Yazar "Duru, Dilek Göksel" seçeneğine göre listele

Listeleniyor 1 - 4 / 4
  • [ X ]
    Öğe
    Classification of brain tumors using MRI images based on convolutional neural network and supervised machine learning algorithms
    (Institute of Electrical and Electronics Engineers Inc., 2022) Ali, Rawaa; Al-Jumaili, Saif; Duru, Adil Deniz; Uçan, Osman Nuri; Boyacı, Aytuğ; Duru, Dilek Göksel
    Brain tumor is abnormal cells that originate from cranial tissue and is considered one of the most destructive diseases, and lead to the cause of death, where the early diagnosis is crucial for accelerating the therapy of brain tumors. Examining the patient's MRI scans is one traditional way of distinguishing brain cancers. The conventional approaches take a long time and are prone to human error, especially when dealing with huge amounts of data and diverse brain tumor classes. Artificial Intelligence (AI) is extremely useful for the strict detection and classification of several diseases in the brain. Convolutional Neural Network (CNN) is one of the modes techniques which act as a tumor classifier due to it shows high effectiveness for diagnosing brain tumors. That's why, in this research, we presented a hybrid method that merged a group of pre-Trained deep learning CNN patterns with a group of supervised classifiers in machine learning called, k-Nearest Neighbor (KNN), Support Vector Machine (SVM), and Linear Discriminant Analysis (LDA). We used an MRI image that consist of images of four brain tumor classes, namely glioma, meningioma, pituitary, and no tumor. We deduced the features extracted from the images by hiring three types of CNN called (GoogleNet, Shuffle-Net, and NasNet-Mobile). Depending upon the experimental consequences, ShuffleN et with SVM achieved the highest results according to the four categories of metrics evaluation that are Accuracy of 98.40%, Precision of 97%, Recall of 96.75%, and Fl-Score of 96.75%. Finally, we compared our results with different state-of-The-Art papers recently published and our proposed method show outperforms compared them.
  • Küçük Resim
    Öğe
    Evaluation of deep transfer learning methodologies on the COVID-19 radiographic chest images
    (International Information and Engineering Technology Association, 2023) Al-Azzawi, Athar; Al-Jumaili, Saif; Duru, Adil Deniz; Duru, Dilek Göksel; Uçan, Osman Nuri
    In 2019, the world had been attacked with a severe situation by the new version of the SARSCOV- 2 virus, which is later called COVID-19. One can use artificial intelligence techniques to reduce time consumption and find safe solutions that have the ability to handle huge amounts of data. However, in this article, we investigated the classification performance of eight deep transfer learning methodologies involved (GoogleNet, AlexNet, VGG16, MobileNet-V2, ResNet50, DenseNet201, ResNet18, and Xception). For this purpose, we applied two types of radiographs (X-ray and CT scan) datasets with two different classes: non-COVID and COVID-19. The models are assessed by using seven types of evaluation metrics, including accuracy, sensitivity, specificity, negative predictive value (NPV), F1- score, and Matthew's correlation coefficient (MCC). The accuracy achieved by the X-ray was 99.3%, and the evaluation metrics that were measured above were (98.8%, 99.6%, 99.6%, 99.0%, 99.2%, and 98.5%), respectively. Meanwhile, the CT scan model classified the images without error. Our results showed a remarkable achievement compared with the most recent papers published in the literature. To conclude, throughout this study, it has been shown that the perfect classification of the radiographic lung images affected by COVID- 19.
  • Küçük Resim
    Öğe
    Göz hareketlerine dayalı beyin bilgisayar arayüzü tasarımı
    (2020) Koç, Engin; Bayat, Oğuz; Duru, Dilek Göksel; Duru, Adil Deniz
    Modern teknoloji ile birlikte insanların göz hareketlerini inceleyerek uyaranlara karşı vermiş oldukları tepkiler takip edilebilir hale gelmiştir. Bu takip yöntemlerden biri de Göz İzleme (Eye-Tracking) tekniğidir. Bu teknikteki gelişmeler sayesinde araştırmacılar, sağlık, savaş sanayi, sivil havacılık, web tasarımı, dijital medya vb. birçok alanda hayatı daha kolay hale getirilebilecek sistemler hakkında çalışmalar yapabilmektedir. Bu çalışma kapsamında, göz izleme teknolojisinin temel özelliklerinden faydalanılarak beyin bilgisayar arayüzü (BBA) uygulaması geliştirilmiştir. Katılımcıların göz sabitlenme bilgisi, tarafımızca hazırlanan deneysel paradigma yazılımları bünyesinde göz-izleme cihazı ile ölçülerek, kişilerden verilen ödevleri gerçekleştirmeleri istenmiştir. Bu kapsamda iki farklı uyaran yazılımı üretilmiştir. Birinci yazılımda, kişilerin ekranda çeşitli bölgelerde görülen butonlara odaklanarak, gözlerinin sabitlenmesi ile butonlara basmaları sağlanmıştır. İkinci yazılımda ise, katılımcının harflere odaklanması istenerek, kelimeler ve cümleleri yazdırmayı sağlayan sanal bir klavye uygulaması geliştirilmiştir. Ayrıca göz fiksasyonları ısı haritası ile görselleştirilmiştir. Tüm aşamalarda kullanılan yazılım ve analiz tarafımızca geliştirilmiştir. Sonuç olarak, hareket etmeden göz hareketleri ile bildirim yapmayı sağlayan hibrid bir sistem geliştirilmiştir. Göz hareketlerine dayalı önerilen BBA sistemi test edilmiş ve yüksek komut/dakika sonuçlarına ulaşılmıştır. Deneysel bulgular önerilen hibrid BBA’nın güçlü ve öne çıkacak bir teknoloji olduğunu göstermektedir.
  • Küçük Resim
    Öğe
    Gözbebeği hareketleri temelli duygu durumu sınıflandırılması
    (2020) Mete, Samet; Çakır, Oğuz; Bayat, Oğuz; Duru, Dilek Göksel; Duru, Adil Deniz
    İnsanlardaki duygu durumu otonom sinir sistemi tarafından kontrol edilmektedir. Bu sebeple, olumlu veya olumsuz bir uyaran ile karşılaştığında otonom sinir sistemi çok kısa bir süre içerisinde, uyaran çeşidinin bireyde tetiklediği duygu türüne göre çeşitli bedensel farklılıklara sebebiyet vermektedir. Bedensel bu farklılıklardan bir tanesi de kişilerin gözbebeğinin uyaran çeşitine göre gösterdiği fizyolojik farklılıklardır. Yapılan araştırmalar göz bebeği hareketlerinin ve boyutunun ölçülmesinin yararlı bir girdi sinyali olabileceğini göstermektedir. İnsanlar olumsuz bir uyaran gördüğünde gözdeki pupil boyutunda genişleme, olumlu bir uyaran gördüğünde ise pupil boyutunda daralma oluşmaktadır. Bu bilgiler ışığında çalışma kapsamında, erkek ve kadın katılımcılara uygulanan, türlü kategorilerden oluşan büyük bir fotoğraflar dizisi olan IAPS içerisinden, katılımcılarda fazlasıyla zıt duygulanımlar meydana getiren uyaran sınıfları değerlik puanlarına göre tercih edilmiş ve uyaranlar olumlu, olumsuz ve nötr olmak üzere üç sınıfa ayrılmıştır. Çalışma sırasında IAPS’ten seçilmiş olan toplamda 60 adet fotoğraf kullanılmış ve 13 adet katılımcıya sunulmuş ve göz takip cihazı kullanılarak katılımcıların göz verileri veri tabanına kaydedilmiştir. Sol ve sağ pupil büyüklükleri ve fiksasyon süresi sınıflama için girdi olarak kullanılmıştır. Üç sınıf kullanılararak, kNN, Naive Bayes, Destek Vektör Makinaları, Doğrusal Diskriminant analizi, karar ağacı ve lojistik regresyon teknikleri uygulanmıştır. Düşük sınıflandırma başarısından ötürü, işlem sadece pozitif ve negatif sınıflar için tekrar hesaplanmıştır. Bu iki emosyonel durum için %68’lik bir oran ile kNN sınıflandırma yönteminde en yüksek sınıflandırma başarısına ulaşılmıştır. Naive Bayesçi Sınıflandırıcı ve DVM %55, LDA %50, karar ağaçları ve lojistik regresyon %48’lik başarıya ulaşmıştır. Kişilerin çeşitli uyaranlara verdiği emosyonel yanıtların göz hareketlerine yansıyabileceği ve göz hareketlerinden kişinin emosyonel uyarılma düzeyi hakkında fikir sahibi olunabileceği düşünülmektedir.