Yazar "Talu, Muhammed" seçeneğine göre listele
Listeleniyor 1 - 9 / 9
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Bilgisayarlı Görüde Öz-Denetimli Öğrenme Yöntemleri Üzerine Bir İnceleme(2024) Talu, Muhammed; Alasu, SerdarDerin öğrenme modelleri son on yılda görüntü sınıflandırma, nesne tespiti, görüntü bölütleme vb. bilgisayarlı görü görevlerinde büyük başarılar elde etmelerine rağmen denetimli öğrenme yaklaşımında olan bu modellerin eğitiminde büyük miktarda etiketli veriye ihtiyaç duyulmaktadır. Bu nedenle, son yıllarda insanlar tarafından manuel olarak etiketlenen veriye ihtiyaç duymadan etiketsiz büyük boyutlu veriden faydalanarak genelleştirilebilir görüntü temsillerini öğrenebilen öz-denetimli öğrenme yöntemlerine ilgi artmıştır. Bu çalışmada, bilgisayarla görü görevlerinde kullanılan öz denetimli öğrenme yöntemleri kapsamlı bir şekilde incelenmiş ve öz denetimli öğrenme yöntemlerinin kategorizasyonu sağlanmıştır. İncelenen öz-denetimli öğrenme yöntemlerinin görüntü sınıflandırma, nesne tespiti ve görüntü bölütleme hedef görevleri için performans karşılaştırmaları sunulmuştur. Son olarak, mevcut yöntemlerdeki sorunlu hususlar tartışılmakta ve gelecek çalışmalar için potansiyel araştırma konuları önerilmektedir.Öğe DERİN AĞLAR İÇİN YENİ BİR BİRİMDİK DÜZGÜNLEŞTİRME YAKLAŞIMI(2024) Talu, Muhammed; Fırıldak, Kazım; Çelik, GaffariOrtagonal Düzgünleştirme (OD), derin ağların aşırı öğrenme (overfitting), gradyan patlamansı/kaybolmasını engellemek için kullanılmaktadır. Literatürde derin öğrenme için geliştirilen OD yöntemlerinin çoğunda ağ ağırlıklarını birim dik vektörler olarak öğrenme amaçlanmaktadır. Bu makalede ağ ağırlıklarını ikili olarak gruplayarak birim dik öğrenmeye zorlayan fonksiyon, maliyet fonksiyonuna eklenmektedir. Bu yöntem yapay sinir ağlarında ve konvülasyonel sinir ağlarında çeşitli veri kümelerinde (yapay veri ve gerçek veri) test edilmektedir. Ayrıca önerilen yöntem, literatürde öne çıkan Yumuşak Ortagonal (SO), Çift Yumuşak Ortagonal (DSO), Karşılıklı Tutarlılık (MC) ve Spektral Sınırlı İzometri Özellikli (SRIP) gibi yöntemler ile doğruluk, yürütülme zamanı, hata oranı metriklerinde karşılaştırılmaktadır. Karşılaştırma sonucunda doğruluk metriğinde farklı veri kümelerinin kullanan ağlarda %1-%5 arasında iyileşme sağlanmaktadır. Önerilen yöntem, Cifar10 veri kümesinde Resnet 110 ağında 92,96 dan %93,90’a ve Resnet 28-10 %95,84’den %96,78’a test başarısını yükseltmektedir.Öğe Histopatolojik Görüntü İçin Çok Ölçekli Artık Bölütleme Ağı(2024) Talu, Muhammed; Bozdağ, ZehraDerin öğrenme, nesne algılama/yer bulma, sentetik görüntü oluşturma, segmentasyon ve izleme gibi görüntü işlemeyle ilgili tüm alanlarda kullanılmaktadır. Özellikle tedavi sürecinde hızlı yanıt sağladığı için tıbbi görüntü segmentasyonu alanında sıkça kullanılmaktadır. Doğal histopatolojik görüntülerin farklı türde gürültüler, yapılar içermesi ve belirleyici niceliksel bilgilerin eksikliği, segmentasyon problemini çok zor hale getirmektedir. Yüksek parametreli klasik ağların uzun bir eğitim süresi vardır. Daha kısa bir eğitim süresi ve yüksek segmentasyon doğruluğu gereksinimi, bizi yeni bir hibrit ağ geliştirmeye yönlendirdi. Bu çalışma, histopatolojik görüntülerde segmentasyon gerçekleştirmek için bir oto-enkoder ağı (MSRSegNet) önermektedir. Geleneksel oto-enkoder yaklaşımlarından farklı olarak, kodlayıcı, füzyon ve kod çözme bloklarından oluşur. Kodlayıcı ve kod çözücü bloklarda, bloklar arasında bilgi paylaşmak ve farklı ölçeklerde özellikleri tespit etmek için çok ölçekli artık bloklar kullanılır. Füzyon bloğunda, çok ölçekli bağlamsal bilgileri korumak için Atrous Uzaysal Piramit Havuzlama (AUPH) modülü kullanılmaktadır. Bloklar arasındaki bilgi paylaşımı, önerilen yöntemin global özellikleri yakalama yeteneğini artırmıştır. Sonuçları karşılaştırmak için ortalama birlik üzerinden kesişim (mIoU) ve piksel doğruluğu (PA) performans parametreleri kullanılmıştır. Sonuç olarak, önerilen segmentasyon ağının yüksek doğruluğa (%69 mIoU) ve hızlı segmentasyon performansına (256x256 boyutunda bir görüntü için 0.061 saniye) sahip olduğu gözlemlenmiştir.Öğe Kırık Kemiklerin Kaynamasında Kullanılan İmplant Materyalin Giriş Aksını Konumlama Yöntemi ve 3D Slicer Eklenti Yazılımının Geliştirilmesi(2025) Talu, Muhammed; Belhan, OktayOrtopedik travma sonucunda kemik yapısında meydana gelen kırılma veya yerinden oynama sorunlarının tedavisinde tel veya vida gibi implant uygulaması yapılmaktadır. İmplant malzemenin kırık kemiğe doğru aks ve açıda uygulanması, kemiğin hızlı ve doğru kaynaması için önemlidir. Ancak kemik yapısının 3boyutlu karmaşık bir geometriye sahip olması ve iç dolgusunda delik veya boşluk içerebilmesi gibi durumlarda implant malzemenin doğru aks ve açıda uygulanması oldukça güçtür. Bu makalede, CT veya MRI çekimleri girdi olarak alarak belirlenen kemik yapısına implant malzemenin uygulanacağı aks ve açıyı otomatik tespit edebilen bir yöntem sunulmaktadır. Bu yöntem, CT veya MRI verisinin yüklemesi, veriden kemik yapısının ayıklanması, belirlenen kırık kemik bölgesinin kesilmesi ve modelinin üretilmesi, modelin merkez hattının çıkarılması (Voroni) ve çıkarılan noktalar üzerine doğru modelinin uydurulması (Line Regression) aşamalarını içermektedir. Uygulama çalışmaları 3D Slicer yazılımında ve Python programlama dilinde gerçekleştirilmiştir. Uygulama çalışmalarında RibFrac2020 veri kümesindeki CT taramaları kullanılmıştır. Uygulama sonuçları incelendiğinde, düzgün ve simetrik kemik yapılarında implant malzemenin sorunsuz bir şekilde yerleştirilebildiği, bununla birlikte dış geometrik yapısı düzgün olmayan veya iç kısmında boşluklar bulunan kemik yapılarında merkez hattında çatallaşmanın meydana geldiği görülmüştür. Bu durumda cerrah çatallaşan hatları eleyerek tek bir ana hat kalmasını sağlar. Böylece geliştirilen yöntemin düzgün veya düzensiz kemik yapılarına uygulanabildiği ve implant malzemenin en uygun aks ve açısını hesaplayabildiği görülmüştür. Önerilen yöntemin implant uygulama doğruluğunu maksimize ettiği, böylece hasta ve cerrah konforunu arttırma potansiyeline sahip olduğu değerlendirilmektedir.Öğe MPROVIOT – Çok Amaçlı IoT Rover Robot(2024) Talu, Muhammed; Alpaslan, Nuh; Bağbars, AhmetRobotlar esneklik ve çeşitlilikleriyle farklı alanlarda kullanılmaktadır. Bu çalışma, araştırma, keşif ve eğitim amaçları için çok amaçlı bir robot tasarlama ve geliştirme üzerine odaklanmaktadır. Araştırmanın ana amacı, uzaktan kumandalı ve IoT teknolojisine sahip bir Rover robot platformu tasarlamaktır. Robotun farklı yeteneklerini test etmek için çeşitli senaryolar oluşturulmuş ve robotun performansı gözlemlenmiştir. Elde edilen veriler hem nitel hem de nicel yöntemlerle analiz edilmiştir. Geliştirilen Rover robotu hem RC hem de IoT kontrolleriyle başarıyla yönetilebilmektedir. Ayrıca, robotun IoT yönü için bir web sunucusu geliştirilmiştir ve robotun hem kol hem de kafa kamerası görüntüleri IoT olarak iletilmektedir. Robotun modüler tasarımı, farklı görevler için uygun olmasını sağlamakta ve eğitim amaçlı kullanıma uygun hale getirmektedir. Bu araştırmanın sonuçları, çok amaçlı rover robotlarının farklı alanlarda kullanım potansiyeline sahip olduğunu ve eğitimde de etkili bir araç olabileceğini göstermektedir.Öğe SimCLR-based Self-Supervised Learning Approach for Limited Brain MRI and Unlabeled Images(2024) Talu, Muhammed; Fırıldak, Kazım; Çelik, GaffariIn this study, a SimCLR-based model is proposed for the classification of unlabeled brain tumor images in medical imaging using a self-supervised learning (SSL) technique. Additionally, the performances of different SSL techniques (Barlow Twins, NnCLR, and SimCLR) are analyzed to evaluate the performance of the proposed model. Three different datasets, consisting of pituitary, meningioma, and glioma brain tumors as well as non-tumor images, were used as the dataset. Out of a total of 7,671 images, 6,128 were used as unlabeled data, and the model was trained with both labeled and unlabeled data. The proposed model achieved high performance with unlabeled data, reducing the need for manual labeling. As a result, the model demonstrated superior performance compared to other models, with high performance values such as 99.35% c_acc and 96.31% p_acc.Öğe Stereotaktik Girişimlerde Trajeksiyon Oluşturmak için Vasküler Risk Haritasının Otomatik Üretilmesi(2025) Talu, Muhammed; Ozturk, Sait; Şahin, MustafaBeyin içerisinde hedeflenen noktaya güvenli bir şekilde ulaşmak önemli bir konudur. Trajeksiyon (giriş-hedef) boyunca kritik beyin yapılarına girilmemesi hedeflenir. Klasik planlamada beyin yapıları (AC, PC, MC), giriş ve hedef noktaları cerrah tarafından manuel işaretlenir. Zaman alıcı ve yüksek risk barındıran bu sürecin bilgisayar destekli yazılımlarla desteklenmesine ihtiyaç duyulmaktadır. Bu alanda yapılan çalışmalar incelendiğinde, beyin yapılarının (beyin, tümör, vasküler ağ) tespit edilerek giriş risk haritasının otonom üretildiği bir hedefleme sisteminin bulunmadığı görülmektedir. Ayrıca özgün bir trajeksiyon risk hesabı modeli önerilmektedir. Bu model iki seviyeli vasküler ağı sınıra uzaklığa göre gri ölçeğe dönüştürerek vasküler yapıdaki sınır ile merkez noktanın riske etkisini düzenler. Vasküler ağdaki bu güncelleme daha doğru bir risk haritasının elde edilmesini sağlamıştır. Beyin ve tümör yapılarının tespitinde sırayla HD-BET ve SwinUnet modelleri kullanılmıştır. Yapılan çalışmanın doğrulama faaliyetlerinde iki farklı beyin cerrahının manuel trajeksiyon verileri kullanılmıştır. Önerilen otomatik trajeksiyon tespit yaklaşımının cerrahlarla kıyaslandığında yaklaşık %50 daha düşük risk değerli trajeksiyon belirleyebildiği görülmektedir. Bir sonraki çalışmada, tümör yerine STN yapıları hedeflenerek risk haritaları üretilecek ve epilepsi operasyon güvenliğinin arttırılması hedeflenecektir.Öğe Tam Bağlı İleri Beslemeli Sinir Ağlarda Softplus Aktivasyon Fonksiyonu İçin Yeni Bir Yol Ağırlık Başlatma Düzeni(2025) Talu, Muhammed; Donmez, Emrah; Turhan, Mehmet MuratDerin sinir ağlarının eğitilebilirliği, özellikle katman sayısı arttığında, gradyan sönümlenmesi veya patlaması gibi sorunlar nedeniyle zorlaşmaktadır. Bu çalışmada, Softplus aktivasyon fonksiyonu kullanılan tam bağlı ileri beslemeli sinir ağları için, merkezi limit teoremine dayalı iki yeni yol ağırlık başlatma düzeni önerilmiştir. İlk düzen yalnızca ileri yönde sinyal istatistiklerini, ikincisi ise hem ileri hem de geri yönde istatistikleri korumayı hedeflemektedir. CIFAR-10 ve CIFAR-100 veri kümeleri üzerinde yapılan deneylerde, derin mimarilerde yalnızca ileri yöndeki istatistik korumanın yeterli olmadığı, iki yönlü korumanın ise ağın eğitilebilirliğini anlamlı şekilde artırdığı gözlemlenmiştir. Özellikle 25 gizli katmanlı ağlarda, yalnızca iki yönlü koruma sağlayan başlatma düzeniyle başarılı eğitim gerçekleştirilebilmiştir. Elde edilen sonuçlar, aktivasyon fonksiyonu dinamiklerine uygun başlatma stratejilerinin, derin sinir ağlarının eğitilebilmesinde belirleyici rol oynadığını göstermektedir.Öğe Yeni bir Orthogonal Düzgünleştirme Kullanan Artık Yapay Sinir Ağı ile X-Ray Görüntülerinden Covid-19 Tespiti(2025) Talu, Muhammed; Fırıldak, Kazım; Çelik, GaffariCovid-19, solunum yollarını etkileyen ve küresel ölçekte ciddi sağlık sorunlarına neden olan viral bir enfeksiyondur. Bulaşıcılığı nedeniyle hastalığın erken teşhis ve doğru sınıflandırılması büyük önem taşımaktadır. Bu çalışmada, X-ışını görüntülerinden Covid-19 hastalığının tespit doğruluğunu artırmak için yeni bir ortogonal düzgünleştirme yöntemi önerilmiştir. ResNet110 ağına uygulanan yöntem, geleneksel ortogonal düzgünleştirme yaklaşımlarına kıyasla sınıflandırma doğruluğunu artırılmaktadır. Deneysel çalışmalarda, önerilen yöntem çeşitli düzgünleştirme teknikleriyle karşılaştırılmış ve test doğruluk oranını %96,52'ye çıkarılarak en yüksek sınıflandırma doğruluğu elde edilmiştir. Önerilen yöntemin özellikle eğitim sürecinin sonraki aşamalarında modelin öğrenme eğrisini optimize ettiği ve test doğruluğunu artırdığı da görülmüştür. Ayrıca, Covid-19 tespiti için mevcut ortogonal düzgünleştirme yöntemleriyle karşılaştırıldığında, önerilen yaklaşım test sınıflandırma performansını doğruluk, F1 puanı, duyarlılık, keskinlik ve özgüllük metriklerinde yaklaşık %1 oranında iyileşme sağlanmıştır.
