No abstract

No abstract

The thyroid gland plays a major role in many metabolic activities of the human body. Thyroid disease, which is quite common in humans, affects people's quality of life significantly. Early diagnosis is very important for taking precautions. The mobile diagnostic system can be the solution for early diagnosis especially in rural areas or without going to health institution. This study has been proposed to enable people with mobile devices to obtain quick information about the disease or to seek medical assistance in any matter without going to the hospital. Functional thyroid diagnosis system is designed using mobile device, Android based software application, Database (SQL) and Server (MATLAB based decision algorithms). With the system, functional thyroid disease can be diagnosed using an android based mobile device. Different classification algorithms were searched for the most accurate diagnosis and Ensemble method which has a high success rate for thyroid disease was used in the system. Ensemble classification technique reached a success rate of 99.06% and 99.08% for the first and second data group, respectively. These success rates were calculated by using gold standard test and results were compared with the literature. Obtained test results showed that, the proposed mobile diagnosis system could be used for the diagnosis of the functional thyroid. At the same time, this system can be developed for different diseases.

Multipl Miyelom, dünyada kansere bağlı ölümlerin yaklaşık %2’sine sebep olan bir hastalıktır. Bu hastalık nedeniyle normalde vücudun bağışıklık sistemi için antikor üreten plazma hücrelerinin sayısı kontrolsüz bir şekilde artmaktadır. Dolayısıyla plazma hücrelerin tespiti hastalığın teşhisi için önemli bir faktördür. Uzmanlar tarafından hastalığın teşhisi için kemik iliğinden örnekler alınarak kimyasal boyama teknikleriyle boyanmaktadır. Boyanan örneklerdeki plazma hücreleri mikroskopla incelenmektedir. Bu inceleme insan hatalarına açık olduğu gibi aynı zamanda çok zaman almaktadır. Bu çalışmada plazma hücrelerinin tespiti için otomatik bir sistem geliştirilmiştir. Plazma hücrelerinin tespiti için hücre çekirdeği ve sitoplazması farklı yöntemlerle ayrı ayrı segmente edilmiştir. Hücre çekirdeğine ait bölgeler Çok Seviyeli Eşikleme yöntemiyle, sitoplazması ise U-net evrişimsel sinir ağı kullanılarak segmente edilmiştir. Segmente edilen bölgeler uygulanan morfolojik işlemlerle iyileştirilmiştir. Segmente edilen çekirdek ve sitoplazma bölgelerinin birlikte değerlendirildiği görüntülerdeki her bir hücre için Çekirdek Hücre Oranı kriterine göre plazma hücreleri tespit edilmiştir. Veri setine ait 85 görüntü üzerinde önerilen yöntem uygulandığında, toplam 320 plazma hücresinden 279’u başarılı bir şekilde tespit edilmiştir. Çalışma sonucunda %87,19 duyarlılık, %74,6 kesinlik ve %80,4 F1-skor değerleri elde edilmiştir.

DERLEME / Review Article Özet Yapay zekanın tıp alanındaki ana ilgi alanı, teşhis ve tedavi önerileri sunabilecek yöntemler geliştirmek gibi görünse de hekim ve hemşire klinik karar destek sistemleri, eczane karar destek sistemleri, hasta bakımı, klinik veri havuzu oluşturulması, birimler ve kurumlar arası veri paylaşımı, depolama, yorumlayabilme, iş zekası ve makine öğrenmesi gibi sayısız alanı kapsar. Tıbbi laboratuvarların; otomasyon, uzman sistemler ve yapay zekaya doğru güçlü bir yönelimi olmasıyla beraber özellikle uzman sistemlere yönelik artan bir ihtiyacı bulunmaktadır. Klinik mikrobiyoloji laboratuvarları antimikrobiyal dirence karşı mücadelede yer alabilecek veri zincirlerinin tespitinde merkezi bir unsurdur. Yapay zekanın klinik mikrobiyoloji laboratuvar kullanımına entegrasyonuyla bireysel epidemiyolojik sürveyans, araştırma uygulamalarına ayrıntılı destek sağlamak ve bireysel hasta bakım kalitesini artırmak amaçlanmaktadır. Çalışmamızda klinik mikrobiyoloji ve antibiyotik direncinin işlenmesi konusunda farklı yapay zeka çalışma prensip ve yöntemleri gözden geçirilerek, bu yöntemleri irdeleyen önemli klinik çalışmalar incelenmiştir.