Çalışmanın amacı blokzincir teknolojisinin kamu yönetimine etkisini araştırmaktır. Bu amacın gerçekleşebilmesi için blokzincir teknolojisinin kamu hizmetlerine, mevcut ve potansiyel etkileri ortaya konulmaktadır. Çalışma kısaca D5 (Dijital 5 Ulusları) adı verilen Birleşik Krallık, Estonya, Güney Kore, Yeni Zelanda ve İsrail ülke örnekleriyle sınırlıdır. Çalışmanın yöntemi içerik analizidir. Konuyla ilgili kişi ve kurumların yayınları, kurumsal ve erişime açık dokümanlarının içeriği incelenip, analiz edilmiştir. Bulgulara göre, devletin temel işlevleri açısından bakıldığında blokzincir teknolojisinin, iç ve dış güvenliği, adaleti sağlama işlevlerini yerine getirmede kullanılmaya başlandığı görülmektedir. Temel haklar ekseninde değerlendirildiğinde ise kamu otoriteleri tarafından blokzincir teknolojisinin, yaşama hakkı, sağlık hakkı, özel yaşamın gizliliği hakkı ve ekonomik haklar bağlamında çözümler üretmeyi sağlayan bir araç olabileceği değerlendirilmektedir. Kamu hizmetleri yönüyle değerlendirildiğinde blokzincir teknolojisinin, sosyal yardımların dağıtımına, pasaport almaya-vermeye, tapu sicil işlemlerini gerçekleştirebilmeye, devlet ve paydaşları arasındaki tedarik zinciri süreçlerini iyileştirmeye olanak sağladığı sonucunu ulaşılmaktadır. Sonuç olarak D5 üyesi ülkelerde, özellikle kamu hizmetlerinin vatandaşlara sunumunda blokzincir teknolojisinin kullanılması suretiyle blokzincir teknolojisi ile kamu yönetimi arasında etkileşimin başladığı görülmektedir.

Brain tumors are among the illnesses that, if not treated promptly, can lead to death. It is extremely difficult to detect tumor tissue using only eye examination methods. As a result, Magnetic Resonance (MR) imaging is used to diagnose brain tumors. T1, T1c, T2, and FLAIR MRI sequences provide detailed information about brain tumors. If the segmentation procedure is performed correctly, patients' chances of survival improve. This paper describes an automated brain tumor segmentation for FLAIR sequences in MR images using U-NeT method. The study has been carried out on the BraTS 2018 data set. The models' correctness has been assessed using the binary accuracy, dice coefficient, and IOU assessment criteria. The results of the comparison between the tumor regions identified by the expert physicians and the tumor regions calculated by the U-Net model are as follows: The model has been completed with 99.26% accuracy, and the dice coefficient value, which expresses the similarity on the basis of pixels for the test data, has been found to be 73.99%. Furthermore, the IOU value of 0.59 demonstrated that the model provided accurate estimates for the study.