde edilmektedir. Derin öğrenme yöntemlerinden biri olan görüntü işleme teknolojisi, var olan görüntüleri işleyerek yeni ve kullanışlı bilgiler sunma modelidir. Tıbbi görüntüleme teknolojisi ise hastalıkların erken teşhis edilmesi ve tedaviye yanıt oranını arttırmaktadır. Ayrıca hastaların tıbbi görüntülerinin hekimler tarafından okunma süreci zaman kaybının yanı sıra sonuçların sübjektif olmasından dolayı tartışma konusudur. Görüntü işleme teknolojisi bu alanda radyologların iş gücü ve zaman kaybını azaltmasıyla birlikte objektif sonuçlar ortaya çıkarmasıyla popülerliğini arttırmaktadır. Bu tez kapsamında "Görüntü işleme teknolojisi nedir?" sorusuna cevap aranmıştır. Bu soruya cevap niteliği taşıyan tezin bilim dünyasına katkısı vurgulanmıştır. Tez kapsamında, sağlıklı, akciğer kanserli kötü ve iyi huylu tümörler bulunan bilgisayarlı tomografi görüntülerinin yer aldığı veri kümesi, önceden eğitilmiş konvolüsyonel sinir ağları; AlexNet, DenseNet 201, GoogleNet, MobileNetV2, ResNet50 mimarileriyle eğitime tabi tutulmuştur. Bu eğitim sonrası bulunan doğruluk oranının arttırılması hedeflenmiştir. Bu bağlamda yeni bir hibrit model geliştirilmiştir. Deneysel sonuçlar önerilen modelin başarısını kanıtlar niteliktedir.Öğe Birbirine Benzeyen Üç Farklı Hastalığın Tespitinde Derin Öğrenme Modellerinin Performansı(Tokat Gaziosmanpaşa Üniversitesi, 2022) Karaca, Yunus Emre; Aslan, SerpilBir hastalığın doğru teşhis edilmesi ve doğru tedavi yöntemlerinin kullanması hastalıklı bireye kısa sürede şifayı sağlamada önemli iki kriterdir. Kısacası sorun bilinirse çözümü de kolaylaşacaktır. Çalışmamız da bu yine bu eksende olup gelişen tıp teknolojisini destekleyici mahiyettedir. Şöyle ki bir birine benzeyen üç hastalık tipi olan viral, bakteriyel ve COVID-19 pnömosine sahip hasta radyolojik görüntülerinin konvansiyonel sinir ağ(CNN) mimarileriyle hastalıkların tespit performanslarını karşılaştırdık. Bu karşılaştırmanın başarı oranın artması, doğru hastalık tanısı konulmasını da arttırmış olacaktır. Bu şekilde başarılı yöntemlerin ortaya çıkması hem teşhisi koyan hekimin işini kolaylaştırmasının yanı sıra tüm insanlık için en değerli kavram olan vakitten de tasarruf edilmiş olacak. 1281 COVID-19, 3270 Normal, 1656 viral-pnömoni ve 3001 bakteriyel-pnömonili toplamda 9208 göğüs röntgen görüntüsünün kullanıldığı çalışmamızda en başarılı performansı %88,05 ile Resnet50 mimarisi elde etmiştir.Öğe EVSEL ATIKLARIN DERİN ÖĞRENME TEKNİKLERİ İLE AYRIŞTIRILMASI(Ali KARCI, 2022) Karaca, Yunus Emre; Aslan, Serpil; Hark, CengizDerin öğrenme teknolojisinin hızlı gelişimi sayesinde günlük yaşantımızın hemen hemen her noktasında kullanılan akıllı sistemler geliştirilmektedir. Geliştirilen uygulamalar hayatımızı kolaylaştırdığı gibi doğaya da olumlu katkılar sağlamıştır. Geleneksel atık ayrıştırma yöntemleri, verimlilik ve doğruluk açısından yetersiz kalmaktadır. Ayrıca yüksek maliyetli olmasının yanında çevresel riskler bakımdan da sıkıntılar doğurabilir. Son yıllarda, yapay zekâ, makine öğrenmesi ve beraberinde getirdiği derin öğrenme teknikleri organik, evsel ve ambalaj atıkların ayrıştırılması gibi karmaşık problemlerin çözümünde popüler bir yöntem olmuştur. Bu çalışmada, hem insan ve canlı yaşamı hem de doğanın korunması açısından büyük öneme sahip olan evsel atıkların ayrıştırılması problemi ele alınmıştır. Yapay zekâ kümesinde yer alan makine öğrenmesinin bir alt kolu olan derin öğrenme ile evsel atıkların tespit edilip ayrıştırılması için popüler konvansiyonel sinir ağı (CNN) tabanlı ResNet-50, DenseNet-121, Inception-V3, VGG16 mimarileri kullanılarak sınıflandırma performansları karşılaştırılmıştır.Öğe Sentiment Analysis of Covid-19 Tweets by using LSTM Learning Model(Ali KARCI, 2021) Karaca, Yunus Emre; Aslan, SerpilSocial media plays an important role in our lives due to the conditions of the age we live. Nowadays, the most popular social media platform that prioritizes meaningful content sharing is Twitter. In Twitter, which produces big data on an unprecedented scale, users have the opportunity to share their own perspectives, feelings, and experiences, as well as examine the opinions of other individuals. The Coronavirus-2019 (Covid-19) disease, transmitted through close contact and small droplets spread by people coughing, sneezing, or speaking, has created social and economic wounds worldwide. As of July 7, 2021, more than 185 million people worldwide have been diagnosed with the New Coronavirus (Covid-19), and approximately 4 million people have died from this infectious disease. This work focuses on the analysis of the sentiments that Covid-19 leaves on people, using the tweets that people share about the Covid-19 pandemic on the Twitter platform. Analyzes are based on deep learning algorithms. Sentiment analysis can provide serious benefits. In this study, we used a Long-short Term Memory (LSTM) based network model. Also, we compared the proposed model other machine learning algorithms: Support Vector Machine (SVM), Naïve Bayes and Logistic Regression. Experimental results show that our proposed method can effectively perform sentiment analysis on the Twitter dataset.
