Artificial intelligence
811 theses under this subject heading
İşitme engelli bireylerle iletişimde IMU ve sEMG sensör verilerini kullanacak bir sistem geliştirilmesi
Bilişim teknolojileri, işitme engelli bireylerin toplumun diğer bireyleri ile iletişimini sağlamada etkin bir şekilde kullanılabileceğini düşünerek bu çalışma planlanmıştır. Bu amaçla, kişinin yaşam kalitesini düşürmeden kullanabileceği İşaret Dili'ndeki (İD) kelimelerin iki kol ile tanınması sağlayan özgün bir yazılım gerçekleştirilmiştir. Literatürde farklı teknolojiler (kamera, kol bandı ve eldiven gibi) kullanan işaret dili tanıma sistemleri geliştirilmiştir. Fakat yapılan çalışmaların çoğu, işitme engelli bireylerin günlük hayatta kullanabileceği pratik bir çözüm olmak yerine daha çok teoride kalmaktadır. Geliştirilen sistem, tipik görme tabanlı sistemler yerine iki kolun yüzey elektromiyografisini (sEMG) ve atalet ölçüm birimi (IMU) verilerini kullanmaktadır. Çalışmaya özgü dijital sinyal işleme ve makine öğrenmesi yöntemlerini kullanan, farklı işletim sistemlerinde (Android,Windows) çalışabilen bir yazılım geliştirilmiştir. Yazılım Myo Armband SDK'sını kullanmak yerine kendi Bluetooth servislerini kullanarak hem daha performanslı çalışmakta ve hem de cihaza özel dongle gereksinim duymamaktadır. Her işaret için sabit bir süre yerine, hareketi tespit ederek daha akıcı ve gerçek zamanlı bir iletişime olanak sağlar. Test için günlük hayatta kullanılma sıklığı dikkate alınarak belirlenen 80 kelimeden oluşan veri seti oluşturulmuştur. Önerilen sistem için kapsamlı bir öznitelik çıkarma işlemi gerçekleştirilmiştir. Tanıma performansı farklı sınıflandırıcılar ve parametreler ile test edilmiş ve sonuçlar karşılaştırılmıştır. Önerilen sistemin geçerliliğini ve elde edilen sonuçların doğruluğunu test etmek için 10 kat çapraz doğrulama yöntemi kullanılmıştır. Farklı sınıflandırma yöntemleri ile yapılan eğitimlerin testleri sonucunda en yüksek başarıyı %99.88 doğrulukla RandomForest ve Ibk algoritmaları, en düşük başarıyı %89,75 doğrulukla J48 algoritması sağlamıştır. Odak gruba sunulan çalışma katılımcıların tamamı tarafından rahat, estetik ve kullanılabilir bulunmuştur. Bu çalışma ile geliştirilen sistemin engelli bireylerin hayatında büyük bir kolaylık sağlayacağı düşünülmektedir.
Sağlık bilimleri fakültesi öğrencilerinin yapay zekâ genel tutumları ve kaygı durumlarının belirlenmesi
Giriş ve Amaç: Yapay zekâ teknolojileri sağlık alanında giderek yaygınlaşmakta olup, bu teknolojilere yönelik sağlık profesyoneli adaylarının tutum ve kaygılarının anlaşılması önem arz etmektedir. Bu çalışmada, Trakya Üniversitesi Sağlık Bilimleri Fakültesi öğrencilerinin yapay zekaya yönelik genel tutumları ile kaygı düzeyleri değerlendirilmiş, bu değişkenler üzerindeki demografik ve bireysel etkiler analiz edilmiştir. Gereç ve Yöntemler: Tanımlayıcı ve kesitsel türdeki bu araştırmada, tabakalı örnekleme yöntemiyle belirlenen Trakya Üniversitesi Sağlık Bilimleri Fakültesi'ndeki 722 öğrenci çalışmaya dâhil edilmiştir. Veri toplama aracı olarak "Yapay Zekâ Kaygı Ölçeği" ve "Yapay Zekâya Yönelik Genel Tutum Ölçeği" kullanılmıştır. Bulgular: Katılımcıların %80,6'sı kadın, %19,3'ü erkektir. Kadın öğrencilerin yapay zekaya yönelik kaygı düzeyleri, erkek öğrencilere kıyasla anlamlı düzeyde yüksek bulunmuştur (p = 0.006). Yapay zekâ hakkında bilgi düzeyi arttıkça öğrencilerin olumlu tutum puanları anlamlı şekilde artmakta (p = 0.000), kaygı düzeyleri ise azalmaktadır (p = 0.005). Yapay zekâ kaygısı ile tutum puanı arasında negatif yönlü, orta düzeyde anlamlı bir ilişki saptanmıştır (r =-0.481; p <0.05). Teknoloji kullanım becerisi, iş tecrübesi ve değişime uyum gibi değişkenler de tutum ve kaygı düzeylerini istatistiksel olarak anlamlı şekilde etkilemiştir (p <0.05). Ölçeklerin güvenirliği yüksek bulunmuştur: Yapay Zekâ Kaygı Ölçeği için Cronbach's α = 0.92; Yapay Zekâya Yönelik Genel Tutum Ölçeği için α = 0.72. Sonuç: Çalışma bulguları, sağlık bilimleri öğrencilerinin yapay zekaya yönelik tutum ve kaygılarının; cinsiyet, bilgi düzeyi, teknoloji kullanımı ve değişime açıklık gibi bireysel değişkenlerden anlamlı şekilde etkilendiğini göstermektedir. Özellikle olumlu tutumların yapay zekâ kaygısını azalttığı saptanmış olup, bu durum sağlık eğitiminde yapay zekâ farkındalığını artırmaya yönelik programlara ihtiyaç olduğunu ortaya koymaktadır.
Investigation of urban climate and built environment relations by using machine learning
Climate change can cause a cascade of effects from the individual organisms to ecosystem-scale where in nature all species are elements of complex networks of interactions so every effect on every scale has great role. The properties of those networks are decisive on ecosystems all around the world so how they will be modified by climate change needs serious studies. Urban areas' vast population exert significant effects on the climate change even though they cover a small proportion of the Earth's surface, however, impacts of the urbanization on climate and ecosystems remain inadequately understood. In the meantime, urbanization continues to increase and in the 2030, 2/3 of the population is expected to be living in urban areas and this rate will increase in time. It is of importance to elaborate the studies investigating the relations between the urbanization and climate. In this respect, the use of information technologies with an extensive computational capacity is one of the cornerstones of the climate and urban studies. Machine learning algorithms is a branch of computer science that deals with automated recognition of patterns from data. The use of the machine learning algorithms can bring great advantages to both understanding and predicting the climate. The computational power with big data and ability to capture nonlinear behavior, learn as new data arrive, etc. make the machine learning favorable tool for understanding climate and developing urban planning. In this sense, purpose of this study is showing the advantages of machine learning algorithms by achieving working recurrent neural network algorithm to make climate predictions, and through this achievement, stating possible effects of machine learning on design and its contribution to understanding the climate.
Yapay zeka ile metamalzeme ve metayüzey yapılarının tasarımı
Metamalzemeler, doğal yollarla oluşturulamayacak, negatif veya sıfır kırılma indisi, görünmezlik ve perdeleme gibi yeni optik niteliklere sahip malzemelere erişme imkanı sağlayabilmektedir. Metamalzemelere bu özellikleri kazandırabilmek için gerekli Maxwell denklemlerinin çözümü ve süreç optimizasyonunun deneme-yanılma sistemine bağımlı olması insan faktörünün yeteneklerinin kısıtıyla birleşince yeni optik özellikli metamalzemelerin gelişimi yavaş ilerlemekteydi. Son on yılda kripto para evreninin güdümüyle gelişen ekran kartları yapay zeka ve derin öğrenme evrenini geliştirmiştir. Bu gelişim sonlu eleman modelleme, sonlu fark zaman alanı yöntemleri ile geliştirilen algoritmaların derin öğrenme ve yapay zeka uygulamalarıyla hızlandırılmasına ve yeni metamalzeme keşfetme sürecinin hızlanmasına yardımcı olmuştur. Yüksek odaklama verimliliğine sahip geniş bant, düşük indisli lens tasarımına yönelik hedef öncelikli algoritma kullanılarak 3.2um-16um tasarım alanında 10.000 iterasyon yapılarak 1300-1700nm dalga boylarında akromatik lens Lumerical programı ile %80 verimlilik ve 0.7 açıklık ile başarılmıştır. Nano yapının üretim imkansızlığını gidermek için Bruggeman uygulaması yapılarak yine %80 verimlilik ve 0.7 açıklık ile başarılmıştır. Simulasyon verileri 13.300 kat büyütülerek üretilerek test edilmiş ve %65 verimlilik 0.71 Enine Elektrik ve 0.69 Enine Manyetik polarizasyonda başarılmıştır. Yine yüksek indisli lens tasarımı hedef öncelikli algoritma ile yapılmış ve 0.8um-9.6um tasarım alanında 1.2um odak uzaklığı mesafesinde 1.86 açıklık değeri ile tasarlanmış ve tasarım parametrelerinden yalnızca %4 verim farkı ile üretilip denenmiştir. Si02 yüzey üzerine TiO2 silindirler kullanılarak tasarlanmak istenen bir ışın bölücü için Lumerical programıyla 13767 simulasyon bir hafta gibi uzun bir sürede oluşturulmuştur. Bu verilerden 11014'ü derin öğrenme algoritmalarıyla çoğaltılarak Lumerical programında 60 yıl sürecek 6.2milyon veri 1 saat gibi bir sürede oluşturularak silindirik yapıların boyutları belirlenerek ışın bölücü tasarlanmıştır.
Yoğun bakım hastalarının mortalite ve hastanede kalma sürelerinin derin öğrenme yöntemleri ile tahmini
Günümüzde dijital dönüşüm hızının artması ile beraber fiziksel olarak saklanan verilerin elektronik ortamlara aktarılması da hız kazanmıştır. Bu durum, birçok alana olduğu gibi sağlık alanına da doğrudan yansımıştır. Geçmişte fiziksel olarak saklanan hastaya ait kayıtlar bu sayede dijital ortamlara geçirilmiştir. Dijital ortama aktarılan hastaya ait demografik bilgiler, laboratuvar sonuçları, yaşamsal gözlem verileri, klinik notlar, tanı kodları ve benzeri birçok veri Elektronik Sağlık Kaydı (ESK) olarak tanımlanmaktadır. Sağlık alanındaki dijital dönüşüme ek olarak, derin öğrenme yöntemlerine olan geniş ilgi, araştırmacıları, finans, sosyal medya, siber güvenlik gibi birçok alanda yapay zeka yöntemlerini kullanmaya teşvik etmektedir. Elektronik sağlık kayıtlarının araştırmacılar için kullanılabilir hale gelmesiyle birlikte, bu veri setlerini kullanarak derin öğrenme modelleri geliştirmeye olan ilgi artmaktadır. Tez kapsamında yapılan deneylerde, günümüzdeki en popüler ve erişilebilir elektronik sağlık kayıt veri seti olan Medical Information Mart for Intensive Care (MIMIC-III) kullanılmıştır. Yoğun bakımda yatan hastaların, yaşamsal gözlem verilerini ve diğer klinik bilgilerini ölçerek, hastaların mevcut sağlık durumlarını anlamlandırmak ve gelecek sağlık durumlarını tahmin etmek önemli bir problemdir. Tez kapsamında, hastaların hastane içinde ve yoğun bakımda mortalite ihtimalleri ile yoğun bakımda 3 ve 7 günden fazla kalıp kalmayacakları çok-kipli derin öğrenme tabanlı yöntemler ile tahmin edilmiştir. Gerçekleştirilen çalışma üç ana bölüme ayrılmıştır. İlk bölümde, yoğun bakımda yatan hastalara ait yaşamsal gözlem verileri, laboratuvar sonuçları gibi özniteliklere ek olarak hastalara ait klinik notlar da model eğitimine dahil edilmiş ve modelin klinik problemleri tahmin etme başarısı arttırılmaya çalışılmıştır. İkinci bölümde, klinik notların doğrudan kullanılması yerine, varlık isim tanıma yöntemi ile notlar içerisinden medikal terimlerin çıkartılması sağlanmıştır. Elde edilen medikal terimlerin, mortalite ve yoğun bakımda kalma süresi tahmini problemlerine etkisi araştırılmıştır. Yapılan son çalışmada ise, hastaların zaman serisi özniteliklerine ilave olarak, hastaların yoğun bakımda kaldıkları süre boyunca kullandıkları ilaçların moleküler temsilleri kullanılmış ve klinik problemlerin tahminine etkisi üzerine deneyler yapılmıştır. Ek olarak, bu çalışma sonunda, hastanede mortalite tahmini için eğitilen modelin açıklanabilirliğini arttırmak amacıyla SHapley Additive exPlanations (SHAP) yöntemi kullanılmıştır. SHAP yönteminin çıktısı, zaman-serisi ve klinik ilaç özniteliklerinin model üzerindeki etkisininin daha derin bir analizinin yapılmasını sağlamaktadır. MIMIC-III veri seti içerisinde hastaya ait farklı veri türlerinin bir arada bulunması, tez kapsamında yapılan deneylerde bu veri türlerinin bir arada kullanılabilmesine ve farklı deneylerin gerçekleştirilebilmesine olanak sağlamıştır. Farklı veri türlerini aynı model içerisinde kullanabilmek için çok-kipli derin öğrenme tabanlı yöntemler önerilmiştir. Yapılan deney sonuçları incelendiğinde, zaman-serisi özniteliklerin yanı sıra hastaya ait klinik notların, medikal terimlerin ve ilaç bilgilerinin modele girdi olarak verilmesinin, klinik problemlerin başarımına olumlu yönde etki ettiği görülmüştür.
Meme kanserinin geliştirilmiş makine öğrenme yöntemleri ile tespiti
Meme kanseri dünya genelinde kadınlar arasında en sık görülen kanser türüdür. Meme kanseri erken evrede teşhis edilirse, tedavi edilmesi mümkündür. Bu çalışma meme kanserinin tanısı için geliştirilmiş makine öğrenme algoritmalarına dayalı yeni bir sınıflandırma sistemi önermektedir. Geliştirilmiş makine öğrenme algoritmaları oluşturmak amacıyla öznitelik seçim ve hiperparametre optimizasyon yöntemleri kullanılmıştır. Makine öğrenme algoritması olarak sırasıyla Karar Ağacı, Naive Bayes, Destek Vektör Makinesi, K-En Yakın Komşu ve Topluluk Öğrenme yöntemleri kullanılmıştır. Tüm deneyler Wisconsin Meme Kanseri Veri (WBCD) seti ve Mamografi Meme Kanseri Veri Seti (MBCD) olmak üzere iki farklı meme kanseri veri seti üzerinde test edilmiştir. Veri setlerinin en ayırt edici özniteliklerini belirlemek amacıyla sırasıyla Relief, En Küçük Mutlak Daralma ve Seçme Operatörü ((Least Absolute Deviation and Least Absolute Shrinkage and Selection Operator-LASSO) ve Ardışık İleri Yönde Seçim yöntemleri kullanılmıştır. Makine öğrenme algoritmalarındaki en uygun hiperparametreleri bulmak için Bayes optimizasyon (BO) yöntemi kullanılmıştır. Çalışma kapsamında en iyi sınıflandırma oranını elde etmek amacıyla farklı deneyler yapılmıştır. Önerilen öznitelik seçim-Bayes optimizasyon hibrit yöntemleri çalışmada kullanılan makine öğrenme algoritmalarının sınıflandırma oranlarını artırmıştır. Yapılan deneyler sonucunda, LASSO-BO-DVM yöntemi her iki meme kanseri veri setinde de en yüksek doğruluk, kesinlik, duyarlılık ve F1-skorunu göstermiştir (WBCD için %98,95, %97,17, %100 ve %98,56; MBCD için %97,95, %98,28, %98,28 ve %98,28).
Fikrî hak boyutuyla yapay zekâ
Geleneksel bir tanımı bulunmamasına rağmen, yapay zekâ, genellikle insan zekâsıyla ilişkilendirilen işlevleri, sınırlı insan müdahalesiyle ya da hiç insan müdahalesi olmadan gerçekleştirme yeteneği olarak tanımlanabilir. Hayatımızın hemen her alanında karşımıza çıkan yapay zekâ gittikçe gelişmekte ve gerek toplumsal gerek ekonomik alanda önemi her geçen gün artarak önemli tartışmaları gündeme getirmektedir. Hukukun pek çok dalında da bu gelişmelere bağlı olarak yeni düzenlemeler yapılması gerekmektedir. İlgili alanlardan biri de fikir ve sanat eserleri hukuku olarak karşımıza çıkmaktadır. Yapay zekânın gelişerek yaratıcılık alanına giren ürünler üretmesi bir yandan fikir ve sanat eserleri hukukunun insan merkezli tutumunun yeniden sorgulanmasına neden olmakta bir yandan da söz konusu ürünlerin üretilmesinde çok sayıda eser niteliğinde verinin kullanılması, yapay zekânın gelişimine bağlı menfaatler ile eser sahiplerinin fikrî hakka dayalı menfaatlerini karşı karşıya getirmektedir. Bu tezde temel olarak yapay zekâ, insanlar tarafından üretildiğinde eser olarak kabul edilebilecek ürünler ürettiğinde, bu ürünlerin fikrî hak ile korunması gerekip gerekmediği ve söz konusu ürünlerin meydana getirilmesi için kullanılan eser niteliğindeki verilerin eser sahiplerinin fikrî haklarını ihlal edip etmediği sorunları ele alınmaktadır. Ayrıca, bu sorunlara ilişkin olası çözüm önerileri tartışılmaktadır. Başka bir deyişle bu tezde yapay zekâ girdi ve çıktıları fikrî hak koruması temelinde ele alınmaktadır. Birçok ülkede tezde ele alınan sorunları tartışmak, çözüm önerilerinde bulunmak, bu konularda bilgi ve görüş alışverişinde bulunmak amacıyla istişare toplantıları gerçekleştirilmiş, çeşitli yasal girişimler başlatılmıştır. Yine söz konusu sorunlar, öğretide derin tartışmaları beraberinde getirmiş ve uyuşmazlıklar mahkemeler nezdinde incelenmeye başlanmıştır. Türk hukukunda ise mevcut düzenlemeler kapsamında işaret edilen sorulara cevap verme konusunda tereddüt yaşanmakta ve bu tereddütleri gidermek adına henüz bir mevzuat çalışması da yürütülmemektedir. Konuya ilişkin öğretide yer alan çalışmalar da diğer ülkelere kıyasla az sayıda olup ileri sürülen görüşler ise birbirinden farklılaşmaktadır. Bu çalışmada, karşılaştırmalı hukukta yapılan yasa değişikliklerinden ve öğretide yer alan görüşlerden de yararlanılarak bunların fikrî mülkiyet hukukunun amaç ve ilkelerine ve Türk Fikir ve Sanat Eserleri Hukukuna uyumluluğunun ele alınması hedeflenmektedir. Ardından olası yasa değişikliklerine ilişkin çeşitli önerilerde bulunulması amaçlanmaktadır. Belirtilen çerçevede, söz konusu tez ile Türk Hukukundaki önemli bir eksikliğin giderilmesine katkıda bulunulması hedeflenmektedir. Anahtar Kelimeler: Yapay Zekâ, Fikrî Hak, Eser ve Eser Sahibi, Yapay Zekâ Girdi ve Çıktıları, Metin ve Veri Madenciliği.
Yapay zekânın görsel iletişim tasarımı alanına yansımaları
Yapay zekâ, günlük yaşantımızda yer aldığı gibi görsel iletişim tasarımı alanında da bulunmaya ve daha sık kullanılmaya başlanmıştır. Bu araştırmada yapay zekâ ve görsel iletişim tasarımı alanındaki etkileşim farklı boyutlarda incelenecektir. Tasarımcı ve yapay zekâ ilişkisi, yapay zekâ tarafından üretilen tasarımların tasarıma özgü kriterlere göre gösterdiği performans, eğitim alanında kullanımı gibi görsel iletişim tasarımını günümüzde kullanımı ve gelecekte oluşabilecek potansiyeli ortaya koymak amaçlanmaktadır. Anket çalışması ve derinlemesine görüşmelerle yapay zekâ hakkında ne kadar bilgi sahibi olunduğu, yapay zekâ kullanımının olumlu ve olumsuz yönleri ve gelecekte karşılaşabilecek durumlara yönelik ayrıntılı bir analiz çalışması gerçekleştirilmiştir. Elde edilen veriler bulgular bölümünde yorumlanmış ve sonuç bölümünde yapay zekânın görsel iletişim tasarımı alanına yansımaları ortaya konulmuştur.
Yapay zekânın cezai sorumluluğu ve yapay zekâya uygulanacak yaptırım sorunu
Bu çalışma kapsamında, yapay zekânın ceza hukukunun konusu olup olamayacağı, literatür taraması araştırma yöntemi kullanılarak incelenmiştir. Bu bağlamda öncelikle yapay zekânın tarihsel süreç içerisindeki gelişimi ele alınmış, felsefi kökenleri irdelenmiş ve teknik açıdan öğrenme yöntemleri incelenmiştir. Yapay zekânın hukuk düzeni içerisinde kişiliğinin varlığı sorgulanmış ve literatürde yer alan hukuki statü önerileri açıklanmıştır. Sonrasında cezai sorumluluk kavramı açıklanmış ve yapay zekânın üreticisi, programlayıcısı, kullanıcısı ve kendisinin cezai sorumluluğu tartışılmıştır. Son olarak yapay zekâya uygulanacak yaptırım sorunu ele alınmış ve bu hususa yönelik önerilere yer verilmiştir. Çalışma kapsamında yapay zekânın dahil olduğu suçlara yönelik mevcut düzenlemelerin yeterliliği tartışılmış ve yeni düzenlemelerin gerekliliği sorgulanmıştır.
Elektroensefelorafi ve elektrokardiyografi sinyalleri kullanılarak epilepsi nöbetlerinin yapay zeka ile tahmin edilmesi
Epilepsi ani gelişen nöbetlerle ortaya çıkan ve dünyada en yaygın görülen nörolojik hastalıkların başında gelmektedir. Epilepsi nöbetlerinin kontrol altına alınabilmesi için klinik olarak tercih edilen 2 yöntem; cerrahi işlemler ve farmakolojik yöntemlerdir. Fakat bu iki yöntem de epilepsi tedavisi için altın standart olarak kabul edilmemiştir. Bunun sebebi ise her hastaya uygulanabilirliklerinin ve başarı oranlarının düşük olmasıdır. Bu sebeple epilepsi nöbet tahmini algoritmalarının geliştirilebilmesi ve nöbet gerçekleşmeden belirli bir süre önce nöbetlerin tahmin edilebilmesi ile erken uyarı mekanizmalarının oluşturulması yaygın bir çalışma konusudur. Bu çalışmada erken epilepsi nöbet tahmini için Siena Scalp EEG veri tabanı kullanılmıştır. Çalışmaların tamamı MATLAB ile tamamlanmıştır. Tez çalışması kapsamında EEG ve EKG biyosinyal tabanlı makine öğrenmesi ve derin öğrenme algoritmaları geliştirilmiştir. Biyosinyallerin öncelikli olarak ön işleme basamakları tamamlanmış ve 30'ar saniyelik pencerelerle epoklanmışlardır. Makine öğrenmesi algoritmalarında EEG bazlı olarak 19 adet öznitelik ve EKG bazlı olarak ise 20 adet öznitelik ilgili biyosinyallerin zaman ve frekans bölgelerinden elde edilmiştir. En başarılı 5'er makine öğrenmesi modeli incelenmiş ve erken epilepsi nöbet tahmini ortalama ve medyan süreleri dakika cinsinden rapor edilmiştir. Epileptik nöbetlerin EEG verisi ile elde edilen makine öğrenmesi modelleri ile en yüksek başarı, %90,3 doğruluk oranı ile Efficient Linear SVM modeli tarafından elde edilmiştir. Bu model aynı zamanda %87 duyarlılık, %92 özgüllük ile epileptik nöbet öncesi dönemleri yüksek isabet oranıyla tespit etmiştir. Nöbetten ortalama 18,5 dakika önce uyarı verebilmesiyle, erken müdahale açısından da oldukça başarılı bir performans göstermiştir. EKG öznitelikleri ile gerçekleştirilen sınıflandırma deneylerinde ise en yüksek performans Lineer SVM modeli ile elde edilmiştir (Doğruluk %85,2, Duyarlılık %81, Özgüllük %88). Ayrıca bu model, nöbetten ortalama 14,8 dakika önce epileptik dönemi tahmin edebilmiştir. Medyan uyarı süresi ise 13 dakika olarak hesaplanmıştır. Derin öğrenme kısmında ise evrişimsel sinir ağları tercih edilmiştir. Bu kapsamda literatürde yaygın kullanılan mimariler ile epileptik nöbet tahmini algoritmaları tamamlanmıştır. Sinyallere ait epok bazlı spektogram görüntüleri 2 boyutlu mimarilere entegre edilmiştir. Bu kapsamda kullanılan mimariler; Resnet-18, MobileNetV2 ve EfficientNet-b0 mimarileridir. Buna ek olarak 1 boyutlu direkt zaman sinyali kapsamında Resnet-1D, MobileNet-1D ve InceptionTime mimarileri kullanılmıştır. Sonuçlar incelendiğinde ise EEG sinyalleriyle eğitilen derin öğrenme modelleri EKG modellerinden daha yüksek başarılı sonuçlar verdiğine ulaşılmıştır. En yüksek doğruluk oranı, %95,4 ile ResNet-18 (2D) mimarisi tarafından EEG spektogramları ile elde edilmiştir. 1 boyutlu zaman serisi mimarileri arasında ise en yüksek doğruluk, %93,8 ile ResNet-1D ile tekrar EEG ile elde edilmiştir. Erken tahmin süreleri incelendiğinde, 2 boyutlu modellerin 10,5 – 9,0 dakika, 1 boyutlu modellerin ise 9,2–8,6 dakika arasında değişen medyan tahmin süresi sağladığı görülmektedir. Bu süreler, epileptik nöbetten önce müdahale şansı tanıyabilecek düzeyde yeterlidir. Derin öğrenme algoritmalarının erken epilepsi tahmin sürelerinin makine öğrenmesine göre daha kısa olmasının sebebinin daha temkinli ve doğru tahmin yapma amacıyla meydana geldiği öngörülmüştür.
Makine öğrenmesi kullanarak windows olay kayıtları ile dinamik davranış analizi
Teknolojik gelişmelerin hız kazanmasıyla birlikte siber saldırılar ve zararlı yazılım tehditleri giderek karmaşıklaşmakta ve daha tehlikeli hale gelmektedir. Bu durum, bilgi güvenliği alanında yenilikçi yaklaşımların ve etkili çözümlerin geliştirilmesi gerekliliğini ortaya koymaktadır. Bu tez çalışması, zararlı yazılım analizinde dinamik yöntemlerin etkinliğini artırmayı amaçlayarak, özellikle Windows işletim sistemine ait olay kayıt verilerinin detaylı incelenmesine odaklanmaktadır. Çalışmanın temel hedefi, izole edilmiş sanal ortamlarda zararlı ve zararsız yazılımların çalışma anında oluşturdukları işletim sistemi kayıt verilerinden anlamlı öznitelikler çıkarıp, makine öğrenmesi teknikleri kullanılarak zararlı yazılım tespitine yönelik yenilikçi bir yaklaşım geliştirmektir. Bu amaç doğrultusunda, hem manuel hem de çevrimiçi doğrulama süreçleriyle zararlı veya zararsız olduğu belirlenen çalıştırılabilir dosyalar titizlikle toplanmıştır. Kontrollü sanal makine ortamlarında gerçekleştirilen deneysel uygulamalar sonucunda elde edilen veriler, öncelikle sayısal, bağlamsal, zaman tabanlı ve istatistiksel öznitelikler olarak sınıflandırılmıştır. Bu verilerden hangilerinin kullanılabilir olacağı belirlenirken, bazıları özellik mühendisliği teknikleriyle daha işlevsel hale getirilmiş ve model performansını artıracak kritik göstergeler oluşturulmuştur. İlgili öznitelikler, Gradient Boosting, Logistic Regression ve Destek Vektör Makineleri gibi çeşitli sınıflandırma algoritmaları kullanılarak işlenmiş; elde edilen modellerin performansı ise K-Fold çapraz doğrulama yöntemi ile titizlikle değerlendirilmiştir. Uygulanan veri normalizasyonu ve özellik mühendisliği teknikleri, modellerin genel doğruluğunu artırırken, zararlı ile zararsız yazılımlar arasındaki ayrımı daha net ortaya koymuştur. Bu kapsamlı analiz, dinamik analiz temelli yaklaşımların, geleneksel statik yöntemlere kıyasla daha yüksek doğruluk oranları ve düşük yanılma payları sağladığını göstermiştir. Ayrıca, bu çalışma literatürde sınırlı yer alan dinamik analiz yaklaşımlarına önemli katkılar sunmayı hedeflemektedir. Farklı veri setleri üzerinde gerçekleştirilen kapsamlı deneyler sonucunda, geliştirilen metodolojinin siber saldırılara karşı proaktif bir yaklaşım sağlayabileceği ortaya konulmuştur. Dinamik davranış analizi, hem eski hem de yeni zararlı yazılımların tespitinde geniş zaman aralıklarında etkili sonuçlar vermekte, böylece siber güvenlik stratejilerinin geliştirilmesinde kritik bir rol oynamaktadır. Sonuç olarak, bu tez çalışması, zararlı yazılım tespiti ve önlenmesinde dinamik analiz yöntemlerinin uygulanabilirliğini ve etkinliğini ortaya koyarak, siber güvenlik alanında yeni ufuklar açmaktadır.
Yapay zekânın iş sağlığı ve güvenliği hukukuna etkileri
Dijitalleşmeyle özdeşleşen Endüstri Devrimi, Endüstri 4.0 ile yapay zekâ ve makine öğrenmesi kavramları hayatımızda büyük yer edinmektedir. Çalışmamızın ilk bölümünde yapay zekânın çok genel bir tanımı yapılıp otonom yapay zekâ sistemlerinin özellik arz eden hususları üzerinde durulmuştur. Otonom sistemlerin sebep olduğu hukuki sorunlara değinilmiştir. Hemen hemen her alanda kullanılır hâle gelen yapay zekâ destekli sistemlerden iş sağlığı ve güvenliği alanında da faydalanılmaktadır. Günümüzde daha iyi bir İSG yönetimi süreci yürütmek için İSG önlemlerinin dijitalleşmesi yoluna gidilmektedir. Bu çalışmanın ikinci bölümünde yapay zekâ destekli iş sağlığı ve güvenliği önlemleri olan dışiskeletler, bilgisayar görüsü sistemleri, meslek hastalıklarının teşhisinde kullanılan yapay zekâ sistemleri, giyilebilir teknolojiler ve yapay zekâ sistemleri aracılığıyla verilen İSG eğitimleri incelenmiştir. Ardından bu sistemler aracılığıyla toplanan verilerin KVKK kapsamında bir değerlendirmesi yapılmıştır. Son olarak da iş sağlığı ve güvenliğinin sağlanması amacıyla kullanılan yapay zekâ sistemlerinin işyerlerinde bir iş kazası veya meslek hastalığına sebep olması hâlinde sorumluluğun kime isnat edileceği mevcut hükümler çerçevesinde çözüme kavuşturulmuştur. Bu tezde yapay zekâ, mühendislik, tıp ve hukuk alanlarında yerli ve yabancı literatür taraması yapılarak disiplinlerarası bir çalışma hazırlanmıştır.
Derin öğrenme yöntemleri ile meyvelerin tazelik durumunun belirlenmesi
Bilindiği üzere günümüzde derin öğrenme teknolojisi yüz tanıma, ses tanıma, güvenlik sektörü, savunma sanayi gibi pek çok alanda kullanılmaktadır. Pek çok katmanlardan oluşan derin öğrenme, makine öğrenmesinin bir dalıdır. Derin öğrenme ile modele bir veri kümesi vererek çıktıların tahmin edilmesi sağlanabilir. Günümüzde meyve tazeliği önemli sağlık, çevre ve ekonomik sorunlardan biridir. Bu çalışmada seçilen üç meyve; elma, portakal ve muz üzerinde çalışmalar yapılmıştır. Çalışmada iki tane VGG16 baz alınarak model geliştirilmiş ve iki tane VGG19 baz alınarak model geliştirilmiştir. Bu geliştirilen modeller, elde bulunan üç meyve türünün veri setleri üzerinde test edilerek en iyi sonucu hangisinden alınabileceği saptanmış ve modeller birbiri ile kıyaslanmıştır.
Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Görsel verilerin işlenmesi son yıllarda özellikle medikal alanda sıklıkla kullanılmaktadır. Yapay zekânın bir alt dalı olan derin öğrenme yöntemleri, görüntü işleme yöntemleri ile birlikte kullanılarak; doku analizi ve hastalıkların otomatik sınıflandırılması başta olmak üzere birçok alanda başarılı bir şekilde uygulanmaktadır. Derin öğrenme, bir dönem mevcut donanımların yetersiz kalması sebebiyle durgunluk noktasına gelmiş fakat 2000'li yıllar ile birlikte tekrar popüler bir alan olmaya başlamıştır. GPU gelişmeleriyle birlikte sığ yapay sinir ağlarından derin yapay sinir ağlarına geçiş yapılmıştır. Katmanlar arasında gerçekleşen geri yayılım algoritmaları sayesinde büyük veri kümelerindeki gizli ve ayırt edici özellikler keşfedilmektedir. Bu da yapay sinir ağlarının ve derin öğrenme yöntemlerinin etkinliğini ortaya çıkarmaktadır. Bu çalışmada BreakHis veri setinde yer alan histopatolojik meme kanseri görüntüleri, görüntü işleme ve derin öğrenme yöntemleri kullanılarak sınıflandırılmıştır. Aynı zamanda literatürde yapılan çalışmalar da incelenmiştir. Tezin amacı, özellikle kadınlarda son yıllarda oldukça sık rastlanan meme kanseri hastalığının erken ve doğru teşhisi için otomatik bir yöntem sunulmasıdır. Bu sayede gerçekleştirilen çalışmalar neticesinde tıp uzmanlarına alacakları kararlarda destek olacak nitelikte bir çalışma ortaya konmuştur. Anahtar Kelimeler: Görüntü İşleme, Yapay Zekâ, Derin Öğrenme, Yapay Sinir Ağları, Histopatolojik Görüntüler, Meme Kanseri.
Duygu analizi yönteminin pazarlama alanında kullanımına ilişkin çalışmaların değerlendirilmesi
Bu çalışmanın amacı duygu analizi yöntemine İLİŞKİN LİTERATÜRDE YAPILAN ÇALIŞMALARIN ni inceleyerek, pazarlama alanındaki kullanım imkânlarını ortaya çıkarmaktadır. Çalışmada yapay zekâ araştırma yöntemleri içerisinde duygu analizi metodu incelenecek ve tüketici davranışlarını açıklamada yeterliliği tartışılacaktır. Pazarlama araştırmalarında alternatif yöntemlerin kullanımı son zamanlarda artış göstermiştir. Hem akademik hem de iş hayatında uzmanlar tüketici davranışlarını daha iyi anlayabilmek için istatistiki yöntemler ile birlikte nitel yöntemlere de yönelmektedirler. Diğer yandan, yapay zekâ ve endüstri 4.0 sistemi işletmelerin daha sistematik ve güncel veri toplamasına ve raporlamasına imkân sağlamaktadır. Bu noktada duygu analizi yöntemi de güncel olarak pazarlama alanında kullanımı artan önemli analiz yöntemlerinden biri olarak karşımıza çıkmaktadır. Dolayısıyla, duygu analizinin kullanımı, araştırma alanlarına katkısı ve tüketici davranışlarını ne derece doğru tespit edebildiğinin anlaşılması önemli bir konudur.
Kompozit döşeme sistemlerin jaya algoritması kullanılarak optimizasyonu
Bu tez, metasezgisel bir optimizasyon yaklaşımı olan Jaya algoritmasını kullanarak, çelik-beton kompozit döşemeler üzerinde bir optimizasyon çalışması sunmaktadır. Çalışmada, başlıklı çelik ankrajlar ile birlikte çalışması sağlanmış, çelik I profili ve beton döşemeden oluşan tek açıklıklı (basit mesnetli) kompozit döşemeler incelenmektedir. Çelik-beton kompozit döşemelerin yapısal tasarımı için Çelik Yapıların Tasarım Hesap ve Yapım Esasları (2016) yönetmeliği esas alınmıştır. Bu yönetmeliğe bağlı olarak, optimizasyon probleminin sınırlayıcıları olarak, yapım aşamasında kompozit olmayan döşemenin dayanımı, kompozit döşemenin dayanımı, sistemde meydana gelen bütün sehimlerin değerlendirilmesinin yanı sıra çelik ankrajların dayanım ve yerleşimine ilişkin kriterler dikkate alınmaktadır. Amaç fonksiyonu, kompozit döşemenin maliyeti olarak hesaplanmış olup, bu fonksiyon beton döşeme, çelik kiriş ve çelik ankrajların maliyetini içermektedir. Optimum çözüme ulaşmak için çalışmada tasarım değişkenleri olarak beton dayanımı, beton kalınlığı, çelik kiriş profil kesiti, çelik kiriş ara mesafeleri, çelik ankraj çapı ve bir kirişteki çelik ankraj sayısı olmak üzere altı farklı değişken alınmıştır. Optimizasyon için, Jaya algoritmasını kullanan ve yapısal boyutlandırma aşamalarını içeren bir yazılım kodlanmıştır. Hazırlanan yazılım ile gerçek kompozit döşeme uygulama projelerinden ve akademik literatürden alınan örneklerin optimizasyonu gerçekleştirilerek, elde edilen sonuçlar karşılaştırılmıştır. Bu karşılaştırmaların tam uyum içinde olabilmesi için karşılaştırma yapılan probleme bağlı olarak hazırlanan yazılımdaki sınırlayıcılarda ilgili problemdekilere benzer şekilde uyarlanmıştır. Yapılan karşılaştırmalar sonucunda Jaya algoritması kullanılarak çelik-beton kompozit döşemelerin başarılı bir şekilde optimize edilebildiği görülmüştür. Anahtar Kelimeler: Kompozit Döşeme, Optimizasyon, Metasezgisel Algoritmalar, Jaya Algoritması, Çelik Yapılar
Diyabetik retinopati hastalığının teşhisi için derin öğrenme ile retinal fundus görüntülerinin sınıflandırılması
Bu çalışmada, diyabetik retinopati hastalığının teşhisi ve hastalığın seviyesinin belirlenmesi, bir sınıflandırma problemi olarak ele alınmış ve tahmin edilmeye çalışılmıştır. Bu amaçla, popüler bir veri seti olan APTOS 2019 veri setinin 224x224 filtrelenmiş versiyonu seçilmiş olup, bu veri setinden, çok sınıflı ve az sınıflı olmak üzere toplamda 5 adet yeni veri seti daha oluşturulmuştur. Orijinal veri seti ve yeni oluşturulan yeni veri setlerine, CNN tabanlı mimariler (5 Layer CNN, EfficientNetB0, EfficientNetB1, VGG16, VGG16-TL, VGG19-TL, MobilNet, MobileNet V2, bizim tasarladığımız CNN, GoogleNet, DenseNet121 ve ResNet50) uygulanarak ve farklı veri bölümlendirmeleri seçilerek (80-20 eğitim-test, 3,5 ve 10 kez çapraz doğrulama) geniş çaplı bir modelleme çalışması yapılmıştır. Sonuç olarak, hastalık seviyesinin sınıflandırması için en iyi model, %94.82 test doğruluk başarısı ile MobilNet V2 modeli olarak; hastalık tahmini için de en iyi model, %99.26 test doğruluk başarısı ile DenseNet121 modeli olarak bulunmuştur.
Ses bozukluklarının algısal değerlendirilmesinde yapay zeka değerlendirmesi ile klinisyen değerlendirmesinin karşılaştırılması
Ses bozukluklarının değerlendirilmesinde akustik, aerodinamik ve algısal analizlerin birlikte kullanılması sesin çok boyutlu yapısını ele alarak doğru tanı ve etkili tedavi sürecinin planlanması sağlar. Geçmişten günümüze yapay zeka alanındaki gelişmelerle birlikte tanı ve terapi sürecinin standardize ve kolay bir şekilde gerçekleşmesi amacıyla çalışmalar yapılmaktadır. Bu amaçla yapılan yapay zeka destekli GRBASZero uygulaması sesin algısal değerlendirilmesinde kullanılan GRBAS ölçeğini puanlamaktadır. Bu çalışmada, ses bozukluğuna sahip bireylerin klinisyenler tarafından değerlendirilen GRBAS puanlamalarıyla yapay zeka destekli GRBASZero uygulaması tarafından değerlendirilen GRBAS puanlamalarının karşılaştırılması amaçlanmıştır. Çalışmaya 60 disfonik ve 15 sağlıklı birey katılmıştır. Sağlıklı bireylerin korelasyonu etkilediği görülmüş ve 60 disfonik katılımcı analize dahil edilmiştir. Katılımcıların sesleri GRBASZero uygulamasıyla puanlanmış ve ayrıca Ses Handikap Endeksi-10, Sesle İlişkili Yaşam Kalitesi Ölçeği, Türkçe Ses Yorgunluğu Ölçeği ve Ses Yolu Rahatsızlık Ölçekleri uygulanmıştır. Katılımcılardan maksimum /a/, /i/, /s/, /z/ fonasyonu ve okuma pasajı örnekleri alınmış, sesler Praat yazılımıyla analiz edilmiştir. Kayıtlar 13 Dil ve Konuşma Terapisti tarafından GRBAS ölçeğiyle değerlendirilmiştir. Çalışmanın bulgularında, klinisyen ve GRBASZero değerlendirmesi arasında G, R, B ve S parametreleri için orta korelasyonda anlamlı bir ilişki bulunmuştur. A parametresi için ise düşük korelasyonda anlamlı bir ilişki bulunmuştur. Akustik ve aerodinamik analizler ile GRBAS parametreleri karşılaştırıldığında klinisyen ve yapay zeka değerlendirmesi değerleri arasında belirgin farklar bulunmamıştır. Öz algısal ölçeklerle GRBAS parametreleri karşılaştırıldığında klinisyen değerlendirmesinde genellikle anlamlı ilişki bulunmuşken yapay zeka değerlendirmesinde nadiren anlamlı ilişkiye rastlanmıştır. Sonuç olarak, klinisyen ve yapay zeka değerlendirmesi arasında orta düzeye yakın anlamlılık bulunmuştur. Bu durum yapay zekanın tanı ve müdahaledeki gelişme sürecine umut olmuştur. Gelecekte yapılacak daha fazla çalışmaya ihtiyaç vardır.
Quantum transfer öğrenmesi ve sınıf dikkat mimarisi ile deepfake tespiti
Günümüzde yaygınlaşan internet kullanımı, dijital içeriklerin üretimindeki artışla birlikte bilgi güvenliği ve manipülasyon konularında büyük sorunları da beraberinde getirmiştir. Deepfake tespiti, yapay olarak üretilen videolardaki sahte unsurları belirlemek için çeşitli derin öğrenme ve yapay zeka tekniklerinin kullanıldığı bir süreçtir. Bu tez çalışmasında, sahte video tespiti için Quantum Transfer Öğrenme (QTL) ve Vision Transformer (ViT) mimarilerinin kombinasyonu kullanılarak yenilikçi bir model geliştirilmiştir. Çalışmada, DFDC (Deepfake Detection Challenge) veri seti üzerinde eğitim gerçekleştirilmiş ve QTL ile ViT teknolojileri birleştirilerek uzamsal ve zamansal tutarsızlıkları algılayabilen bir sistem oluşturulmuştur. Veri seti üzerinde literatürdeki ön işleme çalışmalarına ek olarak, derin öğrenme modellerinin gereksinimlerine uygun özgün bir veri işleme yöntemi geliştirilmiştir. QTL'nin quantum hesaplama avantajları ve ViT'nin görsel verilerdeki küresel özellik çıkarma yetenekleri birleştirilmiştir. Elde edilen sonuçlar, önerilen yöntemin %90 doğruluk oranı ve 0.94 ROC AUC ile deepfake tespitinde dikkate değer bir başarı elde ettiğini göstermiştir. Modelin başarısı, DFDC veri setinde elde edilen diğer çalışmalarla kıyaslanmış ve kaynak verimliliği açısından öne çıkan bir çözüm sunduğu tespit edilmiştir. Elde edilen bulgular, önerilen QTL-ViT tabanlı sistemin deepfake tespiti için güçlü bir temel sunduğunu ve literatüre önemli bir katkı sağladığını ortaya koymuştur. Gelecek çalışmalar için modelin gerçek quantum cihazlarında test edilmesi ve daha büyük veri setleri üzerinde uygulanması önerilmektedir.
Yapay zeka destekli sanallaştırma hata tespit ve çözümleme sistemi
Günümüzde sanallaştırma teknolojileri, bilişim sektöründe kritik bir rol oynamakta ve işletmelerin altyapılarını daha verimli ve esnek bir şekilde yönetmelerine olanak tanımaktadır. Ancak, sanallaştırma programlarının karmaşık yapısı ve kapsamlı özellik seti, kullanıcıların sıkça hata kodları ve teknik sorunlarla karşılaşmasına neden olmaktadır. Bu durum, özellikle deneyimsiz kullanıcılar için ciddi zaman kayıplarına ve verimlilik düşüşlerine yol açabilmektedir. Bu sorunların hızlı ve etkili bir şekilde çözülebilmesi için bilişim sektörü, yapay zeka ve akıllı asistan teknolojileri ile entegre çözümler geliştirmeye yönelmektedir. Bu çalışmada, sanallaştırma ürünleri ile ilgili karşılaşılan teknik sorunların çözümüne yönelik olarak hazırlanan yapay zeka destekli sanallaştırma hata tespit ve çözümleme sistemi (sanallaştırma asistanı) yazılımı tanıtılmıştır. Bu yazılım, hazır yapay zeka modelleri, web sitelerinin uygulama programlama arayüzleri ve kapsamlı hata ile uyarı veri setlerini kullanarak, kullanıcıların karşılaştıkları sorunları otomatik olarak tespit edip anlık çözümler sunmaktadır. Hazırlanan sistem, sanallaştırma programlarının karmaşıklığından kaynaklanan zorlukları hafifletmeyi ve kullanıcılara pratik destek sağlamayı hedeflemektedir. Yazılımın, farklı kaynaklardan elde edilen hata ve uyarı verilerini bir araya getirerek, kullanıcıların ihtiyaç duydukları bilgilere hızlıca erişmelerini sağlamaktadır. Bu sayede, sanallaştırma ortamlarında karşılaşılan teknik sorunların çözüm süreci hızlandırılmakta ve kullanıcıların iş akışları kesintiye uğramadan devam etmektedir. Geliştirilen bu sistem, sanallaştırma teknolojilerinin kullanımını kolaylaştırarak bilişim sektöründe verimliliği artırabileceği ve teknik destek süreçlerine katkı sağlayabileceği için tasarlanmıştır.
Kuantum makine öğrenmesi kullanarak akıllı sözleşmelerde zafiyet tespiti
Blok zinciri teknolojisinin hızla benimsenmesi, özellikle akıllı sözleşmelerin güvenliği ve bütünlüğünü sağlama konusunda önemli sorunları gündeme getirmiştir. Bu çalışma, akıllı sözleşmelerde ortaya çıkabilecek güvenlik açıklarının tespitine odaklanmakta; bu tür açıklıkların ciddi maddi kayıplara ve blok zinciri sistemlerine olan güvenin zedelenmesine yol açabileceği vurgulanmaktadır. Bu doğrultuda, klasik derin öğrenme teknikleriyle kuantum hesaplamanın temel ilkelerini entegre eden Hibrit KuantumKlasik Derin Sinir Ağı (HKKDSA) modeli önerilmiştir. Söz konusu model; erişim kontrolü, aritmetik hatalar, front-running saldırıları, yeniden giriş açıkları, zaman manipülasyonu, hizmet reddi ve kontrolsüz düşük seviye çağrılar gibi yaygın güvenlik zafiyetlerini tespit etmeye yönelik olarak tasarlanmıştır. Model eğitimi sürecinde SmartBugs Wild veri kümesinden yararlanılmış; öznitelik çıkarımı için hibrit mimarilere uygun biçimde optimize edilen Terim Frekansı-Ters Doküman Frekansı (TF-TDF) yöntemi kullanılmıştır. Deneysel çalışmalar kapsamında, hem 2 qubit hem de 4 qubit kuantum katmanları içeren hibrit mimariler tasarlanarak test edilmiştir. Karşılaştırmalı analiz yapabilmek için, geleneksel bir Derin Sinir Ağı (DSA) modeli de bu sürece dahil edilmiştir. HKKDSA modeli, %96,4 ile %78,2 arasında değişen doğruluk oranları ve %96,6 ile %80,2 arasında değişen F1 skorları ile klasik ve derin öğrenme tabanlı yöntemlere kıyasla daha yüksek bir performans ortaya koymuştur. Bu sonuçlar, hibrit kuantum-klasik modellerin özellikle akıllı sözleşme güvenliği alanında yüksek doğruluk ve verimlilik sunduğunu göstermektedir. İlerleyen araştırmalar, bu modelin gerçek kuantum donanımları üzerinde uygulanarak test edilmesini ve daha geniş, çeşitlendirilmiş veri setleriyle kapsamlı bir biçimde analiz edilmesini amaçlayabilir.
Yapay zeka yaklaşımı ile sefalometrik filmler üzerinden anatomik referans noktalarının tahmini ve açısal analizi
Yapay zeka uygulamaları üzerine yapılan önemli sayıda araştırma, sağlık hizmetlerinin kalitesinin ve verimliliğinin artırılabileceğini ve aynı zamanda maliyetlerin ve insan/sistem hatalarının azaltılabileceğini göstermiştir. Yapay zekanın sağlık hizmetlerindeki avantajları arasında zaman tasarrufu, manuel beceriler gerektiren görevlerin otomasyonu yoluyla standardizasyon ve azaltılmış iş yükü yer almaktadır. Özellikle ortodonti ve çene cerrahisi alanlarında, yapay zeka bileşenleri tedavi ve teşhis süreçlerini kolaylaştırmak için yaygın olarak kullanılmıştır. Ortodonti alanında, özellikle ortognatik cerrahi prosedürlerinin planlanması alanında, sefalometrik filmlerin kullanımı tedavi sonuçlarının etkinliğini ve kesinliğini sağlamada önemli bir rol oynamaktadır. Yapay zekayı çevreleyen güncel tartışmalar bağlamında, tedavi metodolojileri sefalometrik filmlerde noktaların ve açıların titizlikle belirlenmesi yoluyla tasarlanmaktadır. Ancak, sağlık hizmetlerinde görüntü analizi alanında zorluklar belirlenmiştir. Bu zorluklar, algoritmayı geliştiren mühendislik ekibi arasında yeterli tıbbi uzmanlığın olmaması ve algoritmayı kullanacak radyologların tam bilgi eksikliğidir. Mevcut sistemlerde belirlenen eksiklikler ve güvenilirlik sorunları nedeniyle daha verimli ve daha net programlara ihtiyaç duyulduğu açıktır. Bu eksiklikler sonucunda yanlış kullanım ve yorumlama nedeniyle hatalar meydana gelebilir. Mevcut çalışma, bu zorlukları ele almak ve sağlık sektöründe görüntü analizinin etkinliğini artırmak amacıyla mühendisler ve hekimler arasındaki iş birliğine dayalı bir çabayla titizlikle planlanmıştır. Anatomi noktalarının kesin tahmini klinik değerlendirmeler ve tedavi kararları için hayati önem taşıdığından, yanlış manuel analiz çeşitli kraniyofasiyal parametrelerin ölçülmesinde tutarsızlıklara neden olabilir. Bu nedenle, anatomi noktalarını doğru, güvenilir ve hızlı bir şekilde belirleyebilen otomatik bir anatomi noktası tespit sistemi geliştirmeye ihtiyaç vardır. Bu sebeple yerel bir yapay zeka modeli oluşturmak için mevcut çalışmada FARNet tabanlı bir model geliştirilmiştir. Bu model ile sefalometrik anatomi noktalarını otomatik olarak algılama yoluyla çene ameliyatlarında kullanılan iskeletsel açı değerlerinin ölçümü sağlanarak, doğru ortodontik tedavi planlamasını kolaylaştıran bir model geliştirilmiştir. Bu amaçla mevcut çalışmada, 46 anatomi noktasını kapsayan, açık erişimli internet tabanlı Amerikan Ortodontistler Derneği Vakfı Kraniyofasiyal Büyüme Mirası Koleksiyonu'ndan ve Ao ve Wu (2023) çalışmalarında belirttiği https://github.com/ JuvenileInWind/FARNet. adresinden indirilmiş olan 902 lateral sefalogram filminden oluşan farklı yaş gruplarını içeren bir veri seti kullanılmıştır. 902 filmdeki tüm anatomi noktalarının koordinatları elde edilerek etiketli bir veri seti oluşturulmuştur: 721'i eğitim, 80'i doğrulama ve 101'ü test için belirlenmiştir. Sefalometrik anatomi noktalarının otomatik tespiti için FARNet ağı kullanılmış ve modelin performansını değerlendirmek için 2 mm, 2,5 mm, 3 mm ve 4 mm aralığındaki ortalama radyal hata ve başarı tespit oranı (SDR) kullanılmıştır. Geliştirilen modelden elde edilen iki boyutlu sefalometrik radyografilerde iskelet, diş ve yumuşak doku noktalarının tespiti sonuçları ümit vericidir. Çalışmanın mimarisi olan FARNet modelinde, eğitim başarısı 2 mm aralığındaki üç nokta hariç (Glabella (G'), Pterygoid (Pt) ve Ramus (Ra)), SDR değerlerinin %80'in üzerinde olduğu gözlenmiştir. Çalışmada modelin performans değerleri şu şekilde ölçülmüştür: eğitim doğruluğu 0,977, doğrulama doğruluğu 0,93, test doğruluğu 0,935, eğitim kaybı 0,09, doğrulama kaybı 0,17 ve test kaybı 0,165. Modelde overfitting durumu yoktur. Model iyi bir öğrenme göstermiştir ve overfitting (aşırı uyum) olmamıştır. Ayrıca, FARNet mimarisinden elde edilen çıktılar ile oluşturulan yeni model ile iskeletsel açı ölçüm modeli oluşturulmuştur. Oluştulan bu moldelden elde edilen açısal parametre değerleri tutarlı sonuçlar ortaya koymuştur. Bu bulgulardan, modelin bir karar destek mekanizması olarak işlev görme potansiyeline sahip olduğu ve dolayısıyla hekimlerin klinik rutinlerindeki zaman yükünü azalttığı anlaşılmaktadır. Gelecekteki yinelemelerde, özellikle cerrahi ve ortodontik planlama ve tanı çalışmaları bağlamında, dental ve yumuşak doku açısal parametrelerinin ve doğrusal parametrelerin çalışma çerçevesine dahil edilmesi önerilmektedir. Bu çalışmanın kapsamlılığını ve pratik faydasını artırarak klinik bilgi ve uzmanlığın ilerlemesine katkıda bulunması beklenmektedir. Ayrıca çalışmada hastanın WebCeph çıktısının, geliştirilen yapay zeka programının çıktısıyla karşılaştırılması ve alanında 20 yıllık deneyime sahip uzman bir çene cerrahı ile birlikte yapılan değerlendirilmesi sunulmaktadır. Bu araştırmadan çıkarılan sonuç, geliştirilen yapay zeka modelinin sefalometrik analizler ve klinik ortodontik uygulamada tanı, tedavi planlaması ve takip için bir temel oluşturan ameliyat öncesi hareket miktarlarının değerlendirilmesi için büyük bir umut vaat ettiğini göstermektedir.
Management of wireless communication systems using artificial intelligence-based software defined radio
Management of wireless communication systems has been investigated thoroughly with novel methods, which led to the development of mainly software based methods rather than hardware. Software-Defined Radio (SDR) is a common method for developing and implementing wireless communication protocols. In the proposed artificial intelligence based SDR system, wireless nodes are made self-organized in distributed form by using only local information. The proposed software based method can be used to control the channel frequency, bandwidth, and modulation format. The advantages of the software based system are explained. The general performance of the system is improved in terms of connectivity which belong to the SDR capabilities supported by wireless nodes, as well as a controlled mobility function. The requirements for the restricted connectivity by using SDR are made more stringent with regard to the maximum coverage.
EEG verileri ile derin öğrenme tabanlı epilepsi nöbeti teşhisi
Canlıların vücudunun düzenli bir şekilde işlemesini ve hayatını devam ettirmesi için gereken işleri yerine getirmesinin kontrolünü sağlayan temel organ beyindir. Bu açıdan düşünüldüğünde beynin insan hayatı için de hayati bir öneme sahip olduğu ve bu organ üzerinde meydana gelecek aksaklıkların direkt olarak vücudu etkileyeceği aşikardır. Elektroensefalografi (EGG) beyinde meydana gelen aksaklıkların tespit edilmesini sağlayan bir araç niteliğindedir ve beyinde gerçekleşen elektriksel aktivitenin sonucunda elde edilen bir sinyal türüdür. EEG sinyallerinin nörolojik hastalıklarının birçoğuna özel bilgiler taşıması da araştırmacıları bu sinyalleri incelemeye itmiştir. Beyinde meydana gelen ve EEG sinyallerinden faydalanılarak tespiti gerçekleştirilen hastalıklardan biri de gün geçtikçe görülme oranı artan ve kısıtlı imkanlar sebebiyle ölüm veya kalıcı hasarla sonuçlanabilen epilepsi hastalığıdır. Bu imkansızlıklardan doğan tehlikelerin varlığı araştırmacıları maliyeti düşük asistan sistemler önermeye sürüklemiştir. Bu çalışma kapsamında bizler de epilepsi hastalığının bu yayılışına istinaden uzmanların çevresel faktörlerden kaynaklı olarak yapabilecekleri hataları azaltmak ve bu hataların doğurabileceği telafisi zor olan veya olmayan hataların önüne geçilmesi adına bir asistan fikir oluşturmayı amaçladık. Bu doğrultuda iki farklı veri setiyle çalışmamızı gerçekleştirerek sağlıklı ve epilepsi hastalığına sahip insanların verilerini analiz edip bu analizler sonucunda deneklerin bulunduğu hallerin tespitini gerçekleştirmeyi amaçladık. Edindiğimiz bu amaç doğrultusunda The Hauz Khas veri setini ve literatürde sıklıkla kullanılan Bonn Epilepsi veri setini derin öğrenme yöntemlerinden Resnet-50, Resnet-101, AlexNet, GoogleNet ve VGG-19 yaklaşımlarını veri setlerine uygulayarak sınıflandırdık. Ancak verileri ham bir şekilde almaktansa sınıflandırma işlemine daha keskin sınırlarla tabi tutmak adına Kısa Zamanlı Fourier Dönüşümü (Short Time Fourier Transform, STFT) ve Sürekli Dalgacık Dönüşümü (Continous Wavelet Transform, CWT) yöntemlerini uygulayarak sınıflandırma doğruluğunu dolayısıyla da yöntemin kabul edilebilirliğini artırmaya çalıştık. Yapılan çalışma nihayetinde özellik çıkarım yöntemi olarak CWT kullanımının sonucunda The Hauz Khas veri seti üzerindeki preiktal ve iktal anlarını tüm sınıflandırıcılarla %100 oranında sınıflandırmayı başardık. Ayrıca Bonn veri setinin ikili sınıflandırmalarında da CWT özellik çıkarım yönteminden faydalanarak tüm sınıflandırıcılarla %100 başarı oranına ulaşırken