Özçınar, BetülKurnaz, Sefer2025-02-062025-02-0620243023-7459https://doi.org/10.54525/bbmd.1454569https://search.trdizin.gov.tr/tr/yayin/detay/1245073https://hdl.handle.net/20.500.12939/5394Araştırmada, ResNet mimarisi kullanılarak TensorFlow ve Keras kütüphaneleri kullanılarak bir derin öğrenme modeli oluşturulmuştur. Çalışmada 6 farklı bakteri sınıfı için toplamda 689 adet bakteri resmi veri kümesi olarak kullanılmıştır. Yazılım tasarımı, veri ön işleme, model oluşturma ve eğitim adımlarını içermektedir. Veri ön işleme aşamasında, resimler normalize edilmiş ve boyutlandırılmıştır. Model oluşturma aşamasında, ResNet mimarisi tercih edilmiştir çünkü derin ağların daha iyi öğrenme yetenekleri sunabileceği bilinmektedir. Model eğitimi sırasında, eğitim verisi üzerinde iteratif bir yaklaşım benimsenmiş ve optimize edici işlevler kullanılarak ağın ağırlıkları ayarlanmıştır. Sonuçlar, tasarlanan yazılımın %83,33 doğruluk oranı ile bakteri resimlerini başarılı bir şekilde sınıflandırdığını göstermektedir. Bu sonuçlar, derin öğrenme tekniklerinin biyomedikal görüntü analizinde potansiyelini vurgulamaktadır. Bu çalışma, bakteri sınıflandırma konusunda daha geniş veri kümeleri ve daha gelişmiş özellik mühendisliği tekniklerinin entegrasyonunu içerecek şekilde genişletilebilir.trinfo:eu-repo/semantics/openAccessSınıflandırmaYapay zekaMakine öğrenmesiDerin öğrenmeArtık ağ (residual network)Article10.54525/bbmd.145456917167741245073