Yazar "Nergiz, Mehmet" seçeneğine göre listele
Listeleniyor 1 - 17 / 17
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Analysis of RepVGG on small sized dandelion images dataset in terms of transfer learning, regularization, spatial attention as well as Squeeze and Excitation Blocks(Institute of Electrical and Electronics Engineers Inc., 2021) Nergiz, MehmetThe automated weed detection is an important research field in terms of agricultural productivity and economy. This study aims to apply RepVGG which is a new deep learning architecture developed on PyTorch framework and has promising results when trained and tested on ImageNet-1K dataset. 920 images of the small sized Dandelion Images dataset is used for this study. Pretrained vanilla, pretrained and dropout regularized, squeeze and excitation block added and spatial attention block added versions of RepVGG are tested on the dataset. VGG16 method is also applied to the dataset and the results of the MobileNetV2 method is taken from the Kaggle Competition to get an insight about the baseline results of the classical state of the art models. The proposed RepVGG modifications could not outperform the state of the art methods on this dataset but the effect of the modifications are deeply analyzed and the best configuration is obtained by Squeeze and Excitation block added RepVGG-A0 architecture which is trained from scratch for 5 epochs and provided results of 0,875, 0,665, 0,89 and 0,74 for Accuracy, Recall, Precision and F1 metrics respectively.Öğe Automated fuzzy optic disc detection algorithm using branching of vessels and color properties in fundus images(Elsevier, 2018) Nergiz, Mehmet; Akin, Mehmet; Yildiz, Abdulnasir; Takes, OmerOptic disc (OD) detection is a basic procedure for the image processing algorithms which intend to diagnose and track retinal disorders. In this study, a new OD localization approach is proposed, based on color and shape properties of OD as well as the convergence point of the main vessels. This study is comprised of two successive fundamental steps. At the first step, an algorithm finding the approximate convergent point of the vessels is used in order to roughly localize OD. At the second step, three new features are suggested and a fuzzy logic controller (FLC) whose input membership functions are designed based on these features is proposed. The proposed method is applied to the DRIVE, STARE, DIARETDB0 and DIRETDB1 datasets and the obtained results validate the improvement in the performance by attaining success rate of 100%, 91,35%, 90% and 100% respectively and detecting OD centers and contours precisely in a reasonable execution time. (C) 2018 Nalecz Institute of Biocybernetics and Biomedical Engineering of the Polish Academy of Sciences. Published by Elsevier B.V. All rights reserved.Öğe Classification of Precancerous Colorectal Lesions via ConvNeXt on Histopathological Images(2023) Nergiz, MehmetIn this translational study, the classification of precancerous colorectal lesions is performed by the ConvNeXt method on MHIST histopathological imaging dataset. The ConvNeXt method is a modernized ResNet-50 architecture having some training tricks inspired by Swin Transformers and ResNeXt. The performance of the ConvNeXt models are benchmarked on different scenarios such as ‘full data’, ‘gradually increasing difficulty based data’ and ‘k-shot data’. It is shown that the ConvNeXt model outperformes almost all the other studies in the literature which are applied on MHIST by using ResNet models, vision transformers, weight distillation, self-supervised learning and curriculum learning strategy based on different scenarios and metrics. The ConvNeXt model trained with ‘full data’ yields the best result with the score of 0.8890 for accuracy, 0.9391 for AUC, 0.9121 for F1 and 0.7633 for cohen’s cappa. The power of ConvNeXt is found as promising for classifying precancerous histopathological images and may be a good base line for miscellaneous tasks of computational pathology field with respect to the classical convolutional neural networks and vision transformers..Öğe Classification of Precancerous Colorectal Lesions via ConvNeXt on Histopathological Images(Balkan Yayın, 2023) Nergiz, MehmetIn this translational study, the classification of precancerous colorectal lesions is performed by the ConvNeXt method on MHIST histopathological imaging dataset. The ConvNeXt method is the modernized ResNet-50 architecture having some training tricks inspired by Swin Transformers and ResNeXT. The performance of the ConvNeXt models are benchmarked on different scenarios such as ‘full data’, ‘gradually increasing difficulty based data’ and ‘k-shot data’. The ConvNeXt models outperformed almost all the other studies which are applied on MHIST by using ResNet models, vision transformers, weight distillation, self-supervised learning and curriculum learning strategy in terms of different scenarios and metrics. The ConvNeXt model trained with ‘full data’ yields the best result with the score of 0.8890 for accuracy, 0.9391 for AUC, 0.9121 for F1 and 0.7633 for cohen’s cappa.Öğe Collaborative colorectal cancer classification on highly class imbalanced data setting via federated neural style transfer based data augmentation(International Information and Engineering Technology Association, 2022) Nergiz, MehmetThe deep learning algorithms achieved promising results in the computational pathology in recent decade but the high data demand of the deep learning algorithms get stuck in the multi-institutional data collaborations. The federated learning is a novel concept, which proposes to train the models of the different sites collaboratively via an orchestrating server without leaking private data. However, the imbalanced data distributions are challenging for federated learning and result in performance decrease and destabilization. In this study, the federated version of the neural style transfer algorithm, which was offered by Gatys et al. is proposed as a data augmentation method on the highly class imbalanced configuration of Chaoyang colorectal cancer imaging dataset. The proposed method works by firstly selecting characteristic style images and then generating the gram style matrices on the local sites and then transferring them to the other imbalanced sites by not leaking any private data. The proposed method contributed the ACC, F1 Score and AUC results of pure FL by 22.07%, 42.51% and 9.65% using only 20 images for content and 5 images for style. Additionally, the experiments having different content and style numbers achieved the satisfactory and consisting results.Öğe Diyabetik Retinopati tespitinde yeni bir algoritma kullanılarak optik disk yerinin kestirimi(Dicle Üniversitesi Mühendislik Fakültesi, 2013) Nergiz, Mehmet; Akın, Mehmet; Arı, ŞeyhmusBu çalışmada, göz dibi resimleri üzerinde görüntü işleme tekniği ile Diyabetik Retinopati (DR) gibi birtakım sık raslanan retina hastalıklarının tespitini hedefleyen birçok çalışmanın temel ve ilk adımını oluşturan Optik Disk (OD) yerinin tespitinin gerçekleştirilmesi amaçlanmıştır. Göz dibi görüntülerinin öncelikle ışık şiddeti kanalı Kontrast Sınırlamalı Adaptif Histogram Eşitlenmesine (KSAHE) tabi tutulmuştur. Daha sonra Red Green Blue (RBG) renk uzayındaki görüntüler gri skalaya dönüştürülüp bu görüntülere Morfolojik Kapama İşlemi (MKİ) uygulanmıştır. Bu resimlere Canny Kenar Tespiti (CKT) algoritması uygulandıktan sonra Çembersel Hough Dönüşümü (ÇHD) algoritması ile bulunan bir kenarlar üzerindeki belirli bir yarıçap aralığına sahip çemberimsi alanlar tespit edilmiştir. OD alanınsahip olduğu sarı rengi temsil eden yeşil renk kanalındaki eşik değeri bu çalışma için geliştirilmiş olan yinelemeli bir algoritma ile belirlenmiştir. OD adayı çemberler incelenen resimlerin yeşil renk kanalı üzerinde maskelenerek bu maske alanlaırndan daha önce belirlenmiş olan eşik değeri kullanılarak bu çalışmaya özgün iki adet öznitelik çıkarılmıştır. Göz dibi resimlerinde tespit edilen OD adayı çemberlerin çıkarılan özniteliklerini Çok Katmanlı Algılayıcı (ÇKA) tipinde bir Yapay Sinir Ağına (YSA) uygulayarak, bu çemberler OD olan veya olmayan şeklinde bir sınıflandırma yapılarak başarı oranı bir bir oftalmolojistin iki farklı değerlendirmeye göre % 87.50 ve % 95.00 kadar bulunmuştur.Öğe Diyabetik retinopati tespitinde yeni bir algoritma kullanılarak optik disk yerinin kestirimi(2016) Nergiz, Mehmet; Akın, MehmetBu çalışmada, göz dibi resimleri üzerinde görüntü işleme tekniği ile Diyabetik Retinopati (DR) gibi birtakım sık rastlanan retina hastalıklarının tespitini hedefleyen birçok çalışmanın temel ve ilk adımını oluşturan Optik Disk (OD) yerinin tespitinin gerçekleştirilmesi amaçlanmıştır. Bu konuda yapılan çalışmaların önemli bir kısmını, göz hastalıklarına dair diğer görsel özelliklerin ve yapıların çıkarılmasında ön koşul olduğu için OD tespiti kapsamaktadır. Görüntüler öncelikle ışık şiddeti kanalı Kontrast Sınırlamalı Adaptif Histogram Eşitlemesine (KSAHE) tabi tutulmuştur.Daha sonra Red Green Blue (RGB ) renk uzayındaki görüntüler gri skalaya dönüştürülüp bu görüntülere Morfolojik Kapama İşlemi (MKİ) uygulanmıştır. MKİ ile diğer çalışmalardan farklı olarak, tüm damar sistemi çıkarılmadan OD üzerindeki damarlar görüntüden temizlenmiştir. Bu resimlere Canny Kenar Tespit (CKT) algoritması uygulandıktan sonra kimi görüntülerde OD kenarları kopuk olarak elde edilmiş olabileceği için bu kenarlara yinelemeli bir şekilde 3 ile 10 piksel yarıçap aralığında MKİ uygulanmıştır. Bir sonraki adımda Çembersel Hough Dönüşümü (ÇHD) algoritması ile bulunan bu kenarlar üzerindeki belirli bir yarıçap aralığına sahip çemberimsi alanlar tespit edilmiştir. OD alanın sahip olduğu sarı rengi temsil eden yeşil renk kanalındaki eşik değeri bu çalışma için geliştirilmiş olan yinelemeli özgün bir algoritma ile belirlenmiştir. OD adayı çemberler incelenen resimlerin yeşil renk kanalı üzerinde maskelenerek bu maske alanlarından daha önce belirlenmiş olan eşik değeri kullanılarak bu çalışmaya özgün iki adet öznitelik çıkarılmıştır. Göz dibi resimlerinde tespit edilen OD adayı çemberlerin çıkarılan özniteliklerini Çok Katmanlı Algılayıcı (ÇKA) tipinde bir Yapay Sinir Ağına (YSA) iki farklı eğitim yöntemi ile uygulayarak, bu çemberler OD olan veya olmayan şeklinde bir sınıflandırılma yapılmış başarı oranı bir oftalmolojist tarafından yapılan değerlendirmeye göre % 87.50 ve % 95.00 kadar bulunmuştur. Anahtar Kelimeler: Optik Disk, Adaptif Histogram Eşitlemesi, Morfolojik Kapama İşlemi, Çembersel Hough Dönüşümü, Çok Katmanlı AlgılayıcıÖğe Enhancing Strawberry Harvesting Efficiency through Yolo-v7 Object Detection Assessment(2023) Nergiz, MehmetStrawberry fruits which are rich in vitamin A and carotenoids offer benefits for maintaining healthy epithelial tissues and promoting maturity and growth. The intensive cultivation and swift maturation of strawberries make them susceptible to premature harvesting, leading to spoilage and financial losses for farmers. This underscores the need for an automated detection method to monitor strawberry development and accurately identify growth phases of fruits. To address this challenge, a dataset called Strawberry-DS, comprising 247 images captured in a greenhouse at the Agricultural Research Center in Giza, Egypt, is utilized in this research. The images of the dataset encompass various viewpoints, including top and angled perspectives, and illustrate six distinct growth phases: \"green\", “red”, \"white\", \"turning\", \"early-turning\" and \"late-turning\". This study employs the Yolo-v7 approach for object detection, enabling the recognition and classification of strawberries in different growth phases. The achieved mAP@.5 values for the growth phases are as follows: 0.37 for \"green,\" 0.335 for \"white,\" 0.505 for \"early-turning,\" 1.0 for \"turning,\" 0.337 for \"late-turning,\" and 0.804 for \"red\". The comprehensive performance outcomes across all classes are as follows: precision at 0.792, recall at 0.575, mAP@.5 at 0.558, and mAP@.5:.95 at 0.46. Notably, these results show the efficacy of the proposed research, both in terms of performance evaluation and visual assessment, even when dealing with distracting scenarios involving imbalanced label distributions and unclear labeling of developmental phases of the fruits. This research article yields advantages such as achieving reasonable and reliable identification of strawberries, even when operating in real-time scenarios which also leads to a decrease in expenses associated with human labor.Öğe Federated learning-based colorectal cancer classification by convolutional neural networks and general visual representation learning(John Wiley and Sons Inc., 2023) Nergiz, MehmetColorectal cancer is the fourth fatal disease in the world, and the massive burden on the pathologists related to the classification of precancerous and cancerous colorectal lesions can be decreased by deep learning (DL) methods. However, the data privacy of the patients is a big challenge for being able to train deep learning models using big medical data. Federated Learning is a rising star in this era by providing the ability to train deep learning models on different sites without sacrificing data privacy. In this study, the Big Transfer model, which is a new General Visual Representation Learning method and six other classical DL methods are converted to the federated version. The effect of the federated learning is measured on all these models on four different data settings extracted from the MHIST and Chaoyang datasets. The proposed models are tested for single learning, centralized learning, and federated learning. The best AUC values of federated learning on Chaoyang are obtained by the Big Transfer and VGG models at 90.77% and 90.76%, respectively, whereas the best AUC value on MHIST is obtained by the Big Transfer model at 89.72%. The overall obtained results of models on all data settings show that the contribution of Federated Learning with respect to single learning is 4.71% and 11.68% for the “uniform” and “label-biased” data settings of Chaoyang, respectively, and 6.89% for the “difficulty level-biased” data setting of MHIST. Thus, it is experimentally shown that federated learning can be applied to the field of computational pathology for new institutional collaborations.Öğe Federe öğrenmede birleştirme algoritmalarının model performansına etkisi(Dicle Üniversitesi Mühendislik Fakültesi, 2023) Nergiz, MehmetHammaddesi büyük veri olan Yapay zeka (YZ) teknolojileri özellikle son yıllarda verinin gizliliği ve güvenliği gibi önemli gerekçelerle veriye ulaşmayı zorlaştıran sebeplerden ötürü bir takım zorluklarla karşılaşmaktadır. Öte yandan büyük verinin merkezi bir lokasyonda toplanmasının zorlukları ve yüksek kapasiteli depolama ve işlemci ihtiyaçları da YZ alanında karşılaşılan zorluklardır. Bu zorluklardan esinlenerek geliştirilen İşbirlikçi YZ konsepti olan Federe Öğrenme (FÖ), işbirliğine katılan katılımcıların, veri gizliliğini ihlal etmeden YZ model parametrelerinin kendi verileri ile işlenip model paremetrelerinin güncellenmesi ve güncellenen parametrelerin bir sunucuda belirli algoritmalar aracılığıyla birleştirilmesi ile iteratif olarak gerçekleştirilen bir konsepttir. FÖ konsepti, katılımcıların öznitelik ve örnek uzaylarının ortaklığına bağlı olarak Yatay FÖ, Dikey FÖ ve Federe Transfer Öğrenme şeklinde yaklaşımlar ile uygulanmaktdır. Bu çalışmada öznitelik uzaylarının ortak olduğu Yatay FÖ yaklaşımı için geliştirilen model parametrelerini birleştirme algoritmalarından FedAVG, FedAVGM ve FaultTolerantFedAVG’nin 5 katılımcı arasında özdeş olmayan bir şekilde dağıtılmış olan MNIST veri setinin ResNet-18 ve MobileNet V3 small sınıflandırıclarının performansına etkisi incelenmektedir.Öğe Hiperspektral Görüntü Sınıflandırma için Hibrit Evrişimsel Sinir Ağı ve Sıkma- Uyarma Bloğu Yöntemi(2023) Nergiz, MehmetYüksek spektral çözünürlüğe sahip bir tür optik uzaktan algılama görüntüsü olarak, hiperspektral görüntüler, zengin spektral özellik bilgisine sahip 3 boyutlu görüntü küpleridir. Şu anda hiperspektral görüntü sınıflandırması, uzaktan algılama alanındaki en aktif araştırma alanlarından biridir. Son yıllarda bu alanda derin öğrenme ve özellikle evrişimsel sinir ağları (ESA) sıklıkla kullanılmaktadır. Bu çalışma kapsamında, hiperspektal görüntü sınıflandırması için yeni bir model geliştirilmiştir. Önerilen model, 3B ESA, Sıkma-uyarma bloğu ve 2B Derinlemesine ayrılabilir evrişimden (DAE) oluşmaktadır. 2B ESA ile spektral özellik bilgileri elde edilemediğinden dolayı, hem spektral hem de uzamsal özellikleri elde etmek için 3B ESA kullanılmıştır. Sadece 3B ESA kullanımı hesaplama karmaşıklığını arttırmaktadır. Hibrit ESA kullanımı bu sorunu çözmektedir. Hibrit ESA’larda daha fazla uzamsal özellik çıkarabilmek için 3B ESA’dan sonra 2B ESA kullanılmaktadır. Ancak bu çalışma kapsamında, 2B ESA yerine 2B DAE kullanımı tercih edilmiştir. Standart 2B ESA yerine 2B DAE kullanımı ile eğitilebilir parametre sayısı ve hesaplama maliyeti azaltılmıştır. Bu, sınıflandırma performansını arttırmıştır. Ayrıca, özellik çıkarma ve hiperspektral görüntü sınıflandırmasındaki performansı arttırmak için Hibirt ESA modeli bir sıkma-uyarma bloğu ile birleştirilmiştir. Önerilen yöntemin sınıflandırma performansını test etmek için HyRank-Loukia ve Houston 2013 verisetleri kullanılmıştır. %10 eğitim örneği alınarak gerçekleştirilen uygulamalar sonucunda sırasıyla %90.86 ve %99.39 genel doğruluk değeri elde edilmiştir. Ayrıca, önerilen yöntem literatürden yedi farklı yöntem ile karşılaştırılmış ve önerilen yöntemin daha iyi sonuç verdiği görülmüştür.Öğe Hiperspektral Görüntü Sınıflandırma için Hibrit Evrişimsel Sinir Ağı ve Sıkma- Uyarma Bloğu Yöntemi(Fırat Üniversitesi, 2023) Nergiz, MehmetYüksek spektral çözünürlüğe sahip bir tür optik uzaktan algılama görüntüsü olarak, hiperspektral görüntüler, zengin spektral özellik bilgisine sahip 3 boyutlu görüntü küpleridir. Şu anda hiperspektral görüntü sınıflandırması, uzaktan algılama alanındaki en aktif araştırma alanlarından biridir. Son yıllarda bu alanda derin öğrenme ve özellikle evrişimsel sinir ağları (ESA) sıklıkla kullanılmaktadır. Bu çalışma kapsamında, hiperspektal görüntü sınıflandırması için yeni bir model geliştirilmiştir. Önerilen model, 3B ESA, Sıkma-uyarma bloğu ve 2B Derinlemesine ayrılabilir evrişimden (DAE) oluşmaktadır. 2B ESA ile spektral özellik bilgileri elde edilemediğinden dolayı, hem spektral hem de uzamsal özellikleri elde etmek için 3B ESA kullanılmıştır. Sadece 3B ESA kullanımı hesaplama karmaşıklığını arttırmaktadır. Hibrit ESA kullanımı bu sorunu çözmektedir. Hibrit ESA’larda daha fazla uzamsal özellik çıkarabilmek için 3B ESA’dan sonra 2B ESA kullanılmaktadır. Ancak bu çalışma kapsamında, 2B ESA yerine 2B DAE kullanımı tercih edilmiştir. Standart 2B ESA yerine 2B DAE kullanımı ile eğitilebilir parametre sayısı ve hesaplama maliyeti azaltılmıştır. Bu, sınıflandırma performansını arttırmıştır. Ayrıca, özellik çıkarma ve hiperspektral görüntü sınıflandırmasındaki performansı arttırmak için Hibirt ESA modeli bir sıkma-uyarma bloğu ile birleştirilmiştir. Önerilen yöntemin sınıflandırma performansını test etmek için HyRank-Loukia ve Houston 2013 verisetleri kullanılmıştır. %10 eğitim örneği alınarak gerçekleştirilen uygulamalar sonucunda sırasıyla %90.86 ve %99.39 genel doğruluk değeri elde edilmiştir. Ayrıca, önerilen yöntem literatürden yedi farklı yöntem ile karşılaştırılmış ve önerilen yöntemin daha iyi sonuç verdiği görülmüştür.Öğe İşbirlikçi yapay zeka konsepti: Federe öğrenmeye genel bir bakış(Dicle Üniversitesi Mühendislik Fakültesi, 2022) Nergiz, MehmetYapay zeka (YZ) gücünü büyük veriden almaktadır. Ancak büyük veriye ulaşmak ve bu veriyi işlemek, gerek gizlilik, gerekse büyük verinin işlenmesi için gereken donanımsal ihtiyaçlardan ötürü her zaman mümkün olamayabilmektedir. Federe öğrenme (FÖ); bahsi geçen gizlilik & büyük veri ikilemini çözebilmek adına önerilen yeni bir konsepttir. FÖ, ortak bir YZ model parametrelerinin katılımcılar üzerinde güncellenmesi ve güncellenen parametrelerin koordinatör vasıtasıyla birleştirilmesini gerçekleştiren, bunu yaparken de veri gizliliğini koruyan bir çerçevedir. FÖ, mimarisi gereği veri gizliliği korunurken aynı zamanda iş yükü de paylaştırılmış olur. Ayrıca katılımcı sayısı açısından ölçeklenebilirlik ile beraber kimi problemlerde daha yüksek başarım oranı, daha düşük çalışma süreleri gibi avantajlar da sunar. İşbirliği yapan katılımcıların öznitelik ve örnek uzaylarının ne ölçüde ortak olduğuna bağlı olarak yatay, dikey ve transfer FÖ yaklaşımları mevcuttur. Makine öğenmesi yöntemlerinin kullanıldığı ve veri gizliliğinin önem arz ettiği her alanda FÖ kullanım alanı bulmaktadır. Sağlık hizmetleri, nakliye sektörü, finansal teknolojiler ve doğal dil işleme alanları yatay FÖ konseptinin kullanıldığı alanların başında gelmektedir. Öte yandan, dikey ve transfer FÖ konseptleriyle sektörler arasında YZ bazlı işbirlikleri geliştirilebilmektedir.Öğe Retinadaki kan damarlarının jeodezik yöntemler kullanılarak görüntü işleme ile tespit edilmesi(2017) Nergiz, Mehmet; Akın, MehmetRetinadaki kan damarlarının görüntü işleme teknikleri ile otomatik olarak tespit edilmesi birçok göz hastalığının teşhisinde önem teşkil etmektedir. Bu çalışmada retina görüntüleri 3 boyutlu uzaya gömülü 2 boyutlu yüzeyler olarak, damarlar ise bu yüzeyler üzerindeki vadi şeritleri olarak ele alınmıştır. Öncelikle yumuşatılmış retina görüntüsünün ortalama yüzey eğriliği matrisi ayrık olarak hesaplanmış ve damar sınırlarının bu matris üzerindeki çukur noktalara tekabül ettiği, damar alanının ise tepe benzeri bir yapıya benzediği gözlenmiştir. Bu yüzey eğriliği özelliğinden faydalanılarak sadece damarımsı bölgelerin yaklaşık sınırlarını belirten bir kısıtlayıcı harita matrisi elde edildikten sonra, bu harita matrisi içinde en az bir başlangıç noktası ve Hızlı Yürüme Algoritması kullanılarak ilgili damar hattı 3 boyutlu bir jeodezik uzaklık haritası bilgisini de içerecek şekilde tespit edilmiştir. Yarı otomatik olarak çalışan bu sistem daha sonra maksimum normal yüzey eğriliği matrisinin histogramından elde edilen başlangıç noktaları ile tam otomatik hale getirilmiştir. Bu yöntemin eksik bir özelliği olarak ana damarlardaki sınır piksellerini gözden kaçırdığı gözlenmiş olup kernel tabanlı bir komşuluk istatistiği yöntemiyle performansı iyileştirilmiştir. Bu çalışmada ayrıca iki ayrı yeni lezyon temizleme algoritması uygulanmıştır. Bunlara ek olarak merkezi damar refleksi olarak bilinen ışıkla çekim tekniğinden kaynaklanan yan etkiyi gidermek için damar bölütleri üzerindeki küçük delikler morfolojik işlemler kullanılarak kapatılmıştır. Bu çalışma DRIVE, STARE ve CHASE_DB1 veri setleri üzerinde test edilmiş olup literatürdeki diğer güncel çalışmalar da dikkate alınarak duyarlılık, özgüllük, doğruluk ve çalışma hızı açısından kabul edilebilir sonuçlar elde edildiği görülmüştür. Anahtar Kelimeler: Jeodezik uzaklık, Retinal damar bölütleme, Ortalama yüzey eğriliği, Hızlı yürüme algoritması, Başlangıç noktası üretme, Lezyon temizlemeÖğe Retinal vessel segmentation via structure tensor coloring and anisotropy enhancement(MDPI, 2017) Nergiz, Mehmet; Akın, MehmetRetinal vessel segmentation is one of the preliminary tasks for developing diagnosis software systems related to various retinal diseases. In this study, a fully automated vessel segmentation system is proposed. Firstly, the vessels are enhanced using a Frangi Filter. Afterwards, Structure Tensor is applied to the response of the Frangi Filter and a 4-D tensor field is obtained. After decomposing the Eigenvalues of the tensor field, the anisotropy between the principal Eigenvalues are enhanced exponentially. Furthermore, this 4-D tensor field is converted to the 3-D space which is composed of energy, anisotropy and orientation and then a Contrast Limited Adaptive Histogram Equalization algorithm is applied to the energy space. Later, the obtained energy space is multiplied by the enhanced mean surface curvature of itself and the modified 3-D space is converted back to the 4-D tensor field. Lastly, the vessel segmentation is performed by using Otsu algorithm and tensor coloring method which is inspired by the ellipsoid tensor visualization technique. Finally, some post-processing techniques are applied to the segmentation result. In this study, the proposed method achieved mean sensitivity of 0.8123, 0.8126, 0.7246 and mean specificity of 0.9342, 0.9442, 0.9453 as well as mean accuracy of 0.9183, 0.9442, 0.9236 for DRIVE, STARE and CHASE_DB1 datasets, respectively. The mean execution time of this study is 6.104, 6.4525 and 18.8370 s for the aforementioned three datasets respectively.Öğe Sefalometrik Görüntülerde Ortodontik İskeletsel Sınıflamanın Federe Derin Öğrenme Tabanlı Yöntemlerle Yer İşareti Tespitine Gerek Kalmadan Algılanması(2024) Nergiz, Mehmet; Tümen, Demet SüerISBI ve Dicle veri setlerinden elde edilen sefalometrik görüntüler kullanılarak ortodontik iskelet sınıflandırması için Federe Evrişisimsel Sinir Ağları (ESA) modellerinin etkinliğini değerlendirmek amaçlanmıştır. Temel DenseNet121 modeli ve ?Kanal Dikkat?, ?Uzamsal Dikkat?, ?Sıkma Uyarma? ile ?Uzamsal Piramit Havuzlama? gibi belirli ESA bloklarını içeren gelişkin versiyonları sınıflandırma amacıyla kullanılmıştır. Modeller, Merkezi Öğrenme (MÖ), Yerel Öğrenme (YÖ) ve Federe Öğrenme (FÖ) mimarilerde değerlendirilmiş ve karşılaştırılmıştır. Gelişkin DenseNet121 modelleri, temel modelle karşılaştırıldığında %24'ün üzerinde bir değer ile önemli bir doğruluk artışı gözlemlenmiştir. Özellikle, Uzamsal Dikkat ile artırılmış DenseNet121_SA modeli, ISBI veri setinde YÖ mimarisine göre %19 gibi dikkate değer bir performans artışı göstermiştir. Ayrıca, Uzamsal Dikkat ve Sıkma Uyarma ile artırılmış DenseNet121_SA_SE modeli, aynı ISBI veri setinde YÖ ayarlarına göre %18'lik etkileyici bir performans kazancı sergilemiştir. Federe ESA modellerinin, özellikle DenseNet121_SA ve DenseNet121_SA_SE olmak üzere, ortodontik iskelet sınıflandırma alanında umut vadettiği gözlenmiştir. Bu çalışma için derlenen ve etiketlenen Dicle veri setinin proje sonunda paylaşılması, yapay zeka temelli ortodontik diş görüntü analizi çalışmaları açısından önemli bir kaynak olacak ve bu alanda zamanla daha kesin teşhislerin konulmasının önünü açacaktır. Elde edilen bulgular, FÖ?nün ortodonti ile ilgili yapay zeka çalışmalarındaki ölçeklenebilirlik ve veri mahremiyeti konularındaki rolünü de göstermektedir.Öğe Yolo-v7 Nesne Tespiti ile Çilek Hasat Verimliliğinin Artırılması(Fırat University, 2023) Nergiz, MehmetA vitamini ve karotenoidler açısından zengin olan çilek meyveleri, sağlıklı epitel dokularını korur ve büyümeyi destekleyici faydalar sunar. Çileklerin yoğun ekimi ve hızlı olgunlaşması, bu meyveyi erken hasada duyarlı hale getirerek, çiftçiler için çürük hasat elde etmeye ve mali kayıplara yol açar. Bu durum, çilek gelişimini izlemek ve meyvelerin büyüme aşamalarını doğru bir şekilde belirlemek için otomatik bir algılama yöntemine olan ihtiyacı arttırmaktadır. Bu zorluğun üstesinden gelmek için, bu araştırmada Mısır'ın Giza kentindeki Tarımsal Araştırma Merkezi'ndeki bir serada çekilen 247 görüntüden oluşan Strawberry-DS adlı bir veri seti kullanılmıştır. Veri kümesinin görüntüleri, üstten ve açılı perspektifler dâhil olmak üzere çeşitli bakış açılarını kapsayacak şekilde altı farklı büyüme aşamasını içermektedir: "yeşil", "kırmızı", "beyaz", "dönüşüm", "erken-dönüşüm" ve "geç-dönüşüm". Bu çalışma, farklı büyüme evrelerindeki çileklerin tanınmasını ve sınıflandırılmasını tespit etmek için Yolo-v7 nesne tespiti yöntemini kullanmaktadır. Büyüme aşamaları için elde edilen mAP@.5 değerleri şu şekildedir: "yeşil" için 0,37, "beyaz" için 0,335, "erken-dönüşüm" için 0,505, "dönüşüm" için 1,0, "geç-dönüşüm" için 0,337 ve "kırmızı" için 0,804. Tüm sınıflardaki kapsamlı performans sonuçları ise şu şekildedir: 0,792'de kesinlik, 0,575'te hatırlama, 0,558'de mAP@.5 ve 0,46'da mAP@.5:.95. Özellikle, bu sonuçlar, dengesiz etiket dağılımları ve meyvelerin gelişim evrelerinin etiketlerinin net olmaması gibi etiketleri de içeren bir veri seti ile eğitilip test edilmesine rağmen, hem performans değerlendirmesi hem de görsel değerlendirme açısından önerilen araştırmanın etkinliğini göstermektedir. Bu araştırma makalesi, gerçek zamanlı senaryolarda çalışırken bile çileklerin makul ve güvenilir bir şekilde tespit edilmesi gibi avantajlar sağlamakta ve bu da işçilik maliyetlerinde azalmayı sağlamaktadır.
