Search

Glaucoma is a common eye disease that damages the optic nerve and leads to loss of vision. The disease shows few symptoms in the early stages, making its identification a complex task. To overcome the challenges associated with this task, this study aimed to tackle the localization and segmentation of the optic disc, as well as the classification of glaucoma. For the optic disc segmentation, we propose a novel metaheuristic approach called Grey Wolf Optimization (GWO). Two different approaches are used for glaucoma classification: a one-stage approach, in which the whole image without cropping is used for classification, and a two-stage approach. In the two-stage approach, the optic disc region is detected using the You Only Look Once (YOLO) detection algorithm. Once the optic disc region of interest (ROI) is identified, glaucoma classification is performed using pre-trained convolutional neural networks (CNNs) and vision transformation techniques. In addition, both the one-stage and the two-stage approaches are applied in combination with the pre-trained CNN using the Random Forest algorithm. In segmentation, GWO achieved an average sensitivity of 96.04%, a specificity of 99.58%, an accuracy of 99.39%, a DICE coefficient of 94.15%, and a Jaccard index of 90.4% on the Drishti-GS dataset. For classification, the proposed method achieved remarkable results with a high-test accuracy of 100% and 88.18% for hold-out validation and three-fold cross-validation for the Drishti-GS dataset, and 96.15% and 93.84% for ORIGA with hold-out and five-fold cross-validation, respectively. Comparing the results with previous studies, the proposed CNN model outperforms them. In addition, the use of the Swin transformer shows its effectiveness in classifying glaucoma in different subsets of the data.

Şeker hastalığı, kan şekerinde anormalliklere neden olan zararlı hastalıklardan biridir. Bu hastalığın erken teşhisi insan vücudunda oluşabilecek organ bozulmalarını engeller. Yapay zekâ tabanlı çalışmalar medikal alanda etkin bir şekilde gerçekleştirilmektedir. Makine öğrenmesine dayalı bilgisayar destekli uzman sistemler bu hastalığın erken teşhisi için oldukça faydalıdır. Bu çalışmadaki şeker hastalığı problemi, klasik bir denetimli ikili sınıflandırma problemidir. Bu verisetinde 16 öznitelik bulunmakta olup, 200'ü negatif örnek ve 320'si pozitif örnek olmak üzere toplam 520 örnek içermektedir. Önişlemden geçirilen veriseti üzerinde Rastgele Orman, Gradyan Arttırma, K-En Yakın Komşu, Derin Sinir Ağları ve son olarak da Oylama topluluk sınıflandırıcısı kullanılarak inşa edilen modellerin performansları dışarıda tutma ve 5-kat çapraz doğrulama senaryoları çerçevesinde analiz edilmiştir. Her iki senaryoda da, Oylama topluluğu sınıflandırıcısı, deneylerde en iyi performansı sundu. Buna göre, Oylama topluluğu sınıflandırıcısı, tutma tekniğiyle yapılan deneylerde %100'lük bir sınıflandırma doğruluğu ve 5 kat çapraz doğrulamalı deneylerde ortalama %97,31'lik bir sınıflandırma doğruluğu sundu. Sonuç olarak, Oylama topluluğu sınıflandırıcısı kullanılarak diyabeti gerçek zamanlı olarak erken teşhis eden bir uzman sistem tasarlanabilir.

Bu çalışmadaki amaç patlama sonucunda meydana gelen yüksek basınç dalgasını modelleyen bir simülasyon yazılımı geliştirmek ve bu simülasyon yazılımından elde edilen veri setini kullanarak derin sinir ağı ile basınç dalgası parametrelerini tahmin etmektir. Geliştirilen simülasyon yazılımı ile askeri alanda gerçekleştirilecek ana unsuru patlayıcı olan faaliyetlerin insan ve yapılar üzerindeki çevresel etkileri ortaya konulmaktadır. Kullanıcı tarafından belirlenen patlayıcı tipi, patlayıcı ağırlığı ve mesafe parametreleri girilerek basınç dalgası parametreleri hesaplanmaktadır. Basınç dalgası parametreleri hesaplanırken yazılım üzerinde matematiksel model veya derin sinir ağı modeli seçimi yapılabilmektedir. Üç boyutlu gösterim alanı veya harita üzerinde seçilen konum üzerinde basınç etkileri, basınç etki alanları, insan ve yapılar üzerindeki etkileri gösterilmektedir. Ayrıca geliştirilen yazılım birçok amaç için kullanılabilecek niteliktedir. Bunlardan bazıları; (i) askeri alanda stratejik bilginin hızlı ve kolay bir şekilde sağlanması, (ii) ideal patlayıcı yükünün bulunması, (iii) terör faaliyetlerinde kullanılan patlayıcı yüklerinin çevresel etkilerinin analiz edilmesi ve önlemlerin alınması, (iv) askeri operasyonlarda kullanılan patlayıcıların insan ve yapılar üzerindeki etkilerin tahmin edilmesi, (v) askeri alanda gerçekleştirilecek operasyonlarda belirlenen hedefe atılacak patlayıcı yükünün optimum seviyede belirlenmesi. Geliştirilen 3 boyutlu simülasyon ortamının patlama sonrası meydana gelen aşırı basınç dalgası parametrelerini doğru bir şekilde tahmin ederek, insan ve yapılar üzerindeki etkilerini etkili bir şekilde simüle ettiği gözlenmiştir. Bunun yanı sıra, çalışmada basınç verisi Derin Sinir Ağı ile de tahmin edilmiştir. Yazılım tarafından oluşturulan sentetik veri setleri ile derin sinir ağı modelinin eğitim ve test işlemleri gerçekleştirilmiştir. Seçilen patlayıcı tipine göre oluşturulan derin sinir ağı modeli ile yarı küresel patlamalar sonucu ortaya çıkan blast dalgası (aşırı basınç dalgası) parametreleri başarılı bir şekilde tahmin edilmiştir.