Öz Obezite vücut yağ miktarının artması ile çeşitli sorunlara yol açan ve tedavi edilebilen bir hastalıktır. Artan vücut ağırlığı, kas iskelet sistemi üzerinde bozukluklara yol açabilmektedir. Ayak, vücut ağırlığının yere aktarılmasında görevli bir yapıdır. Obezitenin ayağın anatomik yapısını, taban temas yüzey alanını ve basınç değişimlerini etkilendiği görülmüştür. Bu çalışmada Uzun Kısa-Vadeli Hafıza (LSTM) tabanlı derin sinir ağı (DSA) ile bireylerin ölçülen ayak tabanı basınç değerleri ile vücut kitle indeksi (VKİ) durumları sınıflandıran bir model geliştirilmiştir. Öncelikle bireyin ayak tabanı ait 12 farklı bölgeye ait basınç değerleri baropodometre ile ölçülmüştür. Ölçüm sonucunda sinir ağının veri kümesinde kullanılacak 13 farklı giriş parametresi elde edilmiştir. Bunun yanında her bireyin VKİ verisi hesaplanarak, bu verilere ait 4 gruptan birine yerleştirilmiştir. Böylelikle modelin öğrenmesi için gerekli veri kümesi oluşturulmuştur. Derin sinir ağında veri kümesi %80 eğitim %20 test olarak bölümlenmiştir. Ağın hiper parametrelerin belirlenmesinden sonra eğitim ve test işlemleri gerçekleştirilmiştir. Eğitilen modelin test sonucunda %93.2 doğruluk elde edilmiştir. Önerilen LSTM model, diğer sınıflandırma algoritmaları ile kıyaslanmıştır. Bunun sonucunda en yüksek performans elde etmiştir. Sonuç olarak önerilen sınıflandırma modeli ile bireyin VKİ'sine göre belirlenmiş obezite durumunu, ayak basınç verilerinin sınıflandırılması ile doğrulanmış olmaktadır. Ayrıca LSTM tabanlı derin sinir ağlarının, sınıflandırma işlemlerinde yüksek başarı performansı verdiği gözlemlenmiştir.
Recently, serious damages have occurred in e-commerce applications due to rapidly increasing data leaks and enduser vulnerabilities. Although the source of the vulnerabilities is different, attacks result in the theft of unsafe data. In particular, the theft of credit card information reveals a financial loss. In this study, a blockchain-based secure storage model has been developed in order to prevent the theft of credit card information in e-commerce applications as a result of a possible data leak. In the sample e-commerce application developed with ASP.NET, data other than credit cards are stored. Credit card data is transmitted to the blockchain over the API with SSL protection in the e-commerce application. The blockchain model was developed using MongoDB with the BigchainDB framework. The data in each block of the blockchain is encrypted with Advanced Encryption Standard (AES) 256 bits. The data integrity of the block is provided by the SHA256 algorithm. it is aimed to protect credit card data from a possible data leak with the proposed BigchainDB-based blockchain model.
Aim: Today, data banks contain unpredictable data. Together with the advances in data science, large data offer the potential to better understand the causes of diseases. This potential results from the processing, analysis or modeling of machine learning algorithms. Various data sets stored in different institutions are not always shared directly due to privacy and legal concerns. This problem limits the full use of large data in health research. Federated learning is aimed at developing artificial intelligence systems based on both high accuracy and data privacy. Materials and Methods: In this study, a federated learning approach was proposed in order to access any data and develop machine learning applications without sharing personal information within the scope of data privacy. Firstly, the structure of the Federated learner has been studied. It was then determined how federated learning should be used in machine learning models in different health applications. Results: In federated learning, the model is trained on local computers and its updates are transferred to a central server. The updated model is then transferred to local models. In this way, the central model is trained without seeing the data. Conclusion: It is necessary to make machine learning models in which confidentiality is applied with data obtained from health. For this, federated learning must be integrated into traditional machine learning applications. Thus, high performance is envisaged to be achieved with big data where data confidentiality is adopted.
Öz Skolyoz omurgada meydana gelen 3 boyutlu karmaşık bir hastalıktır. Bu hastalığın sonucunda omurga kemiklerinde şekil ve diziliş bozukluğu, göğüs kafesinde eğrilik, solunum ve dolaşım sistemlerinde kısıtlılıklar oluştuğu gözlenmektedir. Skolyoz hastalığının kesin sebebi bilinmemekle beraber duruş bozukluklarının sebep olduğu düşünülmektedir. Skolyoz en sık idiopatik sebeplidir (sebebi belli olmayan) ve 10 yaş üzerindeki kız çocuklarında görülmektedir. Skolyozun erken teşhisi hastalığın seyri için önem taşımaktadır. Skolyozun kesin teşhisi için radyolojik yöntemler ve fiziksel muayene gerekmektedir. Bu hastalık hakkında toplumda yeterli bilginin olmaması erken teşhisi zorlaştırmaktadır. Bu uygulama çalışmasında Skolyoz hastalığın teşhisi için radyoaktif yayılım yapmayan, fiziksel muayenedeki yanılma payını azaltacak, portatif, hızlı ve kullanımı kolay arduino tabanlı cihaz tasarımı geliştirilmiştir. Skolyoz'un erken teşhisi için; omurganın sırtta en belirgin çıkıntıları cihazda tanımlanabilmektedir. Hedef omurganın altındaki üç omurga çıkıntısı ile üstündeki üç omurga çıkıntısı arasında bir açılanma olup olmadığını hesaplanmaktadır. Hesaplanan açılanma derecesi hangi omurgada ve kaç derecelik bir skolyoz olduğunu gösterir. Ayrıca kürek kemikleri üzerinde belirlenen referans noktaları arasındaki eğim ölçülerek skolyozun göğüs kafesine etkisi tespit edilebilmektedir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.