Theses supervised by Prof. Dr. Mehmet Kaya
46 theses · Niğde Ömer Halisdemir Üniversity, Fırat University, Çukurova University
2 Numaralı Bor Şer'iyye Sicilinin transkripsiyon ve değerlendirmesi (1-72 sayfalar arası) (H. 1027-1032) (M. 1618-1623)
Osmanlı arşiv kaynakları arasında içerdiği çeşitli konular bakımında önemli bir kaynak olan şer'iyye sicilleri Osmanlı sosyo-ekonomik ve şehir tarihi araştırmacıları için ana kaynaklardır. Kadı ve yardımcısı naib tarafından mahkemede görülen davaların hükümlerini içeren ve aynı zamanda merkezden gelen emir, ferman, berat, buyruldu ve tezkire gibi belge suretlerinden oluşan kayıtlara şer'iyye sicilleri denmektedir. Sicil kayıtları incelenen şehrin, idari yapısı, mahalleleri, köyleri ve nahiyeleri hakkında bilgiler vermektedir. Aynı zamanda şehrin hem sosyal ve iktisadi yapısı hem de kültürel yapısı hakkında bilgi edinmek mümkündür. Tezimizde; H. 1027-1032 M. 1618-1623 yılları arası kayıtları kapsayan 2 Numaralı Bor Şer'iyye Sicilindeki veriler değerlendirilerek Karaman Eyaleti dâhilinde Niğde Sancağına bağlı Bor Kazasının defterde bulunan belgeler doğrultusunda idari yapısı, sosyal ve ekonomik durumu incelenmeye çalışılmıştır.
XX. yüzyıl başlarında Pozantı'nın sosyal, ekonomik ve siyasi durumu (1900-1922)
Kilikya kapıları olarak bilinen Pozantı bölgesi ve vadisi, tarihin her döneminde uygarlıkların ilgi odağında olmuştur. Çukurova'nın Kuzey taraftan giriş kapısı statüsünde olan bölge, stratejik konumunu her zaman muhafaza etmiştir. Tarihte önemli bir geçit noktası ve güzergâh olarak tanımlanmıştır. Kadim uygarlıklar bölgeye sahip olma konusunda adeta birbirleriyle mücadele etmişlerdir. İç Anadolu Bölgesi'nden Akdeniz Bölgesi'ne geçiş güzergâhındaki stratejik bölge, Berlin-Bağdat Demiryolu Projesinin hayata geçirilmesiyle daha da önemli hale gelmiştir. Birinci Dünya savaşı yıllarında birçok devletin ilgiyle takip ettiği, ele geçirme planları yaptığı, kendi çıkarları doğrultusunda yatırım yaptıkları sahalardan birisi olmuştur. Osmanlı devletinin katıldığı Birinci Dünya Savaşı yıllarında Pozantı bölgesinden yapılan geçiş ve sevkiyatlar, Çukurova ve güney cephelerinin kaderine etki edebilecek nitelikte önem arz etmiştir. Demiryolu inşaat şirketlerinin şantiye alanları ve o dönmelerde Osmanlı devleti coğrafyasında kurulan esir kamplarından birisinin Pozantı-Belemedik alanında kurulmuş olması, demografik, sosyal ve siyasi sonuçları itibarıyla bölge ve ülke tarihi açısından önemli sonuçlar ortaya çıkarmıştır. Çukurova ve Pozantı bölgesinin düşman işgaline uğraması neticesinde başta Mustafa Kemal Paşa olmak üzere, isimleri tarih kitaplarına altın harflerle yazılması gereken Kuvayı Milliye Kahramanlarının üstün mücadeleleri sonucunda ulaşılan bağımsızlık mücadelesi ve bölgenin işgalden kurtarılması, yakın tarihimizin şanlı izlerindendir. 25 Mayıs 1920 tarihindeki kurtuluşun ardından TBMM Reisi Mustafa Kemal Paşa'nın katılımıyla gerçekleştirilen Pozantı Kongresi, bölgesel Milli kurtuluşun önemli safhalarındandır. Mondros mütarekesinin 30 Ekim 1918 tarihinde imzalanmasından sonra bulunduğu Adana'da Milli Kurtuluş tohumlarını serpen Mustafa Kemal Paşa, yıllar sonraki Adana ziyareti sırasında kendisinde oluşan milli kurtuluş düşüncesinin ilk olarak Adana topraklarında ortaya çıktığını ifade ettiğini görmekteyiz. Mustafa Kemal Paşa'nın Pozantı'nın Fransız işgalinden kurtarılmasına yönelik teşebbüsleri ve bölge insanının gösterdiği üstün mücadele sayesinde elde edilen kurtuluş, Anadolu'nun diğer işgale uğramış memleketlerine örneklik teşkil etmesi bakımından önemlidir.
Kardiyak mri ile koroner arterhastaliği siniflandirmasinin kendikendine gözetimli öğrenmeyoluyla geliştirilmesi
The study explores the implementation of Self-Supervised learning (SSL) in classifying Coronary Artery Disease (CAD) using Cardiac Magnetic Resonance Imaging (MRI). This study aims to improve diagnostic accuracy by harnessing SSL's potential to extract significant features from unlabeled data, which is crucial in medical imaging due to the difficulties associated with extensive manual labelling of data. The research encompasses the training of three models: two self-supervised models that implement transfer-learning, and a third model that employs a fully supervised approach, functioning as a reference point for evaluation. The pretext model undergoes training on unlabeled MRI data to develop strong representations, which are utilized in downstream tasks with varying levels of model modification. In the first model, every part of the pretext model remains fixed, retaining the learned features, while in the second model, alternating layers are allowed to train to improve task-specific characteristics. The third model depends entirely on labelled data for its training process. The results indicate that SSL methods enhance classification performance, particularly when contrasted with conventional supervised learning techniques. This study underscores SSL's capability to derive high-quality features from a limited number of labelled samples, thereby fortifying CAD detection systems against adversarial threats and out-of-distribution data. The comparative assessment of the models reveals SSL's potential to decrease dependence on labelled datasets while either maintaining or exceeding the accuracy levels of fully supervised models. Additionally, the research addresses the challenges and limitations associated with SSL, particularly model reliability, accuracy, and the necessity for a well structured pretext task to promote effective feature extraction. The results imply that SSL represents a promising strategy for improving CAD detection and paving the foundation for improved diagnostic procedures
Derin öğrenme yöntemleri kullanarak medikal görüntülerinden otomatik hastalık tespiti ve tıbbi raporlarının yazılması
Göğüs röntgeni görüntüleri birçok hastalığın teşhisinde kritik rol oynamaktadır ancak görüntülerin geleneksel yöntemler ile analiz edilerek yorumlanması zaman alıcı, uzman personel gerektiren ve insan hatası riski yüksek bir süreçtir. Bu tez çalışmasının amacı, göğüs röntgeni görüntülerinden çok etiketli hastalıların teşhisi ve raporlanması için derin öğrenme tabanlı, yüksek performanslı, düşük maliyetli ve esnek modeller geliştirmektir. Çalışmada içerisinde 112.104 etiketli göğüs röntgeni görüntüsü olan ChestX-Ray14 veri seti, göğüs röntgeni görüntüleri ve raporlarından oluşan Indiana Üniversitesi göğüs röntgeni veri seti, tıbbi görüntü alt yazılama çalışmalarında kullanılan ROCOv2 veri seti ve tez kapsamında etik kurul izni ile göğüs röntgeni görüntüleri ve raporlarından oluşturulan Türkçe tıbbi raporlama veri seti kullanılmıştır. Tez çalışmaları kapsamında beş farklı uygulama yapılarak tıbbi görüntülerin raporlanması üzerine çalışmalar yürütülmüştür. İlk uygulamada, EfficientNet ve koordinat dikkat mekanizması birleştirilerek hesaplama maliyeti düşük ve yüksek başarılı bir model geliştirilerek14 hastalığın sınıflandırılmasında 0,8309 AUC oranı elde edilmiştir. İkinci uygulamada, G-CNX adı verilen ConvNeXt ve GRU mimarilerinin kodlayıcı-kod çözücü altyapısında birleştirildiği melez model ile paragraf düzeyinde raporlar üretilmiş ve Bleu-1 değerlendirme metriğinde 0,6544 olarak literatürdeki en yüksek raporlama puanına ulaşılmıştır. Üçüncü çalışmada DeiTGPT adı verilen damıtma tekniği kullanan model %66 zaman verimliliği ile dikkat çekmektedir. Dördüncü uygulamada transförmatör mimarilerinden güç alan Vi-Ba mimarisi 0,274 Rouge puanı elde etmiş ve esnekliğiyle ön plana çıkmıştır. Son uygulamada Türkçe tıbbi rapor üretimine odaklanılan Model-SEY mimarisi Bleu-1 metriğinde 0,6412 puanına ulaşarak teknik hem dilsel açıdan etkili sonuçlar üretmiştir. Tez kapsamında önerilen modeller, tıbbi raporlamanın verimliliğini artırabilecek, uzman doktorların iş yükünü azaltabilecek, tanı süreçlerinin kalitesini iyileştirebilecek ve olası insan hatalarını önleyebilecektir.
Derin öğrenme yöntemleri kullanarak EKG görüntülerinden COVID-19'un tespit edilmesi
Tüm dünyayı etkisi altına alan ve 11 Mart 2020'de WHO tarafından küresel salgın olarak ilan edilen Covid-19 hastalığı başta akciğer ve kalp olmak üzere çoklu organ sistemlerini etkilemektedir. Hastalığın verdiği hasarlar ile ölümle sonuçlanabilen virüsün etkisini en aza indirmek için izolasyon ve tedavi sürecine erken başlanılması çok önemlidir. Hastalığın teşhisinde kullanılmak üzere geliştirilen yöntemlerin yanlış sonuçlar beraberinde uzun teşhis süresinin olmasından dolayı yeni yöntemlerin geliştirilmesi gerekmektedir. Yeni yöntem olarak elektrokardiyogram (EKG) sinyal görüntüleri kullanılarak Covid-19 durumu, Anormal kalp atışı, Miyokard enfarktüsü, Miyokard Enfarktüsü Öyküsü ve Normal bulgular tespit edilebilmektedir. Alanında uzman doktorlar tarafından geleneksel yöntemlerle yapılan hastalık tespitleri, insan hatasından kaynaklı kötü muamelelere yol açabilmektedir. Bu tez çalışmasında EKG ile teşhis yapılması için derin öğrenme yöntemleri kullanılmıştır. Bu çalışmanın amacı, EKG görüntüleri kullanılarak hastalıkların saptanmasında başarı oranı yüksek yeni bir yaklaşım önermek ve ayrıntılı test sonuçlarını analiz etmektir. Bu çalışmada 5 sınıf EKG görüntüleri içeren halka açık bir veri seti kullanılmıştır. EfficientNetB0 konvolüsyonel sinir ağı mimarisi kullanılarak eğitim ve test süreçleri gerçekleştirilmiştir. Daha sonra sonuçlar ayrıntılı olarak incelenmiş, grafikler çizilmiş ve sonuçlar literatürdeki diğer çalışmalarla karşılaştırılmıştır. Önerilen çok sınıflı sınıflandırma mimarisi, %99,13 doğruluk sunar. Elde ettiği başarı ile literatürdeki diğer çalışmalardan üstün olmuştur. Bu çalışma, EKG görüntülerinden tespit edilebilecek 5 farklı bulgunun hızlı ve güvenilir bir şekilde saptanmasına ve hastaların daha doğru tedavi edilmesine katkı sağlayacaktır. Anahtar Kelimeler: Covid-19, Sınıflandırma, EfficientNet, Elektrokardiyogram, EKG, Derin Öğrenme, Evrişimsel Sinir Ağı
Elektronik medikal kayıtlar için blok zinciri kullanımı
Sağlık sektöründe yer alan bazı kuruluşlar, kuruma başvuru yapan hastaların kimlik bilgilerini, istirahat raporlarını ve doktor görüşlerini barındıran bu vb. tıbbi işlemlerin yürütülmesi sonucunda kaydı alınan verileri tutan protokol hasta kayıt defterlerini kullanmaktadır. Ve bu defterlere girişler manuel olarak yapılmaktadır. Ayrıca defterlerde yer alan kayıtların bu şekilde takip edilmesi, korunması ve güvenli bir şekilde muhafaza edilmesi dikkat gerektiren en önemli konulardan biridir. Hasta girişlerinin manuel olarak yapılması, verilerin kaybolma ihtimalinin göz önünde bulundurulması ve yedekleme problemi bu sektörde bazı yeniliklere gidilmesi gerektiğini gündeme getirmiştir. Günümüzde ise hemen her sektörde karşılaşılan birçok problemin donanımsal ve yazılımsal olarak desteklenen modeller ile çözüme kavuştuğu düşünülmüş, bu konuda da bir çalışma yapılması gerektiğine karar verilmiştir. Bu çalışmada, blok zinciri teknolojisinden faydalanılarak bir elektronik sağlık kaydı (EHR) sistemi önerilmiştir. Yapılacak olan bu çalışma ile; elektronik sağlık kaydı, manuel problemlerin otomatikleştirilmesi, veri kaybının en aza indirgenmesi, kişisel gizliliğin korunması şeklindeki kavramlar ön planda yer almaktadır. Anahtar Kelimeler: Elektronik Sağlık Kaydı, Blok Zinciri, Dağıtık Sistemler, P2P Sistemler, Solidity, Metamask
Verilen bir makale için yazar profiline dayalı dergileri tavsiye etme
Makale yayın sürecinde, makaleye uygun dergi bulma işlemi, makalenin disiplinler arası olması ve birçok konu başlığını içermesi açısından belirlenmesi güç ve zaman alıcı olmaktadır. Makaleye yakın konularda birçok yayının olması ve hangisinin yazarın profiline/uzmanlık-alanına veya yazarın belirlediği kriterlere uygun dergi bulma karmaşıklığı daha da artırmaktadır. Genellikle birçok makalenin ret edilmesinin sebebi henüz akademik altyapı ve yazarlık kabiliyeti gelişmeden etki-değeri (impact-factor) yüksek dergilerin seçilmesi veya makalenin kapsamına uygun olmayan dergilere gönderilmesidir. Ayrıca, dergideki makalelerin konuları yıllara bağlı olarak değişmekte ve buna bağlı olarak derginin kabul ettiği içerik değişkenlik gösterebilmektedir. Bu çalışmanın amacı, aday makalenin yazar profiline ve makaleye uygun dergileri bulmayı otomatikleştirmektir. Böylece yazarın dergi arama süresini iyileştirerek hem zamandan tasarruf edecek hem de kapsam dışı veya yazara uygun olmama durumu elimine edilecektir. Makalenin yazarı birden fazla kişi ise bu profillere uygun dergi seçilecek ve makalenin kabul edilebilme olasılığı artırılabilecektir. Uygun dergi aranırken, dergilerin kabul oranları, indekste olup olmadığı, kabul edilme olasılığı ve basım zamanı süreçleri göz önüne alınacaktır. Gerçek veri kümeleri üzerinde yapılan deneysel sonuçlar, önerilen yöntemin diğer yöntemlere göre üstünlüğünü ve uygulanabilirliğini göstermektedir.
Psikolojik hastalıklar alanında medikal tahminler üretmeye yönelik derin öğrenme tabanlı dil modellerinin geliştirilmesi
Medikal metinlerin yapay zekalı sistemler tarafından analiz edilmesi, hastane yönetim süreci, hasta sağlığı takibi, kişiselleştirilmiş tıp önerileri ve hekim kararını destekleyici öneri sistemleri için önemli katkılar sunmaktadır. Psikolojik rahatsızlık yaşayan hastaların erken safhada tespit edilmesi ve bu hastaların doğru birime sevkinin sağlanması hem tedavi sürecinde hem de hastane işleyişi sürecinde önemli kazanımlar sağlanacak bir konudur. Günümüzde psikolojik rahatsızlıkların farkındalığı oldukça düşük seviyede olmakla birlikte, bu hastaların tedavi amaçlı farklı tıbbi birimlere sıklıkla başvurdukları bilinmektedir. Bu problemlerin çözümüne yönelik katkılar sunmak amacıyla hasta-hekim görüşmelerinden oluşan medikal metinler üzerinden Derin Öğrenmeli sistemlerle analizler yapmak ve potansiyel olarak psikolojik hastalık belirtisi taşıyan yeni hastaları tespit etmek bu tez çalışmasının öncelikli hedefidir. Bu tez kapsamında, geçmişte psikolojik tedavi gören hasta metinleriyle potansiyel yeni hastaların cümleleri arasındaki anlamsal benzerlik örüntülerini tespit eden dil temsili modelleri geliştirilmiştir. Ayrıca potansiyel psikiyatri bölümü hastalarının, sıklıkla başvurduğu diğer tıbbi bölümler ve psikolojik rahatsızlıkların sık görülen komplikayonları deneysel bulgularla açıklanmıştır. Alanda yapılan literatür taramasına göre ilk kez gerçekleştirildiği düşünülen bir yöntem olarak, hastalıktan bağımsız herhangi bir psikolojik rahatsızlığın erken tespiti için tek bir modelin kullanılabilmesi sağlanmıştır. Önerilen yöntemde hekim kararlarıyla yaklaşık %89 oranında aynı tahmini üreten bir mimari sunulmaktadır. Bu yöntemin kullanımıyla birlikte; bireysel tespitlerin dışında, toplumsal kaygıların belirlenmesi ve bu kaygıların sebebiyet verdiği psikolojik rahatsızlıkların ülkelere göre değişimi analiz edilmiştir. Benzeri amaçla gerçekleştirilecek çalışmalarda tıbbi verilere erişim güçlüğü ve etiketli veri eksikliğinin dezavantajlarını minimum seviyeye indirmek için iki farklı veri artırım yöntemi önerilmektedir. Bu yöntemlerle birlikte psikolojik rahatsızlıkların tespitinde %90 üzerinde başarı sağlayan Derin Öğrenme tabanlı dil modelleri geliştirilmiştir.
İnsansız hava aracı sistemleri uçuş verilerinde zamansal ve konumsal çizge ağları ile anomali tespiti
Bu araştırmanın amacı, insansız hava araçları (İHA) uçuş verilerini zamansal ve konumsal olarak analiz ederek anomalileri tespit etmek ve İHA'ların güvenliğini ve güvenirliliğini artırmak için bir yöntem geliştirmektir. Araştırmada, öncelikle bir İHA platformu oluşturulmuştur. Bu platformda, açık kaynak kodlu ve programlanabilir bir oto pilot donanımı olan PIXHAWK3 kullanılmıştır. İHA'nın uçuş parametreleri, sensör verileri, navigasyon bilgileri, görev planlaması ve acil durum yönetimi gibi fonksiyonlar bu donanım aracılığıyla ayarlanmıştır. Daha sonra, İHA 10 farklı senaryoda uçurulmuş ve her uçuş sırasında roll, pitch ve yaw parametrelerine ilişkin veriler kaydedilmiştir. Bu veriler, uçuş sonrasında analiz için bilgisayara aktarılmıştır. Uçuş verilerinin analizi için Python programlama dili kullanılmıştır. Veri manipülasyonu ve analizi için Pandas kütüphanesi, veri normalizasyonu için Scikit-learn kütüphanesi ve anomali tespiti için Isolation Forest algoritması kullanılmıştır. Ayrıca, uçuş verilerinin coğrafi analizi için bir yöntem geliştirilmiştir. Bu yöntemde, 'networkx' kütüphanesi kullanılarak uçuş verilerinden bir ağırlıklı çizge oluşturulmuş ve bu çizge 2D grafik olarak görselleştirilmiştir. Araştırma sonucunda, farklı zaman ve farklı yükseklik aralıklarında toplam 105 noktada anomali gözlenmiştir. Anomalilerin en fazla görüldüğü uçuş senaryosunun ilk uçuş senaryosuna ait olduğu ve bu uçuş sürecinde 23 noktada anomali tespit edildiği görülmüştür. Anomalilerin en az görüldüğü uçuş senaryolarının ise 2, 4 ve 5. senaryolara ait olduğu ve bu uçuşların her birinde 7 noktada anomali tespit edilmiştir. Araştırmada ayrıca en fazla 1130-1160 m aralığındaki irtifa değerlerinde anomalilerin daha fazla gözlendiği sonucuna ulaşılmıştır. Elde edilen sonuçlar, zamansal ve konumsal çizge ağı yönteminin İHA uçuşlarındaki anomalileri başarılı bir şekilde tespit edebildiğini göstermiştir. Bu yöntem, uçuş güvenliği ve performansı için önemli bir araç olarak kullanılabilecektir.
Derin öğrenme yöntemlerini kullanarak MR görüntülerinden otomatik tümör tespiti
Beyin tümörü insan sağlığını ciddi anlamda tehdit eden ve çoğu zaman riskli ameliyatlarla tedavi edilebilen bir hastalıktır. Uzmanlar, yüksek çözünürlüklü Manyetik Rezonans (MR) görüntüleriyle beyin tümörünü tespit edebilmektedir. Ancak günümüzde, bir çok araştırmacı derin öğrenme yöntemlerini kullanarak MR görüntülerinden beyin tümör tespitini yapmaktadır. Yapılan çalışmalarda MR veya Bilgisayarlı Tomografi (BT) görüntülerinden beyin tümör tespiti ile ilgili oldukça başarılı sonuçlar elde edilmiştir. Ancak hala bu alanda geliştirilmesi gereken birçok nokta bulunmaktadır. Özellikle tümörlerin yeri, boyutu konusunda başarı oranının istenilen seviyede olmadığı bilinmektedir. Bu tez çalışmasında beyin MR görüntülerinden derin öğrenme yöntemleri kullanarak otomatik tümör tespiti için daha önce önerilmemiş beyin tümörü tespitini daha yüksek bir başarı oranı ile tespit eden yeni bir yaklaşım geliştirilmiştir. Bu tez çalışmasında beyin tümör tespiti iki aşamalı bir süreç olarak gerçekleştirilmiştir. İlk aşamada beyin tümörünün yeri ve boyutlarının tespiti için bölütleme (segmentasyon) işlemi yapılmış, ikinci aşamada ise tümör tiplerinin tespiti için sınıflandırma işlemi yapılmıştır. Bölütleme işlemi için derin öğrenme ağlarından biri olan UNet mimarisi, segmentasyon işlemi için önceden eğitilmiş DenseNet121 mimarisi ile hibrit model olarak kullanılmıştır. Önerilen model, yüksek dereceli ve düşük dereceli glioma tümörlerini içeren BraTS 2019 veri seti ile doğrulanmıştır. Deneysel sonuçlar, modelimizin bu alanda sunulan diğer son teknoloji yöntemlerden daha iyi performans elde ettiğini göstermektedir. Bölütleme işlemi sonucunda, tüm tümör, çekirdek tümör ve genişleyen tümör için sırası ile %95.9, %94.3 ve %89.2 DSC değerleri elde edilmiştir. Beyin MR görüntülerinin sınıflandırılması için 8 katmanlı iyileştirilmiş CNN tabanlı bir ağ tasarlanmıştır. Önerilen yaklaşım, glioma tümörlerini %99,64, menenjiyom tümörlerini %96,53, hipofiz tümörlerini %98,39 doğruluk oranıyla tespit etmiştir.
Derin öğrenme yöntemlerini kullanarak beyin MR görüntülerinden otomatik çok sınıflı alzheimer hastalığı tespiti
Beyin MR görüntüleri incelenerek doktorlar tarafından alzheimer hastalığının teşhis edilmesi zor, insan hatasına yatkın ve zaman alıcı bir işlemdir. Son yıllarda derin öğrenme mimarileri kullanılarak birçok araştırmacı, alzheimer hastalığının erken ve doğru teşhisi konusunda çalışmalar yürütmektedir. Fakat literatürde incelenen çalışmalarda gözlemlenen başarı oranları klinik olarak gerçek hastanelerde kullanılması için yeterli değildir. Bu çalışmada derin öğrenme mimarileri kullanılarak hızlı ve yüksek doğruluk ile alzheimer hastalığının görüntülerinin sınıflandırılabilmesi amaçlanmaktadır. Ayrıca önerilen çalışma, hastanelerde kullanılarak alanında uzman doktorlara hastalık tespiti konusunda destek olabilecek bu sayede yanlış tedavilerin azaltılmasında önemli bir rol oynayabilecektir. Çalışmanın eğitim, doğrulama ve test aşamalarında kaggle üzerinden elde edilen açık kaynak lisanslı Augmented Alzheimer MRI veri seti kullanılmıştır. Önerilen mimari EfficientNet derin öğrenme modeline SE blok dikkat mekanizması eklenerek geliştirilmiştir. Yürütülen deneyler sonucunda elde edilen bulgular, önerilen derin öğrenme mimarisinin literatürde incelenen diğer çalışmalara kıyasla en yüksek başarı oranında elde edildiğini göstermiştir. Doğruluk değerlendirme metriğinde önerilen mimari 0,9903 başarı oranını elde ederek Alzheimer hastalığına ait görüntüleri başarıyla sınıflandırabileceğini göstermiştir. Önerilen yöntem, Alzheimer hastalığının tespitinde verimliliği artıracak, alanında uzman doktorların iş yükünü azaltabilecek, teşhis ve tedavi süreçlerinin kalitesini yükseltebilecektir.
Medulla spinalis yaralanmasının testis ince yapısına etkisi
Medulla spinalis yaralanması ile testiküler atrofi ve spermatogenezisin bozulması üzerine yapılan araştırmaların günümüzde hala çok yetersiz olduğu görülmektedir. Bu çalışmada torakal düzeyde oluşturulan medulla spinalis kesisinin testis üzerine olası etkilerinin elektron mikroskopik düzeyde araştırılması amaçlanmıştır.Çalışmamızda 250-300 gram ağırlığında 30 yetişkin Wistar türü erkek sıçan kullanıldı. Sıçanlar her bir grupta 5 hayvan olmak üzere 6 gruba ayrıldı. 1. grubu oluşturan 5 hayvana herhangi bir cerrahi işlem uygulanmadı ve bu hayvanlar kontrol grubu olarak değerlendirildi. Geriye kalan 25 hayvanda ise torakal 7-9 seviyelerinde medulla spinalis transeksiyonu yapıldı. Yaralanma sonrası tabakalar kapatıldı ve kontrol grubu da dahil, tüm gruplardaki hayvanlar aynı ortam şartlarında yaşatıldı. Operasyonu takiben 2, 3, 4, 5 ve 6. grupları oluşturan sıçanlardan sırası ile 1, 3, 7, 14 ve 28 gün sonra testisler alındı. Ayrıca hayvanlardan hormon analizi için kan örnekleri de alındı. Elde edilen testis doku örnekleri rutin elektron mikroskopik doku takip yöntemleri ile hazırlandı. Alınan ince kesitler Jeol JEM-1400 elektron mikroskobu ile incelendi.Medulla spinalis kesisinden 1 gün sonra elde edilen testis dokularının incelenmesinde belirgin bir yapısal değişiklik görülmedi. 3. günde Sertoli hücrelerinin sitoplazmasında hafif vakuolizasyon, lipofuksin granülleri ve iri lipid damlacıkları gözlendi. Ayrıca Leydig hücrelerinde agranüler endoplazmik retikülüm sisternalarında genişlemeye bağlı vakuolizasyon izlendi. Kesiden 7 gün sonra membrana propria duvarında kalınlaşma, bazal laminanın ondüleli bir şekil alması, kollajen lif miktarında artma, Sertoli hücrelerinde agranüler endoplazmik retikülüm sisternalarında genişleme, lipid damlacıklarında artma ve sitoplazmada litik alanların oluştuğu izlendi. Spermatogoniumların aralarında geniş boşluklar ve bazı spermatidlerde dejeneratif akrozomal değişiklikler de görüldü. Kesiden 14 ve 28 gün sonra alınan testislerde, Sertoli hücrelerinde çekirdekte piknotik değişiklikler, sitoplazmada ileri derecede vakuolizasyon ve lizis, spermatidlerde yapısal bozukluklar, membrana propriada ondüleli şekil alma ve kollajen liflerde artış gibi dejeneratif değişikliklerin belirgin olarak arttığı dikkati çekmekteydi.Sonuç olarak bu çalışmada, torakal seviyedeki medulla spinalis kesisi sonucu testis ultrastrüktürel düzeyde incelenmiş ve oluşan yapısal dejenerasyonlar ayrıntılı olarak gösterilmiştir. Medulla spinalis kesisinin spermatogenez üzerindeki akut etkisinin hormon eksikliğine bağlı olabileceği, kesinin kronik fazı boyunca gözlenen anormal spermatogenez ve seminiferöz epitel gerilemesinin altında daha çok nörojenik mekanizmaların yattığı düşünülmektedir. Fertiliteyi olumsuz yönde etkileyen testiküler dejenerasyonların, medulla spinaliste oluşan nörolojik hasarlardan kaynaklanabileceği, dolayısıyla nöral-hipotalamik-testiküler bir yolun varlığını düşündürdüğünü ancak bu konuda daha ileri çalışmaların yapılması gerektiğini göstermektedir.
Email and SMS spam detection based on deep learning
Over the last decade, the overwhelming use of smartphone have made users depend on it for digital communication such as Email and SMS. Consequently, the use of email and SMS services as a medium for "two-way communication" and "one-way communication" such as notification, alerts, reminders etc., by individuals and organizations has increased tremendously. Technological advancement, cost-effectiveness, high speed acknowledgment time and viability are factors that have led to their exponential growth in the 21st century. However, these communication mediums have been vulnerable to malicious attacks called spams. The constant rise of spam across these communication medium has questioned the demand for solutions. Thus, the need for ML/DL solution which without specific instructions (rule-based codes) use algorithms and statistical models to filter spam by relying on patterns and inferences in the content of message; that is, it parse the message, learn from it and decides if it is ham or spam. This approach is economical, faster, and efficient than the other two traditional methods since it can filter huge messages in short time and the ML/DL algorithms learn from the previous messages and apply it to incoming messages. Keywords: Deep learning, Machine learning, Dense Neural Network, Spam detection.
Veri madenciliği yöntemleri kullanılarak yoğun bakım hastalarında basamak tespitinin yapılması
Bu tez çalışması Türkiye'de kullanılan yoğun bakım basamaklandırma sistemindeki problemler göz önüne alınarak hazırlanmıştır. Yoğun bakımlarda hasta bakımı, hastaların takibi, hastalıkların kontrolü ve tüm bunların maliyeti, içinde zorluklar barındıran işlemlerdir. Bu sistemin kontrolünü kolaylaştırmak bu tez çalışmasının en önemli amaçlarındandır. Çalışma veri madenciliği yöntemlerinin uygulanmasını içermektedir. Yoğun bakımlarda tedavi gören hastaların gerçek verileri ile çalışılmıştır. Bu veriler üzerinde basamak değerleri referans alınarak sınıflandırma ve kümeleme işlemleri yapılmıştır. Ayrıca hastaların ölüm tahminlerine yönelik bir uygulama daha içermektedir. Tez çalışması esnasında yaşanan en büyük problem verilerin kaydediliş biçiminin eksik ya da hatalı olması idi. Veriler uygulamaya hazır hale getirilene kadar fazlaca ön işlemden geçmek zorunda kalınmıştır. Hasta başı monitörleri ile alınacak anlık veriler ile çok daha başarılı sonuçlar elde edilebilecektir.
Lokasyon bazlı sosyal ağlarda kullanıcılara ilgi çekici mekânların önerilmesi
Günümüzde konum tabanlı sosyal ağların kullanımı artış göstermektedir. Sosyal ağların kullanım amacı sadece haberleşmek ve fotoğraf paylaşımı yapmak değil, aynı zamanda bulundukları mekânların ve yerlerin konumlarını da bildirmektir. Yapılan konum bildirimlerine göre öneri sistemleri kullanılmaktadır. Bu tez çalışmasının amacı ise bağlantı tahminine dayalı bir öneri sistemi kullanarak kullanıcılarının tercihlerine uygun yerlerin önerilmesidir. Kullanıcıların geçmiş check-in bilgileri ve memleket bilgileri göz önünde bulundurularak tahmin yapılmaktadır. Bu tahminler iki parçalı bir ağda bağlantı tahmini yöntemiyle yapılmaktadır. Elde edilen veri seti üzerinde eğiticili öğrenme algoritmaları uygulanmıştır. Gerçek veriler üzerinde yapılan uygulama sonuçları, yöntemin uygulanabilirliği göstermiş ve doğruluk ve F-ölçü gibi performans kriterlerine göre yüksek başarımlar elde etmiştir.
Derin öğrenme yöntemleri kullanarak bilgisayarlı tomografi görüntülerinden covid-19'un tespit edilmesi
Aralık 2019'un sonlarından bu yana Çin'in Wuhan kentinde yeni bir koronavirüs hastalığı Covid-19 kaydedildi ve daha sonra dünya çapında pandemik hale geldi. Covid-19'un, alveollerde bıraktığı hasar ve ilerleyen solunum yetmezliğinin bir sonucu olarak ölümle sonuçlanabilir. Klinik tanı için kullanılan transkripsiyon polimeraz zincir reaksiyonu (RT-PCR) altın standart olmasına rağmen testler yanlış negatifler üretebilir. Ayrıca pandemik durumda RT-PCR test kaynaklarının yetersizliği, tanıyı ve tedaviyi de geciktirebilir. Bu koşullar altında göğüs BT görüntülemesi, Covid-19 hastalarının hem tanı hem de prognozu için değerli bir araç haline gelmiştir. Yakın zamanda BT taramalarında Covid-19 tanısını kolaylaştırmak ve sağlık çalışanlarına yardımcı olmak için derin öğrenme teknikleriyle geliştirilmiş birçok çalışma önerilmiştir. Çalışmamız, DeOldify kütüphanesini kullanarak renklendirilen BT veri seti ile derin öğrenme tekniklerinden DenseNet121'i kullanarak Covid-19'u, Covid-19 olmayan vakalardan ayırt etmeye odaklanmaktadır. Çalışmamızın sonunda %98'lik doğruluk elde edilmiştir.
Derin öğrenme yöntemleri ile CXR görüntülerinden COVID-19/zatürre/normal sınıflandırması ve U-net tabanlı COVID-19 bölütlemesi
2019 yılının Aralık ayında Çin'de ortaya çıkan koronavirüs isimli Covid-19 hastalığı, tüm dünyada kısa sürede pandemi haline gelmiştir. Özellikle akciğerlere verdiği hasarlar ile ölümle sonuçlanabilen bu virüsün teşhisi için Transkripsiyon Polimeraz Zincir Reaksiyonu (RT-PCR) testinin yanlış negatifler üretmesi ve teşhis süresinin uzun olması yeni alternatifler aramaya sebep olmuştur. Bu nedenle göğüs görüntülerinin Bilgisayarlı Tomografi veya CXR görüntüleme tekniklerinden elde edilen verilerle göğüs görüntülerinden teşhis sağlanması için uygun araçlar olmuştur. Bu araçlar ile teşhis sağlanması Covid-19 ve Zatürre hastalığının enfeksiyonlu bölgesinin belirlenmesi için derin öğrenme çalışmaları önerilmiştir. Bu tez çalışmasında segmentasyon ve sınıflandırma olarak iki aşamalı bir sistem önerilmiştir. Segmentasyon işleminde etiketli verilerden segmente edilen enfekte bölgeler belirlenmiştir. Sınıflandırıcı aşamasında ise VGG16, ResNet50 ve InceptionV3 isimli üç farklı derin öğrenme modeli kullanılarak Covid-19/Zatürre/Normal sınıflandırması gerçekleştirilmiştir. Çalışma sonucunda %95 segmentasyon doğruluğu elde edilmiştir. Sınıflandırıcı modelleri sırasıyla %99, %90 ve %98 doğruluk elde edilmiştir.
Oturumlardaki makalelerin belirlenmesinden zamanlama sürecine kadar derin öğrenme tabanlı konferans programı organizasyon sisteminin geliştirilmesi
Konferans programları organize edilirken birbiriyle ortak konuda olmayan makalelerin aynı oturumlarda yer alması, aynı konuda makaleler içeren oturumların eş zamanlı gerçekleştirilmesi vb. durumlar katılımcıların konferanstan etkin bir şekilde faydalanmalarına engel olmaktadır. Ayrıca bu durum konferans sahipleri için kötü bir izlenim oluşturabilir ve gelecek konferanslara olan ilgiyi azaltabilir. Bu yüzden konferans programlarının zamanlama ve içerik açısından doğru bir şekilde oluşturulması oldukça önemlidir. Şu anda konferans programları organizatörler tarafından manuel olarak düzenlenmektedir. Bu süreç konferansta yer alan makalelerin sayısı ve konferans kapsamının genişliği dikkate alındığında zor ve zaman alıcı olmaktadır. Günümüzde birçok sorunun yazılım ve donanım modelleri ile çözüldüğü ve insana bağımlılığın en aza indirildiği düşünüldüğünde, manuel olarak gerçekleştirilen bu işlem otomatik çözüm sunulması gereken bir problem olarak görülmüştür. Konferans programı hazırlama sürecini kolaylaştırmak ve daha verimli programlar oluşturmak amacıyla bu tez kapsamında iki yaklaşım önerilmiştir. Program organizasyon süreci makale benzerliklerinin bulunması, oturumların oluşturulması, oturum başlıklarının belirlenmesi ve zamanlanması şeklinde dört aşamada gerçekleştirilmiştir. Topluluk keşfine dayalı yaklaşım ile birbirinden farklı sayıda makaleler içeren oturumlar planlanmıştır. İkinci yaklaşımda ise önerilen kümeleme algoritması ile eşit sayıda makale içeren oturumlar oluşturulmuştur. Ayrıca önerilen zamanlama yaklaşımı ile paralel oturumların çakışmayacağı bir konferans programı organize edilmiştir. Elde edilen sonuçlar gerçek programlar ile detaylı bir şekilde karşılaştırılmış ve önerilen yaklaşım ile daha verimli ve etkin konferans programlarının otomatik bir şekilde oluşturulduğu gösterilmiştir.
Karmaşık ağlarda bağlantı ve ağırlıkların birlikte tahmin edilmesi: Bilim insanlarının atıf sayısının tahmini
Birçok farklı alanda, özellikle de internet ortamındaki sosyal ağlarda, varlıklar arasındaki ilişkiler oldukça karmaşık ağlar oluşturur. Son zamanlarda karmaşık ağlarda ağ analizi ve veri madenciliği araştırmacıların ilgisini çekmiştir. Karmaşık ağlarda bağlantı tahmini de oldukça ilgi gören araştırma konularından biridir. Bu çalışmada karmaşık ağlarda bağlantı tahmini için iki yöntem önerilmiştir. Birinci yöntemin amacı bilim insanlarının atıf sayısını tahmin etmektir. Önerilen yöntemde bilim insanlarının atıf sayısı tahmini problemi, atıf ağlarında bağlantı tahmini problemi olarak formülleştirilmiştir. Atıf ağlarının zaman içindeki evrimi boyunca artan/azalan eğilimlerin dikkate alındığı zamansal bir bağlantı tahmini ölçütü önerilmiştir. Önerilen bağlantı tahmini ölçütü yönlü, ağırlıklı ve zamansal ağlarda bağlantıların ağırlıklarıyla beraber tahmin edildiği ilk çalışmadır. Atıf ağlarında yapılan test sonuçları önerilen yöntemin atıf sayısı tahmini için doğruluğunu gösterir. Önerilen bağlantı tahmini ölçütü ayrıca klasik bağlantı tahmini ölçütüyle de karşılaştırılmış ve önerilen ölçütün etkili bir bağlantı tahmini ölçütü test sonuçlarında görülmüştür. İkinci yöntemin amacı yönlü ağlarda bağlantıların yön bilgisinin bağlantı oluşumundaki rolü dikkate alınarak komşuluk tabanlı bağlantı tahmini ölçütlerinin doğruluğunu artırmaktır. Literatürdeki bağlantı tahmini ölçütlerinin çoğunda bağlantıların yön bilgisinin bağlantı oluşumundaki rolü dikkate alınmamıştır. Bunun için bu çalışmada klasik komşuluk tabanlı bağlantı tahmini ölçütlerinin yönlü ağ motifleri kullanılarak hesaplandığı genel bir yöntem önerilmiştir. Yönlü ağlarda yapılan test sonuçları önerilen yöntemin komşuluk tabanlı bağlantı tahmini ölçütlerinin doğruluğunu dikkate değer bir şekilde artırdığını göstermiştir.
Büyük ölçekli iki parçalı karmaşık ağlarda güçlendirilmiş yansıma modeline dayalı bağlantı tahmini yöntemleri
Gerçek dünya verilerinden oluşturulmuş birçok karmaşık ağ, doğası gereği iki parçalı bir yapıya sahiptir. İki parçalı ağlar, gerçek dünya sistemlerinin karmaşık yapısı hakkında önemli fikirler veren, farklı düğüm grupları arasındaki etkileşimleri temsil eden karmaşık bir ağ türüdür. Son zamanlarda, özellikle büyük ölçekli, karmaşık ağlarda bağlantı tahmini çalışmaları farklı bilim alanlarındaki araştırmacılar için ilgi odağı haline gelmiştir. Birçok gerçek dünya sistemi gibi akademik bilgi ağları da iki parçalı bir yapıya sahiptir. Akademik bilgi ağları sürekli değişen ve gelişen bir yapıdadır. Bu ağlarda, yazarlara kendi alanlarına uygun popüler konu başlıklarını tavsiye eden bir sistemin bulunması araştırmacıların işini kolaylaştıracaktır. Son zamanlarda, akademik konuların yazarlara önerilmesine yönelik yapılan birçok çalışma, problemi bağlantı tahmini olarak ele almıştır. Bu çalışmalardan sadece birkaçı, yüksek pratik ilgisine ve üstesinden geldiği belirli zorluklara rağmen iki parçalı ağları kullanmaktadır. İki parçalı ağlarda bağlantı tahmini alanında yapılan önceki çalışmaların çoğu, düğüm çiftleri arasındaki ilişkileri tahmin etmek için iki parçalı ağdan çıkartılan geleneksel tek parçalı ağların özelliklerini kullanmaya odaklanmıştır. Geleneksel projeksiyon yöntemleri, gerçek dünya verilerinden oluşturulan ağlarda kullanıldığında zayıf ilişkilere sahip birçok düğüm çifti içerebilir. Bu zayıf ve gereksiz bilgilerin analizi yüksek hesaplama zamanına neden olur. Bu problemlere bir çözüm olarak, bu çalışmada klasik tek parçalı yöntemlere dönüştürmek yerine ağın omurgası niteliğini taşıyan güçlendirilmiş tek parçalı ağ modeli önerilmiştir. Daha sonra, ağdaki potansiyel bağlantıları tahmin etmek için güçlendirilmiş tek parçalı ağ modeline dayalı benzerlik tabanlı bir tavsiye edici yöntem geliştirilmiştir. Son olarak, önerilen yöntemle elde edilen potansiyel bağlantıların kalitesini değerlendirmek amacıyla zamandan bağımsız ve zaman farkındalı olmak üzere iki yeni yakınlık ölçütü algoritması önerilmiştir. Önerilen yöntemler, IEEE Xplorer çevrimiçi kütüphanesinden toplanan verilerle oluşturduğumuz ağ üzerinden test edilmiştir. Gerçek bir ağ üzerinde yapılan deneyler, önerilen yöntemin başarısının umut verici olduğunu ve büyük ölçekli bir ağdan hızlı ve yüksek kaliteli bağlantı tahmini sonuçları elde etmenin mümkün olduğunu göstermektedir. Anahtar Kelimeler: İki Parçalı Ağlar, Karmaşık Ağ Analizi, Bağlantı Tahmini, Akademik Konu Önerisi, Güçlendirilmiş Tek Parçalı Ağ, Zaman-farkındalı Yakınlık Ölçütü
Bilgisayar bilimlerindeki kaynakça verilerinin konularına göre sınıflandırılması ve görselleştirilmesi
Hızlı ve sürekli büyüyen topluluklar büyük veri kaynaklarını oluşturmaktadır. Toplulukların yapısını ve aralarındaki etkileşimleri incelemek, topluluklar hakkında sağlıklı bilgiler edinip gelişimini ve değişimini gözlemlemek amacıyla bu veri kaynaklarının çeşitli bilimsel yöntemlerle analizi gerekmektedir. Sosyal ağlar, toplulukları ve aralarındaki ilişkileri modellemek ve görselleştirmek için kullanılan önemli yapılardan biridir. Büyük ve karmaşık sistemleri sosyal ağlar şeklinde modelleyerek yapılarını daha anlaşılır hale getirmek, bağlantılarını ve değişimlerini analiz etmek mümkündür. Bununla beraber toplulukların yapısını daha anlaşılır kılmak, ağ yapısını ve dinamikliğini geliştirmek amacıyla bilgi çıkarımı yöntemleri de kullanılmaktadır. Bilgi çıkarımı yöntemleri kullanarak, değişik kaynaklardan elde edilen, henüz bilinmeyen bilgileri ve bağlantıları elde etmek mümkündür. Akademik topluluklar hızlı ve sürekli büyüyen topluluklara örnektir. Sosyal ağ yapıları ve bilgi çıkarımı yöntemleri akademik toplulukların analizinde sıkça kullanılan önemli yöntemlerdendir. Bu tez çalışmasında üç temel çalışma sunulmuştur. Birinci çalışma, farklı kaynaklardan elde edilen akademik topluluk verilerinin sadeleştirilmesi ve bütünleştirilmesidir. Bu amaçla DBLP, ACMCCS ve ASN akademik topluluk veri kaynakları kullanılmıştır. Elde edilen verilere bilgi çıkarımı yöntemleri uygulanmış ve ağ içeresindeki kayıp bağlantılar tespit edilerek oluşacak olan ağın yapısı iyileştirilmiştir. İkinci çalışma, akademik topluluk içerisindeki varlıkların ve aralarındaki ilişkilerin incelenmesidir. Bu amaçla topluluk ağ şeklinde modellenmiştir. Yazarlar, yayınlar ve diğer varlıkların oluşturduğu alt ağlar tespit edilmiştir. Ağın niteliklerine göre sınıflandırma işlemleri yapılmıştır. Son olarak, elde edilen sonuçların sorgulanabileceği, izlenebileceği ve raporlanabileceği çevrimiçi bir web uygulaması geliştirilmiştir.
Haber siteleri ve sosyal medya sayfalarındaki tıklama tuzağının belirlenmesi
Bu çalışmada okuyucuyu manipüle etmek amacıyla hazırlanmış yanıltıcı haber başlıklarının, sosyal medya paylaşımlarının ve video paylaşım platformlarına ait içeriklerin tespit edilmesi ele alınmıştır. Dijitalleşmenin hızla yaygınlaşması yazılı haber kaynaklarından dijital dünyaya geçişi de hızlandırmıştır. Daha önce basılı halde olan gazete ve dergiler sanal ortama taşınmış, her birinin kendi sosyal medya hesapları, internet üzerinden yayın yaptıkları web siteleri oluşturulmuştur. Bazı gazete ve dergiler matbaa basımını durdurmuş, yayın hayatına tamamen dijital ortamda devam etmeye karar vermiştir. Ancak sanal ortama taşınmaları yayın masraflarının devam etmesine engel değildir. Daha önce basılı yayın yapıp daha sonra dijital ortama geçen bu kaynakların tamamına yakını abonelik ücreti talep etmemektedir. Bununla birlikte çalışanlarının ücretleri, haberlerin hazırlanıp yayınlanması için yapılan masraflar devam etmektedir. Bu da bizi, bu yayınların, giderlerini karşılamak için reklam alması ve bu reklam gelirlerini artırmak için başvurduğu yöntemler hususuna getirmektedir. Bu durum aynen sosyal medya ve video içerik sayfaları için de geçerlidir. Dijital yayınlar, ürün sahibi firmalarla sayfaya giren tekil ziyaretçi sayısına göre anlaşma yaptıklarından, reklam gelirlerini artırmak için siteye ziyaretçi çekmek durumundadırlar. Çünkü reklamların bazen tıklama bazen de görüntülenme sayısına bağlı olarak ürün sahibinden ücret talep etmektedirler. Ziyaretçi sayısını artırmak için sayfanın arayüz, içerik, yazar kalitesini artırmak gibi uygun yöntemlerin yanı sıra reklamı izlemeden hatta tıklamadan siteye girişi engellemek, fark etmeden tıklamasını sağlamak gibi etik dışı yöntemler de bulunmaktadır. Tıklama Tuzağı yani literatüre geçtiği adıyla haber yemi ya da Clickbait da bunlardan biridir. Tıklama Tuzağı, okuyucuyu haberi okumaya yönlendirmek, sosyal medya paylaşımlarına tıklamak ve başlığıyla ilgisiz bir videoyu izletmek için içeriği olduğundan farklı gösterecek başlıklar altında yayınlama işidir. Ziyaretçinin merak boşluğundan yararlandığını ve bunun habercilik ve yayıncılık etiğine aykırı bir tutum olduğu ilgili çevrelerce ortak bir kanıdır. Anahtar Kelimeler: Haber yemi, Tıklama Tuzağı, Yanıltıcı başlıklar, Sosyal Ağ, YouTube.
Kodlama yapmayan uzun ve kısa boyutlu RNA'lar ile hastalıklar ve çevresel faktörler arasındaki bağlantıların tahmini
İnsan vücudunda bulunan lncRNA, miRNA vb. moleküller birbirleriyle, genlerle ve çevresel faktörlerle etkileşim halinde bulunmaktadır. Etkileşimler bir ağ yapısı şeklinde tarif edilebilmektedir. Ağ yapısında bulunan bağlantıların her hangi bir nedenden dolayı kopması veya ağda yeni bağlantıların oluşması çeşitli hastalıklara neden olabilmektedir. Bir molekül ile hastalık arasında veya çevresel faktör arasında bağlantı olup olmadığının laboratuvar ortamında test edilmesi oldukça zaman gerektiren ve yoğun insan kaynağına ihtiyaç duyan bir işlemdir. Daha önce aralarında bağlantı olmayan moleküller ile çevresel faktörler ve hastalıklar arasında olabilecek potansiyel bağlantıların geliştirilecek yöntemler ile tahmin edilmesinin bu işlemi hızlandırmaya katkı sunacağı düşünülmektedir. Tezimizde bu amaçla üç yöntem önerilmiştir. LncRNA-çevresel faktörler ve miRNA-çevresel faktörler arasında potansiyel yeni bağlantıların tahmin edilmesi amacıyla KATZ tabanlı iki model geliştirilmiştir. Diğer bir model ise lncRNA'lar ile hastalıklar arasında potansiyel yeni bağlantıların tahmin edilmesi amacıyla istiflenmiş otokodlayıcılar ve derin öğrenme temel alınarak geliştirilmiştir. Geliştirilen modellerin test sonuçlarının literatürdeki modellere karşı daha başarılı AUC sonuçları elde ettiği gösterilmiştir.
Kulanıcı profiline özgü makale tavsiye sistemi
Son yıllarda tüm dünyada bilgi miktarı çok büyük boyutlara ulaşmıştır. Teknolojinin gelişmesi, akademisyen sayısının artması gibi nedenlerden dolayı tüm dünyada bilgi miktarı aşırı artmıştır. Bilgi miktarındaki aşırı artış, araştırmacıların doğru bilgiye ulaşmasını zorlaştırmıştır. Büyük miktarda bilgi arasından doğru bilgiye ulaşmada yaşanan zorluk tavsiye sistemlerinin önemini ortaya çıkarmaktadır. Bu zorluk akademik çevrede de yaşanmaktadır. Akademisyenler, araştırmacılar bilimsel çalışmalar yaparlar. Akademik yayınlar yazar ve bilime katkıda bulunurlar. Araştırmacılar bilimsel çalışmalar yaparken daha önce yapılmış yayınları inceleyerek literatürdeki mevcut bilgi birikiminden yararlanır. Akademisyenler, araştırmacılar aşırı sayılara ulaşan akademik makaleler arasından kendilerine uygun olanı bulmakta zorlanmaktadır. Akademisyenlerin yaşadığı bu zorluğu azaltmak üzere makale tavsiye sistemleri geliştirilmiştir. Literatürde makale tavsiyesi konusunda yapılmış çalışmalar mevcuttur. Ancak klasik makale tavsiye sistemleri araştırmacının özelliklerini dikkate almaz. Klasik makale tavsiye sistemleri her araştırmacıya aynı yayınları tavsiye eder. Klasik makale tavsiye sistemleri tüm makaleleri karşılaştırır ve birbirine benzer makaleleri araştırmacıya sunar. Ancak gerçek dünyada araştırmacıların alanları ve beklentileri farklıdır. Bu nedenle makale tavsiye sisteminin araştırmacının daha önce yapmış olduğu yayınlarını dikkate alması gerektiği görüldü. Bu tez çalışmasında önerdiğimiz yöntem araştırmacının özelliklerini dikkate alarak kullanıcı profiline özgü makale tavsiyesi yapmaktadır.