14 July 2020 in Neural Computing and Applications
1 May 2021 in Physics Letters A
3 December 2024 in Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi
Diyabet, dünya çapında prevelansı her geçen gün artan metabolik bir halk sağlığı sorunudur. Bu hastalık kontrol altına alınmaması durumunda birçok doku ve organ üzerinde geri dönüşümü olmayan hasarlara neden olabilmektedir. Bu nedenle, diyabet hastalığının erken teşhisi ve etkili bir şekilde yönetilmesi, hastaların yaşam kalitesinin arttırılması ve potansiyel sağlık risklerinin azaltılması açısından kritik bir öneme sahiptir. Sağlık sektöründe, hastalıkların teşhisinde yaygın olarak kullanılan makine öğrenimi (MÖ) tabanlı karar destek sistemleri (KDS) önem arz etmektedir. Bu çalışmada, diyabet teşhisi için önerilen MÖ tabanlı bir KDS sunulmuştur. Çalışma kapsamında, veri seti rasgele 80:20 oranında beş kez bölünmüş ve beş farklı MÖ algoritmasıyla (k-en yakın komşu, ridge, aşırı gradyan arttırma, ekstra ağaç ve gradyan arttırma) performansları değerlendirilmiştir. Bunun için veri setindeki özellikler RO algoritmasıyla değerlendirilerek Ki-kare testine dayalı SelectKBest yöntemiyle en anlamlı özellikler belirlenmiştir. Ayrıca önerilen sistem performansı üzerinde yeniden örnekleme tekniklerinin (sentetik azınlık aşırı örnekleme tekniği, Near Miss) etkileri analiz edilmiştir. Yapılan analizler sonucunda, Near Miss yeniden örnekleme tekniğinin veri setine uygulanmasıyla gradyan arttırma algoritmasının en iyi performansı sergilediği tespit edilmiştir. Bu durumda, test verileriyle yapılan analizlere göre göre F-skor, kesinlik, doğruluk ve duyarlılık değerleri sırasıyla %99.44, %98.89, %99.45 ve %100 olarak hesaplanmıştır.
16 April 2025 in The European Physical Journal Special Topics
29 April 2024 in Karaelmas Science and Engineering Journal
Kalp yetmezliği önemli morbidite ve mortaliteye sahip bir kardiyovasküler hastalık olup, dünya çapında giderek daha fazla insanı etkilemektedir. Klinik verilerle kalp yetmezliği tanılı hastaların sağ kalımlarını tahmin etmek oldukça zordur. Bu çalışmada, kalp yetmezliği tanılı hastaların hayatta kalma tahmininin doğruluğunu artıracak önemli özellikler ve etkili makine öğrenme (MÖ) algoritması tespit edilerek, etkili ve verimli bir MÖ temelli bir yapay zeka modeli tasarlanmaya çalışılmıştır. Bunun için yedi farklı MÖ algoritmasının performansları veri setinden çıkarılan belirleyici özelliklere dayanarak karşılaştırılmıştır. Veri setindeki dengesizliği gidermek ve daha gerçekçi doğruluk değerine sahip modeller elde etmek için amacıyla sentetik azınlık aşırı örnekleme tekniği (SMOTE) ile iki farklı çapraz doğrulama tekniğinden yararlanılmıştır. Yapılan benzetim çalışmaları sonucunda SMOTE tekniğinin kalp yetmezliği tanılı hastaların hayatta kalma oranını tahmininde sınıflandırıcıların performanslarını önemli ölçüde arttırdığı tespit edilmiştir. Birisi dışarıda çapraz doğrulama tekniğinde rastgele orman algoritmasıyla %90’lık bir başarım elde edilirken, 10 kat çapraz doğrulama tekniğinde ekstrem gradyan arttırma algoritmasıyla %93 doğruluk değeriyle en yüksek başarım değerine ulaşılmıştır. Elde edilen sonuçlar literatürde benzer veri seti kullanılarak yapılan çalışmalarla kıyaslandığında önerilen yöntemin daha yüksek performans sergilediği tespit edilmiştir. Önerilen yöntem hem sağlık sistemini iyileştirme hem de sağlık hizmeti sağlayıcıları için kalp yetmezliği tanılı hastaların hayatta kalmasını tahmininde etkili bir yöntem olma potansiyeli bulunmaktadır. Bununla birlikte uzman hekimlere kalp yetmezliği tanılı hastaların tedavi sürecinin planlanmasında yol gösterici olacaktır.
6 July 2025 in Journal of Polytechnic
Yapay sinir ağlarının bilgisayarlı sistemlerde kullanımı birçok alanda yaygınlaşsa da küçük bilgisayarlarda sınırlamalara takılmaktadır. Kaynakları kısıtlı olan küçük bilgisayarlarda modelin oluşturulması ve eğitimi için büyük ölçekli sistemlere ihtiyaç duyulmaktadır. Bu çalışmada Kırınım Analizi algoritmasını küçük cihazlara uyarlanarak yapay sinir ağının başarılı bir şekilde oluşturulduğu gösterilmektedir. IRIS, wine ve diyabet veri setleri kullanılarak gerçek zamanlı kırınım analizi yapılmıştır. Çalışmanın sinir ağlarının uç cihazlarda yaygınlaşmasına katkı sunacağı beklenmektedir.