Yılmaz, Vadi Su

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/7252
Name Variants
Y., Vadi Su
Yilmaz,V.S.
Vadi Su, Yılmaz
V. S. Yilmaz
Yılmaz,V.S.
Vadi Su, Yilmaz
V.S.Yilmaz
Yilmaz, Vadi Su
V.,Yilmaz
Y.,Vadi Su
Yilmaz V.
Yılmaz, Vadi Su
V., Yilmaz
V.,Yılmaz
V.S.Yılmaz
V. S. Yılmaz
Job Title
Araştırma Görevlisi
Email Address
vadi.yilmaz@atilim.edu.tr
Main Affiliation
Electrical-Electronics Engineering
Mechatronics Engineering
Status
Website
ORCID ID
Scopus Author ID
57201855036
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
EGI-3182-2022

Sustainable Development Goals

SDG data is not available
Documents

7

Citations

29

h-index

3

Go to Scopus profile
Documents

7

Citations

19

Go to WoS profile
Scholarly Output

11

Articles

4

Views / Downloads

46/369

Supervised MSc Theses

1

Supervised PhD Theses

1

WoS Citation Count

19

Scopus Citation Count

29

Patents

0

Projects

0

WoS Citations per Publication

1.73

Scopus Citations per Publication

2.64

Open Access Source

3

Supervised Theses

2

JournalCount
10th International Conference on Electrical and Electronics Engineering (ELECO) -- NOV 30-DEC 02, 2017 -- Bursa, TURKEY1
2020 28th Signal Processing and Communications Applications Conference, SIU 2020 - Proceedings -- 28th Signal Processing and Communications Applications Conference, SIU 2020 -- 5 October 2020 through 7 October 2020 -- Gaziantep -- 1664131
24th IEEE International Conference on Electronics, Circuits and Systems (ICECS) -- DEC 05-08, 2017 -- Batumi, GEORGIA1
28th Signal Processing and Communications Applications Conference (SIU) -- OCT 05-07, 2020 -- ELECTR NETWORK1
Diagnostics1
Current Page: 1 / 2

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

2019 - 201912020 - 20252
Reset filters

Settings

Has files: true

Scholarly Output Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Article
    Citation - WoS: 3
    Citation - Scopus: 6
    Investigating the Impact of Two Major Programming Environments on the Accuracy of Deep Learning-Based Glioma Detection From Mri Images
    (Mdpi, 2023) Yilmaz, Vadi Su; Akdag, Metehan; Dalveren, Yaser; Doruk, Resat Ozgur; Kara, Ali; Soylu, Ahmet
    Brain tumors have been the subject of research for many years. Brain tumors are typically classified into two main groups: benign and malignant tumors. The most common tumor type among malignant brain tumors is known as glioma. In the diagnosis of glioma, different imaging technologies could be used. Among these techniques, MRI is the most preferred imaging technology due to its high-resolution image data. However, the detection of gliomas from a huge set of MRI data could be challenging for the practitioners. In order to solve this concern, many Deep Learning (DL) models based on Convolutional Neural Networks (CNNs) have been proposed to be used in detecting glioma. However, understanding which CNN architecture would work efficiently under various conditions including development environment or programming aspects as well as performance analysis has not been studied so far. In this research work, therefore, the purpose is to investigate the impact of two major programming environments (namely, MATLAB and Python) on the accuracy of CNN-based glioma detection from Magnetic Resonance Imaging (MRI) images. To this end, experiments on the Brain Tumor Segmentation (BraTS) dataset (2016 and 2017) consisting of multiparametric magnetic MRI images are performed by implementing two popular CNN architectures, the three-dimensional (3D) U-Net and the V-Net in the programming environments. From the results, it is concluded that the use of Python with Google Colaboratory (Colab) might be highly useful in the implementation of CNN-based models for glioma detection. Moreover, the 3D U-Net model is found to perform better, attaining a high accuracy on the dataset. The authors believe that the results achieved from this study would provide useful information to the research community in their appropriate implementation of DL approaches for brain tumor detection.
  • Thumbnail Image
    Doctoral Thesis
    3B Medikal Görüntü İşleme İçin Derin Öğrenme Model Mimarisinin Geliştirmesi ve Analizi
    (2025) Yılmaz, Vadi Su; Doruk, Reşat Özgür; Tora, Hakan
    Günümüzde medikal görüntü segmentasyonuna yönelik geliştirilen derin öğrenme modelleri, yüksek doğruluk sunmalarına rağmen; aşırı hesaplama maliyeti, karmaşık yapılar ve donanım bağımlılığı nedeniyle pratik kullanımda çeşitli sınırlılıklar barın-dırmaktadır. Bu doğrultuda, kullanıcı dostu, düşük donanım gereksinimiyle çalışabi-len, sade ancak derin yapıda, sınırlı veri setlerinde de etkili sonuçlar verebilen, genellenebilir ve güçlü mimarilere duyulan ihtiyaç giderek artmaktadır. Bu tezde, herhangi bir fine-tuning veya dışsal optimizasyona ( pruning, quantization, attention vb.) ihtiyaç duymadan, yalnızca yapısal mimari iyileştirmelerle yüksek doğruluk elde eden donanım dostu bir 3B CNN modeli geliştirilmiştir. Model mimarisi kapsamlı biçimde ele alınmış; katman derinliği, filtre boyutu, kanal sayısı, aktivasyon ve normalizasyon sıralaması gibi birçok parametre sistematik olarak analiz edilmiştir. Farklı çekirdek boyutlarına sahip konvolüsyon filtreleri hem paralel yollarla aynı blok içinde, hem de ardışık katmanlar arasında dağıtılarak farklı mimari konfigürasyonlarla yapılandırılmıştır. Bu yapılarda tek ve çok katmanlı, simetrik ve asimetrik tasarımlar denenmiştir. Ayrıca model tasarımı sürecinde NAS (Neural Architecture Search) yöntemi uygulanmış; elde edilen mimari varyantlar performans açısından değerlendirilmiştir. Geliştirilen model, klasik U-Net'e kıyasla eğitim süresini 2.5 ila 10 kat arasında kısaltmış, FLOPs değerini yaklaşık yarı yarıya düşürmüş ve benzer Dice Benzerlik Katsayısı (DSC) ile segmentasyon doğruluğunu korumayı başarmıştır. Ayrıca yapılan analizlerde, FLOPs'un gerçek zamanlı performansı belirlemede tek başına yeterli bir ölçüt olmadığı ortaya konmuştur. Bu tez kapsamında yürütülen çalışmalar, yalnızca mimari düzeyde gerçekleştirilen iyileştirmelerle yüksek doğruluk ve donanım verimliliğine ulaşılabileceğini göstermekte; geliştirilen yapının sade fakat derin mimarisi-yle genellenebilirliği, sınırlı veri setlerinde başarımı ve hangi mimari parametrelerin modele belirgin katkı sağladığı detaylı biçimde ortaya konmuştur.
  • Thumbnail Image
    Master Thesis
    Endüstriyel Uzaktan Kontrol Sistemleri için 900 Mhz'de Çalışan Minyatür Anten Tasarımı ve Üretimi
    (2019) Yılmaz, Vadi Su; Kara, Ali; Aydın, Elif
    Bu tez, GHz altı bantlarda çalışan antenler için minyatürizasyon tekniklerine ışık tutarken, uzaktan kontrol sistemleri için anten tasarımları yaparak, minyatürizasyon tekniklerinin analizlerini gerçekleştirmeyi hedeflemiştir. Bu evrede birçok tasarım gerçekleştirilmiş ve incelemeler yapılmıştır. Kullanılan FEM tabanlı tasarım araçlarının sonuçlarını, anten teorisini kavramadan anlamak mümkün olmadığından, mikroşerit anten teorisi üzerinde durulmuştur. Anten yamasının tasarımı yapılmış, birçok model belirlenmiş, belirlenen modeller üzerinden, kullanılan tekniklerin geçerlilikleri saptanmıştır. İstenilen değerlere ulaşan antenlerin üretimi ve ölçümleri gerçekleştirilmiştir. Uzaktan kontrol uygulamalarında kullanılan kutu malzemesi üzerine de çalışmalar yapılmıştır. Kutu malzemesi, anten performansını etkilemeyecek şekilde, iyileştirilmeler yapılarak tanımlanmış ve üretimi gerçekleştirilmiştir. Anten kutu içerisine yerleştirilerek, ölçüm ve tasarım sonuçları karşılaştırılmıştır.