Anaerobik gut funguslarının yapay zeka algoritmalarıyla morfolojik tanımlanması ve sınıflandırılması

Bu tez çalışmasında öncelikle anaerobik gut funguslarının sınıflandırılması ve morfolojik olarak tanımlanmasında yapay zekâ algoritmaları kullanıldı. Yapay zekâ, mikroorganizmaların sınıflandırılmasında, özellikle makine öğrenimi (ML) ve derin öğrenme (DL) algoritmalarının kullanımını içerdi. Bu algoritmalar, mikroorganizmaların özelliklerini (genetik, morfolojik, biyokimyasal, vb.) analiz ederek doğru sınıflandırmalar yapabilmesi için kullanıldı. Özellikle genom verilerinin (DNA, RNA dizileri) analizi, mikroorganizmaların türlerini belirlemede önemli bir yöntem olarak kullanıldı. Konvolüsyonel Sinir Ağları (Convolutional Neural Networks - CNN) na bağlı mimarilerden olan; AlexNet, ResNet ve GoogLeNet ile derin öğrenme alanında, özellikle görüntü tanıma ve sınıflandırma alanında önemli potansiyele sahiptir. Bu çalışmada da Caecomyces isimli anaerobik gut fungus türünden 1.129 görüntü, Neocallimastix isimli anaerobik gut fungus türünden 1.253 görüntü, Orpinomyces isimli anaerobik gut fungus türünden 1.126 görüntü ve Promyces isimli anaerobik gut fungus türünden 426 görüntü olmak üzere toplam 3.934 görüntüden oluşan veri seti verildi. Bu veri setleri önemli yapay zekâ mimarileri olan Alexnet, googlenet ve resnet-101 mimarilerine verilmiş olup ve her birinin ayrı ayrı 3 adet özellik matrisi elde edilmiştir. Alexnet mimarisinden elde edilen özellik matrisi kullandığımız matlab programında cllasification layer da bulunan tüm sınıflandırma algoritmalarında ayrı ayrı çalıştırılıp çıkan sonuçlar karşılaştırılarak en yüksek oranda sınıflandırmayı doğru yapan 6 adet sınıflanndırma algoritması tespit edildi. Bu sınıflanndırma algoritmaları Quadratic SVM, Fine KNN, Wide Neural Network, Cubic SVM, Supspace KNN ve SVM Kernel algoritmalarıdır. 3 Farklı mimariden alınan 3 farklı özellik matrisi 6 farklı sınıflanndırma algoritmasıyla çalışılmış ve toplamda 18 sonuç elde edilmiştir. Özellikle Resnet-101 mimarisi ve Cubic SVM algoritmasıyla elde edilen %94 doğruluk oranın da oldukça yüksek bir oran ve çalışma sonucu elde edilmiştir.