Fen Bilimleri Enstitüsü / Science Institute

Permanent URI for this collectionhttps://hdl.handle.net/11727/1392

Browse

Now showing 1 - 20 of 64

19. Yüzyılda İzmir’de gündelik hayat ve kentsel mekânın üretimi: Frenk sokağı
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025)
Doğu Akdeniz’den Asya’ya açılan bir kapı niteliği taşıyan İzmir, yüzyıllar boyunca değişen ticaret ağları ile Osmanlı İmparatorluğu ve Akdeniz’in önemli ticaret merkezi haline gelmiştir. 15. yüzyıl ve 16. yüzyıl boyunca küçük bir yerli liman olan İzmir, 17. yüzyılda ticarete bağlı olarak gelişmeye başlamıştır. Özellikle 19. yüzyılda hem Osmanlı kentleri hem de diğer Akdeniz liman kentleri arasında toplumsal yapısı ve kentsel gelişimiyle öne çıkmıştır. Deniz ticaretinin dışında 19. yüzyılda kara ve demiryolu bağlantılarıyla da Doğu Akdeniz ve Ege ticaret yollarında kilit noktası olmuştur. İzmir’in tarihsel süreçte üstlendiği liman kenti kimliği ise, ekonomik canlılığının artışına ve buna bağlı olarak şehrin demografik yapısını da doğrudan etkilemiştir. Kente farklı coğrafyalardan göçler gerçekleşmiş, bu durum nüfusun ve gündelik hayatın çeşitlenmesine zemin hazırlamıştır. Frenk, Rum, Türk, Yahudi ve Ermeni toplulukların bulunduğu kent, bu çok kültürlü yapısıyla kozmopolit bir karakter kazanmış; söz konusu toplulukların gündelik hayat ihtiyaçları ve sosyal gereksinimleri doğrultusunda tiyatrolar, kafeler, birahaneler ve kulüpler gibi çeşitlenen mekânlar, kent yaşamını hem işlevsel hem de sosyal açıdan renklendirmiştir. İzmir’de gündelik yaşamın, ticaretin ve sosyal etkileşimin odak noktalarından biri olan Frenk Sokağı ise, Batılı yaşam tarzı ile çok kültürlü yapının izlerini taşımaktadır. Bu özellikleriyle Frenk Sokağı, 19. yüzyıl ve öncesinde kent dokusunda ayrışan ve mekânsal olarak gelişen önemli bir kentsel mekândır. Çeşitli işlevlere sahip yapılarla çevrili olan bu sokak, yalnızca alışverişin değil, farklı topluluklar arasında etkileşim alanı olmuştur. Tarihsel süreçte etkilendiği fiziksel yıkımlara rağmen, 20. yüzyılın başlarına kadar şehrin hem gündelik hayatta hem de ticari açıdan önemli kentsel mekânlarından biri olma niteliğini sürdürmüştür. 19. yüzyıl öncesinden başlayarak Cumhuriyet’in ilanına kadar uzanan dönemde İzmir’in önemli kentsel mekânlarından biri olan Frenk Sokağı üzerinden kentin mekânsal dönüşümünü ve gündelik yaşam pratiklerini incelemeyi amaçlayan bu tez çalışması, aynı zamanda kentin sosyal yapısını ve çok kültürlü kimliğini bu sokağın geçirdiği değişimler üzerinden irdelemektedir. Ayrıca çalışma, 19. yüzyıl İzmir’inde gündelik ve eğlence hayatını çoğunlukla Kordon boyu üzerinden ele alan mevcut araştırmalardan farklı olarak hem mekânsal odağı hem de ele aldığı tarihsel dönem itibariyle Frenk Sokağı’na odaklanarak özgün bir bakış açısı sunmaktadır. Bu kapsamda, Frenk Sokağı’nın tarihsel süreçte mekânsal dönüşümünü analiz edebilmek amacıyla döneme ait kent haritaları ve planları kronolojik bir yaklaşımla analiz edilmiş; ticaret rehberleri, reklam broşürleri, kartpostallar ve gazete ilanları gibi çeşitli kaynaklardan yararlanılmıştır. Çalışmanın sonucunda, elde edilen bulgular doğrultusunda, Frenk Sokağı’nın fiziksel yapısında, işlevsel çeşitliliğinde ve gündelik hayatın etkileşim alanlarında yüzyıllar içerisindeki meydana gelen değişim; çevresindeki kent dokusu ve diğer kentsel mekânlarla birlikte bütüncül bir şekilde değerlendirilmiştir. İzmir, located as a gateway from the Eastern Mediterranean to Asia, has historically become an important commercial center through its evolving trade networks, both within the Ottoman Empire and across the Mediterranean. During the 15th and 16th centuries, İzmir remained a small local port; however, it began to grow in the 17th century as trade activities expanded. Especially in the 19th century, the city distinguished itself among Ottoman towns and other Mediterranean ports with its urban development and social structure. In the 19th century, İzmir’s strengthening railway and overland connections, in addition to maritime trade, turned the city into a key node on the Eastern Mediterranean and Aegean trade routes. Its long-standing identity as a port city significantly contributed to the increase in its economic vitality and directly impacted its demographic structure. Migrations from different regions diversified the city's population and enriched its daily life. The presence of Frank, Greek, Turkish, Jewish, and Armenian communities endowed İzmir with a cosmopolitan character; the social and cultural needs of these groups led to the emergence of diverse spaces such as theaters, cafés, beer halls, and clubs, which collectively enriched urban life both functionally and socially. Frank Street, one of the main centers of daily life, trade, and social interaction in İzmir, emerged as a space where Western lifestyles and multicultural elements coexisted. Surrounded by buildings serving multiple functions, the street was not only a commercial hub but also an urban space, where different communities encountered. Despite physical destructions over time, the Frank Street maintained its significance as one of İzmir’s prominent urban spaces well into the early 20th century. This thesis aims to examine İzmir’s spatial transformation and everyday life practices through the case study of Frank Street, a key urban space from the pre-19th century period until the proclamation of the Republic. It also evaluates the transformations of the street in relation to the city's social structure and multicultural identity. Whereas existing research often focuses on leisure and everyday life in 19th-century İzmir by concentrating on the Kordon promenade, this study focused on Frank Street within a wider temporal frame. In this context, historical maps and urban plans were chronologically analyzed to trace the spatial development of the street. Moreover, a variety of sources such as trade guides, yearbooks, advertisement brochures, postcards, and newspaper advertisements were used. Based on the findings, the changes in the physical structure, functional diversity, and areas of social interaction on Frank Street are evaluated in a comprehensive way, together with the surrounding urban fabric and other spatial components.
8.5 GHz FMCW radarı kullanarak araç, insan ve dron üzerinden oluşturulan menzil doppler haritalarının uzamsal boyutlarda sınıflandırılması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Öztürkoğlu, Alkın
Bu tezde, menzil doppler haritalarına bağlı olarak insan, dron ve araç özelinde nesne sınıflandırma teknikleri araştırılmıştır. Kullanılan makine öğrenmesi ve derin öğrenme modelleri mimarileri, ardışık menzil doppler görüntülerinin uzamsal ve zamansal özellikleri dikkate alınarak belirlenir. Kamuya açık olan RDRD veri seti, önerilen model mimarisini eğitmek ve değerlendirmek için kullanılmıştır. Veri seti, bir 8.5 GHz frekans modüleli sürekli dalga radarı kullanılarak toplanmış; insan, araç ve dron gibi farklı hedef türlerine ait menzil doppler görüntülerini içermektedir. Belirli bir yol boyunca seyahat eden araç, dron ve insan için belirli sinyal işleme adımlarından geçirilerek elde edilen bu görüntüler, her sınıf için ardışık şekilde bir araya getirilerek bir görüntü yığını oluşturulmuştur. Söz konusu veri seti içindeki görüntülerin işlenmesi için, makine öğrenme ve derin öğrenme yöntemlerini içeren birkaç görüntü sınıflandırma tekniği vardır. Bu kapsamda, makine öğrenmesi tabanlı Rastgele Orman (RF) ve Aşırı Gradyan Artırmalı Öğrenme (XGB) algoritmalarının yanı sıra, derin öğrenmeye dayalı 2 Boyutlu Evrişimli Sinir Ağı (2D CNN) ve Görsel Dönüştürücü (ViT) mimarileri de karşılaştırmalı olarak değerlendirilmiştir. Bu mimariler özelinde, bahsedilen üç ayrı hedef için RF mimarisi test veri setinde %91,45, XGB yöntemi %92,54, özelleştirilmiş 2D CNN modeli %94,34 ve ViT mimarisi test veri seti üzerinde %93,19 oranında sınıflandırma doğruluğu sağlamıştır. In this thesis, object classification techniques for human, drone and vehicle based on range doppler maps are investigated. The machine learning and deep learning model architectures used were determined by considering the spatial and temporal characteristics of consecutive range doppler images. The publicly available RDRD dataset is used to train and evaluate the proposed model architecture. The dataset contains range doppler images of different types of targets, such as humans, vehicles and drones, collected using an 8.5 GHz frequency modulated continuous wave radar. These images, which are obtained by performing certain signal processing steps for vehicles, drones and humans traveling along a given path, are stacked together consecutively for each class to form an image stack. There are several image classification techniques for processing these images, including machine learning and deep learning methods. In this context, machine learning based Random Forest and XGBoost algorithms as well as deep learning based 2D Convolutional Neural Network and Visual Transformer architectures are comparatively evaluated. Specific to these architectures, Random Forest architecture provided 91,45%, XGBoost obtained 92,54%, custom developed 2D Convolutional Neural Network resulted 94,34% and Visual Transformer architecture achieved 93,19% classification accuracy on the test dataset.
Adana ilinde yaşayan 18-64 yaş arasındaki yetişkin bireylerin pandemi (Covid-19) döneminde beslenme durumlarının, besin takviyesi kullananların, korku ve kaygı düzeylerinin incelenmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2022) Gönül, Mustafa
Bu araştırma; 18-64 yaş arasındaki yetişkin bireylerin pandemi döneminde beslenme durumlarının, Covid-19 kaynaklı kaygı düzeylerinin ve besin desteği kullanım durumlarının incelenmesi amacıyla planlanıp yürütülmüştür. Çalışma Şubat 2021-Aralık 2021 tarihleri arasında Adana’da yaşayan 18-64 yaş aralığındaki gönüllü 83 kadın ve 177 erkek olmak üzere toplam 260 katılımcıyla yürütülmüştür. Çalışmada bireylerden demografik özellikleri, sağlık bilgileri, beslenme alışkanlıkları, besin desteği kullanım durumları, antropometrik ölçümleri (vücut ağırlığı ve boy uzunluğu), besin tüketim sıklığı, Koronavirüs Kaygı Ölçeği ve Covid-19 Korkusu Ölçeğini içeren anket formunu çevrimiçi ortamda doldurmaları istenmiştir. Bireylerin pandemi öncesi ve pandemi sırasındaki Beden Kütle İndeksleri (BKİ) hesaplanmıştır. Çalışmaya katılan kadınların yaş ortalaması 35.89 ± 10.63 yıl, erkeklerin yaş ortalaması 42.58 ± 9.2 yıldır. Örneklemdeki toplam yaş ortalaması ise 40.45 ± 10.15 yıldır. Pandemi sırasında pandemi öncesine göre 2 ana öğün tüketim sıklığı artarken (sırasıyla %50.4 ve %54.6) 1 ana öğün (sırasıyla %1.5 ve %1.9) ve 3 ana öğün (sırasıyla %48.1 ve %43.5) tüketim sıklığı azalmıştır (p<0.001). Pandemi sırasında pandemi öncesine göre 2 ara öğün tüketim sıklığı artarken (sırasıyla %21.9 ve %30.4) 1 ara öğün tüketim sıklığı (sırasıyla %40.4 ve %35.4) artmıştır. Çalışmaya katılan bireylerin pandemi sırasında fiziksel aktivite ve ev dışı öğün tüketim sıklıklarının azaldığı görülmektedir (p<0.001). Katılımcıların çoğunluğu (%44.2) pandemi öncesinde haftada 1-3 kez dışarıda yemek yediklerini belirtirken pandemi sırasında ayda 1 ya da daha az dışarıda yemek yediklerini belirtmişlerdir (p<0.01). Pandemi öncesinde bireylerin besin takviyesi kullanma sıklıkları %14.2 iken pandemi sırasında bu sıklık %33.1’e yükselmiştir (p<0.05). Katılımcıların C vitamini (%8.5’ten %20.0’a), D vitamini (%5.4’ten %18.8’e), multivitamin (%2.7’den %8.1’e), prebiyotik/probiyotik (%1.2’den %3.1’e) ve B12 vitamini (%2.7’den %8.1’e) kullanımları pandemi sırasında pandemi öncesine göre artış göstermiştir (p<0.05). Posa (r=0.138 p=0.03), tiamin (r=0.187 p=0.002), folat (r=0.200 p=0.001), pantotenik asit (r=0.124 p=0.04), potasyum (r=0.141 p=0.02), magnezyum (r=0.138 p=0.03)ve çinko (r=0.129 p=0.04) alımı ile pandemi sırasındaki BKİ arasında pozitif yönlü anlamlı bir korelasyon bulunmuştur. Günlük alınan enerjinin karbonhidrattan gelen yüzdesi ile korku ölçeği puanları arasında negatif yönlü anlamlı bir korelasyon saptanmıştır (r=-0.176 p=0.004). Günlük alınan enerjinin yağdan, doymuş yağ asitlerinden ve tekli doymamış yağ asitlerinden gelen yüzdesi ile korku ölçeği puanları arasında pozitif yönlü anlamlı bir korelasyon bulunmuştur (sırasıyla r=0.200 p=0.001, r=0.205 p=0.001 ve r=0.177 p=0.004). Covid 19 döneminde yeterli ve dengeli beslenme ile besin desteklerinin doğru kullanımı konuları önemlidir. Ayrıca Covid-19 döneminde bireylerin korku ve kaygı düzeylerinin azaltılabilmesi için önlemler alınmalıdır. This research; It was planned and conducted in order to examine the nutritional status of adults between the ages of 18-64, their anxiety levels due to Covid-19 and the use of nutritional support during the pandemic period. The study was carried out with a total of 260 volunteers, 83 female and 177 male, aged between 18-64 years living in Adana between February 2021 and December 2021. In the study, individuals were asked to fill out a questionnaire online, including demographic characteristics, health information, nutritional habits, nutritional support usage status, anthropometric measurements (body weight and height), food consumption frequency, Covid-19 Anxiety Scale, Covid-19 Fear Scale. Body Mass Index (BMI) of individuals before and during the pandemic were calculated. The mean age of the women participating in the study was 35.89 ± 10.63 years, and the mean age of the men was 42.58 ± 9.2 years. The mean age in the sample is 40.45 ± 10.15 years. Before the pandemic, the proportion of individuals consuming 2 main meals in the order of the pandemic increased (50.4% and 54.6%, respectively) while the proportion of individuals consuming 1 main meal (1.5% and 1.9%, respectively) and 3 main meals (48.1% and 43.5%, respectively) decreased (p<0.001). While the rate of individuals consuming 2 snacks before the pandemic compared to post-pandemic (21.9% and 30.4%, respectively), the proportion of individuals consuming 1 snack increased (40.4% and 35.4%, respectively). It is observed that the rate of physical activity and meal consumption out of the house decreased during the pandemic of the individuals participating in the study (p<0.001). While the majority of the participants (44.2%) stated that they ate out 1-3 times a week before the pandemic, they stated that they ate out once a ivailyivivr less during the pandemic (p<0.01). While the rate of using nutritional supplements was 14.2% before the pandemic, this rate increased to 33.1% during the pandemic (p<0.05). Vitamin C (8.5% to 20.0%), vitamin D (5.4% to 18.8%), multivitamin (2.7% to 8.1%), prebiotic/probiotic (1.2% to 3.1%) of the participants e) and vitamin B12 (from 2.7% to 8.1%) use increased during the pandemic compared ivailyiv-pandemic (p<0.05). Fibre (r=0.138 p=0.03), thiamine (r=0.187 p=0.002), folate (r=0.200 p=0.001), pantothenic acid (r=0.124 p=0.04), potassium (r=0.141 p=0.02) , magnesium (r=0.138 p=0.03) and zinc (r=0.129 p=0.04) intake and BMI during the pandemic were found to be positively correlated. A significant negative correlation was found between the percentage of vaily energy taken from carbohydrates and the fear scale scores (r=-0.176 p=0.004). A positive and significant correlation was found between the percentage of vaily energy intake obtained from fat, saturated fatty acids and monounsaturated fatty acids and fear scale scores (r=0.200 p=0.001, r=0.205 p=0.001 and r=0.177 p=0.004). Adequate and balanced nutrition and the correct use of nutritional supplements are important in the Covid 19 period. Precautions should be taken to reduce the fear and anxiety levels of individuals during the Covid-19 period.
Alternatif elektrik alan kaynağının üretimi ve SH-SY5Y hücre yanıtlarının incelenmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Eda Şevval, Aksan; İsmail Cengiz, Koçum
Kanser tedavisinde uygulanan geleneksel yöntemlerin sınırlı etkinliği ve ciddi yan etkileri, tedaviye yönelik potansiyel yaklaşımların araştırılmasını ve tedavi protokollerine dahil edilmesini gerekli kılmaktadır. Bu yaklaşımlardan en dikkat çekici olanı, orta frekanslı (100–500 kHz) alternatif elektrik alanların (AEA) kanser hücrelerinde anti-mitotik etkiler göstererek hücre bölünmesini engellemesi ve hücre ölümüne yol açmasıdır. Bu tez kapsamında, AEA kaynaklı bir in vitro maruziyet sisteminin tasarımı, üretimi ve hücre-alan etkileşiminin nöroblastoma hücrelerinde (SH-SY5Y) hücre kültürü ön testleri ile incelenmesi amaçlanmıştır. Bu amaçla, 100–500 kHz frekans ve 1,5–11,63 Vpk/cm genlik aralığında sinyaller üretebilen in vitro maruziyet sisteminin üretimi gerçekleştirilmiştir. Sistemin üretim aşamaları; alternatif elektrik alan kaynağının oluşturulması, homojen elektrik alan üretim devrelerinin tasarlanması ve elektrik alan doğrultusunun seçimi için gerekli devrelerin geliştirilmesini içermektedir. Daha sonra hücre kültürü ön testleri gerçekleştirilmiş ve SH-SY5Y hücrelerine, iki farklı yönde polarize olabilen (Kuzey-Güney, K-G; Doğu-Batı, D-B) alternatif elektrik alan (200 kHz, 2,13 Vpk/cm genlikte, 48 saat) uygulanmıştır. Hücre canlılığı test sonuçlarına göre, kontrol grubuna kıyasla, K-G grubunda %60,8 (p≤0,001) ve D-B grubunda %34 (p≤0,0001) oranında istatistiksel olarak anlamlı azalmalar tespit edilmiştir. Bu sonuçlar, optik mikroskop görüntüleri ile de doğrulanmıştır. Ayrıca, D-B yönünde uygulanan AEA’nın, K-G yönüne kıyasla hücre canlılığını daha fazla azalttığı tespit edilmiştir (p≤0,01). Bu bulgular, hücre canlılığı üzerinde uygulanan yönelime bağlı farklı etkilerin olduğunu göstermektedir. Sonuç olarak, tasarımı ve üretimi gerçekleştirilen alternatif elektrik alan sisteminin in vitro çalışmalarda etkin bir şekilde kullanılabileceği, hücre canlılık testleriyle doğrulanmıştır. The limited efficacy and serious side effects of conventional methods of cancer treatment necessitate the investigation of potential therapeutic approaches and their incorporation into treatment protocols. One of the most remarkable of these approaches is that mid-frequency (100-500 kHz) alternating electric fields (AEA) exhibit anti-mitotic effects on cancer cells, inhibiting cell division and leading to cell death. In this thesis, we aimed to design and fabricate an AEA-induced in vitro exposure system and to investigate the cell-field interaction in neuroblastoma cells (SH-SY5Y) by preliminary cell culture tests. For this purpose, an in vitro exposure system capable of generating signals with a frequency of 100-500 kHz and an amplitude range of 1.5-11.63 Vpk/cm was realized. The production stages of the system included the creation of an alternating electric field source, the design of homogeneous electric field generation circuits and the development of the necessary circuits for the selection of the electric field direction. Then, preliminary cell culture tests were performed and SH-SY5Y cells were exposed to an alternating electric field (200 kHz, 2.13 Vpk/cm amplitude, 48 hours) polarized in two different directions (North-South, N-S; East-West, D-W). According to the cell viability test results, statistically significant decreases of 60.8% (p≤0.001) in the N-S group and 34% (p≤0.0001) in the D-B group were detected compared to the control group. These results were confirmed by optical microscope images. It was also found that AEA applied in the D-B direction decreased cell viability more than in the N-S direction (p≤0.01). These findings indicate that there are different effects on cell viability depending on the applied orientation. In conclusion, cell viability tests confirmed that the designed and fabricated alternating electric field system can be effectively used in in vitro studies.
Çok kriterli karar verme yaklaşımları ile farklı sektörlerde çevikliği sağlayan kritik başarı faktörlerinin analizi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Yılmaz, Yiğithan
Günümüzün rekabetçi ve hızla değişen iş dünyasında, proje yönetimi organizasyonların başarısında kritik bir rol oynar. Belirsizliklerin ve karmaşık süreçlerin yoğun olduğu projelerde, çeviklik kavramı etkili çözümler sunarak firmalara rekabet avantajı sağlar. Çeviklik, projelerde değişimlere hızla uyum sağlama ve müşteri beklentilerini karşılama becerisi olarak tanımlanabilir. Bu çalışma, otomotiv, savunma sanayi ve tüketici elektroniği sektörlerinde üretim ve satış sonrası projelerde çevikliğin önemini ve bu çevikliği artıran kritik başarı faktörlerini incelemektedir. Çalışmada, çok kriterli karar verme yöntemlerinden Analitik Hiyerarşi Prosesi (AHP) ile kritik başarı faktörlerinin ağırlıkları belirlenmiş; bu ağırlıklar kullanılarak TOPSIS (Technique for Order Preference by Similarity to Ideal Solution), VIKOR (Vise Kriterijumska Optimizacija I Kompromisno Resenje) ve MOORA (Multi-objective Optimization By Ratio Analysis) yöntemleriyle sektörlerdeki firmalar sıralanmıştır. Profesyonellerin görüşleri doğrultusunda karar matrisleri oluşturularak analizler yapılmıştır. Elde edilen sonuçlar karşılaştırılarak sektörlerin ve firmaların çeviklik performansları değerlendirilmiştir. Sonuç olarak, incelenen sektörlerde çevikliği en çok etkileyen kritik başarı faktörleri tespit edilmiştir. Bulgular, firmaların çevikliği artırarak rekabet avantajı sağlamalarına ve proje yönetim süreçlerini geliştirmelerine katkı sunmaktadır. Çalışmanın, sektörel bazda çeviklik yönetimi literatürüne ve uygulamaya değer katması hedeflenmektedir.In today's competitive and rapidly changing business world, project management plays a critical role in organizational success. In projects characterized by uncertainty and complex processes, agility offers effective solutions and provides companies with a competitive advantage. Agility is defined as the ability to quickly adapt to changes and meet customer expectations. This study examines the importance of agility in production and after-sales projects within the automotive, defense, and consumer electronics sectors, as well as the critical success factors that enhance it. Using the Analytic Hierarchy Process method, one of the Multi-Criteria Decision-Making (MCDM) techniques, the study determined the weights of critical success factors. Based on these weights, companies in the sectors were ranked using TOPSIS (Technique for Order Preference by Similarity to Ideal Solution), VIKOR (Vise Kriterijumska Optimizacija I Kompromisno Resenje), and MOORA (Multi-objective Optimization By Ratio Analysis) methods. Decision matrices were created from professional input, and the results were analyzed and compared to assess sector and company agility performance. The thesis identifies the critical success factors most influencing agility in the studied sectors. These findings help companies enhance agility, gain a competitive edge, and improve project management processes. The study aims to contribute significant value to both the literature and practice in managing agility on a sectoral basis.
Çok kriterlik karar verme yaklaşımı ile E-ticaret firmalarının performansının değerlendirilmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Işıl, Arısoy; Yusuf Tansel, İç
Her geçen gün gelişen teknoloji, alışveriş davranışlarında da değişimleri beraberinde getirmiştir. Bu değişimlerin en önemli göstergesi ise ticaret alanında olmuştur. Fiziki çalışma ortamları yavaş yavaş bırakılarak birçok avantaja sahip çevrimiçi çalışma ortamlarına geçilmeye başlanmıştır. Özellikle Covid-19 salgını bu süreci daha da hızlandırmış ve insanları da sürece uyum sağlamaya zorlamıştır. Zamanla benimsenen ve kolaylıkları fark edilen e-ticaret sektörüne artan bu ilgi, bu yöndeki çalışmaları hızlandırarak birçok e-ticaret platformunun kurulmasına sebep olmuştur. Ancak artan e-ticaret platformları yeni bir sorunu ortaya çıkarmış ve hangi platformun daha iyi olduğu sorusunu akıllara getirmiştir. Bu çalışmada, e-ticaret platformlarının ele alınan kriterlere göre değerlendirilmesi ve mevcutta pazardan yüksek pay alan işletmelerin kendi arasında sıralanmasının sağlanması amaçlanmaktadır. Bu amaç doğrultusunda on e-ticaret sitesi ilk başta mevcut Çok Kriterli Karar Verme (ÇKKV) yöntemleri olan TOPSIS, VIKOR ve MOORA kullanılarak değerlendirilmiş, daha sonra yapılan çalışmalar sonucunda, mevcut metotların kriterleri değerlendirmeye uygun olmadığı fark edilmiştir. Bundan dolayı mevcut metodolojiye bir yenilik getirilerek modifiye TOPSIS yöntemi geliştirilmiş ve uygulanmıştır. Literatürden farklı olarak geliştirilen modelde kriterler özellikle kategorik veriler için detaylı olarak ele alınmıştır. Geliştirilen model sonucu incelenmiş ve e-ticaret platformları sıralanarak rekabet durumu açısından önemli sonuçlar elde edilmiştir. Technology, which is developing nowadays, has also changed shopping behaviour. The crucial indicator of these changes has been in the field of trade. So, physical work environments have been abandoned, and online work environments with many advantages have started. The COVID-19 pandemic has accelerated this process and forced people to adapt to the process. Increasing interest in the e-commerce sector, which has been adopted over time and its conveniences have been realized, has accelerated the work in this direction and led to the establishment of many e-commerce platforms. The increasing number of e-commerce platforms has created a new problem of which platform is better. This study evaluates e-commerce platforms according to the criteria addressed and ranks them concerning market shares. For this purpose, ten e-commerce sites are evaluated using the existing Multi-Criteria Decision Making (MCDM) methods, such as TOPSIS, VIKOR, and MOORA. Then, we realized that the existing methods were not appropriate for evaluating the criteria. So, a modified TOPSIS method is developed and applied to the problem. Unlike the literature, in the developed model, the criteria are discussed in detail, especially for the categorical data perspective. The results of the developed model were analysed, and important results were obtained in terms of competition by ranking the e-commerce platforms.
Çoklu hareketli platform geolokasyon tekniğinin modellenmesi ve optimum uçuş rotasının belirlenmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Umut, Salanturoğlu; Ahmet Güngör Pakfiliz
Bu tez çalışması, hava platformlarının yer yüzeyindeki Radyo Frekansı (RF) tehditlerin konumlarını tespit etmek için askeri uygulamalarda kullanılan geolokasyon tekniğinin performansını iyileştirmek için gerekli uçuş manevralarının planlanmasına odaklanır. Coğrafi konum hesaplama hatalarını azaltmak için tehdidin daha geniş açılardan gözlemlenmesinin gerekliliği vurgulanmaktadır. Yapılan analizlerle geolokasyon tekniğinin hassasiyetini artıran optimum başlık açısı değerinin belirlenmesi amaçlanmaktadır. Optimum baş açısı değerlerinin belirlenmesiyle RF sinyal kaynaklarının konumlarını daha doğru bulunmasını sağlayacak optimize bir rotanın kurulabileceği gözlemlenmiştir. Ayrıca, bu çalışmada, geolokasyon performansı ve süresi üzerinde birden fazla platformun kullanımının etkilerini incelemektedir. Rota optimizasyonu olmadan iki platform kullanılarak yapılan geolokasyonun, geolokasyon süresinin kısalması ve konum hesaplama hatalarının azalmasıyla sonuçlandığı gözlemlenmiştir. This thesis presents using geolocation techniques in military applications, specifically focusing on planning flight maneuvers for aerial platforms to locate ground Radio Frequency (RF) threats accurately. The necessity of observing the threat from wider angles to mitigate geographical positioning errors is emphasized. Through the analysis, the aim is to determine the optimum heading angle value that enhances the precision of the geolocation technique. It has been noted that determining optimal heading angle values enables the establishment of an optimized route, ultimately facilitating more accurate localization of RF signal sources. Moreover, this thesis examines the effects of using multiple platforms on geolocation performance and duration. It has been observed that geolocation duration is reduced and location calculation errors are decreased with geolocation using two platforms without route optimization.
Darbeli radar sinyallerinin makine öğrenmesi algoritmaları ile tanımlanması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Mert, Demircan; Ahmet Güngör, Pakfiliz
Bu tezde radar ikaz alıcılarında radar tanımlama işlemi için makine öğrenmesi yöntemlerinin kullanılması amaçlanmıştır. Bilinen radarların darbeli sinyalleri kullanılarak kapsamlı bir tehdit kütüphanesi oluşturulmuş ve parametre çıkarımı sonrası elde edilen sinyal frekansı, sinyal genişliği, sinyal tekrarlama frekansı ve hüzme genişliği parametreleri ile darbe tanımlayıcı kelimeler oluşturulmuştur. Radar ikaz alıcıların ön programlama fazının optimize edilmesi amacıyla makine öğrenmesi algoritmalarında testler gerçekleştirilmiş ve algoritmaların performansları birbirleriyle ve geleneksel algoritmalarla karşılaştırılmıştır. Probleme uygun olduğu değerlendirilen 5 adet makine öğrenmesi algoritması belirlenmiş ve bu algoritmalar ile modeller oluşturulmuştur. K-en Yakın Komşular, Karar Ağacı, Topluluk Yöntemleri, Destek Vektör Makineler ve Yapay Sinir Ağları algoritmalarındaki ön testler ile hedeflenen %95'in üzerinde öğrenme doğruluğu seviyelerine ulaşmıştır. Hazırlanan tehdit kütüphanesi ile yapılan muharebe ortamı simülasyonlarında %98'in üzerinde test doğruluğu elde edilmiştir. Tamamlanan simülasyon sonuçlarında elde edilen makine öğrenmesi algoritmalarının geleneksel algoritmalara göre hız ve doğruluk açısından güçlü yönleri değerlendirilmiştir. This thesis aims to use machine learning methods for radar identification in radar warning receivers. A comprehensive threat library was created using pulsed signals of known radars and pulse descriptor words were created with the signal frequency, signal width, signal repetition frequency and beamwidth parameters obtained after parameter extraction. To optimize the pre-programming phase of the radar warning receivers, machine learning algorithms were evaluated, and their performances were compared with each other and with conventional algorithms. Five machine learning algorithms were identified as suitable for the problem and models were created with these algorithms. The preliminary tests on K-Nearest Neighbors, Decision Tree, Ensemble Methods, Support Vector Machines and Artificial Neural Networks algorithms achieved learning accuracy levels above the targeted 95%. In combat environment simulations with the prepared threat library, test accuracy of over 98% was achieved. The strengths of the machine learning algorithms obtained from the completed simulation results in terms of speed and accuracy compared to traditional algorithms are evaluated.
Deniz Üstü (offshore) rüzgar enerjisi kapasitesinin araştırılması ve seçilecek bölge(ler) ile birlikte monopile temeline sahip olan rüzgar türbininin, etki etmesi beklenen yüklere göre optimize edilmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Telatar, Erçin
Dünyada yenilenebilir enerji kaynaklarına duyulan gereksinim her geçen gün artmaktadır. Bu bağlamda, rüzgar enerjisi hem sürdürülebilirliği hem de ekonomik potansiyeli açısından önemli bir enerji kaynağı olarak ön plana çıkmaktadır. Bu çalışmada, Türkiye’de deniz üstü rüzgar santrali kurulması planlanan bölgelerden biri olan Bandırma bölgesinde bir yıl boyunca elde edilen rüzgar verileri analiz edilmiştir. Rüzgar hızlarının olasılık dağılımını modellemek amacıyla Weibull dağılımı kullanılmış, dağılım parametreleri En Küçük Kareler Yöntemi (EKKY) ile tahmin edilmiştir. Elde edilen kümülatif dağılım fonksiyonu sayesinde, rüzgar türbininin elektrik üretimine başlayabileceği (cut-in) ve durabileceği (cut-out) rüzgar hızlarına ilişkin olasılıklar hesaplanmıştır. Buna göre, bölgede %70 olasılıkla türbinin çalışabileceği uygun rüzgar koşullarının sağlanacağı, %30 olasılıkla ise düşük rüzgar hızları nedeniyle üretimin durabileceği öngörülmüştür. Bunun yanı sıra, deniz üstü rüzgar türbininin temeline etki eden dalga kuvvetlerinin belirlenmesi amacıyla Morison denklemi kullanılmış ve çeşitli dalga boyları ile temel çaplarına göre kuvvet analizleri yapılmıştır. Elde edilen veriler, 'ASHES' programı kullanılarak yapılan sayısal simülasyonlarda değerlendirilmiş; rüzgar ve dalga etkilerinin türbin yapısına olan etkileri hesaplanmıştır. Simülasyon sonuçları, rüzgar ve dalga şiddeti arttıkça türbine etki eden kuvvetlerin belirgin şekilde yükseldiğini göstermiştir. Sonuç olarak, Bandırma bölgesi özelinde elde edilen verilere dayalı analizler ve bölgede deniz üstü rüzgar türbininin kurulabilme ihtimaline yönelik teknik ve ekonomik veriler sunulmaktadır. Elde edilen bulgular, ileride yapılacak detaylı fizibilite ve yapısal tasarım çalışmalarına temel teşkil edebilecek niteliktedir.The global demand for renewable energy sources has been increasing day by day. In this context, wind energy stands out as a significant energy source due to its sustainability and economic potential. In this study, wind data collected over the course of one year from the Bandırma region, one of the planned offshore wind farm sites in Turkey, was analyzed. In order to model the probability distribution of wind speeds, the Weibull distribution was employed, and its parameters were estimated using the Least Squares Method (LSM). Using the obtained cumulative distribution function, the probabilities of wind speeds reaching the operational thresholds of a wind turbine — namely the cut-in and cut-out speeds — were calculated. The analysis indicates that the turbine is expected to operate under favorable wind conditions 70% of the time, while 30% of the time it may stop due to insufficient wind speeds. Additionally, to determine the wave forces acting on the offshore wind turbine foundation, the Morison equation was applied. Force analyses were conducted for various wave heights and foundation diameters. The obtained data were evaluated through numerical simulations using the 'ASHES' software, where the effects of wind and wave loads on the turbine structure were assessed. The simulation results clearly show that as wind and wave intensity increase, the forces acting on the turbine structure significantly rise. As a result, the analyses based on the data specific to the Bandırma region provide both technical and economic insights into the feasibility of installing an offshore wind turbine in the area. The findings serve as a solid foundation for future feasibility studies and structural design processes.
Derin öğrenme modelleri ile parkinson hastalığının teşhisinde transfer öğrenme tekniğinin etkinliğinin araştırılması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Ecem, Zora; Mehmet, Dikmen
Parkinson hastalığı, hareketlerin kontrolünde ve koordinasyonunda rol oynayan dopamini üreten beyin hücrelerinin kaybı nedeniyle ortaya çıkan nörodejeneratif bir hastalıktır. Parkinson Hastalığının nedeni tam olarak bilinmediğinden bu hastalığın tanısına yönelik spesifik bir test de bulunmamaktadır. Ancak kas kontrolü kaybının neden olduğu, daha fazla izlenebilen ve analiz edilebilen semptomlar vardır. Ne yazık ki, bu tür analizlere yönelik prosedürlerin çoğu pahalıdır, verimsizdir ve zayıf doğruluk sağlarken gelişmiş ekipman gerektirir. Makine öğreniminin devreye girdiği yer burasıdır. Büyük verileri analiz etme ve insan gözlemcilerin göremeyeceği ince kalıpları tespit etme yeteneği, onu daha doğru Parkinson Hastalığı tanımlaması sağlayabilecek daha hızlı bir alternatif haline getiriyor. Bu çalışmada, Parkinson hastalığının en erken belirtilerinden biri olan el ve parmaklardaki titremelerin sapmalara neden olduğu el yazısı görüntüleri kullanılarak Parkinson Hastalığı tespiti yapılmaktadır. Bu amaçla transfer öğrenme uygulanarak derin öğrenme modelinden yararlanılmıştır. Deneyler için 37 Parkinson hastası ve 38 kontrol bireyine ait 8 farklı el yazısı örneğini içeren PaHaW veri seti kullanılmıştır. Derin öğrenme modellerinin yüksek veri gereksinimi nedeniyle, orijinal veri kümesine hem döndürme, çevirme ve konturlar gibi geleneksel veri artırma yöntemleri hem de Aşamalı Büyüyen Üretici Çekişmeli Ağ (PGAN) ile yeni veriler üretilmiştir. Üretilen bu verilerle yeni veri kombinleri oluşturulmuş ve bu sayede derin öğrenme modellerinin performansı önemli ölçüde artırılmıştır. ImageNet ve MNIST veri setleri ile önceden eğitilen probleme AlexNet, EfficientNet-B0, GoogleNet ve ResNet50 modellerinin uyarlanması ve transfer öğrenmenin uygulanmasıyla hem PaHaW verileri hem geleneksel yöntemlerle üretilen veriler hem de PGAN ile üretilen verilerin kombini kullanılarak %98,97 doğrulukla en iyi sonuç elde edilmiştir. Parkinson's disease is a neurodegenerative disease that occurs due to the loss of brain cells that produce dopamine, which plays a role in the control and coordination of movements. Since the cause of Parkinson's Disease is not fully known, there is no specific test for the diagnosis of this disease. However, there are symptoms caused by loss of muscle control that can be further monitored and analyzed. Unfortunately, most procedures for such analysis are expensive, inefficient, and require advanced equipment while providing poor accuracy. This is where machine learning comes into play. Its ability to analyze big data and detect subtle patterns invisible to human observers makes it a faster alternative that can provide more accurate Parkinson's Disease identification. In this study, Parkinson's Disease is detected using handwriting images where tremors in the hands and fingers cause deviations, which is one of the earliest symptoms of Parkinson's disease. For this purpose, deep learning model was used by applying transfer learning. The PaHaW dataset, which includes 8 different handwriting samples from 37 Parkinson's patients and 38 control individuals, was used for the experiments. Due to the high data requirement of deep learning models, new data was generated by applying both traditional data augmentation methods such as rotation, translation and contours, and Progressive Growing of Generative Adversarial Network (PGAN) to the original dataset. With this data, new data combinations were created and thus the performances of deep learning models were significantly increased. By adapting AlexNet, EfficientNet-B0, GoogleNet and ResNet50 models to the problem pre-trained with ImageNet and MNIST datasets and applying transfer learning, the best result with 98,97% accuracy was obtained by using a combination of both PaHaW data, data produced by traditional methods and data produced by PGAN.
Derin öğrenme yaklaşımları ile meme kanseri tespiti ve sınıflandırması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Karaca Aydemir, Büşra Kübra
Meme kanseri, dünya çapında kadınlar arasında kanserle ilişkili ölümlerin başlıca nedenlerinden biridir. Erken teşhis ve doğru tanı, sağkalım oranlarını artırmak ve etkili bir tedavi planlamak açısından çok önemlidir. Mamografi, meme kanseri taramasında anormallikleri erken evrede tespit edebilen temel görüntüleme yöntemidir. Mamografik bulgular arasında kitleler, en yaygın ve tanı açısından en kritik lezyonlardır. Mamografi görüntüleri genellikle radyologlar tarafından manuel olarak değerlendirilmekte, ancak lezyon çeşitliliği, yoğun meme dokusu ve yüksek görüntü sayısı süreci zorlaştırmakta; değerlendirmeyi zaman alıcı ve yorucu hâle getirmektedir. Ayrıca, deneyim farklılıkları ve uzun incelemelere bağlı dikkat dağınıklığı tanı doğruluğunu olumsuz etkileyebilmektedir. Son yıllarda, özellikle derin öğrenmeye dayalı yapay zekâ uygulamaları, tıbbi görüntüleme tanı süreçlerinde önemli ilerlemeler sağlamıştır. Bu alanda öne çıkan You Only Look Once (YOLO) algoritması, gerçek zamanlı nesne tespiti ve sınıflandırma yeteneğiyle öne çıkmaktadır. Bu sayede, mamografi görüntülerinde anormalliklerin hızlı ve doğru şekilde belirlenmesine olanak sağlayarak klinik tanı süreçlerine destek olma potansiyeli taşımaktadır. Bu tez çalışmasında, mamografi görüntülerinde meme kitlelerini tespit ve sınıflandırmak amacıyla YOLO tabanlı bir derin öğrenme modeli geliştirilmiştir. Bu kapsamda, YOLOv5, YOLOv8 ve YOLOv9 (GELAN) mimarileri temel alınmış; bu modellere çeşitli dikkat modülleri ve evrişimsel bloklar entegre edilerek farklı model varyantları oluşturulmuştur. Modeller, CBIS-DDSM, VinDr-Mammo ve bu iki kümenin birleşimiyle oluşturulan veri setleri kullanılarak sıfırdan eğitilmiş, ardından INBreast veri kümesi üzerinde beş katlı çapraz doğrulama yöntemiyle ince ayar uygulanmıştır. Ayrıca, farklı veri artırma stratejilerinin model performansına etkisi değerlendirilmiştir. INBreast üzerinde en yüksek başarıyı gösteren model varyantları, klinik uygulanabilirliği test etmek amacıyla Başkent Üniversitesi Ankara Hastanesi’ne ait veri kümesiyle de ince ayara tabi tutulmuştur. CBIS-DDSM + VinDr-Mammo → INBreast senaryosunda GELAN-c mimarisine derinlemesine evrişim (DWConv) ve Evrişimli Blok Dikkat Modülü (CBAM) entegre edilerek geliştirilen model varyantı (GELAN-c + DWConv + CBAM), varsayılan veri artırma konfigürasyonu ile 0.878 mAP@0.5 skoruna ulaşmış ve çalışmadaki en yüksek performansı göstermiştir. CBIS-DDSM + VinDr-Mammo → Başkent senaryosunda ise, YOLOv5s mimarisine Verimli Çok-Ölçekli Dikkat (EMA) modülü entegre edilerek oluşturulan model varyantı (YOLOv5s + EMA), varsayılan + mixup veri artırma kombinasyonu ile 0.848 mAP@0.5 skoruna ulaşmıştır. Bu sonuçlar, geliştirilen YOLO tabanlı model varyantları hem literatür veri kümelerinde hem de gerçek klinik görüntülerde yüksek başarı sağladığını ve klinik karar destek sistemlerine entegre edilebilecek potansiyele sahip olduğunu göstermektedir. Breast cancer is one of the leading causes of cancer-related deaths among women worldwide. Early detection and accurate diagnosis are crucial for improving survival rates and planning effective treatment. Mammography is the primary imaging method for breast cancer screening, detecting abnormalities at an early stage. Among mammographic findings, masses are the most common and diagnostically significant lesions. Mammograms are often evaluated manually by radiologists; however, the diversity of lesions, dense breast tissue, and large image volumes make this process challenging, time-consuming, and labor-intensive. Furthermore, differences in experience levels and attention fatigue caused by prolonged examinations can negatively affect diagnostic accuracy. In recent years, artificial intelligence applications, particularly those based on deep learning, have made significant contributions to medical imaging diagnostics. The You Only Look Once (YOLO) algorithm, a leading approach in this field, stands out with its real-time object detection and classification capabilities. This allows for the rapid and accurate identification of abnormalities in mammograms, offering potential support to clinical diagnostic workflows. In this thesis, a YOLO-based deep learning model was developed to detect and classify breast masses in mammograms. The YOLOv5, YOLOv8, and YOLOv9 (GELAN) architectures were utilized, and various attention modules and convolutional blocks were integrated into these models to generate different model variants. These models were trained from scratch using CBIS-DDSM, VinDr-Mammo, and their combined dataset. Then, fine-tuning was performed on the INBreast dataset using five-fold cross-validation. Furthermore, the effects of different data augmentation strategies on model performance were analyzed. The best-performing model variants on the INBreast dataset were further fine-tuned using a dataset obtained from Başkent University Ankara Hospital to evaluate clinical applicability. In the CBIS-DDSM + VinDr-Mammo → INBreast scenario, the model variant (GELAN-c + DWConv + CBAM), which integrates depth-wise convolution (DWConv) and the Convolutional Block Attention Module (CBAM) into the GELAN-c architecture, achieved a mAP@0.5 score of 0.878 with the default data augmentation configuration, representing the highest performance in the study. In the CBIS-DDSM + VinDr-Mammo → Başkent scenario, the model variant (YOLOv5s + EMA) created by integrating the Efficient Multi-Scale Attention (EMA) module into the YOLOv5s architecture, achieved a mAP@0.5 score of 0.848 using the default + mixup augmentation strategy. These results demonstrate that the proposed YOLO-based model variants achieved high performance on both public datasets and real clinical images and show strong potential for integration into clinical decision support systems.
Derin öğrenme yöntemleri ile akciğer grafilerinde patoloji sınıflandırılması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Oltu, Burcu
Akciğerler, solunum sisteminin temel organları olup yapısal bozukluklar, enfeksiyonlar veya çevresel etkenler nedeniyle işlev kaybına uğrayabilmektedir. COVID-19, tüberküloz, pnömoni, pulmoner fibröz, atelektazi, kardiyomegali ve pnömotoraks gibi akciğer hastalıkları erken evrede teşhis edilmediğinde ölümcül sonuçlara yol açabilmektedir. Bu nedenle akciğer hastalıklarının erken ve doğru şekilde teşhis edilmesi büyük önem taşımaktadır. Akciğer grafileri, düşük maliyet ve hızlı uygulanabilirlik gibi avantajlarıyla bu amaçla yaygın olarak kullanılmaktadır. Ancak örtüşen anatomik yapılar, sınırlı uzman sayısı ve yüksek görüntü hacmi gibi etkenler, bu görüntülerin yorumlanmasını zorlaştırmakta, günlük yaklaşık %3-5 oranında hata yapılmasına yol açmaktadır. Bu doğrultuda akciğer grafilerinin yorumlanabilmesi için radyologlara yardımcı olacak otomatik ve güvenilir teşhis sistemlerine duyulan ihtiyaç gün geçtikçe artmaktadır. Bu tez çalışmasında akciğer grafilerinin yüksek performansla sınıflandırılması amacıyla uçtan uca bir derin öğrenme modeli geliştirilmiş ve bu modelin başarısını artıracak özgün kayıp fonksiyonlarını önerilmiştir. Modelin omurgası olarak önceden eğitilmiş DenseNet201 mimarisi kullanılmıştır. DenseNet201’den çıkarılan öznitelik haritalarından daha zengin uzamsal bilgiler elde etmek amacıyla evrişimsel uzun kısa süreli bellek (Convolutional Long Short-Term Memory (ConvLSTM)) katmanı, kanal bazında özniteliklerin vurgulanması için sıkma-bırakma bloğu (Squeeze and Excitation (SE)) ve uzun menzilli bağımlılıkları yakalayan görü dönüştürücüler (Vision Transformer (ViT)) modele entegre edilmiştir. Ayrıca, küresel ortalama havuzlama (Global Average Pooling (GAP)) katmanı ile sınıflandırma için önemli uzamsal bilgilerin korunması sağlanmıştır. Bu bileşenlerin kombinasyonu ile önerilen model, yüksek sınıflandırma performansı sunmuştur. Çalışmada ayrıca, sınıflandırma başarısında önemli etkisi olan kayıp fonksiyonları derinlemesine incelenmiştir. Standart fonksiyonlara ek olarak hibrit ve dinamik yapılarda fonksiyonlar tasarlanmış, sınıflandırma eğilimlerine karşı ceza terimi içeren özgün bir fonksiyon önerilmiştir. Önerilen kayıp fonksiyonlarının avantajlarını bir araya getirerek sınıflandırma performansını artıracak farklı topluluk yaklaşımları uygulanmıştır. Bu fonksiyonların performansları sistematik olarak analiz edilmiş ve farklı modellerle de test edilerek modelden bağımsız başarı sağladığı gösterilmiştir. Başkent Üniversitesi Ankara Hastanesi Radyoloji Bölümü'nden elde edilen klinik veriler ile açık erişimli veri kümeleri birleştirilerek 7, 8, 9, 10, 12, 14 ve 15 sınıflı alt veri kümeleri oluşturulmuş ve her bir alt kümede önerilen model ve kayıp fonksiyonları detaylı şekilde test edilmiştir. Böylece hem veri kümesinden hem de sınıf sayısından bağımsız olarak modelin ve kayıp fonksiyonunun başarısı ortaya konmuştur. Elde edilen deneysel sonuçlar, önerilen yöntemin literatürdeki yaklaşımların çoğunu geride bıraktığını ve doğruluk, F1-skoru, AUC gibi performans metriklerinde yüksek başarı sergilediğini ortaya koymaktadır. Ayrıca modelin farklı senaryolarda tutarlı ve yüksek performans sergilemesi, güçlü bir genelleme yeteneğine sahip olduğunu kanıtlamaktadır. Sonuç olarak, bu tez kapsamında, akciğer grafilerinin otomatik olarak sınıflandırılmasını sağlayan yüksek performanslı ve tekrarlanabilir sonuçlar üreten yenilikçi bir model ve özgün kayıp fonksiyonları geliştirilmiştir. The lungs are the primary organs of the respiratory system and can lose functionality due to structural disorders, infections, or environmental factors. Lung diseases such as COVID-19, tuberculosis, pneumonia, pulmonary fibrosis, atelectasis, cardiomegaly, and pneumothorax may lead to fatal outcomes if not diagnosed at an early stage. Therefore, early and accurate diagnosis of lung diseases is crucial. Chest radiographs (CXRs) are widely used for this purpose due to their advantages, such as low cost, quick applicability, and low radiation dose. However, factors like overlapping anatomical structures, limited specialists, and high image volume make interpreting CXRs challenging, resulting in a daily error rate of 3–5%. Thus, the demand for automated and reliable diagnostic systems to assist radiologists in interpreting CXRs is increasing. In this thesis, an end-to-end deep learning model was developed for high-performance classification of CXRs, and novel loss functions were proposed to enhance the model’s performance. The pre-trained DenseNet201 architecture was used as the backbone. A Convolutional Long Short-Term Memory (ConvLSTM) layer to obtain richer spatial and temporal information from the feature maps obtained from DenseNet201, a Squeeze and Excitation (SE) block to emphasize channel-wise features, and Vision Transformers (ViT) to capture long-range dependencies were integrated into the model. In addition, a Global Average Pooling (GAP) layer was used to preserve important spatial information for classification. The combination of these components enabled high classification performance. The study also examined the often-overlooked role of loss functions in classification performance. Beyond standard functions, hybrid and dynamic structures were designed. A custom function with a penalty term was proposed to improve sensitivity to misclassification. Ensemble approaches combining the strengths of proposed loss functions were implemented. These loss functions were systematically analyzed and tested with various models, demonstrating architecture-independent success. To evaluate the performance and generalization ability of the proposed model and loss functions, a comprehensive dataset was created by combining clinical images from Başkent University Ankara Hospital with open-access datasets. This dataset was divided into subsets containing 7, 8, 9, 10, 12, 14, and 15 classes, and extensive testing was conducted on each subset. Results showed that the proposed method outperforms many existing approaches in the literature, achieving superior accuracy, F1-score, and AUC. The model’s consistent performance in various scenarios demonstrated strong generalization. In conclusion, this thesis presents a novel deep learning model and original loss functions that produce high-performance and reproducible results for the automatic classification of CXRs
Dinamik hareket sırasında ön kol bükme hareketinin benzetimiyle biceps brachii kasında oluşan kuvvetin değerlendirilmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Merve Cansu Akarca; Ulviye, Bunyatova
Kavrama, günlük yaşam aktivitelerinin başarılı bir şekilde olabilmesi için gerekli olan önemli el fonksiyonudur. Kavrama kuvveti ölçümleri bölgesel kuvvet değerlendirme yöntemlerinden biridir ve kol fonksiyonunun değerlendirilmesinde temel öge olarak kullanılmaktadır. Bu çalışmanın kapsamı, bireylerden noninvaziv olarak alınan kas kuvveti ölçümlerininin yapılarak biceps brachii kas kuvveti düzeylerinin analizinin yapılmasıdır. Biceps brachii kası, üst vücut hareketleri için önemli rol oynar. Literatürde Biceps Brachii kasının bilek güreşi hareketi sırasında elektromiyografi (EMG) sinyalinin ve kas kuvvetinin ölçülmesine dair çeşitli çalışmalar bulunmaktadır ancak el dinomometresi ile bilek güreşi hareketine benzer bir hareket esnasında diğer bir deyişle dinamik hareket sırasında biceps kas kuvvetinin ölçülmesine dair herhangi bir çalışmaya rastlanmamıştır. Bu yüksek lisans tezinin amacı, dinamik hareket sırasında Biceps kasının kasılması sırasında üretilen elektrik akımlarını Elektromiyografi (EMG) cihazıyla ölçmek ve kas kuvveti ile orantılı bir ilişki bulmaktır. Çalışmanın sonunda yapılan analizler doğrultusunda EMG sinyalinden elde edilen söz konusu kuvvet değerleri dikkate alınarak, bireylerin kümülatif travma bozukluklarını (CTD) ve çeşitli kas hastalıklarını (felç, multiple skleroz, vs.) biceps brachii kası açısından riskli bir durum olup olmadığının belirlenmesi mümkün kılınmıştır. Bu çerçeve, protez ve ortez tasarımında, rehabilitasyon süreçlerinin değerlendirilmesinde, çalışılan kas üzerinde hareket ve koordinasyon bozukluklarıyla mücadele eden bireylerin yaşam kalitesinin iyileştirilmesinde umut verici bir potansiyel ortaya koymaktadır. Gripping is an important hand function required for successful daily living activities. Grip strength measurements are one of the regional strength assessment methods and are used as the basic element in the evaluation of arm function. The scope of this study is to analyze biceps brachii muscle strength levels by taking noninvasive muscle strength measurements from individuals. The biceps brachii muscle plays an important role in upper body movements. There are various studies in the literature on measuring the electromyography (EMG) signal and muscle strength of the Biceps Brachii muscle during arm wrestling movement, but no study has been found on measuring biceps muscle strength during a movement similar to arm wrestling movement, in other words, during dynamic movement, with a hand dynomometer. The aim of this master's thesis is to measure the electrical currents produced during the contraction of the Biceps muscle during dynamic movement with the Electromyography (EMG) device and to find a proportional relationship with muscle strength. By taking into account the force values obtained from the EMG signal in line with the analyzes performed at the end of the study, it was possible to determine whether individuals' cumulative trauma disorders (CTD) and various muscle diseases (paralysis, multiple sclerosis, etc.) are a risky situation for the biceps brachii muscle. This framework reveals a promising potential in the design of prosthetics and orthoses, in the evaluation of rehabilitation processes, and in improving the quality of life of individuals struggling with movement and coordination disorders in the studied muscle.
Düşük görünürlüklü savaş uçaklarının erken tespiti için L-Bant hava radarı uygulaması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Barış, Akkaya; Ahmet Güngör, Pakfiliz
Radar Kesit Alanı (RKA) tanımına ve formülasyonlarına bakıldığında RKA değerinin; sinyalin frekansı, nesnenin geometrisi ve yansıtıcı yüzeyde kullanılan materyalin özellikleri ile ilişkili olduğu görülür. Temelde yatan bu üç etmenden dolayı bir uçağın RKA’sı X-bantta ve L-bantta ölçüldüğünde birbirinden farklı değerler ortaya çıkacaktır. Bir radarın hedefi tespit edebilirliği ile ilgili en önemli parametrelerden biri tespit etmek istediği hedefin RKA’sıdır. Bir hedefin RKA’sı ne kadar yüksek ise radar tarafından o kadar kolay veya bir diğer tabirle daha uzaktan tespit edilebilecektir. “Radara görünmez” (stealth) olarak adlandırılan savaş uçakları esasen belli bir bantta radar düşük görünürlüğüne sahiptirler. Bunun temel sebebi bir nesneyi örneğin bir uçağı tüm frekans bandı boyunca sabit RKA’lı veya düşük RKA’lı yapmak mümkün değildir. Yukarıda da bahsedildiği gibi RKA frekansın bir fonksiyonudur. Bu nedenle RKA, genellikle tespitinden kaçınılmak istenen radarın çalışma frekans bandında düşük olacak şekilde optimize edilir. Terminolojide “Fighter” olarak adlandırılan avcı/savaşçı savaş uçaklarının en temel görevlerinden biri hava muhaberesidir. Bu tip savaş uçaklarının burun bölgelerinde taşıdıkları burun radarları; hem temelde ihtiyaç duydukları tespit/takip hassasiyeti, çözünürlüğü yönlerinden hem de boyut, ağırlık, güç ve soğutma yönlerinden değerlendirildiğinde en optimize bant olan X-bantta çalışırlar. Bu nedenden dolayı radardan kaçınmak isteyen bir savaş uçağının RKA’sı X-bantta mümkün olduğu kadar en düşük seviyede olacak şekilde tasarlanır. Bu tez çalışmasında, X-banta optimize edilmiş RKA’ya sahip bir stealth uçağın RKA’sının yüzeyinde kullanılan radar soğurucu malzemelerinin frekansa bağlı sınırlı performansından dolayı frekansın azalışığına bağlı olarak artışı incelenmiş daha sonra bir F-16 savaş uçağının kanat kısmına entegre edilebilecek boyutlarda bir L-bant radar tasarlanmış ve stealth bir savaş uçağını tespit menzili araştırılmıştır. When examining the definition and formulations of Radar Cross Section (RCS), it becomes evident that the RCS value is intricately linked to the signal frequency, the geometry of the object, and the properties of the reflective surface material. Due to these underlying factors, the RCS of an aircraft measured in the X-band and L-band will yield distinct values. One of the most crucial parameters concerning a radar's ability to detect a target is the RCS of the desired target. The higher the RCS of a target, the easier it will be detected by the radar; in other words, it will have greater visibility. Stealth aircraft, commonly referred to as "radar-invisible," inherently possess low radar visibility in a specific band. The fundamental reason is that achieving a constant RCS or a low RCS throughout the entire frequency spectrum for an object, such as an aircraft, is not feasible. As mentioned earlier, RCS is fundamentally a function of frequency. Therefore, RCS is typically optimized to be low within the operational frequency band of the radar one seeks to evade. Fighter aircraft, categorized as "Fighters," play a fundamental role in air combat. The nose radars carried by these fighter aircraft operate in the X-band, primarily for the needed detection/tracking precision and resolution, considering size, weight, power, and cooling. Hence, the RCS of a stealth aircraft, aiming to evade radar detection, is designed to be as low as possible in the X-band. In this thesis, the increase in the RCS of a stealth aircraft optimized for the X-band was examined due to the frequency-dependent limited performance of radar-absorbing materials used on the RCS surface as the frequency decreases. Subsequently, an L-band radar, which can be integrated into the wing section of an F-16 fighter aircraft, was designed and the detection range for a stealth fighter aircraft was investigated.
Ekzozomların saflaştırılması, karakterizasyonu ve kanser teşhisinde kullanılabilirliğinin araştırılması üzerine model bir çalışma
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Gür, Selin
Son yıllarda yapılan araştırmalara ve Dünya Sağlık Örgütü (WHO) raporlarına göre her yıl milyonlarca (yaklaşık yirmi milyon dolayında) insanın kanser hastalıklarına yakalandığı ve bunların yaklaşık olarak yarısının hayatını kaybettiği bildirilmektedir. Dünya Sağlık Örgütü raporlarına -göre bu rakamların 2040 yılına kadar yaklaşık iki katına çıkmasının beklendiği bildirilmiştir. Kanser hastalıklarının teşhis edilmesinde kullanılan invazif yöntemlerin (örneğin; doku biyopsisi gibi) ve görüntüleme tekniklerinin (örneğin BT, ultrasonik değerlendirme gibi) sahip olduğu sınırlamalar nedeniyle hastalığın teşhis edilmesi genellikle vücutta yayılmasından sonra bir başka deyimle ileri evrelerde mümkün olabilmektedir. Dolayısıyla kanser teşhis ve tanısının erken dönemlerde konulmasıyla hastaların iyileşme şansının yükseleceği bir gerçektir. Öte yandan hastalar açısından kanserin erken teşhis edilmesi sadece maliyetleri düşürmekle kalmayacak, tedavi etkinliğini de arttırarak ölüm riskini de azaltacaktır. Son yıllarda, üzerinde yoğun araştırmalar yapılan sıvı biyopsiler, kanserin erken teşhisinde noninvazif teşhis/tanı yöntemleri olarak önemli bir alternatif olarak öne çıkmaktadır. Sıvı biyopsi uygulamaları temel olarak kan dolaşımındaki tümör hücreleri (circulating tumor cells, CTC'LER), eksozomlar ve diğer veziküler yapıların değişik hastalıklarla ilgili olarak hastaların çeşitli biyolojik sıvılarından yapılan örnekleme ve analizleri ile gerçekleştirilmektedir. Burada sözü edilen hücre ve diğer bileşenler arasında ekzozomlar fizyolojik ve patolojik açıdan son derece değerli bilgiler sunmakta ve konu ile ilgili araştırmalar son on yılda yoğunlaşmaya başlamış ve artan bir eğilimle artış göstermektedir. Sunulan tez çalışması kapsamında son yıllarda özellikle kanser teşhis ve tedavilerinde kullanılabilirliği üzerinde yoğun araştırmalar yapılan ekzozomlar ile ilgili olarak manyetik mikro/nanopartiküler yapılar kullanılarak ekzozomların ayrıma-saflaştırma teknikleri ile bulundukları ortamdan izole edilmeleri ve devamında da kanser teşhis-tanısında kullanılabilirliği ile ilgili olarak model bir çalışma yapılması planlanmıştır. Bu kapsamda; temel çalışma olarak lipozom hazırlama teknikleri kullanılarak önce yalın lipozmal yapılar oluşturulmuş ve ardından bu yapılara model biyolojik molekül (örneğin L-Histidin) ilave edilerek yapay ekzozom modeli geliştirilmiştir. Gerek lipozomal yapılar ve gerekse yapay ekzozomların ayrılması-saflaştırılması çalışmalarında demiroksit nanopartikül içeren HSA mikropartiküller hazırlanıp yüzeyleri uygun bir ligand ile (örneğin bakır iyonları gibi) dekore edilerek ayırma/saflaştırma verimliliği arttırılarak seçimli ayrıma sistemi geliştirilmiştir. Tez çalışmalarından elde edilen bulgular gerçek ekzozomların bulundukları ortamlardan pratik ve ekonomik olarak ayrıştırılması ve saflaştırılması kanser teşhis/tedavisinde kullanılmasına ışık tutabilecek nitelikte değerlendirilmiştir. According to recent research and World Health Organization (WHO) reports, it is reported that millions (about twenty million) of people get cancer diseases every year and about half of them lose their lives. According to the World Health Organization reports - it has been reported that these numbers are expected to approximately double by 2040. Invasive methods used in the diagnosis of cancer diseases (for example, due to the limitations of imaging techniques (for example, tissue biopsy) and imaging techniques (for example, CT, ultrasonic evaluation), diagnosing the disease is usually possible in the advanced stages, in other words, after it has spread throughout the body. Therefore, it is a fact that patients' chances of recovery will increase with the diagnosis and diagnosis of cancer at an early stage. On the other hand, early detection of cancer for patients will not only reduce costs, but also reduce the risk of death by increasing the effectiveness of treatment. In recent years, liquid biopsies, on which intensive research has been conducted, have come to the fore as an important alternative as noninvasive diagnostic / diagnostic methods in the early diagnosis of cancer. Liquid biopsy applications are mainly performed by sampling and analyzing tumor cells (circulating tumor cells, CTCs), exosomes and other vesicular structures in the bloodstream from various biological fluids of patients related to various diseases. Among the cells and other components mentioned here, exosomes provide extremely valuable physiological and pathological information, and research on the subject has begun to intensify in the last Decennium and is increasing with an increasing trend. Within the scope of the presented thesis study, it is planned to isolate exosomes from their environment using magnetic micro/nanoparticular structures using separation-purification techniques, especially in relation to exosomes, whose usability in cancer diagnosis and treatment has been extensively researched in recent years, and then to conduct a model study on their usability in cancer diagnosis. In this context; as a preliminary study, first simple liposomal structures were created using liposome preparation techniques and then, model biological molecules (e.g. L-Histidine) were added to these structures then an artificial exosome model was developed. In the separation-purification studies of both liposomal structures and artificial exosomes, HSA microparticles containing iron oxide nanoparticles were prepared and their surfaces were decorated with a suitable ligand (e.g. copper ions) and a selective separation system was developed to be increased the separation/purification efficiency. The obtained findings from the thesis studies were evaluated as being able to shed light on the practical and economical separation/purification of real exosomes from their environments to their use in cancer diagnosis/treatment.
Elektrikli traktör vites mekanizmalarında elektro-hidrolik valf tasarımı ile vites geçiş performansının iyileştirilmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Uzuner, Baran
Bu tez çalışmasında, elektrikli traktörlerde kullanılan elektrohidrolik valf kontrollü vites geçiş sistemlerinin mekanik parametreleri bazında iyileştirme yapılarak vites geçiş süresinin düşürülmesi amaçlanmıştır. Traktörlerde kullanılan şanzıman sistemlerinin, elektrik motorlarının anlık tork üretim karakteristiğiyle tam uyum sağlayıp sağlamadığı, özellikle vites geçiş senaryolarında hâlen net olarak ortaya konmamış bir mühendislik problemidir. Bu bağlamda, referans bir traktörde kullanılan elektrohidrolik valf yapısı MATLAB/Simulink ortamında modellenmiş; valf çapı, piston alanı ve sistem basıncı gibi temel mekanik parametreler sistematik olarak değiştirilerek performans analizleri gerçekleştirilmiştir. Çalışma kapsamında, referans bir traktörde kullanılan elektrohidrolik valf modeli MATLAB/Simulink ortamında oluşturulmuş; başlangıçta 757 ms olan vites geçiş süresi, yapılan mekanik optimizasyonlarla %76,4 oranında azaltılarak 178,53 ms seviyesine düşürülmüştür. Bu iyileştirme, sadece fiziksel parametreler üzerinde yapılan değişikliklerle; kontrol algoritması sabit tutularak gerçekleştirilmiştir. Bu tez, elektrikli traktörlerde elektrohidrolik vites geçiş sistemlerinin, geçiş süresi ve konfor gibi performans göstergelerinde anlamlı iyileştirmeler sağlanabileceğini ortaya koymaktadır. Bu yönüyle çalışma, gelecekteki akıllı tarım makinelerine yönelik önemli bir mühendislik altyapısı sunmaktadır. This thesis aims to reduce the gear shift duration in electric tractors by improving the mechanical parameters of electrohydraulic valve-controlled gear shifting systems. Whether the transmission systems used in tractors are fully compatible with the instantaneous torque generation characteristics of electric motors remains an unresolved engineering challenge, particularly in gear shift scenarios. In this context, the electrohydraulic valve structure used in a reference tractor was modeled in the MATLAB/Simulink environment. Key mechanical parameters such as valve orifice diameter, piston area, and system pressure were systematically modified to perform performance analyses. As part of the study, the baseline gear shift time of 757 ms in the reference model was reduced to 178.53 ms — a 76.4% improvement — solely through mechanical optimization, without altering the control algorithm. The findings of this thesis demonstrate that significant improvements in gear shift time and system stability can be achieved by hardware-based modifications (e.g., valve geometry, cylinder dimensions, system pressure) in electrohydraulic gear shift systems for electric tractors. Accordingly, this study contributes a valuable engineering foundation for the development of next-generation intelligent agricultural machinery
Elektro-Kültür plakanın tasarımı, üretimi ve glioblastoma hücrelerindeki etkilerinin incelenmesi
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Uğur, Düzen; İsmail Cengiz, Koçum
Glioblastoma, cerrahi, radyoterapi ve kemoterapi gibi geleneksel tedavi yöntemlerinin sınırlı başarı sağladığı, yüksek mortalite oranına sahip en agresif beyin kanseri türlerinden biridir. Alternatif elektrik alanların (AEA) kullanımı, invaziv olmayan tedavi stratejileri için umut vadeden yeni yaklaşımlar sunmaktadır. Bu tez çalışmasında, hücre kültürü deneylerine uygun olarak, AEA sistemi ile entegre edilmiş bir elektro-kültür plakasının tasarımı ve üretimi amaçlanmıştır. Geliştirilen elektro-kültür plakası, standart bir 12-kuyucuklu hücre kültürü plakasına uyumlu paslanmaz çelik elektrotlar içermektedir ve AEA’ların hücrelere eş zamanlı ve kontrollü bir şekilde uygulanmasına olanak tanımaktadır. Her kuyucukta dört adet paslanmaz çelik elektrot (Kuzey-Güney, K-G; Doğu-Batı, D-B yönlerinde) kullanılmış ve toplamda kırk sekiz elektrot aracılığıyla farklı yönlerde elektrik alanlar uygulanmıştır. Deneylerde, aynı sütun içerisindeki üç kuyucuk ile doğruluk ve tekrarlanabilirlik sağlanmış, validasyon testleri ile istenen elektrik alan şiddetinin üretildiği doğrulanmıştır. Hücre kültürü ön testlerinde, U87 glioblastoma hücrelerine iki farklı yönde (K-G ve D-B) polarize edilebilen alternatif elektrik alanlar (200 kHz, 1,5 Vpk/cm genlikte, 48 saat) uygulanmıştır. Hücre canlılığı test sonuçlarına göre, kontrol grubuna kıyasla, sham grubu %82,8 (p≤0,05), K-G grubu %30,26 (p≤0,001) ve D-B grubu %15,14 (p≤0,0001) yüzde hücre canlılıklarına sahip olup, istatistiksel olarak anlamlı azalmalar tespit edilmiştir. Bu sonuçlar, optik mikroskop görüntüleri ile de doğrulanmıştır. Ayrıca, D-B yönünde uygulanan AEA’nın, K-G yönüne kıyasla hücre canlılığını daha fazla azalttığı tespit edilmiştir (p≤0,05). Bu bulgular, hücre canlılığı üzerinde uygulanan yönelime bağlı farklı etkilerin olduğunu göstermektedir. Sonuç olarak, tasarımı ve üretimi gerçekleştirilen elektro-kültür plakanın in vitro çalışmalar için etkin bir şekilde kullanılabileceği gösterilmiştir. Glioblastoma is one of the most aggressive types of brain cancer, characterized by high mortality rates and limited success with conventional treatment methods such as surgery, radiotherapy, and chemotherapy. The use of alternating electric fields (AEFs) presents promising new approaches for non-invasive treatment strategies. This thesis aims to design and manufacture an electro-culture plate integrated with an AEF system, suitable for cell culture experiments. The developed electro-culture plate features stainless steel electrodes compatible with a standard 12-well cell culture plate, enabling simultaneous and controlled application of AEFs to the cells. Four stainless steel electrodes (aligned in North-South, N-S; and East-West, E-W directions) were used in each well, with a total of forty-eight electrodes allowing for the application of electric fields in different directions. In the experiments, the use of three wells within the same column ensured accuracy and repeatability, and validation tests confirmed the generation of the desired electric field intensity. In preliminary cell culture tests, AEFs that could be polarized in two different directions (N-S and E-W) were applied to U87 glioblastoma cells (200 kHz, 1.5 Vpk/cm amplitude, for 48 hours). According to cell viability test results, statistically significant reductions in cell viability were observed compared to the control group: the sham group had 82.8% viability (p≤0.05), the N-S group had 30.26% viability (p≤0.001), and the E-W group had 15.14% viability (p≤0.0001). These results were also confirmed by optical microscopy images. Furthermore, AEFs applied in the E-W direction were found to reduce cell viability more significantly than those applied in the N-S direction (p≤0.05). These findings indicate differential effects on cell viability depending on the orientation of the applied fields. In conclusion, the designed and manufactured electro-culture plate has been demonstrated to be effectively usable for in vitro studies.
Faz değiştiren malzemelerin parabolik güneş kollektörlerine entegrasyonu ve etkileri
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Gülden, Adıyaman; Levent, Çolak
Bu tez çalışmasında, parabolik oluk kollektörler için kullanılabilecek kaviteli, faz değiştiren malzemeli ve yalıtımlı yeni bir güneş alıcısı tasarlanmıştır. Çalışmanın ilk aşamasında, bir kollektör sisteminin genel verimliliğini ilk ölçüde etkileyen optik verimlilik üzerine çalışılmıştır. Optik verimliliği etkileyen en önemli parametre, güneş ışınımının yoğunlaştığı alıcı tarafından emilen net ısı miktarıdır. Bu bağlamda, optimizasyon parametreleri olarak üç farklı geometri (üçgen, dikdörtgen ve çokgen), üç farklı açıklık genişliği ve yüksekliği ve kavite alıcısının parabolik yansıtıcı yüzeye ilişkin üç farklı konumu alınmıştır. Bu parametrelerin etkilerini değerlendirmek ve aynı zamanda alıcı tarafından absorbe edilen radyasyon miktarı üzerindeki etkilerini incelemek için bir deney tasarımı yaklaşımı kapsamında Yanıt Yüzey Metodu kullanılmıştır. Optik analiz için, bu parametrelerin etkilerini araştırmak üzere Monte Carlo Işın İzleme yöntemiyle birlikte açık kaynaklı sayısal ışın izleme yazılımı SolTrace kullanılmıştır. Sonuçlar, optimum boşluk geometrisinin çokgen olduğunu ve boşluk derinliğinin ve açıklığının her ikisinin de 0,05 m'ye eşit olduğunu göstermektedir. Ayrıca en etkili parametrenin alıcının konumu olduğu ve optimum konumun parabolik yoğunlaştırıcının odak noktası olduğu bulunmuştur. Optimum boşluklu alıcı tasarımı için sistemin optik verimliliği %81,05 olarak bulunmuştur. Yeni alıcı tasarımında, yeni modelin Hesaplamalı Akışkanlar Dinamiği (HAD) ile doğrulama çalışmaları yapılmıştır. Yeni alıcı tasarımında, ilk olarak yeni modelin Hesaplamalı Akışkanlar Dinamiği ile doğrulama çalışmaları yapılmıştır. Bu kapsamda literatürden iki aşamalı doğrulama yapılmıştır. İlk olarak borulu bir güneş alıcısında unifor olmayan ışınım haritası entegre edilerek ısıl analizler deneysel bir çalışma doğrulanmıştır. Daha sonra Faz Değiştiren Malzeme (FDM) erime analizleri literatürdeki deneysel bir çalışma ile doğrulanmıştır. Doğrulama çalışmalarından sonra, FDM entegreli, kendinden yalıtımlıi kaviteli alıcı modellenmiş ve HAD analizleri yapılarak sonuçlar değerlendirilmiştir. FDM olarak erime ve donma sıcaklıkları sırasıyla 130 ve 120°C olan yüksek yoğunluklu polietilen (YYPE) kullanılmıştır. HAD sonuçlarına göre, FDM 13.dakikada erimeye başlamıştır. Tamamen erime süresi 31.dakikadır. Buna FDM depolama süresi de denilebilir. FDM tamamen eriyene kadar geçen sürede suyun çıkış sıcaklığı 437,52K olmuştur. Bu aşamadan sonra, güneş ışınımının kesildiği durum için kavite duvarlarındaki ışınım haritası kaldırılmış olup analizler yine zamana bağlı devam etmiştir. Bu analizlerde görülmüştür ki FDM 5.dakikadan itibaren katılaşmaya başlayıp 21. dakikada tamamen katı haldedir. FDM entegreli kendinden yalıtımlı kavitel igüneş alıcı, aynı sınır koşullarında FDM entegresiz yalıtım olmayan kaviteli alıcı ile karşılaştırılmıştır. FDMnin katılaşma süresince (16 dakika) su çıkış sıcaklığındaki dalgalanma yalnızca 17,5°C iken FDM entegresiz alıcıda bu değer 58°C olmuştur. Güneş alıcısına FDM entegresi özellikle gün içinde bulut geçişleri sırasında dakika boyunca düşük su çıkış sıcaklığı dalgalanmaları ile sistemin daha stabil çalışmasına olanak sağlamıştır. Ayrıca güneşin tamamen kesildiği akşam saatlerinde de FDM entegreli alıcıdan bir süre daha sıcak su veya buhar eldesinin devam edebileceğini göstermiştir. In this thesis, a new solar receiver with cavity, phase change material and insulation that can be used for parabolic trough collectors has been designed. In the first stage of the study, optical efficiency was studied, which primarily affects the overall efficiency of a collector system. The most important parameter affecting optical efficiency is the net amount of heat absorbed by the receiver where solar radiation is concentrated. In this context, three different geometries (triangle, rectangle and polygon), three different aperture width and height, and three different positions of the cavity receiver relative to the parabolic reflecting surface were taken as optimization parameters. The Response Surface Method was used within a design-of-experiment approach to evaluate the effects of these parameters and also to examine their impact on the radiative heat rate absorbed by the receiver. For optical analysis open-source numerical ray-tracing software SolTrace, accompanied with the Monte Carlo Ray Tracing method, was used to investigate the effects of these parameters. The results showed that the optimum cavity geometry was polygonal and the cavity depth and span are both equal to 0.05m. Moreover, it is found that the most effective parameter is the position of the cavity receiver and the optimum position was at the focal line of the parabolic concentrator. For the optimum cavity receiver design, the optical efficiency of the system was found to be 81.05%. In the new receiver design, verification studies of the new model were carried out with Computational Fluid Dynamics (CFD). In this context, two-stage validation was performed from the literature. Firstly, the non-uniform radiation map was integrated in a tubular solar receiver and thermal analyses were verified with an experimental study. Then, the Phase Change Material (PCM) melting analyses were verified with an experimental study in the literature. After the validation studies, the PCM integrated, self-insulating cavity receiver was modeled and the results were evaluated by performing CFD analyses. High density polyethylene (HDPE) with melting and freezing temperatures of 130 and 120°C, respectively, was used as PCM. According to the CFD results, PCM started to melt in the 13th minute. The complete melting time was 31st minute. This can also be called PCM storage time. The exit temperature of the water was 437.52K during the period until PCM was completely melted. After this stage, the radiation map on the cavity walls was removed for the case where solar radiation was cut off and the analyses continued again depending on time. In these analyses, it was seen that FDM started to solidify from the 5th minute and was completely solid at the 21st minute. FDM integrated self-insulating cavity solar receiver was compared with FDM integrated non-insulating cavity receiver under the same boundary conditions. While the fluctuation in water outlet temperature was only 17.5°C during the solidification period of FDM (16 minutes), this value was 58°C in the receiver without FDM integration. FDM integration to the solar receiver allowed the system to work more stably, especially during cloud transitions during the day, with low water outlet temperature fluctuations for minutes. It was also shown that hot water or steam could continue to be obtained from the FDM integrated receiver for a while longer in the evening hours when the sun completely stopped.
FMCW radar verilerinin makine öğrenmesi yöntemleri ile sınıflandırılması
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Emre Can, Ertekin; Selda, Güney
Günümüzde objeleri niteliklerine göre sınıflandırmanın birçok uygulama alanı bulunmaktadır. Örneğin, savunma sanayi, gözetleme, robotik vb. Bu durum, geleneksel yöntem ile çözülemeyen problemlere yönelik birçok yenilikçi uygulamanın ortaya çıkmasına olanak sağlar. Örneğin, radar verileri üzerinden nesnelerin sınıflandırılmasında hız, Radar Kesit Alanı (RKA), faz değişimi gibi birçok değer göz önünde bulundurulur. Ancak, bu yöntem ile birbirine yakın boyut ve hızlarda olan nesneler yüksek doğruluk ile ayırt edilememektedir. Bu duruma örnek olarak kuş ve droneların radar verileri üzerinden ayırt edilmeye çalışılmasını örnek verebiliriz. Kuşlar ve droneların RKA ölçümleri ve hızları bazı durumlarda aynı olmaktadır ve bu sebep ile geleneksel eşik uygulama gibi yöntemler etkin olmamaktadır. Günümüzde meydana gelen simetrik ve asimetrik çatışma ve savaşlar göz önüne alındığında, drone kullanımının arttığını ve savaş alanında etkin bir şekilde kullanılabileceğini gözlemlemek mümkündür. Droneların kolay elde edilebilir ve kolay imal edilebilir olması bu duruma neden olabilmektedir. Bu nedenle farklı sensörler ve farklı yöntemler kullanılarak bu droneların ayırt edilmesi önem arz etmektedir. Bu tez çalışmasında, bu ayrımın yüksek performansla gerçekleştirilebilmesi için gerçek radar sensör ölçümlerinden elde edilen eş evreli dördün evreli (In-Phase Quadrature, IQ) verilerinin spektogramları ile Evrişimsel Sinir Ağı(ESA) algoritmasının performansı üzerine bir çalışma yapılmıştır. Bu çalışmada, Frekans Modülasyonlu Sürekli Dalga (Frequency Modulated Continuous Wave, FMCW) radardan elde edilmiş olan IQ verilerinin mikrodoppler izlerini kullanarak, klasik makine öğrenmesi yöntemlerini ve farklı derin öğrenme mimarilerini kullanarak hem farklı drone türlerinin sınıflandırılmasını hem de droneların kuşlardan ayırt edilmesi gerçekleştirilmiştir. Bu çalışmada kullanılmış olan veriseti içerisinde 6 adet drone sınıfı, 2 adet insan hareketine bağlı ölçümlerden oluşan insan sınıfı, 6 ayrı kuş türüne ait ölçümlerin olduğu kuş sınıfı ve Üçgen Reflektör ölçümlerinden oluşan üçgen reflektör sınıfı bulunmaktadır. Bu çalışma sonucunda uçtan uca oluşturulmuş ESA mimarileri ve önceden eğitilmiş ESA mimarilerinde ile yüksek başarım oranları elde edilmiştir. Bu çalışmada önerilen ESA mimarisi ile özniteliklerin çıkartılarak Destek Vektör Makinası ile sınıflandırıldığında en yüksek doğruluk değeri %98.04 olarak elde edilmiştir. Nowadays, object classification has many applications field, such as defense, surveillance, robotics etc. This situation brings so many solutions for problems in traditional classification methods. For example, many values such as speed, Radar Cross Section (RCA), and phase change are taken into account when classifying objects from radar data. However, with usage of this method has bad accuracy in case of similar RCS and speed targets. For example, in case of birds and drones their size and speeds are similar in many cases. Because of this, classification of bird and drone has poor accuracy when using traditional classification methods (Thresholding etc.). In case of drone-bird classification, those algorithms have lack of accuracy. Since, size of a drone and birds are nearly same, RCS classifications cannot work properly. Considering the symmetrical and asymmetrical conflicts and wars taking place today, it is possible to observe that the use of drones is increasing and can be used effectively in these areas. The fact that drones can be easily obtained and easily manufactured can cause this situation. The importance of classifying and distinguishing between drones and birds is important both on the battlefield and in protecting high-value sites and infrastructure from terrorist attacks. For example, airports, military bases, military convoys, government buildings, nuclear power plants, power stations, dams, etc. For this reason, it is important to distinguish these drones using different sensors and different methods. In order to realize this discrimination with high performance, this study is used a real radar sensor measured In-Phase Quadrature (IQ) data spectrograms to observing performance of Convolutional Neural Network (CNN) algorithms. In this thesis study, using micro-Doppler traces of IQ data obtained from FMCW radar, classical machine learning methods and different deep learning architectures have been used to classify different drone types and to distinguish drones from birds. To conduct this study, two datasets is used, first dataset consist of 6 drone classes, 2 human classes with different movements, 6 different bird classes and 1 corner reflector class were used. In second dataset, only drones and bird measurements were used. As a result of this study, high accuracy rates were obtained with end-to-end CNN architectures and Pre-trained CNN architectures. With the CNN architecture proposed in this study, the highest accuracy value 98.04 % was obtained when features were extracted and classified with Support Vector Machine (SVM) with the usage of nine class dataset. With the usage of second dataset which is include only two class (Birds and drones) the accuracy is 99.4 % with the same CNN feature extraction and SVM method use.
FPGA tabanlı derin öğrenme algoritması ile baskılı devre kusurlarının tespiti
(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2025) Öner, Enes Emre
Endüstrinin gelişmesiyle birlikte hayatımızın her noktasında bulunan elektronik donanımların temel altyapısı olan elektronik kartların ve devre yollarının küçülmesi, baskılı devre üretimini karmaşıklaştırarak, son üründe kusurların meydana gelmesine sebep olabilmektedir. Baskılı devrede oluşabilecek kusurlar elektronik kartların küçük olması sebebiyle dikkatlice, büyüteç gibi ekipmanlar kullanılarak kontrol edilmelidir. Bu yöntem, zamansal olarak uzundur ve hatalara açıktır. Kusurların tespit edilememesi cihazın kısa sürede arıza vermesine ve performansının düşük seviyelerde seyretmesine sebep olarak kullanıcıyı mağdur edecek ve ürün/marka taleplerinde düşüşe sebep olacaktır. Bu soruna çözüm olarak, nesne tespit alanında kullanılan derin öğrenme modelleri ile çalışan sistemlerin üretim veya üretim sonrası süreçlere dahil edilmesi önerilebilir. Bu sistemler, baskılı devreler üzerinde oluşan kusurları, yüksek doğrulukta ve yüksek hızda tespit edilebilecek kabiliyete sahip olmalıdır. FPGA’lar (Field Programmable Gate Array), paralel işlem yeteneği, tasarımda esneklik ve yeniden programlanabilme kabiliyetleri sayesinde bu tip gerçek zamanlı çalışması gereken sistemler için genelde kullanılan CPU (Central Processing Unit), GPU (Graphical Processing Unit) ve hibrit yapılara (SoC- System on Chip) göre daha uygun bir ortam sağlamaktadır. Bu tez çalışmasında, baskılı devre üretimi sonrasında oluşan kusurların derin öğrenme modeli yardımı ile tespitini gerçekleştiren FPGA tabanlı yöntem önerilmektedir. Çalışmada kullanılan açık kaynaklı veri seti, 9666 adet görüntü ve 7 farklı kusura ait sınıf içermektedir. Yapılan çalışmada, derin öğrenme modeli olarak bu alanda FPGA ile kullanılan en son versiyon YOLOv8 modelinin daha üst versiyonlarından birisi olan YOLOv11 versiyonu kullanılmıştır. Performans farklarının anlaşılması adına YOLOv8 ve YOLOv11 modelleri aynı koşullar altında eğitilmiş ve performansları karşılaştırılmıştır. Parametre-performans ilişkisinde nihai eğitimde %98,4 mAP50 (IoU - Intersection over Union - eşiğinde ortalama hassasiyet 0,50) performansıyla üstün gelerek gömülü sistemlerde daha az yer kaplayan YOLOv11n modelinin diğer çalışmalardan farklı olarak GPU veya CPU desteği olmaksızın sadece RTL (Register Transfer Language) tabanlı FPGA mimarisi oluşturularak sonuçların performansı incelenmiştir. İncelemeler doğrultusunda genel mAP50 değerinin %97,86 seviyesinde korunduğu, çıkarım hızının ise 34,9386306ms olduğu gözlemlenmiştir. Tespit yeteneğinin çok az miktarda kayıpla korunabilmesi, YOLOv11n modelinin RTL temelli gerçeklemesinin mümkün olduğunu göstermiştir. Bu tez çalışmasında alınan sonuçlar, gerçek zamanlı sistemlerde CPU, GPU ve hibrit yapılar yerine işlem gücü olarak sadece FPGA bulunduran sistemler kullanılabileceğine dair ışık tutmuştur. With the developing industry, the miniaturization of electronic boards and circuit paths, which are the basis of electronics in our lives, complicates PCB (Printed Circuit Board) production and can cause defects on the final product. Defects occurring on the PCB should be checked carefully using equipment such as a magnifying glass due to the size of the electronic cards. This method is time-consuming and prone to mistakes. Failure of detection of defects may cause the device to fail in a short time and its performance to remain at low levels, which will cause a decrease in product/brand demand by victimizing the user. As a solution, including systems working with deep learning models, used in object detection, in production or post-production stages can be suggested. These systems must detect defects on PCBs with high accuracy and speed. FPGAs (Field Programmable Gate Array) provide a more suitable environment for real-time systems, with their parallel processing capability, flexibility in design and re-programmability, compared to CPU (Central Processing Unit), GPU (Graphical Processing Unit) and hybrid structures (SoC - System on Chip) which are generally used in these systems. In this thesis, an FPGA-based architecture is proposed that detects defects, which occur after PCB production, with the help of a deep learning model. The open-source dataset used in this study contains 9666 images and 7 different defect classes. In the thesis, one of the upper versions of the YOLOv8 model, the YOLOv11 version, is used as the deep learning model, which is the latest version used in this with FPGA field so far. To understand the performance differences, YOLOv8 and YOLOv11 models are trained under the same conditions and their performances are compared. In the parameter-performance relationship, the YOLOv11n model, which occupies less space in embedded systems and achieving 98,4% mAP50 (mean average precision for IoU - Intersection over Union – at threshold 0,50) performance in the final training, is examined by creating only RTL (Register Transfer Language) based FPGA architecture without GPU or CPU support. Within the observations in examinations, the overall mAP50 value is preserved at 97,86% with the inference speed is 34,9386306ms. The fact of the preservation of detection capability with a very small amount of loss proves the RTL implementation of YOLOv11n model is possible. The results in this thesis shed light on the systems contains FPGA as processing power can be used instead of CPU, GPU and hybrid structures in real-time systems