Theses supervised by Prof. Dr. Hasan Oğul
16 theses · Başkent University, Sinop University, Çankaya University
Breast cancer diagnosis from thermal images
Breast cancer is one of the prevalent types of cancer. Early diagnosis and treatment of breast cancer have vital importance for patients. Various imaging techniques are used in the detection of cancer. Thermal images are obtained by using the temperature difference of regions without giving radiation by the thermal camera. In this study, we present methods for computer aided diagnosis of breast cancer using thermal images. To this end, various Convolutional Neural Network (CNN) models have been designed by using transfer learning methodology. The performance of the designed nets was evaluated on a benchmarking dataset considering accuracy, precision, recall, F1 measure, and Matthews Correlation coefficient. The results show that holding pre-trained convolutional layers and training newly added fully connected layers gives the best scores. We have obtained an accuracy of 94.3%, a precision of 94.7% and a recall of 93.3% using transfer learning methodology with CNN.
Giyilebilir sensörlerle nesnel ağrı değerlendirme
Ağrı, doku hasarıyla bağlantılı hoş olmayan bir his ve duygusal bir deneyimdir. Amacı vücudun reaksiyona girmesine izin vermek ve daha fazla doku hasarını önlemektir. Yorumlamak için sinir lifleri aracılığıyla beyne bir sinyal gönderildiğinde ağrı hissedilir. Ağrı deneyimi herkes için farklıdır ve ağrıyı hissetmenin ve tanımlamanın farklı yolları vardır. Bu ağrıyı tanımlamayı ve tedavi etmeyi zorlaştırabilir. Bu çalışmada, yaşamsal belirtiler kullanılarak ağrının objektif değerlendirilmesi için hesaplamalı bir çözüm sunulmaktadır. Ağrı oluşana kadar görülen hayati belirtiler kullanılmıştır ve ağrının varlığı tahmin edilmeye çalışılmıştır. Bu çalışma kapsamında MIMIC-III veri tabanı kullanılarak ağrı ile ilişkili 129,267 veri elde edilmiştir. Bu verilerin 76,310 tanesi ağrı var olarak işaretlidir. Bu veri kümesi kullanılarak ağrı var veya yok tahmini yapılmıştır. Alınan en yüksek AUROC skoru 0.711'dir ve Random Forest algoritması kullanılarak elde edilmiştir. Bu çalışma, makine öğrenmesi yöntemlerinin kullanılmasının, hastane ortamında ağrının bilgisayar desteğiyle izlenmesini bir dereceye kadar teşvik edebileceğini göstermektedir.
Giyilebilir sensörlerle sağlık izleme
Teknolojinin gelişmesiyle birlikte verinin toplanması, saklanması ve işlenmesi yaygınlaşmış ve bu sebepten giyilebilir sensör teknolojisi günlük hayatımızda gitgide popülerleşmeye başlamıştır. Giyilebilir sensörler ve akıllı tekstiller daha küçük, daha ucuz ve kullanıcı tarafından kolaylıkla erişilebilir hale geldikçe günlük aktivite takibi ve sağlık alanlarında yaygın olarak kullanımı artmıştır. Günümüzde giyilebilir sensör teknolojileri, sağlık alanında hastalıkları önleme, erken teşhis ve kronik durumların yönetimi için etkili bir araç olarak kullanılmaktadır. Sağlık alanında giyilebilir sensörlerin kullanılmasının asıl amacı, hastanın sağlık parametrelerinin uzaktan izlemeyebilme imkânı ve dolayısıyla hastaların bir sağlık merkezine gitmelerine gerek kalmadan evlerinde tedavi olabilmesi ve hastalık durumunu takip edebilmesine olanak sağlamaktır. Bu bağlamda, tez çalışmasında giyilebilir sensörlerle elde edilen sinyalleri kullanarak hastalık seviyesi takibi çalışmaları gerçekleştirilmiştir. Çalışmada bu amaçla, ölümcül bir enfeksiyon hastalığı olan Sepsis ve günümüzde tedavisi olmayan nörolojik bir hastalık olan Parkinson hastalığı üzerine çalışmalar yapılmıştır. Sepsis hastalığında giyilebilir sensörlerle kolayca elde edilebilen hayati belirtiler kullanılmıştır. Bu hayati belirtiler, hastalık durumunu takip etmeyi sağlayan organ yetmezliği skorunun tahmin edilmesinde kullanılmıştır. Parkinson hastalığı semptom seviyesi değer tahmini, ayağa giyilen ve ayağa uygulanan kuvveti ölçen giyilebilir sensörlerle yürüyüş analizi yapılarak gerçekleştirilmiştir. Bu tahminleri gerçekleştirmek için tez çalışmasında geleneksel makine öğrenmesi yöntemlerinin yanı sıra, derin öğrenme ve tez çalışması kapsamında geliştirilen CNN ve Rastgele Orman tabanlı derin öğrenme hibrit mimarileri kullanılmıştır. Değer tahmin analizinde, geliştirilen hibrit mimarilerinin geleneksel yöntemlere göre performans artışı sağladığı gözlemlenmiştir.
Derin öğrenme ağları kullanılarak protein metal bağlanma yerlerinin analizi
Proteinler çevrelerinde bulunan metal iyonlarıyla kuvvetli bağlar oluşturarak katlanırlar ve üç boyutlu yapılarına ulaşırlar. Proteinlerin üç boyutlu yapısı, hücre içerisinde hangi yaşamsal fonksiyonu yerine getirdiğini gösterir. Protein dizilimi kullanılarak proteinlerin metallerle bağlanma durumunu tahmin etmek, proteinin yapısı, fonksiyonlarını tahmin etmek ve ilaç keşfi için önemlidir. Aminoasit dizilimlerinden elde edilen verilerden yola çıkarak ve makine öğrenmesi yöntemleri kullanılarak yapılan hesaplamalı tahminler çeşitli bioinformatik alanlarında yaygın olarak kullanılmaktadır. Bu tez çalışmasında, protein dizilimlerinde bulunan Histidin (HIS) ve Sistein (CYS) aminoasitlerinin metallerle bağlanma durumlarının tahmini için üç farklı derin öğrenme mimarisi önerilmektedir. Bu mimariler TensorFlow üzerinde çalışan Keras kullanılarak geliştirilmiştir. Bu mimariler sırasıyla evrişimsel sinir ağı, uzun-kısa süreli hafıza ve kapılı tekrarlayan hücre modelleri üzerine inşa edilmiştir. Bu modeller doğrudan dizilim verileri üzerinde çalışamadığından, ilgili modelleri beslemek üzere PAM skorlama matrisi, protein kompozisyonları ve ikili temsil yöntemlerine dayalı sayısallaştırma teknikleri uygulanmıştır. Geliştirilen mimariler ve protein dizilimi sayısallaştırma yöntemleri 2727 proteinden oluşan kıyaslama veri kümesi üzerinde test edilmiştir. Elde edilen sonuçlar Naive Bayes, destek vektör makineleri (SVM), Adaboost ve Bagging makine öğrenme yöntemleri ile elde edilen sonuçlarla karşılaştırılmıştır. Protein metal bağlanma yeri tahmini için en iyi sonuçların evrişimsel sinir ağ mimarisi ile elde edildiği görülmektedir. Bu sonuç, aynı veri kümesi ile literatürde var olan diğer çalışmalardan daha iyi başarım elde edildiğini göstermektedir. Elde edilen bu sonuçlar kullanılarak, bir metal iyonunun koordinasyonunda hangi kalıntıların birlikte yer aldığına karar vermek için metal bağlanma yerlerinin geometrisi değerlendirilmiştir.
Ders videolarının içerik tabanlı erişimi
İnternet teknolojisinin ve içerik sağlayıcıların artmasıyla birlikte tüm dünyada ders videolarında da diğer videolarda olduğu gibi büyük bir artış gerçekleşmiştir. Covid 19 salgınının dünyayı etkisi altına alması hem çevrimiçi eğitim içeriğinin artmasına hem de uzaktan eğitimin hızlı bir şekilde artmasına sebep olmuştur. Video sayılarında bu yüksek artış hızı öğrencilerin video içeriklerine erişimini çok zorlaştırmıştır. Bu çalışmada önerilen yöntemler videoların içerik tabanlı erişimini sağlamak üzerinedir. Ders videoları metinsel, işitsel ve görsel içeriğe sahiptir. Bu çalışma için 110 videoluk bir ders videosu veri kümesi oluşturulmuştur. Veri kümesindeki ders videolarının metinsel içerikleri Optic Character Recognition (OCR) teknolojisi ile çıkarılmıştır. Bu çıkarılan içerikler üzerinden 3 adet geleneksel makine öğrenimi yöntemi ve 1 adet derin öğrenme yöntemi ile sınıflandırma gerçekleştirilmiştir. Kullanılan geleneksel makine öğrenimi yöntemleri Support Vector Machine, Naive Bayes ve Random Forest yöntemleridir. Kullanılan derin öğrenme yöntemi ise Long Short Term Memory yöntemidir. Bu çalışma, makine öğrenme yöntemlerinin ve derin öğrenme yönteminin ders videolarının içerik tabanlı erişimde kullanılabilmesi için bir yaklaşım önermektedir.
Associating microrna with its chemotherapy resistance
Genes are regulated by several factors including tiny molecules, called microRNAs. This regulation affects several processes in the cell. Recent findings suggest that microRNAs play important role in resistance to certain chemotherapies. The knowledge of what microRNAs are potentially resistant to given chemotherapies is therefore a crucial knowledge on drug design and therapy scheduling activities. In this thesis, we attempt to predict the list of microRNAs which are resistant to given drug using solely their mature sequence information. With this objective, we employ three common approaches for sequence classification in bioinformatics, i.e. pairwise, generative and discriminative models. The experimental results on a knowledge-driven dataset promote the use of pairwise models as a complementary tool in association studies for microRNAs and drugs.
Taşınabilir sensörlerden aktivite ve kişi tanıma
İnsan fiziksel aktivitelerinin ve ilgili aktiviteyi yapan kişinin uzaktan tespiti, çeşitli alanlarda ihtiyaç duyulan önemli bir konudur. Bu amaçla giyilebilir hareket sensörlerinin kullanımı son yıllarda yaygınlaşmıştır. Bu tezde ivmeölçer, jiroskop ve manyetometre vasıtası ile hareket ve kişi tanıma üzerine çalışılmıştır. Sensörlerden elde edilen veriler üzerinden çıkarılan zaman, frekans ve dalgacık uzayı öznitelikleri ile Random Forest, J48, Adaboost ve Desicion Stump ikilisi, Support Vector Machine ve k-NN gibi öğrenme algoritmaları sınıflandırma amaçlı kullanılmıştır. Buna ek olarak, elde edilen sınıflandırma performansını geliştirmek için; filtreleme, öznitelik seçimi, sensör füzyonu gibi yöntemler denenmiştir. Bahsi geçen yöntemler, hem erişime açık veri kümelerinde hem de bu çalışma kapsamında toplanan el aktivitesi verileri üzerinde denenmiş ve sonuçları raporlanmıştır.
Mikrorna deneylerinin bilgi tabanlı temsili ile tıbbi karar destek sürecinin desteklenmesi
Tıp teknolojilerinin gelişmesi ile hem kişiselleşmiş tıp yaklaşımı hem de gen ifadelerinin analizlerine yönelik çalışmalar yaygınlaşmaya başlamıştır. Gen ifadelerinin hastalık teşhisi ve benzer vakaların tespit edilmesi amacıyla kullanılabildiğinin gösterilmesi bu alanda disiplinler arası çalışmaların artmasına neden olmuştur. Gen ifadelerinin istatistiksel olarak karşılaştırılması esasına dayanan çalışmalar olmakla birlikte, alan bilgisinin analizlere yansıtılmasının araştırma verimliliğine olumlu olarak yansıyacağı değerlendirilmektedir. Bu tez çalışması kapsamında, mikroRNA (miRNA) ifadelerinin hastalık teşhisi ve ilgili vakaların geri getirilmesine yönelik kullanılmasında başarımın arttırılması hedeflenmiştir. Bu amaçla, alan bilgisinin analizlere yansıtılabilmesi için literatür tabanlı elde edilmiş miRNA grupları kullanılarak deney temsilinin küme bazlı yapılması yaklaşımı esas alınmıştır. Önerilen yaklaşım kapsamında araştırmacıların kullanımına açık tarayıcı tabanlı miSEA aracı (http://binf.baskent.edu.tr) geliştirilmiş ve deneylerin temsil edilmesi için kullanılmıştır. Bu yaklaşım ile geleneksel yöntemler karşılaştırılmış; sınıflandırma analizlerinde SVM algoritması ve geri-getirim çalışmalarında ise Öklid algoritması ile performans artışı sağlandığı tespit edilmiştir. Buna ek olarak, güncel gen ifade profilleme teknolojilerinin de analiz edilebilmesi için çapraz-teknoloji deney arama yaklaşımı önerilmiş ve performans analizleri yapılmıştır. Gerçekleştirilen sistem ve önerilen yaklaşımları içeren modüllerin karar destek sistemlerinde kullanılmasına yönelik öneri oluşturulmuştur.
Gen ifade tahmini için veri bütünleştirme
Canlı formunun sürdürülebilirliğinin temelinde protein sentezi yer almaktadır. Protein sentezinde, insan genomundaki kodlayıcı genleri düzenleyen küçük nükleotid dizilerinin (mikro RNA) ve diğer yönetici genlerin (Transkripsiyon Faktör, TF) önemli görevleri vardır. Bu çalışmanın amacı, mikro RNA ve TF'lerin düzenleme bilgisinin protein kodlayıcı genlerin ifade tam değerlerinin kestirim performansına etkisini araştırmaktır. Gen ifade tam değerini tahmin etmek için regresyon tabanlı modelleri içeren sistematik yaklaşımlar ortaya konulmuştur. Öncelikle, gen ifade ölçümlerinde yaygın olarak karşılaşılan kayıp veri (missing data) problemini çözmek için doğrusal, k-NN ve İlişkisel Vektör Makinesi (RVM) regresyon modelleri uygulanmıştır. Regresyon modelinin eğitiminde genellikle aynı genin farklı deneylere ait ifade değerlerinden oluşan vektörler kullanılmaktadır. Daha sonra, bu ifade vektörlerine aynı deneye ait farklı gen ifade değerlerinin dâhil edilmesinin gen ifade tahminine etkisi araştırılmıştır. Bunun için İki Yönlü İşbirlikçi Filtreleme (Two-way collaborative filtering) yöntemi kullanılarak gen ifade değerlerinden oluşan tek yönlü veri matrisi iki yönlü veri matrisine dönüştürülmüş ve regresyon modeli bu yeni veri matrisi ile oluşturulmuştur. Gen ifade tahmini için ilk defa kullanılan bu yeni öznitelik sunum tekniği ile kestirim performansının artırıldığı görülmüştür. Ayrıca farklı kanser türlerine ait gen ifade verilerinin bütünleştirilmesinin gen ifade tahminine etkisi de araştırılmıştır. Burada, prostat kanserine ait gen ifade değerlerinin tahmin edilmesinde kolon kanseri verisinin model öğrenmede kullanılmasının kestirim performansını artırdığı görülmüştür. Literatürde gen ifade değerleri kullanılarak gen düzenleyici moleküller ile genler arasındaki ilişkinin tespit edilmesine yönelik çok sayıda çalışma bulunmaktadır. Ancak hücrede meydana gelen bu etkileşimler kullanılarak gen ifade tam değerinin tespitine yönelik çalışmalar oldukça kısıtlıdır. Son olarak, farklı veri yapısındaki miRNA-gen ve TF-gen regülasyon bilgileri ile gen ifade değerleri bütünleştirilmiş olup doğrusal ve RVM regresyon modelleri kullanılarak kestirim performansına etkisi araştırılmıştır. Veri bütünleştirme yaklaşımlarında Öklid, Affine Dönüşüm ve Bhattacharya uzaklık ölçütleri kullanılmıştır. Gen ifade matrisleri; Gene Expression Omnibus veritabanından, TF-gen regülasyon bilgisi TRANSFAC veritabanından ve miRNA-gen regülasyon bilgisi ise mirDB, mirTarbase ve mirConnX veri tabanlarından alınmıştır. Kestirim performansının değerlendirilmesinde Spearman benzerlik katsayısı, Pearson benzerlik katsayısı ve Hata Kareleri Ortalamasının Karekökü (RMSE) ölçütleri kullanılmıştır. miRNA-gen regülasyon bilgisinin bütünleştirilmesi ile gen ifade tahmini performansının artırıldığı görülmüştür.
Deep learning for biological sequences
Nowadays, with the increase in biological knowledge, the use of deep learning in bioinformatics and computational biology has increased. Newly, deep learning is widely used to classify and analyze biological sequences. In recent years, deep neural network architectures such as Convolutional and Recurrent Neural Networks have been developed in order to achieve more successful results when compared to classical machine learning algorithms. In this thesis, the discussed problem is a bioinformatics problem. Therefore, it is discussed whether the given microRNA molecule binds to the mRNA molecule. MicroRNAs (miRNAs) are non-coding and small RNA molecules of ~23 base length that play an important role in gene expression cycle. After transcription, they bind to target mRNAs and cause mRNA cleavage or translation inhibition. Rapid and efficient determination of the binding sites of miRNAs is a major problem in molecular biology. In this thesis study, Long Short Term Memory (LSTM) network which is based on deep learning, has been developed with the help of an existing duplex sequence model. The study provides a comparative approach based on different data sets and configurations. In addition, a web tool has been developed to effectively and quickly identify human microRNA target sites and provide a visual interface to the end-user. Compared to the six classical machine learning methods, the proposed LSTM model gives better results in terms of some evaluation criteria.
Polimer tabanlı gama ve nötron radyasyon zırhlama malzemelerinin geliştirilmesi ve ikincil radyasyon hesabı
Radyasyon, tıbbi görüntüleme, endüstriyel uygulamalar ve enerji üretimi gibi birçok alanda faydalı kullanım alanlarına sahiptir. Ancak, insan sağlığı ve çevre üzerinde potansiyel tehlikeler oluşturduğundan, güvenli bir şekilde yönetilmesi gerekmektedir. Bu bağlamda, kurşun gibi koruyucu malzemelerin kullanımı, radyasyonun zararlı etkilerini en aza indirmek için kritik bir öneme sahiptir. Bu tez çalışmasında, ABS polimerine farklı oranlarda (%5, %10 ve %20) MoS2 ve CaWO4 metal tozları katkılanarak özgün polimer kompozitler geliştirilmiş ve bu numunelerin gama radyasyonu zırhlama kabiliyetleri deneysel, teorik ve simülasyon yöntemler ile değerlendirilmiştir. Ayrıca, üretilen numunelerin nötron zırhlama performansları da teorik ve simülasyon yöntemler kullanılarak incelenmiştir. Numunelerin yapısal analizleri, SEM görüntüleme tekniğiyle gerçekleştirilmiş ve üretilen kompozitlerin mikroyapısal özellikleri detaylı bir şekilde ortaya konulmuştur. Elde edilen sonuçlar, %20 oranında MoS2 ve CaWO4 katkılı ABS kompozitlerinin, özellikle düşük enerji seviyelerinde gama radyasyonu zırhlama açısından üstün performans sergilediğini göstermiştir. Bu bulgular, geliştirilen kompozit malzemelerin, ileri düzey radyasyon zırhlama uygulamaları için güçlü bir aday olabileceğini ortaya koymaktadır. GEANT4 ve FLUKA simülasyonları sonucunda elde edilen veriler, katkılamanın numunelerin termal nötronlara karşı zırhlama etkinliğini arttırdığını da doğrulamaktadır.
Ergimiş tuz reaktörlerinde radyasyon zırhlama analizi
Nükleer enerji teknolojisinde yenilikçi bir yaklaşım sunarak çeşitli avantajlarıyla öne çıkan Erimiş Tuz Reaktörleri (Molten Salt Reactor - MSR) güvenli ve sürdürülebilir nükleer enerjinin gelecekteki potansiyel seçeneklerinden bir tanesidir. MSR'ler termal nötron spektrumunda çalıştığı bilinirken bazı tasarımları hızlı nötron spektrumunda da çalışabilmektedir. Bu kapsamda MSR'lerde radyasyon zırhlama tasarımı, reaktörün yakıt çevrimi, çalışma sıcaklığı ve nötron spektrumu gibi değişkenlere bağlı olarak optimize edilmelidir. Bu tez kapsamında, hali hazırda tasarımı yapılmış 50 kWth güce sahip bir mikro-MSR için önerilen katmanlı zırhlama modelinin analizi ve radyasyon hasarının incelenmesi amaçlanmıştır. Dokuz katmandan oluşan mikro reaktörün zırhlama tasarımında SS316 ve B4C çıkartılarak yerlerine sırasıyla SS304 ve HN (Hastelloy N) yerleştirilmiştir. Hem literatürde konsepti verilen reaktör için hem de önerilen yeni malzemeler kullanılarak tasarlanan reaktör için radyasyon zırhlama analizleri gerçekleştirilmiştir. Bu doğrultuda, ilk aşamada Serpent Monte Carlo simülasyon programı kullanılarak reaktör modellenmiş ve simüle edilmiştir. Simülasyon sonucunda reaktörün çalışması ile açığa çıkan nötron akıları belirlenmiş ve diğer simülasyon paketleri için girdi olarak kaydedilmiştir. GEANT4 ve FLUKA programları kullanılarak nötronların reaktör zırh katmanları ile etkileşimleri ikincil radyasyonlar da hesaba katılarak incelenmiştir. Nötron analizine ek olarak zırh tasarımının gama radyasyonu zırhlama açısından kabiliyeti GEANT4, FLUKA ve XCOM kodları aracığıyla belirlenmiştir. Tez kapsamında önerilen SS304 ve HN'nin SS316 ve B4C'ye göre gama ve nötron radyasyonu açısından daha iyi zırh malzemeleri oldukları hesaplamalar sonucunda görülmüştür.
Seramik boya katkılı PLA polimerlerinin radyasyon etkileşim ve yapı analizleri
Radyasyon zırhlama uygulamaları, radyasyon teknolojisinin kullanıldığı tüm alanlarda temel bir gereksinim olarak karşımıza çıkmaktadır. Bu tezde, 3D yazıcılarda yaygın olarak kullanılan Polilaktik Asit (PLA) polimerine Cr₂O₃ ve Sb₂O₃ esaslı seramik toz boyaların ilave edilmesiyle elde edilen kompozitlerin, gama ve nötron radyasyonuna karşı zırh malzemesi olarak kullanılabilirliğinin araştırılması amaçlanmıştır. Polimer malzeme içerisine seçilen seramik boyaların eklenmesinin yanı sıra, saf PLA'dan elde edilen numunelerin dış yüzeyleri de belirtilen seramik boyalar kullanılarak Dip (Dalma) yöntemiyle kaplanmıştır. İlk olarak, katkılı ve kaplanmış polimer kompozitlerin morfolojisi ve özellikleri SEM analizi ile değerlendirilmiştir. SEM analizleriyle numune üretiminin başarılı olduğu doğrulandıktan sonra, gama radyasyonu zırhlama performansını değerlendirmek amacıyla, numuneler için lineer azaltma katsayısı ve yarı kalınlık değerini içeren bazı parametreler hem deneysel yöntemlerle hem de GEANT4 simülasyon programı kullanılarak belirlenmiştir. Elde edilen bulgular, teorik hesaplama programı WinXCOM ile desteklenmiştir. %10 Sb₂O₃ içeren PLA'nın özellikle düşük enerjilerde gama radyasyonuna karşı diğer numunelere kıyasla daha etkili bir koruma sağladığı tespit edilmiştir. Üretilen numunelerin nötron zırhlama kabiliyetleri ise hızlı nötron uzaklaştırma tesir kesiti hesaplanarak teorik yöntemle değerlendirilmiş, ayrıca GEANT4 simülasyon programı kullanılarak numuneler içinden geçen nötron sayıları simüle edilmiştir. Nötron radyasyonu zırhlama hesaplarında, GEANT4 programı yardımıyla oluşan ikincil radyasyonlar ve radyasyon hasarı da dikkate alınmıştır. Bulgular, ticari olarak kullanılan seramik boyaların PLA polimerinin hızlı nötron zırhlama kabiliyetini artırdığını ortaya koymuştur.
Sıcak pres kalıplama tekniği ile iki katmanlı kompozitlerin üretilmesi ve iyonlaştırıcı radyasyon zırhlama özelliklerinin araştırılması
Bu tez çalışmasında, sıcak pres kalıplama yöntemi kullanılarak polilaktik asit (PLA) matrisine mikron parçacık boyutlu tungsten (W) ve molibden (Mo) tozları farklı ağırlıkça oranlarda (%5, %10 ve %20) eklenmiş ve bu katkıların gama ile nötron radyasyonu karşısındaki zırhlama performanslarına etkileri araştırılmıştır. Öncelikle tek katmanlı PLA–W ve PLA–Mo kompozitleri üretilmiş, ardından gama radyasyonu azaltma kapasitesi yüksek olan PLA–W20 ve PLA–Mo20 numuneleri birleştirilerek iki katmanlı hibrit yapı oluşturulmuştur. Üretilen numunelerin gama radyasyonu etkileşim parametreleri, HPGe dedektörü ile yapılan deneysel ölçümler, WinXCOM teorik hesaplamaları ve GEANT4–FLUKA Monte Carlo simülasyonları aracılığıyla değerlendirilmiştir. Nötron etkileşimleri için ise farklı enerji bölgelerinde etkin nötron uzaklaştırma tesir kesitleri hesaplanmış ve GEANT4–FLUKA Monte Carlo simülasyon programları kullanılmıştır. Elde edilen sonuçlar, katkı oranının artmasıyla kütle azaltma katsayısı ve radyasyon koruma verimliliği değerlerinde belirgin bir artış olduğunu göstermiştir. En yüksek gama zırhlama etkinliği %20 katkılı numunelerde gözlenmiştir. Ayrıca, katman kalınlığının artışıyla zırhlama performansının iyileştiği ve kalınlığın radyasyonun malzeme içerisindeki azaltılma oranını doğrudan etkilediği tespit edilmiştir. Bununla birlikte oluşan ikincil radyasyon sayısında artışta belirlenmiştir. Yıllık etkin doz hesaplamaları sonucunda, geliştirilen iki katmanlı yapıların doz limitlerinin altında kaldığı görülmüştür. Bu bulgular, PLA esaslı kompozitlerin çevre dostu, hafif ve toksik olmayan özellikleriyle literatüre kazandırılabilecek alternatif malzemeler olduklarını ortaya koymaktadır.
Human activity recognition with convolutional and multi-head attention layer based neural network
Human Activity Recognition (HAR) refers to classifying human activities with time-series data generated by sensors. Although there are many different sensing techniques for HAR, this thesis uses wrist-worn accelerometer data provided by the HANDY dataset due to the recent development of mobile wearable sensing devices. In the proposed model, the feature extraction layer is connected to the attention layer, respectively, and this context is connected to the fully connected layer to classify the inputs. Due to its achievements in feature extraction, Convolutional Neural Network (CNN) was used in the feature extraction layer, Multi-Head Attention Layer was used after CNN to evaluate every dimension of the 3D time-series data coming from the acceleration sensor. After the feature extraction and attention layer, this model, which ended with a fully connected layer with the SoftMax classifier, reached 0. 935 validation accuracy when evaluated with categorical cross-entropy loss
Content-based lecture video retrieval
Distance education, which is frequently encountered as e-learning or online learning today, is a new generation education approach in which the instructor and the student are not physically in the same place during education. Various technologies are used to facilitate online student-instructor communication. This approach has become more common and available on the world wide web (www) with the coronavirus pandemic (COVID-19), especially regarding lecture videos. However, the high rate of increase in the number of lecture videos on the internet has made it very difficult for users who want to access a specific video with a certain content. In the context of developing a proposal for these challenges, this research deals with the content-based search method that aims to provide users with access to videos related to certain educational content. The videos need to be accurately categorized in order to make it easier for users to find the specific video content. From the technical point of view, in order to be able to make such categorization, the textual information of the videos should be first retrieved. In this context, two different indexing methods called optical character recognition (OCR) and automatic speech recognition (ASR) are adopted to extract the textual information of the videos in the research. These two methods and an analysis in which these two methods are used together, are handled in this thesis over a specific data set. A collection of 110 lecture videos is used as the dataset. Within this scope, by referring to a thesis that made analysis with OCR method using the same dataset, this time the same metric analyzes are made with the ASR method. Finally, various metric values are calculated using both OCR and ASR methods. Three different traditional machine learning methods are used for classification analysis of the dataset. The traditional machine learning methods used are Support Vector Machine (SVM), Naïve Bayes and Random Forest methods. Accordingly, metric analysis of different machine learning methods and different indexing methods on the same dataset are compared. As a result of the analysis, the strengths and weaknesses of traditional machine learning methods and indexing methods are explained in order to use the lecture videos in content-based search. In addition, the aspects of the method that can be improved for future studies on the same subject are emphasized and suggestions on this subject are presented. This thesis concludes with a discussion of how the comparative research can affect both the education and software industries.