Yazar "Doğan, Yahya" seçeneğine göre listele
Listeleniyor 1 - 7 / 7
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe A Comparative Study on Data Balancing Methods for Alzheimer's Disease Classification(2024) Öter, Esma; Doğan, YahyaAlzheimer's disease is a prevalent neurological disorder affecting millions of people worldwide, often associated with the aging process, leading to the death of nerve cells in the brain and loss of connections. Recently, promising results have been demonstrated in diagnosing Alzheimer's disease using deep learning models, and various approaches for early diagnosis have been proposed. However, the imbalance in health datasets, particularly those containing rare cases, can lead to performance losses and misleading results during model training. This study focuses on these imbalance issues, evaluating the effectiveness of different balancing methods using the Alzheimer's MRI dataset. In this context, the performance of SMOTE, ADASYN, and Weight Balancing methods is compared using a custom model. Experimental results indicate that, compared to the original imbalanced dataset, Weight balancing outperforms in terms of accuracy, precision, recall, and F1 score. While SMOTE and ADASYN show improvement in various metrics, they are considered inferior to the Weight Balancing method. This study contributes to selecting data-balancing methods to enhance the accuracy of deep learning models in Alzheimer's disease classification and emphasizes the importance of addressing class imbalances in health datasets.Öğe Classification of Siirt and Antep Pistachio nuts based on Computer Vision(2015-01-01) Ataş, Musa; Doğan, Yahyain this study machine vision based pistachio nut classifier system is presented. Proposed system is evaluated on the Siirt pistachio species. Siirt pistachio nuts differ from other pistachio species such as Antep pistachio according to their shape, size and taste properties. Traditionally, pistachio nuts are inspected/classified via visual inspection of workers, manually. As a result, classification process is subjected to poor efficiency in terms of time and cost. Moreover, visual inspection and classification by hand is a tedious process and may contain various health risks. Our developed machine vision system aims to classify pistachio nuts to closed and open shell classes in a fully automated manner.For the sake of simplicity and rules extraction ability from training dataset, J48 decision tree was utilized as a main classifier. Classification performance of J48 was also compared to other well-known classifiers including Naïve Bayes and Multi-Layer Perceptron (MLP). Experiments revealed that proposed system using J48 decision-tree yields simple and interpretable classifier along with satisfactory classification accuracy performance of 94.5%.Öğe Derin Öğrenme Yöntemleriyle Çapraz Veri Seti Değerlendirmesi Altında COVID-19 Tespiti(2023) Doğan, YahyaCOVID-19 salgını tüm dünyayı etkilemiş ve son yüz yılın en şiddetli rahatsızlıklarından biri haline gelmiştir. Yüksek bulaşıcılığı nedeniyle, COVID-19’un erken aşamada tespiti ve enfekte olan hastaların diğerlerinden izole edilmesi pandemiyi kontrol etmede en önemli aşamalardan biridir. Revers-Transkriptaz Polimeraz Zincir Reaksiyonu (RT-PCR) enfekte olan hastaları teşhis etmek için kullanılan en yaygın yöntemdir; ancak, bu yöntem zaman alıcı ve yoğun emek gerektirmektedir. Yakın zamanda, COVID-19’un hızlı tespiti için bilgisayarlı tomografi görüntüleri kullanılarak yapılan derin öğrenme tabanlı birçok çalışma mevcuttur. Bu çalışmalarda, enfekte olan hastalar hızlı ve yüksek doğruluk oranları (>%97) ile tespit edilebilmektedir. Fakat bu kapsamda hazırlanan veri setleri incelendiğinde, verilerin genellikle aynı ülke veya aynı ildeki hastanelerden elde edildiği gözlenmektedir. Bu durum, kurulan modelin etnik bağımlılığa sahip olmasına ve farklı veri setlerinde aynı performansı göstermemesine neden olabilir. Bu çalışmada, çapraz veri değerlendirmesi (eğitim ve test için farklı veri setleri) altında güncel derin öğrenme modellerinin performansı deneysel olarak incelenmiştir. İncelenen modeller arasında en yüksek tespit skoru %71.47 ile ResNet50 modeli kullanılarak elde edilmiştir. Ayrıca, eğitilen ResNet50 modelinin görüntünün sınıfına (Covid/Non-Covid) karar verirken odaklandığı alanları göstermek için Grad-CAM sonuçları sağlanmıştır.Öğe Enhancing Skin Cancer Diagnosis through the Integration of Deep Learning and Machine Learning Approaches(2024) Doğan, Yahya; Özdemir, CüneytSkin cancer is a disease characterized by the uncontrolled proliferation of skin cells, typically manifesting as lesions or abnormal growths. Early diagnosis is critical for improving treatment outcomes. This study proposes an innovative approach to skin cancer diagnosis by integrating modern deep learning models with traditional machine learning algorithms. A three-phase methodology was developed. In the first phase, meaningful features were extracted from skin lesion images using various transfer learning models, including Xception, VGG16, ResNet152V2, InceptionV3, InceptionResNetV2, MobileNetV2, EfficientNetB2, and DenseNet201. In the second phase, dimensionality reduction was performed using Principal Component Analysis (PCA). In the final phase, the reduced feature sets were classified using K-Nearest Neighbors (KNN) and Random Forest (RF) algorithms. Experimental results demonstrated that the highest accuracy of 91.28% was achieved through the combination of DenseNet201 for feature extraction, PCA for dimensionality reduction, and Random Forest for classification. These findings highlight the effectiveness of integrating transfer learning models, dimensionality reduction techniques, and machine learning algorithms in enhancing the accuracy of skin cancer diagnosis.Öğe Fast weighing of pistachio nuts by vibration sensor array(2016-01-01) Ataş, Musa; Doğan, Yahya; Ataş, İsaImpact acoustic sound signal is previously used to discriminate open-shell pistachios from closed ones and for crack detection purposes. Weight of the pistachio samples can be utilized as a feature vector for sorting and grading processes. Nevertheless, traditional weighing procedure is time consuming. Moreover, efficient fast weighing system based on impact acoustic signals for pistachio nuts has not been studied yet. This study aims to discuss the design and evaluation of a real time fast weighing system for pistachio nuts. Proposed system can be extended to other agricultural or industrial products where weight information is critical as well. In order to eliminate the sensor noise and improve the signal quality, piezoelectric sensor arrays containing 15 piezoelectric vibration sensors are employed. Final impact acoustic signal energy is determined by averaging the sensor array signals.10 pistachio samples with incremented weights ranging from 0.56 to 1.64 gr are utilized for calibration process of the sensor array. Extra two heavy objects (4.05 and 5.65 gr) are participated to the calibration set also. In order to improve accuracy and achieve consistent measurements repetitive trials approach is adopted. Excessive repetition of experiments theoretically yields more accurate and consistent measurements with minimum standard deviation. Consequently it is observed that 10 times repetition scheme produces satisfactory results with 3% coefficient of variation and 5ms of computational cost indicates that proposed system can be applicable for fast weighing of pistachio nuts.Öğe Siirt Fıstığının Bilgisayarlı Görü Sistemi Kullanılarak Otomatik Olarak Sınıflandırılması(2015) Ataş, Musa; Ataş, İsa; Acar, Hüseyin; Doğan, Yahya; Dilbilir, Yusuf; Demirtaş, Selman; Yiner, ZüleyhaBilgisayarlı görü sistemleri günümüzde birçok alanda (tarım, üretim, medikal, askeri, robotik) başarılı ve etkin bir şekilde kullanılmaktadır. Tarımsal gıdaların tahribatsız muayene kapsamında, paketlenmeden önce incelenerek kalite standartları çerçevesinde son kullanıcıya ulaştırılması, üretici firmaların rekabet gücünü arttırmaktadır. Türkiye, fıstık üretiminde dünyada üçüncü sırada yer almaktadır. 2015 verilerine göre en çok fıstık üretilen üçüncü il olan Siirt ilimiz, Türkiye’de üretilen fıstığın %18 ünü karşılamıştır. Siirt fıstığı daha iri taneli yapısı, düşük yağ oranı ve daha zengin besleyici özellikleriyle Antep fıstığına göre piyasada çerez olarak daha fazla rağbet görmektedir. Dicle Kalkınma Ajansı (DIKA) verilerine göre, Siirt ilinde yıllık 15 bin ton Siirt fıstığı işleyebilecek modern bir tesisin yapımı IPA (Katılım Öncesi Yardım Aracı) tarafından desteklenmiştir. Önümüzdeki üç yıl içerisinde bu tesisin aktif olacağı düşünülmektedir. Önerilen sınıflandırma sisteminin söz konusu tesiste kullanımı düşünülmektedir. Fıstık işlenme sürecinde önemli olabilecek üç basamak vardır. Bunlar; çatlamamış fıstıkların tespiti, içi boş fıstıkların dolu olanlardan ayrıştırılması ve fıstıkların boyut, şekil, sağlıklı oluşu, morfolojik ve estetik özelliklerine göre sınıflandırılmasıdır. Fıstık işleme fabrikalarında dış kabuğu ayrılmış fıstıklar ilk işlem olarak mekanik elekler ve çatlak tutucu kancalarla kabaca ayrıştırılmaktadırlar. Diğer taraftan nihai kalite standartlarına göre sınıflandırma, günümüzde işçiler tarafından ilkel yöntemlerle elle yapılmaktadır. Gıda hijyeni göz önüne alındığında bu yöntemin sağlık açısından sakıncaları vardır. Buna ek olarak, büyük tonajlı ürünlerin sınıflandırılması hem uzun zaman almakta, hem de etkin olamamaktadır. Tüketici açısından düşünüldüğünde çatlak olmayan ve kötü kalitedeki fıstıkların miktarı doğrudan müşteri memnuniyetini etkileyeceğinden, başarımı yüksek bir sınıflandırıcı sisteminin geliştirilmesi kaçınılmaz olmaktadır. Bu projede dış kabuğu alınmış fıstık numuneleri, Türk Standartları Enstitüsü (TSE) nün belirlediği standartlar da göz önüne alınarak sınıflandırılmaya çalışılmıştır. Bunun için bilgisayarlı görü sistemi temelinde aynı zamanda çarpma verisi de kullanılarak bir sınıflandırıcı sistemin prototipi geliştirilmiştir.Öğe Which pooling method is better: Max, Avg, or Concat (Max, Avg)(2024) Doğan, YahyaPooling is a non-linear operation that aggregates the results of a given region to a single value. This method effectively removes extraneous details in feature maps while keeping the overall information. As a result, the size of feature maps is reduced, which decreases computing costs and prevents overfitting by eliminating irrelevant data. In CNN models, the max pooling and average pooling methods are commonly utilized. The max pooling selects the highest value within the pooling area and aids in preserving essential features of the image. However, it ignores the other values inside the pooling region, resulting in a significant loss of information. The average pooling computes the average values within the pooling area, which reduces data loss. However, by failing to emphasize critical pixels in the image, it may result in the loss of significant features. To examine the performance of pooling methods, this study comprised the experimental analysis of multiple models, i.e. shallow and deep, datasets, i.e. Cifar10, Cifar100, and SVHN, and pool sizes, e.g. $2x2$, $3x3$, $10x10$. Furthermore, the study investigated the effectiveness of combining two approaches, namely Concat (Max, Avg), to minimize information loss. The findings of this work provide an important guideline for selecting pooling methods in the design of CNNs. The experimental results demonstrate that pooling methods have a considerable impact on model performance. Moreover, there are variances based on the model and pool size.
