Otitis media için evrişimsel sinir ağlarına dayalı entegre bir tanı sistemi

Cömert, Zafer

doi:10.17798/bitlisfen.600636

Cited by 6 publications

(3 citation statements)

References 53 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…To avoid these problems, pooling layers are used. After the convolution process, the pooling process is applied to the large number of parameters in the matrix obtained, and the summarization process is performed (Başaran, 2022; Cömert, 2019; Tümen, 2022). The fully connected layer, usually between the pooling and the output layer, vectorizes the multidimensional neurons in the preceding convolution layer.…”

Section: Methodsmentioning

confidence: 99%

DeepMaizeNet: A novel hybrid approach based on CBAM for implementing the doubled haploid technique

Ayaz,

Kutlu,

Cömert

2023

Agronomy Journal

Self Cite

View full text Add to dashboard Cite

Maize (Zea mays L.) is an important cereal plant in the family of wheatgrass cultivated all over the world. With the increase in human population and environmental factors, the need for maize plants is increasing day by day. One of the efficient methods of increasing production of the maize is maize breeding. The most effective and rapid method for maize breeding is the doubled haploid (DH) technique. This technique reduces maize breeding time and increases productivity. There are different selection methods to select haploid maize seeds in the maize breeding process. Among these selection methods, the most common and most successful selection method is the visual checking of the R1‐Navajo marker. Maize seed separation by hand is a time‐consuming and error‐prone operation. It is labor‐intensive and very tiring; therefore, it is essential to develop a fast and highly accurate intelligent system that separates diploid and haploid maize seeds from each other. This study presents a pioneering approach, introducing the DeepMaizeNet, a hybrid deep learning model that showcases its prowess in accurately classifying haploid maize seeds. The classification of haploid seeds holds significant value for the DH technique, and the proposed model's success is a promising step toward enhanced efficiency. The proposed hybrid model exploits some new techniques such as convolution block attention module, hypercolumn, 2D upsampling, and residual block. For the assessment of the proposed model, the five‐fold cross‐validation technique is employed. The result shows that DeepMaizeNet provides a promising performance by achieving 94.13% accuracy, 94.91% F1‐score, and 97.27% sensitivity.

show abstract

Section: Methodsmentioning

confidence: 99%

DeepMaizeNet: A novel hybrid approach based on CBAM for implementing the doubled haploid technique

Ayaz,

Kutlu,

Cömert

2023

Agronomy Journal

Self Cite

View full text Add to dashboard Cite

show abstract

“…Önerilen modelin blok şemasına Şekil 1'de yer verilmiştir. Şekil 1'den görüldüğü gibi alınan sıtma hücreleri ön işlem sürecinde, imgenin algılanan renginin farklı aydınlatma koşullarında aynı kalmasını sağlamak için renk sabitleme tekniği kullanılmıştır [22]. Aynı zamanda ESA modellerinin girişine verilmek üzere uygun hale getirmek için, imgeler üzerinde yeniden boyutlandırma işlemi yapılmıştır.…”

Section: Materyal Ve Metotunclassified

“…Kullanılan tüm imgeler Mahidol-Oxford Tropikal Tıp Araştırma Birimi'nde bir uzman tarafından manuel olarak açıklanmıştır. Veri kümesi, eşit parazit ve enfekte olmamış hücre örneklerine sahip toplam 27.558 hücre imgesi içermektedir [22]. Veri kümesine ait özellikler Tablo 1'de görülmektedir.…”

Section: Veri Setiunclassified

Sıtma Hastalığının Sınıflandırılmasında Evrişimsel Sinir Ağlarının Performanslarının Karşılaştırılması

Di̇ker

2020

Bitlis Eren Üniversitesi Fen Bilimleri Dergisi

View full text Add to dashboard Cite

ÖzSıtma, Plasmodium adlı bir kan parazitinin neden olduğu ciddi bir hastalıktır. Sıtmayı teşhis etmenin standart yolu, parazit bulaşmış kırmızı kan hücreleri için kan bulaşmalarını mikroskop altında uzmanlar tarafından görsel olarak incelenmesidir. Bu yöntem verimsizdir ve tanı, muayeneyi yapan kişinin deneyimine ve bilgisine bağlıdır. Daha önce teşhis için sıtma kan hücrelerine makine öğrenimine dayalı otomatik görüntü tanıma teknolojileri uygulanmıştır. Bu çalışmanın amacı, sıtma hücrelerinin parazit veya enfekte olmayan olarak ayırmaktır. Ek olarak çalışmada, önceden eğitilmiş evrişimsel sinir ağlarına dayalı bütünleşik bir tanı sistemi önerilmiştir. Bu çalışmada sıtma hücrelerini sınıflandırmak için Ulusal Sağlık Enstitüleri'nden (NIH) elde edilen toplam 27558 imge kullanılmıştır. Deneysel çalışmalar sonucunda, sıtma hücrelerinin sınıflandırılmasında, sırasıyla AlexNet, GoogleNet, SqueezeNet, ShuffleNet ESA modelleri ile % 95.77, % 96.31, % 95.95, % 96.44 ve 0.9880, 0.9887, 0.9888, 0.9923 EAA performans değerleri elde edilmiştir. Sıtma hücrelerinin sınıflandırılmasında en iyi sonuca, %96.44 Doğruluk değeri ile ShuffleNet CNN modeli kullanılarak ulaşılmıştır.

show abstract

Neighbourhood component analysis and deep feature-based diagnosis model for middle ear otoscope images

Başaran

Cömert

Çelik

2022

Neural Comput & Applic

View full text Add to dashboard Cite

Otitis media için evrişimsel sinir ağlarına dayalı entegre bir tanı sistemi

Cited by 6 publications

References 53 publications

DeepMaizeNet: A novel hybrid approach based on CBAM for implementing the doubled haploid technique

DeepMaizeNet: A novel hybrid approach based on CBAM for implementing the doubled haploid technique

Sıtma Hastalığının Sınıflandırılmasında Evrişimsel Sinir Ağlarının Performanslarının Karşılaştırılması

Neighbourhood component analysis and deep feature-based diagnosis model for middle ear otoscope images

Contact Info

Product

Resources

About