Yazar "Yaşar, Ali" seçeneğine göre listele
Listeleniyor 1 - 2 / 2
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Mide kanserinin tespiti için görüntü işleme teknikleri kullanılarak bir karar destek sisteminin geliştirilmesi(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2018-07-04) Yaşar, Ali; Sarıtaş, İsmailMide kanseri, başlangıçta neredeyse hiç belirti vermediği için erken evrede tespit edilmesi zor olan bir kanser türüdür. Mide kanseri, hem dünyada hem de Türkiye'de görülme sıklığı giderek artan bir kanser türüdür. Mide kanseri tanısında dünya genelinde en yaygın kullanılan yöntem endoskopidir. Ancak kesin teşhis endoskopik yöntemle alınan biyopsi sonucu ile konmaktadır. Endoskopi ile tanı oldukça spesifik ve hassas bir yöntemdir. Yüksek çözünürlüklü endoskopi ile mukoza yüzeyinin hafif renk değişikliklerini, kabarıklıklarını ve yapısal değişikliklerini tespit etmek mümkündür. Ancak yapılan işlemler doktor gözüyle yapıldığı için kanserli bölgelerin gözden kaçırılması ve/veya eksik tespit edilebilmesi söz konusu olabilmektedir. Kanserli alanın tamamen tespit edilememesi, hastaya cerrahi müdahaleden belli bir süre sonra kanser vakasının nüksetmesi problemi ile karşı karşıya kalınabilmektedir. Bu problemin ortadan kalkması için uzman doktor yardımıyla ve görüntü işleme tekniklerini kullanarak bir bilgisayarlı karar destek sistemi (BKD) gerçekleştirilmiştir. v Gerçekleştirilen BKD sistemi gastroenteroloji doktorlarına yardımcı bir asistan gibi çalışarak midede endoskopik görüntülerde kanserli alanın tespit edilmesi, bu alanlardan biyopsinin alınması ve daha iyi tanı konmasına yardımcı olmaktadır. Bu tez çalışmasında Gastroenteroloji bilim dalına gelen hastalardan biyopsi alınan ve patolojik sonucunda kanser teşhisi konulan hastalardan temin edilmiş endoskopi görüntüleri üzerinde çalışılmıştır. Kanserli alanın tespit edilmesi için Bölge Büyütme (BB), İstatistiksel Bölge Birleştirme (İBB), İstatistiksel Bölge Birleştirmede Bölge Büyütme (İBBBB) yöntemleri uygulanmıştır. Uygulanan yöntemler sonucunda elde edilen bölge kesin kanserli bölge olarak ifade edilmemelidir. Ancak bu uzman doktorların biyopsi işlemini bir kereden fazla yapması yerine tespit edilen alanlardan da biyopsi örneği alarak hastaların daha fazla endoskopi ve biyopsi işlemine maruz kalmalarını önleyebilecektir. Böylece bu çalışma ile hastaların morallerinin bozulmasını, fazla biyopsi sonucu oluşabilecek komplikasyonları ve doktorlara karşı oluşabilecek güven kaybını engellemiş olacaktır. Endoskopi görüntülerinde yapılan BB yöntemine göre kitle-doku sınıflandırması sonuçlarına göre en yüksek sınıflandırma doğruluğu %99.63, en yüksek duyarlılık %94.59, en yüksek belirleyicilik %100 ve en yüksek ROC eğrisi değeri ise %97.29'dır. İBB yöntemine göre kitle-doku sınıflandırması sonuçlarına göre en yüksek sınıflandırma doğruluğu %98.33, en yüksek duyarlılık %89.34, en yüksek belirleyicilik %100 ve en yüksek ROC eğrisi değeri ise %90.82'dır. İBBBB yöntemine göre kitle-doku sınıflandırması sonuçlarına göre en yüksek sınıflandırma doğruluğu %98.25, en yüksek duyarlılık %99.43, en yüksek belirleyicilik %100 ve en yüksek ROC eğrisi değeri ise %94.52 elde edilmiştir.Öğe Sınıflandırma problemlerinde yapay sinir ağı metotları kullanılarak performanslarının değerlendirilmesi(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2021) Yaşar, Ali; Sarıtaş, İsmailYapay zekâ insanlara has özelliklerden olan akıl yürütme, mevcut bilgilerden çıkarım yapma, bilgileri kullanarak genelleme yapabilmesi ve geçmiş tecrübelerimizden yararlanarak yaşantımızda kalıcı etki bırakması (öğrenme) gibi zihinsel süreçlerimize ait yeteneklerin bir bilgisayar ya da makineye sezgisel ve meta-sezgisel yöntemlerle geliştirilen programlar yardımıyla kazandırılmasını sağlayan geniş ve kapsamlı bir çalışma alanıdır. Yapay sinir ağı karşımıza en çok çıkan Yapay Zekâ yöntemlerinden bir tanesidir. Sınıflandırma ve Tahmin problemlerinde sıkça kullanılan Yapay Sinir Ağlarının eğitilmesinde kullanılan ve geliştirilen sezgisel ve meta-sezgisel çok sayıda algoritma bulunmaktadır. Gün geçtikçe de bu algoritmaların sayısı artmaya devam etmektedir. Bu tez çalışmasında YSA'ların eğitiminde kullanılan metotlardan İleri Beslemeli Sinir Ağı, Kademeli İleri Sinir Ağı, Genelleştirilmiş Regresyon Sinir Ağı, Olasılıksak Sinir Ağı ve Tekrarlayan Sinir Ağı kullanılarak YSA ağları eğitilmiş sonuçlar tek ara katmanlı sinir ağı ve çok ara katmanlı 10 kat çapraz doğrulamalı sinir ağları ile YSA'ların performans değerleri belirlenmiştir. Tez çalışmamızın performanslarını kontrol etmek adına UCI Machine Learning Repository'de yer alan Ionosphere, Iris ve Wine olmak üzere 3 veri kümesi deneysel sonuçlarda kullanılmıştır. Deney sonuçlarında Karışıklık matrisleri bulunmuş ve bu karışıklık matrisinden yaralanarak sınıflandırma doğrulukları, hassasiyetleri, duyarlılık ve F1-Skorları dinamik olarak yapılan kodlama ile parametreler istenildiği zaman güncellenebilmektedir. Belirlenen parametreler ile hem tek ara katman için hem çok ara katmanlı 10 kat çapraz doğrulama teknikleri kullanılarak hedeflenen değerler hesaplanmıştır. Ionosphere veri kümesi üzerinde Tek Ara Katmanlı metotlardan %88,57 ile en yüksek doğruluk derecesi İleri Beslemeli Sinir Ağı metodu ile sağlanırken, Çok Ara Katmanlı ve 10 Kat Çapraz Doğrulama kullanan metotlardan %96,58 ile en yüksek doğruluk derecesine Kademeli İleri Sinir Ağı metodu ulaşmıştır. Iris veri kümesi üzerinde Tek Ara Katmanlı metotlardan %98,67 ile en yüksek doğruluk derecesi Tekrarlayan Sinir Ağı metodu ile sağlanırken, Çok Ara Katmanlı ve 10 Kat Çapraz Doğrulama kullanan metotlardan %100 ile en yüksek doğruluk derecesine yine Tekrarlayan Sinir Ağı metodu ulaşmıştır. Şarap veri kümesi üzerinde Tek Ara Katmanlı metotlardan %96,63 ile en yüksek doğruluk derecesine İleri Beslemeli Sinir Ağı ve Kademeli İleri Sinir Ağı metotları ile sağlanırken, Çok Ara Katmanlı ve 10 Kat Çapraz Doğrulama kullanan metotlardan %100 ile en yüksek doğruluk derecesine Tekrarlayan Sinir Ağı metodu ulaşmıştır.