Enstitüler / Institutes
Permanent URI for this communityhttps://hdl.handle.net/11727/1390
Browse
12 results
Search Results
Item Makine öğrenimi teknikleri ile mekanik parçaların 3 boyutlu tasarımlarının sınıflandırılması(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Atasoy, IşılMakine öğrenmesi teknikleri kullanılarak geliştirilen veri işleme uygulamaları son yıllarda oldukça büyük bir hız ile gelişme kat etmekte ve farklı alanlarda birçok probleme çözümler sunmaktadır. Yazılım destekli çözümleri kullanan tüm sektörlerden alınan veriler incelendiğinde sonuç olarak verimliliklerin arttığı, insan kaynaklı hataların ve gecikmelerin önüne geçildiği gözlemlenmiştir. Bu çalışmada üretim ve tasarım endüstrisinde kullanılan standart mekanik parçaların derin öğrenme algoritmaları kullanılarak sınıflandırılması amaçlanmaktadır. Buna ek olarak, çalışmada kullanılan modellerin performansları karşılaştırılacaktır. Çalışma kapsamında iki aşamalı bir deney kurulmuştur. Deneyin aşamaları birbirinden bağımsız olup, sonuçları da bağımsız olarak değerlendirilmiştir. İlk aşamada cıvata, pim, somun, rondela mekanik parçalarının dijital tasarımlarından oluşan hazır bir veri seti kullanılmıştır. Bu veri seti her parçadan eşit sayıda 224x224x3 boyutlarında görseller içerecek şekilde toplamda 7616 adet örneklemden oluşmaktadır. İkinci aşamada ise aynı tasarım görsellerine ek olarak mekanik parçaların gerçek fotoğrafları da eklenip toplamda 1600 adet örnekten oluşan yeni bir veri seti oluşturulmuştur. Daha sonra deneyin her iki adımında da parçaların tanınma problemine çözüm bulmak için AlexNet, VGG, DenseNet, ResNet ve Xception sınıflandırma modelleri tercih edilerek, sonuçlar kaydedilmiştir. İlk adımda modeller sırasıyla ortalama 0.25, 0.25, 0.60, 0.69 ve 0.75 doğruluk oranları sunmuştur. İkinci adımda ise sırasıyla ortalama 0.27, 0.25, 0.65, 0.85 ve 0.96 doğrulukla başarı elde etmişlerdir. Çalışmanın sonuçlarında modellerin performans karşılaştırmaları belirtilmiştir. Machine learning techniques and data processing applications have been developing rapidly in recent years and offer solutions to many problems in different fields. Efficiency has increased in all sectors using software-supported solutions, and human errors and delays have been prevented. This study aims to classify standard mechanical parts used in the production and design industry using deep learning algorithms. In addition, the performances of the models used in the study will be compared. A two-stage experiment was established within the scope of the study. The stages of the experiment were independent from each other and the results were evaluated independently. In the first stage, a ready-made data set consisting of digital designs of mechanical parts of bolts, pins, nuts and washers was used. This data set consists of 7616 samples in total, including an equal number of 224x224x3 images from each piece. In the second stage, in addition to the same design visuals, real photographs of mechanical parts were added and a new data set consisting of 1600 samples in total was created. Then, in both steps of the experiment, AlexNet, VGG, EfficientNet, ResNet and Xception classification models were preferred to find a solution to the problem of recognition of parts, and the results were recorded. Then, in both steps, AlexNet, VGG, EfficientNet, ResNet and Xception models were preferred to list the broken ones and the results were generated. Initial replacement models offered average accuracy rates of 0.25, 0.25, 0.60, 0.69 and 0.75, respectively. Secondary renewal was successful with an average accuracy of 0.27, 0.25, 0.65, 0.85 and 0.96, respectively. The results of the study are stated in the comparison performances of the models.Item Otonom araçlar için şerit takibi tekniği(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Sinan, Güven; Deniz, KaraçorBu tezde, otonom araçlar için yol çizgisi takibi algoritmalarının geliştirilmesi ve performanslarının değerlendirilmesi amaçlanmıştır. Yol çizgisi takibi, otonom sürüş sistemlerinin güvenilirliği ve etkinliği açısından kritik bir bileşendir. Yol çizgisi takibi algoritmaları makine öğrenmesi tabanlı yöntemler ve geleneksel görüntü işleme teknikleri kullanılarak ikiye ayrılmaktadır. Makine öğrenmesi tabanlı yöntemler, belirli veri setleri üzerinde eğitilen modellerle çalışmakta olup, veri setinin dışındaki senaryolarda performans düşüşü yaşayabilmektedir. Bu yöntemlerin başarısı, kullanılan veri setinin çeşitliliği ve kapsamı ile doğrudan ilişkilidir [1]. Geleneksel yöntemler, veri setine bağımlı olmaksızın çalışmakta ve model eğitimi gerektirmediğinden hızlı bir şekilde uygulanabilmektedir. Bu yöntemler, yol çizgisi bilgilerini çıkartmak için kenar tespiti ve görüntü segmentasyonu gibi klasik görüntü işleme tekniklerinden yararlanmaktadır. Bu araştırmada yol çizgisi takibi için geleneksel yöntemlerin etkinliği değerlendirilmiştir. Yatay filtre komşuluk değerinin (τ) görüntünün parlaklığına göre adaptif hale getirilmesi gibi yenilikçi yaklaşımlar kullanılmıştır. Adaptif yöntem, değişen ışık koşullarında yol çizgilerinin doğru tespit edilmesini kolaylaştırmaktadır. Deneysel sonuçlar, adaptif τ seçiminin yol çizgisi tespiti üzerindeki olumlu etkilerini göstermiştir. Bu bulgular, otonom sürüş sistemlerinin güvenilirliğini ve etkinliğini artırmaya yönelik önemli katkılar sunmaktadır. In this thesis, the aim is to develop and evaluate lane tracking algorithms for autonomous cars. Lane tracking is a critical component for the reliability and efficiency of autonomous driving systems. Lane tracking algorithms are divided into two categories: machine learning-based methods and traditional image processing techniques. Machine learning-based methods work with models trained on specific datasets and may experience performance drops in scenarios outside of these datasets. The success rates of these methods are directly related to the diversity and scope of the dataset used [1]. Traditional methods, on the other hand, operate independently of the dataset and can be implemented quickly as they do not require model training. These methods utilize classic image processing techniques such as edge detection and image segmentation to extract lane information. In this research, the effectiveness of traditional methods for lane tracking has been evaluated. Innovative approaches, such as making the horizontal filter neighbourhood value (τ) adaptive to the brightness of the image, have been employed. The adaptive method facilitates the accurate detection of lanes under varying lighting conditions. Experimental results have shown the positive effects of adaptive τ selection on lane detection. These findings offer significant contributions to enhancing the reliability and efficiency of autonomous driving systems.Item Artık blok destekli U-Net mimarisi kullanarak görüntü steganografisi ve gizli veri boyutunun analizi(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2024) Şener, Dilara; Güney, SeldaGünümüz iletişim sistemlerinde veri güvenliği, hayati bir öneme sahiptir. Temel amaç, hassas bilgilerin yetkisiz kişilerin eline geçmeden veya anlaşılamayacak şekilde güvenli bir biçimde hedefe iletilmesidir. Dijital teknolojideki gelişmeler ve cihazların yaygınlaşması veri güvenliği konusunda yeni zorlukları da beraberinde getirmektedir. Özellikle bankacılık, sağlık sektörü ve özel yaşam gibi alanlarda veri güvenliği daha da önem kazanmıştır. Bu bağlamda, steganografi gibi veri gizleme yöntemleri, kötü niyetli erişimlerden korunma amacıyla öne çıkmaktadır. Steganografi, önemli bilgileri fark edilmeden dijital medyaların içine gizleyerek, bu bilgilerin sadece gönderici ve alıcı tarafından bilinmesini sağlayan bir yöntem olması nedeniyle bilgi güvenliği alanında sıkça kullanılan yöntemlerden biridir. Bu tez çalışmasında, temel amaç, artık blok destekli U-Net mimarisi kullanılarak 256x256 boyutlarındaki renkli mesaj görüntülerinin aynı boyutlardaki kapak görüntülerine etkili bir şekilde gizlenmesini sağlamaktır. Literatürdeki çalışmalarda genellikle görüntü segmentasyonu amacıyla kullanılan klasik U-Net mimarisi, bu çalışmada veri gizleme ve çıkarma amacıyla düzenlenerek kullanılmıştır. Modelin test edilmesi aşamasında, iki farklı analiz yapılmıştır. İlk analiz kapsamında, literatürdeki mevcut çalışmalardan farklı olarak, Linnaeus 5 veri seti kullanılarak 32x32, 64x64, 128x128, ve 256x256 olmak üzere farklı boyutlardaki renkli mesaj görüntülerinin kapak görüntüsü üzerindeki etkisini incelemiştir. İkinci analiz kapsamında, farklı karakteristik özelliklere sahip görüntüler üzerinde genelleştirme yeteneğini ölçmek amacıyla model, Linnaeus 5 veri setine ek olarak ImageNet ve Labeled Faces in the Wild (LFW) veri setleri ile de test edilmiş ve ölçüm metrikleri elde edilmiştir. Elde edilen sonuçlar literatürde yer alan diğer çalışmalarla kıyaslanmıştır. Gerçekleştirilen kapsamlı literatür taramasından elde edilen mevcut bilgiler çerçevesinde, çalışmanın literatürdeki mevcut derin öğrenme algoritmalarına kıyasla Tepe Sinyal-Gürültü Oranı (Peak Signal to Noise Ratio, PSNR) ve Yapısal Benzerlik İndeksi Ölçümü (Structural Similarity Index, SSIM) açısından umut verici sonuçlar verdiği değerlendirilmektedir. Elde edilen analiz sonuçları hem yüksek veri gizleme kapasitesi hem de yüksek algılanamazlık düzeyinin elde edildiğini göstermektedir. Tez çalışması kapsamında ayrıca kapak görüntüleri karmaşıklık düzeylerine göre kategorize edilerek iki ayrı kategorideki bu resimlere aynı gizli görüntülerin gizlenmesiyle elde edilen ölçüm sonuçları değerlendirilmiştir. Böylece, karmaşıklık düzeyine göre optimum kapak resmi seçilmesi konusunda istatistiksel bir değerlendirme yapılmıştır.In modern communication systems, data security is of paramount importance. The primary goal is to ensure that sensitive information is transmitted to the intended recipient securely and unintelligibly to unauthorized individuals. Advancements in digital technology and the proliferation of devices have introduced new challenges in data security. In fields such as banking, healthcare, and personal privacy, the importance of data security has become increasingly critical. In this context, methods of data concealment like steganography have gained prominence for their ability to protect against malicious access. Steganography, by discreetly embedding crucial information within digital media, ensures that the data is only known to the sender and the receiver, making it a frequently employed method in the field of information security. This thesis is primarily focused on employing the U-Net architecture, which is supported by residual blocks, for the efficient concealment of colored message images of 256x256 dimensions within cover images of identical size. The classical U-Net architecture, traditionally used for image segmentation in the literature, has been adapted in this study for data hiding and extraction. During the testing phase of the model, two distinct analyses were conducted. Differing from existing studies, the first analysis investigated the impact of colored message images of various sizes (32x32, 64x64, 128x128, and 256x256) on the cover image using the Linnaeus 5 dataset. The second analysis aimed to measure the generalization capability of the model on images with different characteristics, employing additional datasets such as ImageNet and Labeled Faces in the Wild (LFW), and the results were compared with other studies in the literature. Comprehensive analyses have shown promising results in terms of Peak Signal to Noise Ratio (PSNR) and Structural Similarity Index Measure (SSIM) compared to current deep learning algorithms in the literature, to the best of our knowledge. The results demonstrate both a high capacity for data concealment and a high level of imperceptibility. Additionally, as part of the thesis work, cover images categorized based on their complexity levels and evaluates the measurement results obtained by embedding the same secret images into these two different categories. This provides a statistical assessment for selecting the optimum cover image based on complexity level.Item X-Ray görüntülerinden köpeklerde uzun kemik kırıklarının meydana gelme zamanına göre sınıflandırılması(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2023) Tezcan, Berkan; Güney, SeldaBiyomedikal alanda önemli bir rol oynayan derin öğrenme algoritmaları, son yılların en popüler konularından biridir. Bu algoritmalar, görüntüleme yöntemleri kullanılarak hastalık ve kırık tespiti, biyolojik veri kestirimi, doku ve organ bölütlemesi, eksik veri tamamlanması gibi birçok uygulama için başarılı sonuçlar sağlamaktadır. Kemiklerdeki kırık tespiti, özellikle bu alanda en çok araştırılan konulardan biridir. Ancak, bu uygulamaların büyük çoğunluğu insan tıbbında kullanılırken, veteriner tıp uygulamaları daha az araştırılmıştır. Bu alandaki eksiklik, tez konusunun en büyük motivasyon kaynağı olmuştur. Bu tez çalışması kapsamında, köpeklere ait X-ray görüntülerini içeren veri seti ile uzun kemiklerdeki kırığın varlığının saptanması ve var olması durumunda da kırığın zamanına göre sınıflandırılması hedeflenmiştir. Biyomedikal görüntü işleme alandaki pek çok çalışma gibi, bu çalışmada da farklı derin öğrenme mimari karşılaştırılarak sonuçlar en iyileştirilmeye çalışılmıştır. Deep learning algorithms, which play an important role in the biomedical field, are one of the most popular topics in recent years. These algorithms provide successful results for many applications such as disease and fracture detection, biological data prediction, tissue and organ segmentation, and missing data completion using imaging methods. Fracture detection in bones is particularly one of the most researched topics in this field. However, while the majority of these applications are used in human medicine, veterinary medicine applications have been less studied. The lack of research in this field has been the main motivation for the thesis topic. Within the scope of this thesis study, the aim is to detect the presence of a fracture in the long bones in dogs using a dataset containing X-ray images of dogs, and to classify the fracture according to its time of occurrence if it exists. Like many studies in the field of the biomedical image processing, different deep learning architectures are compared, and the results are tried to be optimized.Item Alışılmamış imalat yöntemlerinin seçiminde bir karar destek sisteminin geliştirilmesi(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2024) Kargın, Leman; İç, Yusuf TanselBu tez çalışmasında Alışılmamış İmalat Yöntemlerinin (AİY) seçimi için bir Karar Destek Sistemi (KDS) geliştirilmiştir. Geliştirilen KDS’de öncelikle literatürde gerçekleştirilmiş çalışmalardan yola çıkarak yapılacak işlemlere uygun AİY’ler veri tabanından belirlenerek bir alternatif setinin oluşturulması sağlanmıştır. Ardından literatürde yaygın bir şekilde AİY seçiminde kullanılmış olan AHP ve TOPSIS yöntemleri bütünleşik olarak uygulanarak işe en uygun AİY’nin belirlendiği bir seçim modeli oluşturulmuştur. Sonrasında elektro kimyasal delik delme işlemi özelinde bu işlemle delinmiş deliklerin görüntülerini görüntü işleme teknikleriyle işleyen, ön eleme ve AHP-TOPSIS modeli sonucu belirlenmiş olan AİY için uygun işleme parametrelerinin de önerildiği ikinci seviye bir model KDS’ye entegre edilmiştir. Son aşamada ise görüntü işleme teknikleri ile elde edilen farklı performans yanıtlarına sahip olan farklı parametre setlerinden oluşan alternatifler TOPSIS modeline aktarılarak performans yanıtlarına kullanıcının atayacağı ağırlık değerlerine göre en uygun parametre kombinasyonunun tespitinin sağlandığı bir en iyileme modülü de KDS’ye eklenmiştir. Böylece AİY seçim sürecinin tüm değerlendirme ve analiz aşamalarını içeren bütünleşik bir KDS ortaya konabilmiştir. Geliştirilen KDS ileriki dönemlerde diğer AİY’lerin işlemler özelindeki görüntülerinin veri tabanına yüklenmesi ile diğer işlemler için de işleme parametresi değeri verebilecek bir yapıda oluşturulmuştur. KDS, Python programlama dili kullanılarak geliştirilmiş ve uygulama çalışmaları ile KDS’nin işlevselliği gösterilmeye çalışılmıştır. In this thesis, a decision support system (DSS) was developed for the selection of Nontraditional Manufacturing Processes (NTMPs). In the developed DSS, first of all, based on the studies carried out in the literature, suitable NTMPs were determined from the database, and an alternative set was created. Then, AHP and TOPSIS methods, which have been widely used in the selection of AHPs in the literature, were integrated into the DSS to determine the most suitable NTMP for the defined operation. Afterward, a second level model was integrated into the DSS, which processes the images of the holes drilled with this process with image processing techniques, specifically for the electrochemical hole drilling process, and also recommends the appropriate processing parameters as a result of the pre-screening module and AHP-TOPSIS model. In the last stage, alternatives consisting of different parameter sets with different performance responses, obtained through image processing techniques, were transferred to the TOPSIS model, and an optimization module was integrated into the DSS, which enables the determination of the most appropriate parameter combination according to the weight values assigned by the user to the performance responses. Thus, an integrated DSS that includes all evaluation and analysis stages of the NTMP selection process was developed. The developed DSS was created in a structure that can provide processing parameter values for other processes in the future by uploading process-specific images of other NTMPs to the database. DSS was developed using Python programming language, and the functionality of DSS was tried to demonstrate with application studies.Item Kalite kontrol sistemi için derin öğrenme tabanlı bir model önerisi(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2022) Çelik, YarenAhşap hammaddeler günümüzde birçok endüstride yaygın olarak kullanılmaktadır. Ahşap hammadde üzerinde olan ve gözden kaçan istenmeyen görüntüler elde edilen ürünü görsel ve dayanıklılık açısından negatif etkilemekte, satışını engellemektedir. Bu nedenle bu tür hammaddelerin üretim sürecine girmeden belirlenmesi veya üretim hattına kurulacak bir otomasyon sistemi ile hatalı hammaddelerin belirlenerek üretim dışında bırakılması istenir. Kusurlu hammaddenin elle ve gözle kontrolü zor ve yanıltıcıdır. Sürekli gelişen dijital teknoloji ve sistemler sayesinde bu tür kontroller için otomasyon sistemleri geliştirilmektedir. Son yıllarda araştırmacılar görüntü işleme tabanlı denetim sistemlerini kullanarak kalite kontrol uygulamaları geliştirmektedirler. Bu teknolojiler sayesinde hammadde üzerinde olan kusurlar üretimin erken aşamalarında fark edilerek oluşacak son ürünün kusurlu veya hatalı olması engellenebilir. Böylece işgücü ve malzeme kayıpları nedeniyle oluşacak maliyetler ve harcanan zaman azaltılabilmektedir. Bu çalışmada, üretim hattı üzerinde kurulacak özel bir kamera sistemi ile elde edilen görüntüler üzerindeki kusurları belirleyecek model derin öğrenme yöntemleri ile elde edilmiş ve kusurlu kusursuz ayrımı yapan sistem önerisi geliştirilmiştir. Kusurların tespiti için görüntü işlemede ayrım tabanlı bir yöntem olan Evrişimsel Sinir Ağı (ESA), en uygun yöntemlerden biri olması nedeniyle tercih edilmiştir. Ayrıca ShuffleNet, AlexNet, GoogleNet gibi farklı ESA mimarileri ve parametreleri denenerek probleme en uygun olan mimari belirlenmeye çalışılmıştır. Ahşap ürünlerinde kusurlu ve kusursuz ayrımı yapan kalite kontrol sistemleri için çalışmada dikkate alınan ESA yönteminde, MobileNet, DenseNet ve Inception mimarileri umut verici sonuçlar vermektedir. Ayrıca ESA yöntemi denemelerine görüntü çoğaltma ve görüntü iyileştirme yöntemleri hem ayrı ayrı hem de bir arada eklenerek bu yöntemlerin performans metriklerini nasıl etkilediği incelenmiştir. Yapılan her denemede parametreler değiştirilmiş performans metrikleri üzerindeki etkileri incelenmiştir. Böylece en iyi performansı veren parametre seti ile ESA mimarisine karar verilmiştir. Wood as a raw material is currently used in many industries. Unsightly texture and other defects on the wood make it less visually appealing and impact its durability as a material. Blemishes on the wood reduce its value, and defective material should be identified and removed from production. Since it’s difficult to spot defects through visual or manual inspection, an automated system integrated into the production system is a viable option. With the help of advanced digital technology, automated systems for such controls are being developed. In recent years, researchers have been developing quality control applications using image processing-based inspection systems. By means of these technologies, defects in the raw material can be spotted in the early stages of production. Early identification of defects will prevent the production of faulty end products and will reduce labor and material losses in production. In this study, an integrated system is proposed to identify defective material. The proposed system acquires images of the raw material through a special camera installed on the production line. Digital images will be analyzed by deploying deep learning methods, and defective materials will be set apart. Convolutional Neural Network (CNN), a distinction-based method in image processing for detecting defects, was preferred because of its suitability. In addition, different CNN architectures such as ShuffleNet, AlexNet, GoogleNet, and parameters associated with these architectures were tested to identify the most suitable architecture for this problem. In the CNN method, considered in the study for quality control systems to separate out defective wood products, MobileNet, DenseNet, and Inception architectures gave promising results. In addition, image augmentation and image enhancement methods were added to the CNN method experiments, both separately and together, and their effect on performance metrics was examined. In each trial, parameters were modified, and the impact of parameters on the performance metrics was examined.Consequently, CNN architecture was selected with the parameter set giving the best performance.Item Köpeklerin Uzun Kemiklerinin ve Uzun Kemiklerindeki Kırıkların Sınıflandırılması(Başkent Üniversitesi Fen Bilimler Enstitüsü, 2022) Cangöz, Gülnur Begüm; Güney, SeldaSon yılların en popüler konularından olan derin öğrenme algoritmaları, biyomedikal alanındaki problemlerin çözümünde önemli bir role sahiptir. Çeşitli görüntüleme yöntemleri ile elde edilen görüntüler kullanılarak hastalık ve kırık tespiti, biyolojik veri kestirimi, doku ve organ bölütlemesi, eksik veri tamamlanması gibi birçok uygulama bu algoritmalar sayesinde başarılı bir şekilde gerçekleştirilebilmektedir. Özellikle kemiklerdeki kırık tespiti, bu alanda en çok çalışılan konuların başında gelmektedir. Ancak bahsi geçen uygulamaların büyük bir çoğunluğu beşeri hekimlikte yer edinirken, veteriner tıpa hizmet eden uygulamalar daha geri planda bırakılmıştır. Özellikle literatürde bu alandaki eksikliğin fark edilmesi, tez konusunun en büyük motivasyon kaynağı olmuştur. Bu tez çalışması kapsamında, Ankara Büyükşehir Belediyesi Sokak Hayvanları Geçici Bakım Evi’nden alınan, köpeklere ait X-ray görüntülerini içeren geniş kapsamlı bir veri seti meydana getirilmiştir. X-ray görüntülerinden uzun kemiğin çeşidinin belirlenmesi, kırığın varlığının saptanması ve var olması durumunda da kırığın cinsine göre sınıflandırılması hedeflenmiştir. Sadece X-ray görüntülerine bakılarak kırık zamanının ve köpeğin yetişkinlik düzeyinin saptanabilmesi ise tez kapsamında yapılan diğer çalışmalar arasında yer almaktadır. Biyomedikal görüntü işleme alanındaki pek çok çalışma gibi, bu çalışmada da farklı derin öğrenme mimari karşılaştırılarak sonuçlar en iyileştirilmeye çalışılmıştır. One of the most popular topics of recent years, deep learning algorithms find wide application in the biomedical field. Disease and fracture detection, biological data estimation, tissue and organ segmentation, missing data completion, and many more applications can be successfully performed using images obtained by various imaging methods, thanks to deep learning algorithms. In particular, fracture detection is one of the most popular subjects in this field. Nevertheless, most of these applications are made for human medicine. Therefore, veterinary medicine have been ignored drastically. The realization of the deficiency in this area has been the biggest motivation for the thesis. In the thesis, a comprehensive data set containing X-ray images of dogs gathered from Ankara Metropolitan Municipality Stray Animals Temporary Care Home is created. It is aimed to determine the type of long bone from the images, then detect the presence of the fracture and, if present, classify the fracture type. According to X-ray images, the determination of the fracture time and the maturity of the dog are other studies carried out within the scope of the thesis. Like many studies in the field of the biomedical image processing, different deep learning architectures are compared, and the results are tried to be optimized.Item Klinik laboratuvar örneklerinde hemliz, lipemi ve ikter belirlenmesi için preanalitik okuyucu tasarlanması(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2021) Tan, Kubilay; Haberal, Orhan ErdemKlinik laboratuvarlarda temel amaç, bir konsantrasyonun veya aktivitenin gerçek değerini belirlemektir. Bununla birlikte, sonuçlar genellikle hemoliz, ikterus ve lipemi interferan maddelerin varlığından dolayı etkilenir ve bu, numunenin görünümündeki renk değişikliği veya bulanıklık ile anlaşılmaktadır. Hemoliz, ikter ve lipemi serum indeksleri günümüzde spektral analiz ve görsel değerlendirme olmak üzere iki farklı yöntem ile tespit edilmektedir. Her biyokimya laboratuvarı maliyeti yüksek, yüksek teknolojik otoanalizör sistemlerine sahip değildir. Bu nedenle ölçümler sıklıkla görsel değerlendirme prosedürü uygulanarak yapılmaktadır. Serum örneklerindeki renk değişikliği kalibrasyon örnekleri ile görsel olarak karşılaştırılarak hemoliz, ikter ve lipemi seviyeleri derecelendirilmektedir. Görsel değerlendirmede sonuçların öznel kararlara bağlı olmasından, personelin tecrübesinden, iş yüküne bağlı olarak yorgunluğundan, laboratuvar ortam ve ışık koşullarından vb. nedenlerden dolayı sıklıkla etkilenmektedir. Sistemin mekanik kısımları SolidWorks ile tasarlanmış ve üç boyutlu bir yazıcı ile üretilmiştir. Okuyucu sistemin elektronik kontrolcüsü olarak Esp32 ve görüntü kayıtları için Ov2640 kamera kullanılmıştır. Okuyucu sistem gömülü yazılım çalışmaları Arduino IDE platformu C ve C++ programlama dilleri kullanılarak yapılmıştır. Görüntü işleme süreçleri için Python programlama dili ve yapay zekâ algoritmaları kullanılarak serum bölgesini oluşturan görüntü alanının renk verileri elde edilmiştir. Farklı indeks seviyelerine sahip 788 örneğin, hemoliz için 519 – 628 nm, ikter için 467 - 519 nm, lipemi için 467 – 519 - 628 nm dalga boyuna sahip ışık altında görüntü kayıtları yapılmıştır.R, G ve B renk değerleri ile hemoliz, ikter ve lipeminin serum indeksi değerleri ile arasında sırasıyla 0.92, 0.90 ve 0.86 oranında negatif ve güçlü korelasyon ilişkisi bulunmuştur. Elde edilen regresyon denklemlerinin determinasyon katsayısı hemoliz için 0.86, ikter için 0.82, lipemi için 0.88 olarak hesaplanmıştır. 197 test örneğinin görüntüleri kaydedilerek regresyon denklemlerinin ve manuel algoritmanın serum indeks seviyelerini tahmin etme başarıları hesaplanmıştır. Regresyon denklemlerinin hemoliz, ikter, lipemi serum indekslerinin var/yok (> H+, I+, L+) tespit doğruluğu sırasıyla %89, %72, %99 olarak bulunmuştur. Ayrıca regresyon denklemleri ile derecelendirilmiş hemoliz, ikter ve lipemi örnekler üzerinde başarı hesaplamaları yapılmıştır. H+ dereceli hemoliz için %86, H++ dereceli hemoliz için %86, I+ dereceli ikter için %82, I++ dereceli ikter için %89, I+++ dereceli ikter için %96, I++++ dereceli ikter için %98, L+ dereceli lipemi için %99 doğruluk oranı bulunmuştur. Geliştirilen manuel algoritma ile hemoliz, ikter, lipemi serum indekslerinin var/yok (> H+, I+, L+) tespit doğruluğu sırasıyla %78, %81, %99 olarak bulunmuştur. Bu çalışma sonucunda görsel değerlendirme yöntemine kıyasla sonuçların daha nesnel, hassas, kararlı ve doğru olduğu yeni bir serum indeks hesaplama yöntemi geliştirilmiştir. Çalışma sonucunda ticari oto analizörlere kıyasla uygun maliyetli, laboratuvar koşullarına uyumlu ve kullanıcı odaklı bir preanalitik okuyucu sistem geliştirilmiştir. The main purpose in clinical laboratories is to determine the true value of a concentration or activity. However, results are often affected by the presence of hemolysis, icterus and lipemia interferans, as evidenced by the color change or turbidity in the appearance of the sample. Hemolysis, icterus and lipemia serum indices are determined by two different methods today, namely spectral analysis and visual evaluation. Not every biochemistry laboratory has high-cost, high-tech auto analyzer systems. For this reason, measurements are often made using a visual evaluation procedure. Hemolysis, icterus and lipemia levels are graded by visually comparing the color change in serum samples with calibration samples. In visual evaluation, the results depend on subjective decisions, the experience of the staff, the fatigue depending on the workload, the laboratory environment and light conditions, etc. It is often affected for reasons. The mechanical parts of the system are designed with SolidWorks and produced with a three-dimensional printer. Esp32 was used as the electronic controller of the reader system and Ov2640 camera was used for image recordings. Reader system embedded software studies have been done using Arduino IDE platform C and C ++ programming languages. For image processing, the color data of the image area that constitutes the serum region was obtained by using the Python programming language and artificial intelligence algorithms.Images of 788 samples with different index levels were recorded under light with a wavelength of 519 - 628 nm for hemolysis, 467 - 519 nm for icterus, and 467 - 519 - 628 nm for lipemia. A negative and strong correlation was found between R, G and B color values and serum index values of hemolysis, icterus and lipemia at a rate of 0.92, 0.90 and 0.86, respectively. The coefficient of determination of the obtained regression equations was calculated as 0.86 for hemolysis, 0.82 for icterus, and 0.88 for lipemia. By recording the images of 197 test samples, the success of the regression equations and the manual algorithm to predict serum index levels were calculated. The accuracy of the regression equations for detecting the presence/absence of hemolysis, icterus, lipemia serum indices (> H+, I+, L+) was found to be 89%, 72%, and 99%, respectively. In addition, success calculations were made on hemolysis, icterus and lipemia samples graded with regression equations. Accuracy rate of 86% for H+ grade hemolysis, 86% for H++ grade icterus, 82% for I+ grade icterus, 89% for I++ grade icterus, 96% for I+++ grade icterus, 98% for I++++ grade icterus, 99% for L+ grade lipemia found. With the developed manual algorithm, the accuracy of detecting the presence/absence of hemolysis, icterus, lipemia serum indices (> H+, I+, L+) was found to be 78%, 81%, and 99%, respectively. As a result of this study, a new serum index calculation method was developed in which the results are more objective, precise, stable and accurate compared to the visual assessment method. As a result of the study, a user-oriented preanalytical reader system has been developed that is cost-effective, compatible with laboratory conditions, compared to commercial auto analyzers.Item Görüntü iletiminde wavelet tabanlı rastgele permütasyon ile bir ifreleme metodu geliştirilmesi(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2020) Demirci, Kenan Tuğkan; Pakfiliz, Ahmet GüngörBu çalışmada; özellikle savunma sanayi alanında görüntü aktarımı esnasında, daha güvenli iyi bir şifreleme ile bilgi aktarımının vektör sağlanması hedeflenmiştir. Bu çalışma sırasında farklı renk yoğunluklarına sahip dört farklı görüntü kullanılmıştır. Görüntüler sırasıyla frekans ve zaman uzayında şifrelenmiş, böylece anlamsız görüntüler oluşturularak aktarım esnasında güvenlikleri sağlanmıştır. Alıcıya veri aktarılırken, görüntü ile beraber iletilen bir sıralama vektörü sayesinde görüntünün anlaşılması güçleştirilerek güvenliği sağlanmıştır. Vektör alıcıya iletilirken görüntü piksel sayısıyla ilişkili olarak LIFO (last in first out) veya FIFO (first in first out) algoritması kullanılarak verinin şifresinin başkaları tarafından çözülmesi güçleştirilmiştir. Bu çalışmada, sadece zaman uzayında yapılan rastgele permütasyon işlemi ile, frekans uzayında gerçekleştirilmiş ayrık dalgacık dönüşümü kullanılarak yapılmış olan şifreleme metotları kullanılmıştır. Dört farklı görselin gerçekleştirilmiş şifreleme ve şifre-çözme işlemleri matematiksel olarak kıyaslanmıştır. Buna göre, çalışmanın sonucunda ayrık dalgacık yöntemi ile birlikte rastgele permütasyon işlemi uygulanarak şifrelenen görüntüler için birden fazla anahtar elde edilerek görüntü güvenliğinin artırıldığı ve şifre çözme işleminin de zorlaştığı gösterilmiştir. This study focused on the image information security with better encryption during transfer especially in military defence industry. In this thesis, 4 different images with different color intensities are used. The image was encrypted once in frequency domain, then in time domain and secured during transfer. In order to ensure the security of image, it will be sufficient to send a sequence vector, which will be difficult to understand the image, along with encrypted image itself to the receiver side is enough to start image decryption process. While this long vector is transmitted to the receiver side, using LIFO (last in first out) or FIFO (first in first out) algorithms with respect to the pixel quantity of image, will be difficult for the others to decrypt the ciphered image. In this study, random permutation process in time space and discrete wavelet transform with random permutation process are used as encryption method. The encryption and decryption processes of four different images were compared mathematically. Accordingly, as a result of the study, it has been shown that the image security is increased and the decryption process is difficult by obtaining more than one key for the encrypted images by applying random permutation process with the discrete wavelet method.Item Breast cancer diagnosis from thermal images(Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2020) Cabıoğlu, Çağrı; Oğul, HasanMeme kanseri, kadınlar arasında en yaygın kanser türlerinden biridir. Göğüs kanserinin erken teşhisi ve tedavisi hastalar için hayati öneme sahiptir. Göğüs kanserine yakalanma oranı gün geçtikçe artar iken, erken teşhis teknikleri sayesinde ölüm oranları azalmaktadır. Gelişen teknoloji ile görüntüleme sistemlerinde birçok önemli gelişmeler yaşanmıştır. Kanserin saptanmasında çeşitli görüntüleme teknikleri kullanılmaktadır. Termal görüntüler, termal kamera tarafından radyasyon verilmeden bölgelerin sıcaklık farkı kullanılarak elde edilir. Bu çalışmada, termal görüntüler kullanılarak meme kanserinin bilgisayar destekli tanısı için yöntemler sunulmaktadır. Bu amaçla, transfer öğrenme metodolojisi kullanılarak çeşitli Evrişimli Sinir Ağı (CNN) modelleri tasarlanmıştır. Tasarlanan ağların performansı, doğruluk, kesinlik, hatırlama, F1 ölçüsü ve Matthews Korelasyon katsayısı dikkate alınarak bir kıyaslama veri kümesinde değerlendirilmiştir. Sonuçlar, önceden eğitilmiş evrişimsel katmanların tutulması ve yeni eklenen tam bağlantılı katmanların eğitiminin en iyi puanları verdiğini göstermektedir. CNN ile transfer öğrenme metodolojisini kullanarak %94.3 doğruluk, %94.7 hassasiyet ve %93.3 duyarlılık elde ettik. Breast cancer is one of the prevalent types of cancer. Early diagnosis and treatment of breast cancer have vital importance for patients. Various imaging techniques are used in the detection of cancer. Thermal images are obtained by using the temperature difference of regions without giving radiation by the thermal camera. In this study, we present methods for computer aided diagnosis of breast cancer using thermal images. To this end, various Convolutional Neural Network (CNN) models have been designed by using transfer learning methodology. The performance of the designed nets was evaluated on a benchmarking dataset considering accuracy, precision, recall, F1 measure, and Matthews Correlation coefficient. The results show that holding pre-trained convolutional layers and training newly added fully connected layers gives the best scores. We have obtained an accuracy of 94.3%, a precision of 94.7% and a recall of 93.3% using transfer learning methodology with CNN.