Topluluk Öğrenmesi Yöntemleri ile Göğüs Kanseri Teşhisi

SERTBAŞ, Fulya AKCAN- Ahmet

doi:10.7827/turkishstudies.49182

Cited by 5 publications

(1 citation statement)

References 6 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Burada 𝑦 𝑚 , m. hedef değerini, ℎ 𝑚 (𝑥), her aşamada kayıp fonksiyonunu en aza indirmek için seçilen temel öğreniciyi temsil eder [31]. Yığınlama yönteminde birden fazla sınıflandırma algoritması aynı eğitim seti ile eğitilerek birden fazla sınıflandırma modeli elde edilmiş olur.…”

Section: Sınıflandırma Ve Değerlendirme Metrikleriunclassified

Dalgacık Paket Dönüşümü, ReliefF Özellik Seçimi ve Topluluk Öğrenme Algoritması Tabanlı Bir Kısmi Deşarj Arızası Tespit Yöntemi

Eristi

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Enerji nakil hatlarında birçok arıza olayı meydana gelebilmektedir. Özellikle hatlarda faz iletkenlerinin çevresel bitki örtüleriyle ve birbirleriyle temas etmeleri sonucunda oluşan arızalar sıklıkla meydana gelir. Bu şekilde oluşabilecek arızaların önüne geçebilmek için özellikle enerji nakil hatlarında izolasyonlu iletkenler yaygın olarak kullanılmaktadır. Ancak izolasyonlu iletkenlerin yalıtım malzemesinde meydana gelebilecek deformasyonlar bu iletkenlerde kısmi deşarj (KD) adı verilen olaylara sebep olabilirler. Oluşabilecek çok daha büyük arızaların önüne geçebilmek için KD’lerin hızlı bir şekilde tespit edilmesi gerekir. Bu çalışmada, iletim hatlarında meydana gelen KD’lerin tespiti için dalgacık paket dönüşümü (DPD), ReliefF özellik seçim yaklaşımı ve topluluk öğrenme algoritma sınıflandırıcı tabanlı etkili bir tespit yaklaşımı önerilmiştir. Bu yaklaşımın en önemli özelliği, KD verilerinin DPD kullanarak etkili frekans bantlarına dayanan özellikler elde edilmesi ve ReliefF yaklaşımı kullanılarak bu özellikler içerisinden tespit performansı yüksek özelliklerin seçilmesidir. Önerilen tespit sistemi VSB gerçek veri seti kullanılarak test edilmiş ve 89.22% doğruluk oranı elde edilmiştir. Literatürde VSB veri seti kullanan benzer çalışmalarla karşılaştırıldığında başarımın oldukça yüksek olduğu ve önerilen yaklaşımın KD tespiti için etkili bir performans sergilediği görülmüştür.

show abstract

Section: Sınıflandırma Ve Değerlendirme Metrikleriunclassified

Dalgacık Paket Dönüşümü, ReliefF Özellik Seçimi ve Topluluk Öğrenme Algoritması Tabanlı Bir Kısmi Deşarj Arızası Tespit Yöntemi

Eristi

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

show abstract

Detection of Alzheimer's Disease From Electroencephalography (Eeg) Signals Using Multitaper and Ensemble Learning Methods

Göker

2023

UUJFE

View full text Add to dashboard Cite

Alzheimer's disease is a complex brain disease and is also the most common form of dementia that leads to impaired social and intellectual abilities. The disease only manifests itself with a simple forgetfulness, as the disease progresses, the patient forgets the recent events, cannot recognize his family members and close environment, and becomes in need of care in the last stage. Early detection is therefore crucial for medical intervention to prevent brain injury and prolong everyday functioning. In this study is aimed to detection of Alzheimer’s disease from EEG signals using the multitaper and ensemble learning methods. The dataset comprises of 24 healthy people and 24 Alzheimer's patients' EEG signals. 49 features were extracted by calculating the power spectral density (PSD) of the frequencies of the EEG signals between 1-49 Hz using the multitaper method. Then, the performances of AdaboostM1, Total Boost, Gentle Boost, Logit Boost, Robust Boost, and Bagging ensemble learning algorithms were compared. As a result of experiments, the Logit Boost algorithm has the highest performance. The algorithm has achieved a promising performance of 93.04% accuracy, 93.09% f1-score, 92.75% sensitivity, 93.43% precision, and 93.33% specificity.

show abstract

Detection of Nail Diseases Using Ensemble Model Based on Majority Voting

Ali

Kuyucuoglu

KÖSEOĞLU

et al. 2023

Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Nail diseases are disorders that can have serious effects on human quality of life. With the developing computational methods and technology, anomalies on the nail may be detected quickly and in a non-invasive way. This study proposes a model that provides better performance by combining the results of different deep learning networks with the ensemble learning method. The performance of 7 different deep learning architectures was examined using a database containing 17 disease classes. The proposed method achieved 75 % accuracy, resulting in significant increases in precision and recall metrics compared to individual deep-learning architectures. Thanks to a mobile application that will be developed, the proposed model for large-scale screening may be used as an assistive decision support system for medical professionals. When the results are observed, we predict that early detection of nail diseases (in a remote way) on the hand, which is one of our most used limbs, can reduce hospital visits and costs. In addition, the proposed method can be integrated into dermatoscopy devices used for skin diseases and mole analysis.

show abstract

Topluluk Öğrenmesi Yöntemleri ile Göğüs Kanseri Teşhisi

Cited by 5 publications

References 6 publications

Dalgacık Paket Dönüşümü, ReliefF Özellik Seçimi ve Topluluk Öğrenme Algoritması Tabanlı Bir Kısmi Deşarj Arızası Tespit Yöntemi

Dalgacık Paket Dönüşümü, ReliefF Özellik Seçimi ve Topluluk Öğrenme Algoritması Tabanlı Bir Kısmi Deşarj Arızası Tespit Yöntemi

Detection of Alzheimer's Disease From Electroencephalography (Eeg) Signals Using Multitaper and Ensemble Learning Methods

Detection of Nail Diseases Using Ensemble Model Based on Majority Voting

Contact Info

Product

Resources

About