Yazar "Başaran, Erdal" seçeneğine göre listele
Listeleniyor 1 - 6 / 6
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Determination of tympanic membrane region in the middle ear otoscope images with convolutional neural network based yolo method(2020) Başaran, Erdal; Cömert, Zafer; Çelik, Yüksel; Velappan, Subha; Togaçar, MesutDue to inflammation of the middle ear, various deformations occur in the eardrum. In order todiagnose the disease, it is necessary to examine the tympanic membrane in detail with an otoscope.In recent years, deep learning has been applied in many areas including biomedical field and veryeffective results have been achieved. Deep learning based methods are used successfully in automaticobject detection. In this study, a deep learning based object detection method namely You Only LookOnce (YOLO), is used for automatic detection of tympanic membrane in eardrum images obtainedusing otoscope device. To enable automatic detection of tympanic membrane by YOLO, experimentalstudies were conducted with AlexNet, VGGNet, GoogLeNet and ResNet. According to the performanceresults, the most efficient results were obtained with ResNet and VGGNet architectures. Tympanicmembrane region detection with YOLO, was performed with an accuracy rate of 93%.Öğe Identification of walnut variety from the leaves using deep learning algorithms(2023) Karadeniz, Alper Talha; Başaran, Erdal; Çelik, YükselIn order to determine the variety from walnut leaves, each leaf must be examined in detail. Species that are very similar in color and shape to each other are very difficult to distinguish with the human eye. Examining and classifying plant leaves belonging to many classes one by one is not appropriate in terms of time and cost. Studies on walnut varieties in the literature are generally classified as a result of experimental studies in the laboratory environment. There are two or three different classes in studies using walnut leaf images. In this study, firstly, a unique walnut dataset obtained from 1751 walnut leaf images obtained from 18 different walnut varieties was created. Classification was made using deep learning methods on the original walnut dataset. It has been tested with CNN models, which are widely used in the literature, and some performance metrics are recorded and the results are compared. The images were first preprocessed for cropping, denoising and resizing. Classification was made using CNN models on the original dataset and augmented dataset with data augmentation method. It was seen that the VGG16 CNN model gave the best results both in the original dataset and the augmented dataset. In this model, the accucarcy result found with the original data set was 0.8552, while the accuracy result in the enhanced data set was 0.9055. When the accuracy values are examined, it is seen that walnut varieties are classified successfully.Öğe Normal ve kronik hastalıklı orta kulak imgelerinin evrişimsel sinir ağları yöntemiyle tespit edilmesi(2020) Başaran, Erdal; Cömert, Zafer; Sengür, Abdulkadir; Budak, Ümit; Çelik, Yüksel; Togaçar, MesutOrta kulak iltihabı kulak zarının arkasında sıvı birikmesi olarak bilinmektedir. Orta kulak iltihabının uzun süreli tedaviye yanıt vermemesi ve kulak zarının delinmesi ile karakterize olan kronik orta kulak iltihabı işitme kaybına bile sebep olabilen ciddi bir rahatsızlıktır. Bu çalışmada gerekli etik kurulu izni alındıktan sonra Özel Van Akdamar Hastanesinde gönüllü hastalardan otoskop cihazı ile elde edilen 598 adet normal orta kulak görüntüsü ve kronik hastalıklı orta kulak görüntüleri ile sınıflandırma işlemi gerçekleştirilmiştir. Son yıllarda yapay zekâ kapsamında değerlendirilen algoritmalar hemen her alanda kullanılmaktadır. Sağlık alanında da tanı ve karar destek sistemleri geliştirilerek başarılı çalışmalar yapılmaktadır. Bu çalışmada yapay zekâ algoritmalarından olan ve özellikle biyomedikal görüntü sınıflandırma çalışmalarında da iyi sonuçlar elde edilen evrişimsel sinir ağı mimarilerinden olan AlexNet, VGG16, VGG19, GoogleNet, ResNet18, ResNet50, ResNet101 modelleri kullanılmıştır. Deneysel çalışmalar sonucu VGG19 mimarisi ile %97.2067 başarı oranı elde edilmiştir. Evrişimsel sinir ağları yöntemi normal ve kronik orta kulak görüntülerini ayırt etmede başarılı bir yöntemdir.Öğe TİMPANİK MEMBRAN GÖRÜNTÜ ANALİZİ VE YAPAY ZEKA KULLANILARAK SANAL OTİTİS MEDİA TANI SİSTEMİNİN GELİŞTİRİLMESİ(2020-08-07) Başaran, ErdalOtitis media, orta kulakta bulunan kulak zarı arkasında sıvı birikmesi sonucu oluşan iltihaplanma olarak tanımlanmaktadır. Her yıl dünya genelinde yaklaşık 740 milyon insan bu rahatsızlığı geçirmektedir. Otitis media aynı zamanda klinik olarak, hastalara en fazla antibiyotik tedavisi reçete edilen hastalıklardan biridir. Bu hastalık erken teşhisi yapılmadığı ve tedavi edilmediği takdirde hayat kalistesinde düşüşlere, bilişsel rahatsızlıklara hatta işitme duyusunun bile yitirilmesine sebep olabilmektedir. Otitis media hastalığının teşhis edilebilmesi için uzman tarafından otoskop cihazı ile kulak zarının detaylı bir şekilde analiz edilmesi gerekmektedir. Hastaların her zaman deneyimli bir kulak burun boğaz uzmanına ulaşamaması ya da hatalı muayenelerden dolayı hatalı sonuçlar ya da yanlış yorumlamalar ortaya çıkabilmektedir. Bu çalışmada yapay zeka metodları kullanılarak orta kulak görüntülerinde zar bölgesinin tespit edilmesi ve otitis media hastalığının teşhis edilebilmesine çalışılmıştır. Yapılan çalışmada ilk olarak özgün bir veri seti oluşturulup, görüntülere ait öznitelikler gri seviyeli eş oluşum matrisi, yerel ikili örüntü, yönlü gradyanların histogramı ve renk kanallarının ortalaması elde edildilten sonra yapay sinir ağları, destek vektör makineleri, kNN gibi klasik makine öğrenme yöntemleri ile sınıflandırma yapılmıştır. Daha sonra zar bölgesinin tepit edilmesi için derin öğrenme tabanlı Faster R-CNN ve YOLO yöntemleri kullanılmıştır. Sonuç olarak; zar bölgesi %93 doğruluk oranı ile tespit edilmiştir. Özgün bir model önerisi literatüre kazandırılarak orta kulak görüntülerinde zar bölgesini otomatik tespit eden ve zar bölgesi parçaları ile beslenen derin öğrenme temelli transfer öğrenme modelleri ile görüntüler % 90 doğruluk oranı ile sınıflandırılmıştır.Öğe Timpanik membran görüntü özellikleri kullanılarak sınıflandırılması(2021) Başaran, Erdal; Cömert, Zafer; Çelik, YükselOrta kulak inflamasyonu olarak bilinen otitis media rahatsızlığının teşhis edilmesi için otoskop cihazı ile zar bölgesine bakılarak karar verilmektedir. Dokusal özellik çıkarma algoritmaları, görüntüler üzerinde bölge tespiti ve görüntüye ait özelliklerin elde edilmesinde yaygın olarak kullanılmaktadır. Bu çalışmada gerekli yasal izinler alındıktan sonra elde edilen orta kulak görüntülerinde normal ve otitis media görüntülerinin ayırt edilmesi için literatürde yaygın olarak kullanılan gri seviyeli eş-oluşum matrisi, yerel ikili örüntüler, yönlü gradyanların histogram algoritmaları kullanılmıştır. Bu dokusal özellik çıkarma algoritmalarının görüntüleri sınıflandırma üzerinde başarıları incelendikten sonra her bir özellik setine görüntülere ait renk kanallarının ortalamaları da eklenerek bu özelliğin sınıflandırma başarısına etkisi incelenmiştir. Sonuç olarak tek başına bir dokusal özellik çıkarma algoritması kullanıldığında en iyi sonuçlar yerel ikili örüntü algoritması ile elde edilmiştir. Bu algoritmaya renk kanallarının ortalaması da eklendiği zaman sınıflandırma başarısını olumlu yönde etkilediği sonucuna varılmıştır. Sınıflandırma sonucunda % 78.67 doğruluk oranı elde edilmiştir.Öğe Xception derin öğrenme modeli ve gabor filtreleri ile çdööe-dvm algoritması kullanılarak mikro ifadelerin tanınması(2023) Uzun, Mehmet Zahit; Başaran, Erdal; Çelik, YükselMikro ifade (Mİ), insanların riskli bir ortamda bir olaya karşı istemsiz ve kontrolsüz duygusal tepkilerini gizlemeye çalıştıklarında ortaya çıkan sızıntıdır. Duyguyu yaşayan kişi risk altında bunu bastırmaya çalıştığı için yüze yansıması düşük yoğunlukta, belirli bir bölgede ve çok kısa sürede gerçekleşir. İfade istemsizce ortaya çıktığı için sahte değil tamamen doğal olmaktadır. Bu doğal ifadelerin doğru tespiti sayesinde adli, klinik, eğitim gibi birçok alanda etkili bir şekilde kullanılması sağlanabilir. Bu çalışmada Mİ tanıma hedefi için oluşturulan model yapısında sırasıyla önişleme, öznitelik çıkarma, öznitelik seçme ve sınıflandırma görevleri kullanılmıştır. Önerilen model yapısında literatürde en çok kullanılan, kamuya açık Mİ veri setlerinden CASME-II kullanılmıştır. Ön işleme aşamasında Optik Akış algoritmalarında kullanılmak üzere her bir video klipin görüntü dizisinden başlangıç (onset) ve tepe (apex) kareleri seçilir. Bu iki kare kullanılarak Farneback, TV-L1 Dual ve TV-L1 e ait yatay ve dikey optik akış görüntüleri elde edilmiş, ardından bu optik akış görüntüleri evrişimsel sinir ağı (ESA) modeli olan Xception ve geleneksel model olan Gabor modelleri kullanılarak görüntülere ait öznitelikler elde edilmiştir. Elde edilen bu özniteliklere ait ayırt edici olanları filtrelemek için çapraz doğrulama ile özyinelemeli özellik eleme (ÇDÖÖE) öznitelik seçim algoritması kullanılmıştır. Son olarak doğrusal destek vektör sınıflandırıcısı (DVS), filtrelenmiş Mİ özniteliklerini pozitif, negatif ve sürpriz olmak üzere üç sınıfa ayırmıştır. Önerilen Mİ model yapısından elde edilen sonuçlar 0.9248 doğruluk oranı başarısı göstermiştir.
