Search

Alkolizm, beyin problemlerine ve buna bağlı bilişsel, duygusal ve davranışsal bozukluklara yol açan ciddi bir hastalıktır. Alkolizmi tespit etmek için öne çıkan kaynaklardan biri, Elektroensefalogram (EEG) sinyallerini analiz etmektir. Fakat alkolik EEG sinyallerinin sınıflandırılması, alkolik kişilerin beyin hastalıklarının tanı ve tedavisine yönelik biyomedikal araştırmalarda zorlu bir süreçtir. Bu çalışmada, alkolik EEG sinyallerinden zaman-alan tanımlayıcılarına ve topluluk öğrenmesine dayalı otomatik olarak tanımlayan yeni bir yöntem sunulmaktadır. Önerilen yöntem, tek kanallı EEG sinyallerinin dalgacık paket ayrıştırma ile farklı frekans alt bantlarına ayrılması, zaman-alan tanımlayıcıları ile öznitelik çıkarımı ve topluluk torbalama ağaçları ile sınıflandırma aşamalarından oluşmaktadır. Tek kanallı EEG veri seti ile yapılan deneysel çalışmalarda %97,50 başarım sağlanmıştır. Deneysel sonuçlar önerilen yöntemin, son teknoloji yöntemlere kıyasla daha iyi bir performansa sahip olduğunu göstermektedir. Bu yöntem alkolik bireylerin otomatik tespitinde uzmanlara yardımcı olabilecektir.

Son yıllarda derin öğrenme mimarilerinin sınıflama ve tahmin üzerine yüksek başarımlara sahip olması bu alanlara ilgiyi artırmıştır. Özellikle medikal alanlarda hastalık tanısında bilgisayar tabanlı karar destek sistemlerinin yaygınlaşması ile veri setlerinin önemi ve paylaşılması da ön plana çıkmıştır. Ancak oluşturulan veri setlerinin derin mimariler için yeterli veri sayısına sahip olmaması sınıflama performansı açısından sorun olabilmektedir. Veri miktarının artırılması ise çoğu zaman maliyetli, zaman alıcı ve ilgili uzmanın her zaman bulunamaması sebebiyle mümkün olamamaktadır. Bahsedilen durumlar veri çoğullama yöntemlerinin devreye girmesini ve bu alana yönelmeyi gerektirmiştir. Bu çalışmada Dalgacık aktivasyon fonksiyonlu Aşırı Öğrenme Makinası Oto Kodlayıcı (D-AÖM-OK) tabanlı veri artırma yöntemi önerilmiştir. Önerilen yöntem dünyadaki kanser oranının en büyük yüzdesini içeren akciğer kanser sınıflaması üzerinde test edilmiştir. Çoğullanan eğitim veri seti GoogLeNet mimarisine giriş olarak uygulanmıştır. D-AÖM-OK’ın performansı çoğullanmamış ve geleneksel çoğullama yöntemleri ile karşılaştırılmıştır. Önerilen yöntem çoğullanmamış duruma kıyasla %11,12, klasik yöntemlerle çoğullanmış veri setine göre ise %2,55 oranında daha yüksek başarım göstermektedir.

The method is of great importance in systems that include machine learning and classification steps. As a result, academics are constantly working to improve the process. However, the data pertaining to the methodology's performance is equally as valuable as the methodology's creation. While the data is utilized to show the result of the modeling process, it is critical to consider the proper labeling of the data, the technique of acquisition, and the volume. Obtaining data in certain sectors, particularly medical fields, can be costly and time consuming. Thus, data augmenting via classical and synthetic methods has recently gained popularity. Our study uses synthetic data augmentation since it is newer, more efficient, and produces the desired effect. Our study's goal is to classify a data collection of lung sounds into four groups using data augmenting. Obtaining and standardizing the wavelet scatter transformation of each cycle of lung sounds, splitting the transformed data into test and training, augmenting and classifying the training data. In the augmenting stage, we utilized ELM-AE, then ELM-W-AE, with six wavelet functions (Gaussian, Morlet, Mexican, Shannon, Meyer, Ggw) added. The SVM and EBT classifiers improved performance by 4% and 3% in ELM-W-AE compared to the original structure.

İntihar; toplumsal, ekomonik ve kültürel etkenleri tabanında barındararak farklı sıklıklar ve yöntemlerle karşımıza çıkan bir olgudur. Çocukluğun bir üst basamağı olan ergenlik ise ümitsizlik, yalnızlık, depresyon gibi karmaşık duyguları dünyasında barındırmakta olup intihar riskinin yüksek oranda görüldüğü bir evredir. Gerekli tedbirlerin tarafsız ve hissedilmez yollarla alınabilmesi ergenlik ve intihar ilişkisi açısından büyük önem arz etmektedir. Ağır seyretmeyen bir rahatsızlıkta dahi uzmanlar tarafından kolayca alınabilen kan, sonrasında laboratuvarlarda içeriğini oluşturan parametrik değerler ile sayısal veriler olarak karşımıza çıkmaktadır. Kan parametrelerinin ölçümünü gösteren hemogram testi, günümüzde birçok hastalığın tanısında kullanılmaktadır. Bu çalışmada hemogram testi sonucunda elde edilen değerler ile ergen bireylerin intihar etme olasılığı arasındaki ilişki araştırılmıştır. Cinsiyeti ve yaşı bilinen, intihar girişiminde bulunmuş ergenler ile sağlıklı ergenlerin lökosit (WBC), eritrosit (RBC), bazofil (BA), eozinofil (EO), lenfosit (LY), Monosit (MO), Nötrofil (NE) ve Platelet (PLT) sayısı, Ortalama trombosit hacmi (MPV) ve Hemoglobin (HGB) düzeylerine ait kan değerleri tasarlanan sistem içerisinde değerlendirilmiştir. Veri setini oluşturan sağlıklı ve intihar girişiminde bulunmuş 302 kişiye ait tam kan sayımı verileri ön işlemden geçirilerek intihar eden gruba ait tahmini olumsuz etkileyecek veriler referns ralıklar göz önünde bulundurularak sistemden çıkarılmıştır. İntihar tahminini yaparken, sınıflama algoritmalarının ortak çalışması sonucu yüksek başarım gösteren torbalama ağaçları ve iki grubun üyelerini yüksek doğrulukla ayıran Destek Vektör Makineleri (DVM) seçilmiştir. 260x13 öznitelik kullanılarak Topluluk Ağaçları (TA) ve Kuadratik DVM ile sınıflandırma sonuçları alınarak TA ile %93,5 doğru tahminde bulunulabileceği gösterilmiştir. Uzmanlar, bireyin herhangi bir psikolojik rahatsızlığı görülmesi ya da intihar şüphesi olması durumunda, bu ihtimalin ne kadar yüksek ya da ne düzeyde olduğunu tasarlanan sistem sayesinde kolayca öğrenebilecektir., Suicide; It is a phenomenon that we encounter with different frequencies and methods by hosting social, economic and cultural factors at its base. Adolescence, which is an upper step of childhood, contains complex emotions such as hopelessness, loneliness, and depression in its world, and it is a stage in which the risk of suicide is high. It is of great importance to take necessary measures in neutral and imperceptible ways in terms of adolescence and suicide relationship. Blood, which can be easily taken by experts even in a non-severe illness, appears as numerical data with the parametric values that make up its content in laboratories. The hemogram test showing the measurement of blood parameters is used in the diagnosis of many diseases today. In this study, the relationship between the values obtained as a result of the hemogram test and the possibility of suicide of adolescent individuals were investigated. Leukocyte (WBC), erythrocyte (RBC), basophil (BA), eosinophil (EO), lymphocyte (LY), Monocyte (MO), Neutrophil (NE) and Platelet (PLT) of adolescents who have attempted suicide and whose age and gender are known, blood values of mean platelet volume (MPV) and hemoglobin (HGB) levels were evaluated within the designed system. Complete blood count data of 302 individuals who were healthy and suicidal attempts constituting the dataset were pre-processed and the data that would adversely affect the estimated suicide group were removed from the system by considering the references. While making suicide estimation, the high performance bagging trees and the Support Vector Machines separating the members of the two groups with high accuracy were chosen as a result of the joint study of the classification algorithms. It has been shown that by using 260x13 attribute, the classification results can be obtained with BT and Quadratic SVM and 93.5% accurate predictions can be made with BT. Experts will be able to easily find out how high or at which level this probability is, if the individual has any psychological disorders or if the suicide is suspected.

Günlük hayatın bir rutini olan el yazısı; ruh hali, kişilik özellikleri ve var olan bazı hastalıklar hakkında ipuçları vermektedir. Bunun yanında adli tıp, tıp ve arkeoloji gibi birçok disiplin el yazısını kendi alanlarına yönelik çalışmalarda sıkça kullanmaktadırlar. Örneğin adli tıp; bazı vakaların aydınlatılmasında el yazısından yaş aralığı ve hangi elin kullanıldığı gibi bilgilere ulaşabilmektedir. Bu çalışmada, el yazısından cinsiyet tespiti yapan bir sistem önerilmiştir. Önerilen sistem el yazısından, el yazısını karakterize edecek bir dizi öznitelik çıkarıp bu öznitelikleri makine öğrenmesi teknikleri kullanarak cinsiyete göre sınıflandırmıştır. El yazılarının kaydedildiği tabletle hem kalemin tablete temas halindeki durumunda hem de harfler ve kelimeler arası geçişte kalemin havada izlediği eğri hareketlerinden öznitelik çıkarılmıştır. Bu öznitelikler sırası ile kalem hızı, ivmesi, yazarken oluşan sarsıntı hareketleri, eğim açısı, yazıdaki kavislenmeler, kalemin havada kalma oranı, kalemin yaptığı basınç değeri ve kalemin yükseklik açısıdır. Sınıflandırıcı olarak da Karar Ağaçları (KA), Naive Bayes (NB), Destek Vektör Makineler (DVM) ve k-en Yakın Komşu (k-EYK) yaklaşımları kullanılmıştır. Deneysel çalışmalarda kullanılan veri setinde toplam 410 örnek mevcut olup, deneysel çalışmaların başarımları doğruluk kriteri ile değerlendirilmiştir. Elde edilen sonuçlara göre en iyi başarımın DVM ile elde edildiği ve doğruluk değerinin de %85,1 olduğu görülmüştür.

Machine learning and image processing-based classification of automated plant species is significant for plant experts/ herbalists. Many studies on the subject have been gained to the literature. Today, researchers have applied deep learning to various image-based object recognition tasks. In this study, the classification of automatic apricot species based on Deep Convolutional Neural Networks (DCNN) has been made. The proposed method used the VGG19 model, a pre-trained DCNN model. Seven different feature vectors were obtained by combining the features obtained from three different fully connected layers in different combinations. These feature vectors were given to the input of Excessive Learning Machines and seven different apricot types were classified. The highest performance rate was obtained from the fc8 layer as 98.8%, and the lowest performance rate was obtained from the feature vector obtained from the combination of fc6 and fc7 layers as 95.2%.