20 results
Search Results
Now showing 1 - 10 of 20
Article Sağlık Sektöründe Yapay Zeka Kullanımı(2024) Koyuncu, Murat; Göçer, SafiyeArtificial intelligence (AI) has profound effects not only on the medical sector but also on many other sectors. AI, whose theoretical foundations were laid in the 1950s, has since developed into different AI subfields. Recently, two prominent subfields within the scope of AI have been machine learning (ML) and deep learning (DL) techniques. ML is focused on analyzing existing data to make predictions, and DL employs neural networks to mimic the functioning of the human brain. Today, observing many projects and even daily applications related to the use of AI in different areas such as medical imaging, diagnosis, drug development, and personalized treatment plans is possible in the health sector. For example, in the field of radiology, making earlier and more precise diagnoses using AI to increase the speed and accuracy of medical image analysis has become possible. Robotic surgery platforms, such as the Da Vinci Surgical System, have begun to integrate AI to automate tasks and improve surgical safety. With smartphones, wearable technologies, and Internet of Things applications, AI-powered healthcare solutions are becoming more accessible and effective. This paper aims to provide a brief overview of AI, examine its contributions and real-world applications in healthcare, assess its impact on medical education, and discuss the ethical challenges of its integration into the medical field. By providing insights into the potential of AI, this study aims to provide healthcare professionals a comprehensive perspective on the role of AI in modern medicine.Article Citation - Scopus: 10Modeling of Daily Groundwater Level Using Deep Learning Neural Networks(Murat Yakar, 2023) Othman, Mohammed Moatasem OthmanGroundwater is an essential water source, becoming more vital due to shortages in available surface water resources. Hence, monitoring groundwater levels can show the amount of water available to extract and use for various purposes. However, the groundwater system is naturally complex, and we need models to simulate it. Therefore, we employed a deep learning model called CNN-biLSTM neural networks for modeling groundwater, and the data was obtained from USGS. The data included daily groundwater levels from 2002 to 2021, and the data was divided into 95% for training and 5% for testing. Besides, three deep CNN-biLSTM models were employed using three different algorithms (SGDM, ADAM, and RMSprop(. Also, Bayesian optimization was used to optimize parameters such as the number of biLSTM layers and the number of biLSTM units. The model's performance was based on Spearman's Rank-Order Correlation (r), and the model with SGDM showed the best results compared to other models in this study. Finally, the CNN model with LSTM can simulate time series data effectively.Article Güvenlik Sistemleri için Silah ve Bıçak Tanıma(2021) Işık, Şahin; Özkan, Şerif Ercan; Kurt, ZuhalBu çalışma, halka açık yerlerde güvenlik sorunlarının üstesinden gelmek için etkili ve yenilikçi bir çözüm sunmaktadır. Alternatif bir video gözetim sistemi olarak, önerilen yöntem videolardan silah ve bıçak nesnelerini gerçek zamanlı olarak algılar ve yerelleştirir. Evrişimsel Sinir Ağı tabanlı nesne algılama ile bağlantılı olarak, en yüksek performansa sahip silah ve bıçak nesnelerini tespit etmek için Hızlı-Bölgesel Tabanlı Evrişimsel Sinir Ağı yapısı uygulanmıştır. Test görüntüleri üzerinde simülasyon gerçekleştirdikten sonra, geliştirilen sistemin F1-skor performansı yaklaşık %70 tanıma oranı olarak elde edilmiştir. Eğitilen Faster R-CNN modeli, uçak, otobüs durağı, stadyum ve güvenliğin önemli bir faktör olduğu kamu taşıtları da dâhil olmak üzere farklı halka açık yerler için kullanılabilir. Ayrıca, geliştirilen yöntem, tehlikeli nesnelerin raporlanması ve bu tür nesnelerin neden olduğu risklerin en aza indirilmesi açısından yerel gözetim sistemine gömülebilir.Article Yapay Zekâ Entegrasyonu ve Sosyal İnovasyon: Sürdürülebilir Kalkınma Amaçlarıyla Uyumlu Disiplinlerarası Araştırma Eğilimleri(2024) Yılmaz, Ayşe AslıBu çalışma, Yapay Zeka (YZ), Makine Öğrenimi, Doğal Dil İşleme (NLP) ve Prompt Mühendisliği'nin sosyal bilimlere entegrasyonunu ve bu teknolojilerin işbirlikçi ağlar, tematik gelişmeler ve Sürdürülebilir Kalkınma Amaçları (SKA'lar) ile uyumlu araştırma eğilimleri üzerindeki etkilerini incelemektedir. Bibliyometrik analiz ve konu modelleme yöntemlerini kullanan araştırma, son on yılı kapsayan Web of Science (WoS) veri tabanından elde edilen 389 yayını analiz etmektedir. Bulgular, bu teknolojilerin sosyal bilimlerle kesişiminde disiplinlerarası araştırmalarda önemli bir büyüme olduğunu ve özellikle yönetim, işletme ve çevre çalışmaları alanlarında kayda değer katkılar yapıldığını ortaya koymaktadır. Çalışma, YZ'nin ürün geliştirmede yenilikçi uygulamaları, enerji sektöründeki ilerlemeler ve eğitim ile sağlık alanlarındaki kullanımı gibi ana temaları belirlemektedir. Araştırma, YZ'nin sürdürülebilir kalkınmayı desteklemedeki dönüştürücü potansiyeline vurgu yaparken, etik kaygıların ele alınmasının ve sorumlu bir şekilde uygulanmasının önemine de dikkat çekmektedir. Bu çalışma, YZ ve ilgili teknolojilerin sosyal bilimleri nasıl yeniden şekillendirdiği ve küresel sürdürülebilirlik hedeflerine ulaşmada oynadığı rol hakkında daha derin bir anlayışa katkı sağlamaktadır.Article Citation - WoS: 7Citation - Scopus: 10Comparison of Three Different Learning Methods of Multilayer Perceptron Neural Network for Wind Speed Forecasting(Gazi Univ, 2021) Bulut, Mehmet; Tora, Hakan; Buaisha, Dr.magdi; Buaisha, MagdiIn the world, electric power is the highest need for high prosperity and comfortable living standards. The security of energy supply is an essential concept in national energy management. Therefore, ensuring the security of electricity supply requires accurate estimates of electricity demand. The share of electricity generation from renewables is significantly growing in the world. This kind of energy types are dependent on weather conditions as the wind and solar energies. There are two vital requirements to locate and measure specific systems to utilize wind power: modelling and forecasting of the wind velocity. To this end, using only 4 years of measured meteorological data, the present research attempts to estimate the related speed of wind within the Libyan Mediterranean coast with the help of ANN (artificial neural networking) with three different learning algorithms, which are Levenberg-Marquardt, Bayesian Regularization and Scaled Conjugate Gradient. Conclusions reached in this study show that wind speed can be estimated within acceptable limits using a limited set of meteorological data. In the results obtained, it was seen that the SCG algorithm gave better results in tests in this study with less data.Article Citation - Scopus: 1The Rise of Artificial Intelligence in Vascular Surgery: a Bibliometric Analysis (2020-2024)(Turkish National Vascular and Endovascular Surgery Society, 2024) Tosun, Burcu; Demirkılıç, UfukAim: This study aims to perform a comprehensive bibliometric analysis of academic publications on AI applications in vascular surgery, identifying key authors, influential journals, prevalent research themes, and international collaborations, focusing on infrastructure, conceptual structure, and social networks within the field.Material and Methods: The analysis covers 815 documents published from 2020 to 2024, retrieved from the Web of Science Core Collection database. Metrics analyzed include publication growth, citation rates, key contributors, leading journals, prevalent themes, and international collaborations.Results: The research output showed a 15% annual growth rate, peaking in 2023. Despite increasing publications, the average citation rate per article declined. The study identified 5039 contributors with significant international co-authorship. Leading authors included Lareyre F and Raffort J, and the \"Journal of Vascular Surgery\" was the most influential journal. The USA and China led in contributions, reflecting robust research infrastructure. Key themes include risk assessment, diagnostic methods, and patient management, highlighting AI's role in enhancing diagnostic accuracy, treatment planning, and patient outcomes in vascular surgery.Conclusion: The analysis highlights the rapid growth and collaborative nature of AI research in vascular surgery. Key contributors, influential journals, and emerging themes were identified, emphasizing AI's role in improving diagnostics and patient outcomes. Limitations include the focus on one database and a five-year period, suggesting future research should include more databases and a longer timeframe. Exploring high-impact studies and practical applications will further advance the field.Research Project Yansımaları Kullanarak Emisyon Kaynaklarının Yer Tespiti(2021) Tabakcıoğlu, Mehmet Barış; Benzaghta, Mohamed; Imran, Md Abdullah Al; Taş, Sümeyra; Kara, Ali; Maiga, Bamoye; Dalveren, YaserBu projede, deniz yüzeyi ve çevresindeki girinti çıktının çok olduğu bölgeler (kıyılar, koylar, adaların yoğun bölgeler vb.) başta olmak üzere, yansımaların olduğu tüm (askeri/sivil) operasyonel ortamlarda, yansımaların kullanılması suretiyle bir temas alıcısı (geniş bant pasif alıcı) tarafından emisyon kaynaklarının konumlarının tespit edilmesine yönelik yöntem ve araçlar geliştirilmiştir. Geliştirilen yöntemde, öncelikli olarak pürüzlü/düzensiz (rough and irregular) araziler üzerindeki saçılma merkezlerinin kestirimi yapılmaktadır. Bunu yapabilmek için, sayısal harita bilgileri bilinen ve yöntemin çalıştırılması öngörülen bölgelerde (örneğin, Ege Denizi ve çevresi), temas alıcısında var olan ölçüm yeteneklerinin de yardımıyla, emisyon kaynağına (radar vericisi) yönelik parametreler (darbe genişliği, hüzme açısı gibi) kullanılarak yansıma olan muhtemel bölgelerin sınırları belirlenmektedir. Ardından, muhtemel saçılma merkezleri belirlenerek, arazi kesitleri üzerinde radyo yayılım kayıpları, yüksek frekanslı teknikler (GTD/UTD) ve dalga yayılım etkileri (yansıma, kırınım) kullanan bir ışın izleme algoritmasıyla hesaplanmaktadır. Ayrıca, geliştirilen ışık izleme algoritması ile, saçılma merkezlerinin çok yollu yayılımın kaynağı olma olasılıkları da hesaplanabilmektedir. Geliştirilen yöntemin sonraki aşamasında, saçılma merkezleri yer tespit/konumlamada kullanılmak üzere yapay sensör olarak belirlenmektedir. Belirlenen yapay sensörler, çoklu sensör uygulaması için literatürde bilinen bir Varış Zaman Farkı (VZF: Time Difference of Arrival-TDOA) konumlama tekniğinde kullanılmaktadır. Yöntemin son aşamasında ise TDOA tekniği ile elde edilen pozisyonlar ile saçılma merkezlerinin çok yollu yayılımın kaynağı olma olasılıkları ağırlıklı ortalama alma yönteminde kullanılarak emisyon kaynağının konumu/pozisyonu kestirilmektedir. Bu şekilde, temas alıcısı ile birlikte yansımaların yapay sensör olarak kullanılması suretiyle, tek bir alıcı ile sabit emisyon kaynaklarının konumlanması yapılabilmektedir. Geliştirilen yöntemin kestirim doğruluğu ve uygulanabilirliği yüksek çözünürlüklü (DTED2) sayısal harita verileri ile gerçekçi senaryolar üzerinde benzetimler yapılarak değerlendirilmiştir. Elde edilen sonuçlar, geliştirilen yer tespit yönteminin elektronik harp uygulamalarında genel olarak uygulanabilir olduğunu doğrulamaktadır.Article Citation - Scopus: 21Comparative Analysis of Programming Languages Utilized in Artificial Intelligence Applications: Features, Performance, and Suitability(Prof.Dr. İskender AKKURT, 2024) Sezen, Arda; Türkmen, Güzin; Şengül, GökhanThis study presents a detailed comparative analysis of the foremost programming languages employed in Artificial Intelligence (AI) applications: Python, R, Java, and Julia. These languages are analysed for their performance, features, ease of use, scalability, library support, and their applicability to various AI tasks such as machine learning, data analysis, and scientific computing. Each language is evaluated based on syntax and readability, execution speed, library ecosystem, and integration with external tools. The analysis incorporates a use case of code writing for a linear regression task. The aim of this research is to guide AI practitioners, researchers, and developers in choosing the most appropriate programming language for their specific needs, optimizing both the development process and the performance of AI applications. The findings also highlight the ongoing evolution and community support for these languages, influencing long-term sustainability and adaptability in the rapidly advancing field of AI. This comparative assessment contributes to a deeper understanding of how programming languages can enhance or constrain the development and implementation of AI technologies.Article Revolutionizing Glaucoma Care: Harnessing Artificial Intelligence for Precise Diagnosis and Management(Gazi Eye Foundation, 2025) Ucgul, A.Y.; Aktaş, Z.Glaucoma is a leading cause of irreversible blindness worldwide, necessitating early detection and effective management to prevent vision loss. Recent advancements in artificial intelligence (AI) have revolutionized glaucoma care by enhancing diagnostic accuracy, monitoring disease progression, and personalizing treatment strategies. AI models, including machine learning and deep learning algorithms, have demonstrated exceptional performance in analyzing fundus photography, optical coherence tomography, and visual field data, surpassing traditional diagnostic methods. Convolutional neural networks have shown high sensitivity and specificity in detecting glaucomatous changes, while vision transformers and hybrid AI models further refine risk assessment and prognosis. Additionally, AI-powered monitoring systems utilizing multi-modal data integration allow for more precise prediction of disease progression and the need for surgical intervention. The incorporation of AI into telemedicine and wearable intraocular pressure sensors extends glaucoma management to remote and underserved populations. Despite these advancements, challenges remain, including issues related to algorithm generalizability, data standardization, bias, and ethical concerns regarding AI-driven clinical decision-making. To maximize AI’s potential in glaucoma care, further interdisciplinary research, regulatory oversight, and multi-center validation studies are needed. By addressing these challenges, AI can be effectively integrated into clinical practice, leading to improved early detection, enhanced treatment strategies, and more personalized patient care. The future of AI in glaucoma management holds great promise, paving the way for a more data-driven and patient-centered approach to combating this sight-threatening disease. © 2024 The author(s).Article Neuron Modeling: Estimating the Parameters of a Neuron Model From Neural Spiking Data(Tubitak Scientific & Technological Research Council Turkey, 2018) Doruk, Resat Ozgur; Doruk, OzgurWe present a modeling study aiming at the estimation of the parameters of a single neuron model from neural spiking data. The model receives a stimulus as input and provides the firing rate of the neuron as output. The neural spiking data will be obtained from point process simulation. The resultant data will be used in parameter estimation based on the inhomogeneous Poisson maximum likelihood method. The model will be stimulated by various forms of stimuli, which are modeled by a Fourier series (FS), exponential functions, and radial basis functions (RBFs). Tabulated results presenting cases with different sample sizes (# of repeated trials), stimulus component sizes (FS and RBF), amplitudes, and frequency ranges (FS) will be presented to validate the approach and provide a means of comparison. The results showed that regardless of the stimulus type, the most effective parameter on the estimation performance appears to be the sample size. In addition, the lowest variance of the estimates is obtained when a Fourier series stimulus is applied in the estimation.
