Bilgisayar Teknolojileri Bölümü Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12514/175

Browse

Now showing 1 - 9 of 9

Alt Piksel Metodu İle Çözünürlüğü Geliştirilmiş Tıbbi Görüntülerde Performans Analizi
(ICONSAD'23, 2023) Çınar, Ahmet; Ağalday, Fatih
Görüntü işleme dünyasında düşük çözünürlüklü bir görüntünün veya videonun yüksek çözünürlüklü olarak yeniden iyileştirilmesi araştırmacıların oldukça ilgisini çekmektedir. Süper çözünürlük olarak adlandırılan bu işlemler tıbbi görüntüleme, uydu görüntüleme ve yüz tanıma gibi birçok alanda doğrudan uygulama alanı bulmaktadır. Süper çözünürlük sorunu genel olarak yüksek çözünürlük verilerinin düşük geçişli filtrelenmiş, alt örneklenmiş ve gürültülü bir versiyonu olarak kabul edilir. Görüntü işlemede kullanılan bilgisayarlı tomografi ve manyetik rezonans görüntüleme gibi teknikler hastalıkların teşhis edilmesinde uzun süredir kullanılmaktadır. Uzman hekimlerin tıbbı görüntülerin doğru ve erken teşhisinde kullanılmak üzere makine öğrenmesi yöntemlerinden de yararlanılmaktadır. Bu yöntemler sayesinde aynı tıbbı görüntüde çakışan uzman görüşlerinin doğru karar vermesine katkıda bulunmak üzere mevcut tıbbı görüntülerin çözünürlüklerini arttırmaya yönelik bir çalışma sunulmuştur. Bu çalışmada tıbbı görüntü formatı dicom dosyalarının jpg gibi bilinen görüntü formatlarına dönüştürülerek algılanması zor olan tümörleri teşhis etmek için medikal görüntülere alt piksel yöntemi uygulanarak görüntünün çözünürlüğü arttırılmış ve görüntülerin benzerlik analizi yapılmıştır. Alt piksel evrişimli ağ modelinde görüntülerin r yükseltme faktörü kadar görüntü büyütmek için model r x r oranında özellik haritasına ihtiyaç duymaktadır. Bu çalışmada görüntünün kalitesini ve benzerliği değerlendirmek için yaygın olarak kullanılan PSNR Tepe Sinyal Gürültü Oranı yönteminden faydalanılmıştır. Alt piksel evrişimli sinir ağı ile çözünürlüğü arttırılan görüntülerin PSNR yöntemi ile benzerlikleri değerlendirilmiştir. Sonuç olarak bu çalışmada beyin tümörlerinden oluşan medikal görüntülerin çözünürlüğü arttırılmış ve yöntemin sonuçları tartışılmıştır. Çalışmanın sonunda medikal görüntüler üzerinde yapılacak araştırma ile ilgili bilgiler sunulmuştur.
Balina Optimizasyon Algoritması Kullanılarak Türkiye’nin Uzun Vadeli Enerji Tüketimi Tahmini
(IEEE Xplore, 2021) Babaoğlu, Merve; Haznedar, Bülent
Enerji, ülkelerin sürdürülebilir kalkınmaları için en önemli konu başlıklarından biridir. Kullanılan enerjinin tükenebilir olması, birçok enerji kaynağını ithal ediyor olması ve çevresel faktörlerden dolayı Türkiye için gelecekte enerji ihtiyacının ne kadar olabileceğinin tahmin edilebilmesi büyük önem taşımaktadır. Bu çalışmada Türkiye’nin 2040 yılına kadarki enerji tüketim tahminini yapabilmek adına, sezgisel algoritmalardan balina optimizasyon algoritması (BOA) tercih edilmiştir. Balina optimizasyon algoritmasının performansını belirleyebilmek için elde edilen veriler, genetik algoritma (GA) sonuçları ile karşılaştırılmıştır. Tüm modeller doğrusal olarak düzenlenip sonuç alınmıştır. Enerji talebini etkileyen gayri safi yurtiçi hasıla (GSYH), nüfus, ithalat ve ihracat gibi bağımsız değişkenlerin 1990-2019 yılları arasındaki verileri kullanılmıştır. Sonuçların doğruluğunu hesaplayabilmek için geçmiş 30 yılın modellenmesi sağlanmıştır. En uygun model elde edildikten sonra gelecek 20 yıl için 4 farklı senaryoya göre tahminler yapılmıştır.
Derin Öğrenme Mimarilerini Kullanarak Katarakt Tespiti
(Avrupa Bilim ve Teknoloji Dergisi, 2021) Ağalday, Fatih; Çınar, Ahmet
İnsanın yaşam kalitesini olumsuz olarak etkileyen görme kayıplarını daha erken bir dönemde teşhis etmek önemlidir. İnsan yaşının ilerlemesi ile birlikte görme bozuklukları ve bazen tamamen görme kaybına neden olmaktadır. Gözün anatomik yapısında bulunan anormallikler göz hastalıklarının erken dönemlerinde göz yapısına ait görsellerle de tespit edilebilmektedir. Katarat dünyada milyonlarca insanı etkileyen görme bozukluğunun en önemli nedenidir. Otomatik tanı sistemleri ile sağlık hizmeti kullanımı hafifleyerek uzmanlara yardımcı olmayı amaçlamaktadır. Bu makalede renkli fundus görüntüler kullanılarak katarat hastalığına otomatik tanı sistemi ele alınmıştır. Katarat hastalığının otomatik tanımlanması için evrişimli sinir ağı (CNN) ve derin artık ağ (DRN) kullanılarak sınıflandırma yöntemi kullanılmıştır. Veri seti 5000 hastanın sağ ve sol gözlerine ait renkli fundus fotoğrafları ve doktorların her bir hastanın sağ ve sol gözüne konulmuş teşhisler için anahtar kelimler ile yapılandırılmış bir veri tabanıdır. Bu veri seti gerçek yaşamda hasta gruplarını temsil etmektedir. Çinli bir şirket olan Shanggong Medical Technology Co., Ltd. Şirketi tarafından farklı hastane ve tıp merkezlerinden elde edilen veriler toplanmıştır. Veri setinde hastalar 8 farklı etikete sınıflandırma yapılmıştır. Renkli fundus görüntüler sayesinde farklı evrelere ait katarat semptomlarına ait özellikler bulunmaktadır. Önerilen otomatik tanı sistemi güncel sınıflandırma sistemlerine oranla daha başarılı olduğu görülmektedir. DRN yönteminin CNN yöntemine göre doğruluk oranına göre daha yüksektir. CNN modelinde doğruluk oranı %89 civarında iken DRN modelinde doğruluk oranı %95 olduğu görülmektedir.
Derin Öğrenme Yöntemleri ile Küçük Olmayan Hücre Akciğer Kanseri Tümör Karakterizasyonu
(2022) Çınar, Ahmet; Ağalday, Fatih
Küresel kanser araştırmaları ölüm oranlarına göre bulgular en tehlikeli hastalık olarak Akciğer kanserini göstermektedir. Solunum yolu hastalıklarına neden olan havada bulunan küçük çaplı partikül maddeler akciğer kanserine neden olmaktadır. Akciğer kanseri için en önemli risk faktörü sigara ve benzeri alışkanlıklardır. Hastalığın tanısında manyetik rezonans görüntüleme ve bilgisayarlı tomografi gibi teknikler kullanılarak akciğer bölgesinin detaylı görüntülenmesi erken akciğer nodüllerini bulmak için cerrahi bir yöntem olmayan tespit yöntemlerinden biridir. Bilgisayar destekli görüntüler sayesinde akciğer nodülü tespit sisteminin kullanılması erken teşhis konusunda uzman doktorlara yardımcı olmaktadır. Günümüzde PET-CT görüntüleme ile uzman kişilerin onkolojik tanısına oldukça katkı sunmaktadır. Tıbbi görüntüler radyologlar ve doktorlar tarafından teşhis edilmektedir. Ancak uzmanlar tarafından yapılan bu teşhis için dikkat ve uzun süreli incelenmesi yorgunluğa ve hatalara neden olabilmektedir. Bu nedenle görüntülerin değerlendirilmesi için otomatikleştirilmesine ihtiyaç vardır. Evrişimsel Sinir Ağı gibi derin öğrenme algoritmaları, tümörleri tespit etmek ve sınıflandırmak için yaygın olarak kullanılmaktadır. Derin öğrenmeyi temel alan akciğer kanseri erken teşhis ve analiz yönteminin temel özelliği, akciğer Bilgisayarlı Tomografi görüntülerini bilgisayar sistemi ve yardımcı tanı sistemi aracılığıyla analiz ederek, dahil edilen görüntülerdeki akciğer nodüllerinin özelliklerini çıkarmaktır. İyi huylu ve kötü huylu akciğer nodüllerinin görüntülerini sınıflandırmanın temel amacı, akciğer nodülü hakkında doktorlara ve hastalara daha bilimsel ve güvenilir bir yardımcı sınıflandırma sonucu sağlamak, böylece teşhis ve tedavi sürecinin daha doğru olabilmesi, doktorlarının klinik muayenesini ve görünütüyü okuma iş yükünü azaltmaktır. Bu çalışmada, derin öğrenmenin en yaygın kullanımlarından biri olan transfer öğrenme modeli kullanılacaktır. Bu yöntem ile önceden eğitilmiş ağlar ile farklı sınıfa ait gerçek görüntüler eğitilmiştir
Epileptik EEG Sinyallerinin Sınıflandırılması için Bir Boyutlu Medyan Yerel İkili Örüntü Temelli Öznitelik Çıkarımı
(2017) Türk, Ömer; Özerdem, Mehmet Siraç; Türk, Ömer
Elektroansefalogram (EEG), epilepsi tespitinde yaygın olarak kullanılan önemli bir veri kaynağıdır. Bu çalışmada da Bonn Üniversitesi Epileptoloji bölümü veritabanından alınan ve A, B, C, D, E olmak üzere 5 işaret grubundan oluşan EEG kayıtları kullanılmıştır. Bir boyutklu medyan yerel ikili örüntü (1B-MYİÖ) yöntemi uygulanarak elde edilen özniteliklerin k-En Yakın Komşu (k-NN) sınıflandırıcısı ile sınıflandırılması amaçlanmıştır. Çalışmada geliştirilen 1BMYİÖ yönteminin öznitelik olarak sınıflandırma başarısı değerlendirilmiştir. Bu sınıflandırma için karışıklık matrisi hesaplanarak model başarım ölçümü yapılmıştır. Çalışmada A-E veri setleri için sınıflandırma performansı %100, A-D veri setleri için %99.00, D-E veri setleri için %98.00, E-CD veri setleri için %99.50 ve A-D-E veri setleri için de %96.00 olarak bulunmuştur. Çalışmada kullanılan 1B-MYİÖ yönteminin, literatürde kullanılan birçok yöntemden daha iyi sonuç verdiği görülmüştür.
Etkili Alt Piksel Evrişimli Sinir Ağı Süper Çözünürlük Yaklaşımı
(All Sciences Proceedings, 2023) Ağalday, Fatih; Çınar, Ahmet
Tek görüntü süper çözünürlüğü, yüksek çözünürlüklü bir görüntüyü karşılık gelen düşük çözünürlüklü görüntüden kurtarmayı amaçlayan görüntü restorasyonundaki önemli içeriklerden biridir. Bu içeriklere örnek olarak kameralı izleme sisteminde insan yüzünün çözünürlüğünün düşük olması nedeniyle bazen bir kişiyi tanımak zordur. Yüz tanıma dışında, süper çözünürlüklü uygulamalar genellikle tıbbi görüntüleme ve uydu görüntüleme gibi alanlarda bulunabilir. Derin sinir ağlarına dayalı modeller tek görüntü süper çözünürlüğü için hem yeniden yapılandırma doğruluğu hem de hesaplama performansı açısından büyük başarı elde etmektedir. Bu yöntemlerde, düşük çözünürlüklü giriş görüntüsü, yeniden yapılandırmadan önce tek bir filtre, genellikle bikübik enterpolasyon kullanılarak yüksek çözünürlüklü alana yükseltilir. Süper çözünürlük işleminin yüksek çözünürlük alanında gerçekleştirildiği anlamına gelir. Bunun optimalin altında olduğunu ve hesaplama karmaşıklığı eklediğini gösteriyoruz. Bu yazıda görüntülerin gerçek zamanlı süper çözünürlük yapabilen evrişimli sinir ağını sunulmaktadır. Bu işlemleri gerçekleştirebilmek için, öznitelik haritalarının düşük çözünürlüklü görüntü uzayında çıkarıldığı yeni bir evrişimli sinir ağı mimarisi önerilmektedir. Ek olarak, son düşük çözünürlük özellik haritalarını yüksek çözünürlük çıktısına yükseltmek için bir dizi yükseltme filtresini öğrenen verimli bir alt piksel evrişim katmanı sunulmaktadır
SRGAN Modeli Uygulamaları
(2022) Ağalday, Fatih; Çınar, Ahmet
Araç plaka, yüz tanıma ve tıbbi teşhis gibi görüntü detaylarının önemli olduğu görüntüler için düşük çözünürlüğe sahip görüntüler yetersiz kalmaktadır. Yüksek çözünürlüklere sahip görüntü sistemlerinin depolama ve maliyeti zordur. Bu amaçla düşük çözünürlüğe sahip görüntüden yüksek çözünürlüklü görüntü elde etmek amacıyla SRGAN modeli görüntü iyileştirmede iyi bir teknik olarak karşımıza çıkmaktadır. Bu model tekli bir görüntünün birden fazla görüntüsü kullanılarak yüksek çözünürlük elde etmek için kullanılan bir iyileştirme tekniğidir. Tekli görüntü kullanılarak yapılan görüntü iyileştirme problemi için enterpolasyon tabanlı yöntemler gibi derin öğrenme tabanlı farklı yöntemler önerilmiştir. Enterpolasyon tabanlı yöntemler görüntü iyileştirme için ilk önerilen basit yöntemlerden olmasına rağmen başarılı bir yöntemdi. Fakat detay gerektiren ve yüksek çözünürlük aranan yerlerde yetersiz kalmaktadır. Derin öğrenme yöntemlerinin yaygınlaşması ve evrişimli sinir ağlarının hızla literatüre girmesi süper çözünürlük modellerini de önemli hale getirmiştir. Birçok derin öğrenme tabanlı süper çözünürlük yöntemi bulunmakta olup bu araştırmada SRGAN modeline yer verilmiştir.
SÜRÜ ZEKÂSI TABANLI ALGORİTMALAR İLE TÜRKİYE’NİN UZUN VADELİ ENERJİ TÜKETİM TAHMİNİ
(Kahramanmaraş Sütçü İmam Üniversitesi, 2023) Babaoglu,Merve; Haznedar,Bülent
Enerji, ülkelerin en önemli uygarlık araçlarından biridir. Dünya genelinde artan nüfus, refah seviyesi ve gelişen teknoloji enerji tüketimini ciddi manada arttıran faktörlerdendir. Sürdürülebilir kalkınma çerçevesinde enerji üretiminin ve tüketiminin gerçekleştirilmesi günümüzün hiç şüphesiz en önemli hedeflerinden birisidir. Tercih edilen enerji türünün tükenebilir enerji kaynağı olması, bu enerji kaynaklarında dışa bağımlı olması ve çevresel durumlardan dolayı Türkiye’de gelecek yıllarda ne kadarlık enerjiye ihtiyaç duyulabileceğinin tahmin edilebilmesi büyük önem taşımaktadır. Bu önemli öngörüyü elde edebilmek için çalışmada, sürü zekâsı tabanlı meta-sezgisel algoritmalardan Balina Optimizasyon Algoritması (BOA) ve Yapay Arı Kolonisi Algoritması (YAK) tercih edilmiştir. Enerji tüketimini en çok etkileyen nüfus, gayri safi yurtiçi hâsıla (GSYH), ithalat ve ihracat gibi bağımsız değişkenlerin 1990-2009 yılları arasındaki veriler eğitim, 2009-2019 yılları arasındaki veriler ise test için kullanılmıştır. Elde edilen en iyi model sonuçlarına göre ise muhtemel dört senaryoda 2040 yılına kadar Türkiye’nin ihtiyaç duyabileceği enerji miktarı belirlenmeye çalışılmıştır. Bu hesaplamalara göre YAK modelinin test verileri için %86 R^2ve %8,74 MAPE (Ortalama Mutlak Yüzdesel Hata) değerleri ile BOA modeline göre daha iyi sonuç verdiği gözlenmiştir.
Turkey Long-Term Energy Consumption Prediction Using Whale Optimization Algorithm
(IEEE(Institute of Electrical and Electronics Engineers), 2021) Babaoglu,Merve; Haznedar,Bülent
Energy is one of the most important topics for the sustainable development of countries. Due to the fact that the energy used can be depleted, it imports many energy sources, and environmental factors, it is of great importance for Turkey to predict how much energy needs may be in the future. In this study, whale optimization algorithm (BOA) was preferred from heuristic algorithms in order to be able to estimate Turkey's energy demand until 2040. In order to determine the performance of the whale optimization algorithm, the results were compared with the genetic algorithm (GA). All models are arranged linearly and squared and the result is obtained. Data for independent variables such as gross domestic product (GDP), population, imports and exports affecting energy demand were used between 1990 and 2019. Modeling of the past 30 years has been provided to calculate the accuracy of the results. After obtaining the most suitable model, calculations were made according to 4 different scenarios for the next 20 years.

Browse

Browsing Bilgisayar Teknolojileri Bölümü Koleksiyonu by Language "tr"