Bilgisayar Teknolojileri Bölümü

Permanent URI for this communityhttps://hdl.handle.net/20.500.12514/118

Browse

Now showing 1 - 4 of 4

Citation - WoS: 8
Citation - Scopus: 15
Employing deep learning architectures for image-based automatic cataract diagnosis
(TÜBİTAK, 2021) Acar, Emrullah; Türk, Ömer; Ertuğrul, Ömer Faruk; Aldemir, Erdoğan
Various eye diseases affect the quality of human life severely and ultimately may result in complete vision loss. Ocular diseases manifest themselves through mostly visual indicators in the early or mature stages of the disease by showing abnormalities in optics disc, fovea, or other descriptive anatomical structures of the eye. Cataract is among the most harmful diseases that affects millions of people and the leading cause of public vision impairment. It shows major visual symptoms that can be employed for early detection before the hypermature stage. Automatic diagnosis systems intend to assist ophthalmological experts by mitigating the burden of manual clinical decisions and on health care utilization. In this study, a diagnosis system based on color fundus images are addressed for cataract disease. Deep learning-based models were performed for the automatic identification of cataract diseases. Two pretrained robust architectures, namely VGGNet and DenseNet, were employed to detect abnormalities in descriptive parts of the human eye. The proposed system is implemented on a wide and unique dataset that includes diverse color retinal fundus images that are acquired comparatively in low-cost and common modality, which is considered a major contribution of the study. The dataset show symptoms of cataracts in different phases and represents the characteristics of the cataract. By the proposed system, dysfunction associated with cataracts could be identified in the early stage. The achievement of the proposed system is compared to various traditional and up-to-date classification systems. The proposed system achieves 97.94% diagnosis rate for cataract disease grading.
Epileptik EEG Sinyallerinin Sınıflandırılması için Bir Boyutlu Medyan Yerel İkili Örüntü Temelli Öznitelik Çıkarımı
(2017) Türk, Ömer; Özerdem, Mehmet Siraç
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.
Performance Improvement of Genetic Algorithm Based Exam Seating Solution by Parameter Optimization
(Journal of Innovative Science and Engineering (JISE), 2022) Ağalday, Fatih; Nizam, Ali; Ağalday, Muhammed Fatih
Exam seat allocation has become a complex problem, with an increasing number of students, subjects, exams, departments, and rooms in higher education institutions. The requirements and constraints of this problem demonstrate characteristics similar to extensively researched exam timetabling problems. They plan for a limited capacity effectively and efficiently. Additionally, exam seating requires a seating arrangement to reduce the number of cheating incidents. In the literature, several genetic algorithm-based methods have been recommended to prevent students, who are close friends, from sitting close during the exams while providing the best exam session arrangement. We improved the performance of the genetic algorithm using parameter optimization and a new elitism method to increase the saturation rate and accuracy. The algorithm was tested on a real-world dataset and demonstrated high potential for the realization of a high-quality seating arrangement compatible with the requirements of educational institutions.
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.

Browse

Browsing Bilgisayar Teknolojileri Bölümü by Publication Index "TR-Dizin"