Bilgisayar Teknolojileri Bölümü Koleksiyonu

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

Browse

Browsing Bilgisayar Teknolojileri Bölümü Koleksiyonu by Subject "Bilgisayar Bilimleri, Yazılım Mühendisliği"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Article
    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.
  • Thumbnail Image
    Article
    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.