An area whose development has increased rapidly has been the fields of information and communication technologies with the developing technology in recent years. It has always been the idea of integrating developing technologies traditionally into different fields. Electrical power systems is one of these areas. The integration of developing information and communication technologies into classical electrical power systems has revealed the concept of Smart Grids. The desire of the people of our age to reach the information they want with smart devices much faster than in the past has also been effective in this field. In today's technology world, the real-time information flow of smart grids between suppliers and consumers can be seen as a complementary element for both parties. The idea of using renewable energy sources as an alternative to fossil fuel sources is increasing in order to use the energy sources of smart grids and electrical power systems in the most efficient way. In this study, a review has been made about the advantages of using renewable energy sources and energy efficiency in smart grids. Therefore, this study is expected to be a supportive resource for researchers working on smart grids, which is an area of increasing interest.

Bu çalışmada, patolojik görüntülerin sıkıştırılmış algılama tabanlı tek piksel mikroskop ile alınıp, görüntünün geri çatılması ile ilgili benzetimler yapılmıştır. Sıkıştırılmış algılamada, ölçüm matrisi olarak elemanları bağımsız ve aynı şekilde dağıtılan Gaussian ve Bernoulli matrisler kullanılmıştır. Geri çatma algoritması olarak da konveks optimizasyon tabanlı hem Toplam Varyasyon (TV) minimizasyonunun hem de L1 norm minimizasyonunun performansları incelenmiştir. Yapılan benzetimler sonucunda, 1:8 sıkıştırma oranında dahi patolojik görüntülerin geri çatılabildiği gösterilmiştir. Geri çatılan görüntülerin orijinal görüntü ile benzerlik endeksleri karşılaştırıldığında, özellikle yüksek sıkıştırma oranında TV minimizasyonu daha başarılı sonuçlar vermiştir. Hem Gaussian hem de Bernoulli rasgele ölçüm matrisleri ile patolojik görüntülerin geri çatılabildiği gösterilmiştir. Sonuç olarak sıkıştırılmış algılama tabanlı tek piksel mikroskop tasarımlarında Bernoulli ölçüm matrisinin kullanılması önerilmiştir.

Electrocardiogram (ECG) signals are continuously monitored for early diagnosis of heart diseases. However, a long-term monitoring generates large amounts of data at a level that makes storage and transmission difficult. Moreover, these records may be subject to different types of noise distributions resulting from operating conditions. Therefore, an effective and reliable data compression technique is needed for ECG data transmission, storage and analysis without losing the clinical information content. This study proposes the ε-insensitive Huber loss based support vector regression for the compressing of ECG signals. Since the Huber loss function is a mixture of quadratic and linear loss functions, it can properly take into account the different noise types in the data set. Compression performance of the proposed method has been assessed using ECG records from the MIT-BIH arrhythmia database. Experimental results demonstrate that the proposed loss function is an attractive candidate for compressing ECG data.

Introduction: Working with functional magnetic resonance imaging (fMRI) often involves engaging with multiple file formats and complex viewers. In this study, we developed a novel platform as a visualization and conversion fMRI (VCfMRI) MATLAB toolbox for fMRI data. Methods: The VCfMRI was developed to read and write 3D fMRI volumes in DICOM, ...

Mesane kanserinin (BC) erken teşhisi, hastalığın tedavisi ve seyri için büyük önem taşımaktadır. Teşhis için en etkili yöntem, çeşitli işlemlerin uygulandığı doku örneğinin patolog tarafından mikroskop altında incelenmesidir. Ancak bu yaklaşım subjektiftir ve patologların bilgi ve tecrübesine bağlı olarak değişebilir. Objektifliği artırmak ve patoloğa yardımcı olmak için bu çalışma, tam slayt görüntülerinden (WSI) otomatik mesane ürotelyal karsinom derecelendirmesini sunar. Naive Bayes, k en yakın komşu ve karar ağacı gibi 3 farklı makine öğrenme yöntemi kullanılarak performans karşılaştırması yapılır. Deneysel sonuçlar, karar ağacı yönteminin %82 ile en yüksek performansı elde ettiğini ve tanı sırasında patoloğa yardımcı olmak için kullanılabileceğini göstermektedir.