Sakarya University of Applied Sciences AXSIS
Not a member yet
2251 research outputs found
Sort by
Impact of Varying Storage Temperatures on Hazelnut (Corylus avellana L.) Pollen Quality
No full textThis study investigated the effect of pollen storage on viability and germination in 'Fo & scedil;a', 'Kara', 'Kal & imath;nkara', 'Mincane' and 'Palaz' hazelnut cultivars (Corylus avellana L.). Pollen was kept at room temperature (22 degrees C), +4 degrees C and -18 degrees C, and on the 7th, 14th, 21st, 30th, 45th, 60th, 75th, 90th, 105th and 120th day, pollen viability was determined according to triphenyl tetrazolium chloride (TTC) and acetocarmine tests. Pollen germination was assessed at 15 and 20% sucrose according to the agar method. The highest viability at +4 degrees C was determined in 'Mincane' (64.67%) on the 7th day of storage, and the lowest was determined in 'Palaz' (11.50%) on the 120th day of storage in the TTC test. The highest pollen viability at -18 degrees C was determined on the 7th day in 'Fo & scedil;a' (71%), and the lowest was determined on the 120th day in 'Palaz' (19%). Cultivar x temperature, cultivar x time and temperature x time interactions were found to be significant in the acetocarmine test. The highest germination was detected in 'Kara' (55.23%) with 15% sucrose and in 'Mincane' (73.8%) with 20% sucrose in pollen stored at -18 degrees C. Based on the analysis of pollen viability and germination during storage, it was determined that the 'Fo & scedil;a' and 'Mincane' were among the most suitable cultivars. As the storage period rose, there were reductions in viability. However, it was found that pollen held at -18 degrees C had a longer viability compared to pollen stored at +4 degrees C. Pollen germination was found to be greater when exposed to 20% sucrose compared to 15% sucrose
Deep learning based classification of time series of chaotic systems over graphic images
No full textIn this study, for the first time in the literature, identification of different chaotic systems by classifying graphic images of their time series with deep learning methods is aimed. For this purpose, a data set is generated that consists of the graphic images of time series of the most known three chaotic systems: Lorenz, Chen, and Rossler systems. The time series are obtained for different parameter values, initial conditions, step size and time lengths. After generating the data set, a high-accuracy classification is performed by using transfer learning method. In the study, the most accepted deep learning models of the transfer learning methods are employed. These models are SqueezeNet, VGG-19, AlexNet, ResNet50, ResNet101, DenseNet201, ShuffleNet and GoogLeNet. As a result of the study, classification accuracy is found between 96% and 97% depending on the problem. Thus, this study makes association of real time random signals with a mathematical system possible
High-speed train induced environmental vibrations: Experimental study on Isolation efficiency of recyclable in-filling materials for thin-walled hollow wave barrier
No full textThe most cost-effective method for reducing vibrations in structures affected by continuous railway traffic is the implementation of an open trench in the ground. However, using deep trenches without lateral support in residential areas is impractical from an engineering standpoint. Furthermore, the screening efficiency of solid wave barriers falls short of expectations. Full-scale field tests to assess the vibration isolation performance of open trenches are either limited or rely on stationary point sources generating periodic surface vibrations. The objective of this study is to investigate both free-field surface ground vibrations and the dynamic response of a specially constructed test building founded on alluvial soil close to high-speed railway traffic, considering both passively isolated and non-isolated conditions. The chosen testing location is Sakarya-Pamukova, a critical area along the Istanbul-Ankara High-Speed Train (HST) line in North-Western Türkiye. To address stability and near-surface groundwater issues, specially designed prefabricated panels with low impedance were placed in the trench. Additionally, the vibration screening performance of infill materials made from recyclable waste materials like wood shavings, Styrofoam, and expanded glass granules was evaluated for the trench-type wave barrier with thin aerated concrete walls. This evaluation considered both structural response and surface wave motions at the test site. In this full-scale experimental study under challenging geotechnical conditions, it has been demonstrated that significant attenuation effects (a reduction of up to 50%) near the high-speed railroad can be achieved at a depth equal to half the wavelength of the excavation. This was accomplished using a thin-walled wave barrier made of low-cost and environmentally friendly lightweight material. By employing various recyclable waste-filling materials, an additional benefit of up to 3 and 5 decibels was observed in vibration mitigation for structural and free field ground vibrations, respectively. © 2024 Elsevier Lt
On the Impact of Some Fixed Point Theorems on Dynamic Programming and RLC Circuit Models in R-Modular b-Metric-like Spaces
No full textIn this study, we significantly extend the concept of modular metric-like spaces to introduce the notion of b-metric-like spaces. Furthermore, by incorporating a binary relation R, we develop the framework of R-modular b-metric-like spaces. We establish a groundbreaking fixed point theorem for certain extensions of Geraghty-type contraction mappings, incorporating both Z simulation function and E-type contraction within this innovative structure. Moreover, we present several novel outcomes that stem from our newly defined notations. Afterwards, we introduce an unprecedented concept, the graphical modular b-metric-like space, which is derived from the binary relation R. Finally, we examine the existence of solutions for a class of functional equations that are pivotal in dynamic programming and in solving initial value problems related to the electric current in an RLC parallel circuit
Particulate composites, analysis techniques and applications
No full textThe combination of at least two of the metal, ceramic or polymer groups at a macro level is called a composite material and, in this way, better properties are obtained. Composites can be partitioned into three groupings as layered, fiber and particle reinforced. Particulate composites offer flexibility in composition and component design and are isotropic. This investigation critically examines analysis techniques for particulate composites such as dimensional measurements, property distribution, composition and phase tests, density, and porosity tests (e.g. Archimedes, Pycnometer), hardness measurements (e.g. Brinell, Rockwell), mechanical properties through non-destructive and destructive testing (e.g. tensile, impact). In addition, application areas of particulate composites are highlighted, including Al-SiC composites for aircrafts, cemented carbides for tool metals, dental porcelain, electrical contacts, friction products, and thermal materials. © The Author 2024. This work is licensed under a Creative Commons Attribution License (https://creativecommons.org/licenses/by/4.0/) that allows others to share and adapt the material for any purpose (even commercially), in any medium with an acknowledgement of the work’s authorship and initial publication in this journal
Effects of different welding parameters on mechanical values in joining EN AW 6061 T6 aluminum materials with MIG welding method
No full textİÇİNDEKİLER TEŞEKKÜR ................................................................................................................ i İÇİNDEKİLER .......................................................................................................... ii KISALTMALAR ....................................................................................................... v SİMGELER ............................................................................................................... vi TABLOLAR LİSTESİ............................................................................................. vii ŞEKİLLER LİSTESİ................................................................................................ ix ÖZET........................................................................................................................xiii ABSTRACT............................................................................................................. xiv BÖLÜM 1. GİRİŞ ........................................................................................................................ 15 1.1. Tezin Amacı .................................................................................................... 15 1.2. Literatür Araştırması ....................................................................................... 15 1.3. Hipotez ............................................................................................................ 17 BÖLÜM 2. ALÜMİNYUM VE ALÜMİNYUM ALAŞIMLARI............................................. 18 2.1. Alüminyuma Ait Başlıca Özellikler................................................................ 18 2.2. Alüminyumun Dayanımı................................................................................. 18 2.3. Alaşım Elementlerinin Etkisi .......................................................................... 20 2.4. Korozyon Direnci............................................................................................ 21 2.4.1. pH değerinin etkisi................................................................................... 21 2.5. Alüminyum Alaşımlarının Şekillendirilmesi ve Bağlantı Teknikleri ............. 21 2.6. Alüminyum Alaşımlarının Sınıflandırılması................................................... 22 2.6.1. Alaşım elementlerine göre sınıflandırma ................................................. 22 2.6.2. Kondisyonlarına göre sınıflandırma......................................................... 23 2.6.3. Isıl işlem durumuna göre.......................................................................... 24 2.7. Alüminyum ve Çeliğin Kaynaklanabilme Kabiliyetlerinin Kıyaslanması...... 25 2.8. Alüminyum Alaşımlarının Kaynak Özellikleri ............................................... 26 2.8.1. Kaynağa uygunluğu ................................................................................. 26 2.8.1.1. 1XXX grubu...................................................................................... 28 2.8.1.2. 2XXX grubu...................................................................................... 29 2.8.1.3. 3XXX grubu...................................................................................... 29 2.8.1.4. 4XXX grubu...................................................................................... 30 iii 2.8.1.5. 5XXX grubu...................................................................................... 30 2.8.1.6. 6XXX grubu...................................................................................... 30 2.8.1.7. 7XXX grubu...................................................................................... 31 2.8.1.8. 8XXX grubu...................................................................................... 31 2.9. 6061 T6 Alaşımlarının Üretim Yöntemi Bakımından Farklılıkları ................ 32 BÖLÜM 3. KAYNAK TEKNİĞİ VE ALÜMİNYUM KAYNAK YÖNTEMLERİ.............. 35 3.1. Kaynak Yöntemlerine Ait Kronolojik Gelişim Süreci.................................... 35 3.2. Kaynak Yöntemleri ve Terimleri .................................................................... 37 3.2.1. Eritme kaynağı ......................................................................................... 37 3.2.2. Basınç kaynağı ......................................................................................... 37 3.3. Metal Kaynak Yöntemleri............................................................................... 38 3.3.1. Gaz kaynağı.............................................................................................. 39 3.3.2. Elle ark kaynağı ....................................................................................... 40 3.3.3. Metal koruyucu gaz kaynağı (MIG/MAG) .............................................. 41 3.3.4. Tungsten asal gaz kaynağı (TIG)............................................................. 42 3.3.5. Tozaltı kaynağı......................................................................................... 43 3.3.6. Direnç nokta kaynağı ............................................................................... 44 3.4. Alüminyum Alaşımlarına Uygulanan Kaynak Yöntemleri............................. 45 BÖLÜM 4. METAL INERT GAZ KAYNAĞI (MIG) ............................................................. 47 4.1. Tanımı ............................................................................................................. 47 4.2. MIG Yönteminde Kullanılan Kaynak Metaline Ait Taşınım Tipleri.............. 47 4.2.1. Kısa ark .................................................................................................... 47 4.2.2. Sprey ark .................................................................................................. 48 4.2.3. Uzun ark................................................................................................... 49 4.3. MIG Kaynak Makinası Donanımları............................................................... 50 4.3.1. Güç ünitesi (Kaynak redresörü) ............................................................... 51 4.3.2. Tel sürme ünitesi...................................................................................... 53 4.3.3. Hortum paketi .......................................................................................... 56 4.3.4. Kaynak torcu ............................................................................................ 57 4.3.4.1. Kontak meme .................................................................................... 60 4.3.4.2. Gaz nozulu ........................................................................................ 60 4.3.5. Soğutma ünitesi........................................................................................ 60 4.3.6. Koruyucu gaz donanımı........................................................................... 61 4.3.6.1. Alüminyumun MIG kaynağında kullanılan gazlar ........................... 63 BÖLÜM 5. MIG KAYNAK YÖNTEMİNİ ETKİLEYEN PARAMETRELER.................... 67 5.1. Kaynak Öncesi Seçilebilir Parametreler ......................................................... 67 5.1.1. İlave metal çapı ........................................................................................ 67 5.1.2. Koruyucu Gaz Türü ................................................................................. 67 5.2. Birinci Derecede Ayarlanabilir Parametreler.................................................. 68 iv 5.2.1. Kaynak akım şiddeti................................................................................. 68 5.2.2. Ark Boyu (Kaynak Gerilimi)................................................................... 69 5.2.3. Kaynak Hızı ............................................................................................. 70 5.3. İkinci Derecede Ayarlanabilir Parametreler.................................................... 70 5.3.1. Serbest Tel Boyu...................................................................................... 70 5.3.2. Torç Açısı................................................................................................. 71 BÖLÜM 6. DENEYSEL ÇALIŞMALAR.................................................................................. 73 6.1. Çalışmada Kullanılan Malzemeler ve Cihazlar............................................... 73 6.2. Deney .............................................................................................................. 78 6.2.1. 1 numaralı numunenin test sonuçları ....................................................... 80 6.2.2. 2 numaralı numunenin test sonuçları ....................................................... 84 6.2.3. 3 numaralı numunenin test sonuçları ....................................................... 88 6.2.4. 4 numaralı numunenin test sonuçları ....................................................... 92 6.2.5. 5 numaralı numunenin test sonuçları ....................................................... 96 6.2.6. 6 numaralı numunenin test sonuçları ..................................................... 100 6.2.7. 7 numaralı numunenin test sonuçları ..................................................... 104 6.2.8. 8 numaralı numunenin test sonuçları ..................................................... 108 6.2.9. 9 numaralı numunenin test sonuçları ..................................................... 112 6.2.10. 10 numaralı numunenin test sonuçları ................................................. 116 6.2.11. 11 numaralı numunenin test sonuçları ................................................. 120 6.2.12. 12 numaralı numunenin test sonuçları ................................................. 124 6.2.13. 13 numaralı numunenin test sonuçları ................................................. 128 6.2.14. 14 numaralı numunenin test sonuçları ................................................. 132 6.2.15. 15 numaralı numunenin test sonuçları ................................................. 136 6.2.16. 16 numaralı numunenin test sonuçları ................................................. 140 6.2.17. 17 numaralı numunenin test sonuçları ................................................. 144 6.2.18. 18 numaralı numunenin test sonuçları ................................................. 148 6.2.19. 19 numaralı numunenin test sonuçları ................................................. 152 6.2.20. 20 numaralı numunenin test sonuçları ................................................. 156 6.2.21. 21 numaralı numunenin test sonuçları ................................................. 160 6.2.22. 22 numaralı numunenin test sonuçları ................................................. 164 6.2.23. 23 numaralı numunenin test sonuçları ................................................. 168 BÖLÜM 7. SONUÇ VE ÖNERİLER....................................................................................... 173 7.1. Sonuçlar......................................................................................................... 173 7.2. Öneriler.......................................................................................................... 174 KAYNAKLAR ....................................................................................................... 176EN AW 6061 T6 ALÜMİNYUM MALZEMELERİN MIG KAYNAK YÖNTEMİ İLE BİRLEŞTİRİLMESİNDE FARKLI KAYNAK PARAMETRELERİNİN MEKANİK DEĞERLERE ETKİLERİ ÖZET Ülkemiz ve dünya sanayi endüstrisinde kaynaklı birleştirme işlemi oldukça yaygın kullanılan bir işlemdir. Kaynaklı birleştirme işlemi çok farklı çeşitler sayesinde hemen her metal malzemeye uygulanabildiği gibi bazı noktalarda plastik malzemelere de uygulanabilir. Endüstride en yaygın kullanılan kaynak yöntemleri Elektrik Ark kaynağı, Metal Inert Gaz kaynağı (MIG) ve Metal Aktif Gaz kaynağı (MAG) kaynağıdır. Çelik malzemelerin birleştirilmesinde MAG (metal aktif gaz) yöntemi, alüminyum malzemelerin birleştirilmesinde ise MIG (metal inert gaz) kaynak yöntemi kullanılır. Bu çalışmada demiryolu araçları sektöründe özellikle hızlı tren gövde ve şasilerinin imalatında kullanılan EN AW 6061 T6 serisi alüminyum alaşımları MIG (metal inert gaz) kaynak yöntemi ile birleştirilmiştir. Çalışma kapsamındaki tüm numunelere PA pozisyonunda BW (alın birleştirme) uygulanmış ve birleştirme işlemlerinde 150x300x3 mm ebatlarında plakalar kullanılmıştır. Kaynak işlemi boyunca her numune için bütün parametreler sabit kalmak kaydı ile bir tek değişken parametre tercih edilmiş ve belirlenen değişken parametrenin farklı değerleri ile 3’ er adet numune bileştirilmiştir. Çalışmalarda su soğutmalı 500A güce sahip fronius marka kaynak makinası kullanılmıştır. Kaynak teli olarak 1,2 mm çapında 5356 (AlMg5) kaynak ilave metali, zirkonyum katkılı kontak meme kullanılmıştır. Ayrıca çalışma boyunca kaynak makinasının CMT (cold metal transfer) modu aktif tutulmuştur. Mukavemet değerlerinin kıyaslanabilmesi için her bir kaynaklı numuneden 3 adet çekme test numunesi, 6 adet çentik darbe test numunesi ve bir adet sertlik test numunesi hazırlanmıştır. Çentik darbe test numuneleri 2 adet ana malzemeden, 2 adet ITAB (ısı tesiri altındaki bölge)’den ve 2 adet kaynak dikişinden çalışmıştır. Böylece kaynak bölgesinin ısı girdisinden etkilenip etkilenmediği, eğer etkilendi ise hangi bölgelerde çentik darbe enerjilerinde değişiklikler olduğu saptanmıştır. Birleştirme bölgelerindeki nüfuziyet derinlikleri ve kaynak dikiş ölçüleri makrografi muayene ile tespit edilmiştir. Ayrıca kaynak dikişi, ITAB ve ana malzeme bölgelerinde oluşabilecek mikroyapı çökelmeleri veya kimyasal bileşenlerdeki değişiklikler mikrografi muayene ile incelenmiştir. Çalışma sonunda tüm numunelerin mekanik değerleri kendi birbirleri ile kıyaslanarak yüksek mukavemet değerleri elde etmek için hangi kaynak parametrelerinin kullanılması gerektiği önerilerle sunulmaya çalışılmıştır. Ayrıca çalışma sonucunda alüminyum kaynağı için tespit edilen öneriler maddeler halinde sıralanmıştır. Anahtar Kelimeler: Alüminyum, Birleştirme, Kaynak, MIG, AW 6061EFFECTS OF DIFFERENT WELDING PARAMETERS ON MECHANICAL VALUES IN JOINING EN AW 6061 T6 ALUMINUM MATERIALS WITH MIG WELDING METHOD ABSTRACT Welded joining is a widely used process in our country and the world's industrial industry. Welded joining process can be applied to almost every metal material thanks to many different types, and at some points it can also be applied to plastic materials. The most commonly used welding methods in the industry are Electric Arc welding, Metal Inert Gas welding (MIG) and Metal Active Gas welding (MAG). MAG (metal active gas) welding method is used to join steel materials, and MIG (metal inert gas) welding method is used to join aluminum materials. In this study, EN AW 6061 T6 series aluminum alloys, which are used in the railway vehicles industry, especially in the manufacturing of high-speed train bodies and chassis, were combined with the MIG (metal inert gas) welding method. BW (butt joining) was applied to all samples within the scope of the study in PA position and plates with dimensions of 150x300x3 mm were used in the joining process. During the welding process, a single variable parameter was preferred for each sample, provided that all parameters remained constant, and 3 samples were combined with different values of the determined variable parameter. A water-cooled Fronius brand welding machine with 500A power was used in the work. 1.2 mm diameter 5356 (AlMg5) welding filler metal and zirconium added contact nozzle was used as welding wire. In addition, the CMT (cold metal transfer) mode of the welding machine was kept active throughout the work. In order to compare the strength values, 3 tensile test samples, 6 notch impact test samples and one hardness test sample were prepared from each welded sample. Notch impact test samples were tested from 2 main materials, 2 HAZ (heat affected zone) and 2 weld seams. Thus, it was determined whether the welding area was affected by heat input and, if so, in which areas there were changes in notch impact energies. Penetration depths and weld seam dimensions in the joint areas were determined by macrographic examination. In addition, microstructure precipitations or changes in chemical components that may occur in the weld seam, HAZ and main material areas were examined by micrographic examination. At the end of the study, mechanical values of all samples were compared with each other and recommendations were made on which welding parameters should be used to obtain high strength values. In addition, the recommendations determined for aluminum welding as a result of the study are listed in items. Keywords: Aluminum, Joining, Welding, MIG, AW 606
TiB-based coating formation on Ti6Al4V alloy
No full textIn the present study, it is aimed to produce titanium boride layer on Ti6Al4V substrate by a simple, cheap and efficient method of pack boriding process. Pack boriding process was conducted out at 1,000, 1,100, and 1,200 degrees C in argon atmosphere for 6, 8, and 10 h to see the effect of both temperature and the time on boride layer. The presence of both TiB2 and TiB borides was confirmed by SEM (Scanning Electron Microscopy) and the XRD (X-ray diffraction analysis). SEM studies indicated that the morphology of boride layers has dense and layered nature and having a maximum layer thickness of approximately 16 mu m. The hardness of boride layer, measured by Vickers indentation method, was over 2000 HV. It was found that formation of borides has parabolic nature for process temperatures and times. Kinetic studies showed that boride layer abide the parabolic growth law. Diffusion activation energy for boron in total boride layer (TiB2 and TiB) during the pack boriding process was calculated as 77.402 kJ mol-1
Optimization and production of a permanent magnet synchronous motor for automatic tool changer applications
No full textElektrik enerjisinin üretimi, iletimi ve kullanımı aşamalarında karşımıza çıkan elektrik makinaları, günümüzün vazgeçilmez teknolojileri arasındadır ve 19. yüzyıldan bu yana insanoğlunun hizmetindedir. Jeneratör, transformatör ve motor gibi farklı tasarımlarda üretilen bu makinaların büyük çoğunluğu, kullanım amacına bağlı olarak endüstriyel süreçlerde tercih edilmektedir. Elektrik enerjisini hareket enerjisine dönüştüren motorlar, enerji türü, ürettiği hareket tipi ve tasarımsal özelliklerine göre çeşitli gruplara ayrılmaktadır. Sabit mıknatıslı senkron motorlar (SMSM), senkron çalışma prensibine sahip ve fırçasız olarak üretilen makinalar grubunda yer almaktadır. Yüksek verim ve güç yoğunluklarına ulaşabilen SMSM tipi motorlar, geleneksel asenkron motorlardan farklı olarak rotorlarında sabit mıknatıslar içermektedir. Bu özellikleri sayesinde birim hacimde daha yüksek güç yoğunluğuna, küçültülmüş boyuta ve daha düşük kayıp değerlerine sahip olacak şekilde tasarlanabilirler. Tüm elektrik makinaları bakır kayıpları, histerezis ve girdap akım kayıpları, mekanik kayıplar ve kaçak kayıpları gibi doğal kayıplara sahiptir. Dünya genelinde üretilen elektrik enerjisinin büyük bir kısmını elektrik motorları tükettiği için bu makinaların düşük verimle çalışmaları durumunda harcanan fazladan enerji miktarı kümülatif olarak ciddi boyutlara ulaşabilmektedir. SMSM tipi motorlar da diğer elektrik makinaları gibi verim, maliyet, boyut, tork yoğunluğu gibi nitelikleri üzerinden optimizasyon çalışmalarına konu edilebilmektedir. Literatürdeki çalışmalar incelendiğinde, genel olarak elektrik makinaları alanında ve SMSM tipi motorlar özelinde klasik optimizasyon teknikleri veya doğadan esinlenen sezgisel tekniklere dayalı olarak tek amaçlı ve çok amaçlı optimizasyon yöntemleri kullanılarak yapılmış çalışmalar görülmektedir. Bu tez çalışmasında ilk olarak CNC tezgahlarında takım değiştirici olarak kullanılan 0.55kW gücündeki üç fazlı SMSM türü bir servo motorun tasarım parametreleri hassasiyet analizi ile incelenerek motor verimi üzerinde en etkili olanlar tespit edilmiştir. Sonrasında sırasıyla analitik yöntemler, klasik teknikler ve doğadan esinlenen sezgisel yöntemleri içeren algoritmalar kullanılarak verim optimizasyonu işlemleri uygulanmıştır. Hem klasik yöntemler hem de yapay zekâ temelli sezgisel algoritmalar sonlu elemanlar analizi yöntemi (SEY) ile desteklenmiştir. Optimizasyon süreci sonrasında modelin prototipi üretilerek deneysel test düzeneği ile analiz edilmiştir. Elde edilen sonuçlar, başlangıç tasarımına göre motorda anlamlı bir verim artışı sağlandığını göstermiştir
INTERNATIONAL JOURNAL OF IMAGING SYSTEMS AND TECHNOLOGY
No full textThe healthcare industry has found it challenging to build a powerful global classification model due to the scarcity and diversity of medical data. The leading cause is privacy, which restricts data sharing among healthcare providers. Federated learning (FL) can contribute to developing classification models by protecting data privacy. This study has tested various federated techniques in a peer-to-peer setting to classify brain Magnetic Resonance Images (MRI). The authors propose various aggregation strategies for FL, including Federated Averaging (FedAvg), Quantum FL with FedAVG (QFedAvg) and Fault Tolerant FedAvg (Ft-FedAvg) and FedAvg with differential privacy (Dp-FedAvg). In each approach, a custom Convolutional Neural Network (CNN) model is applied to compute locally run nodes with different parts of the same brain MRI dataset for 10, 20 and 30 training and test rounds. A central server and CNN-based three federated clients are included in the FL-based brain tumour classification model to exchange data and combine the model weights on the server, which are sent from local devices to the server. The superiority of the performance of the proposed model is demonstrated by comparing it with traditional methods on various performance metrics. Experimental results show that in brain MRI dataset classification using FL approaches, FedAVg showed the best performance with 85.55% and 84.60% success for 10 and 20 rounds, respectively, while Ft-FedAvg showed the best performance with 85.80% success for 30 rounds for test set. Statistical results obtained from FL approaches showed that FedAvg and Ft-FedAvg have superior performance with regard to accuracy and robustness in comparison with the others
Fine-tuned support vector machine design for radiomic data-based prostate cancer classification
No full textİÇİNDEKİLER TEŞEKKÜR ................................................................................................................ i İÇİNDEKİLER .......................................................................................................... ii KISALTMALAR ....................................................................................................... v TABLOLAR LİSTESİ.............................................................................................. vi ŞEKİLLER LİSTESİ.............................................................................................. vii ÖZET........................................................................................................................viii ABSTRACT............................................................................................................... ix BÖLÜM 1. GİRİŞ .......................................................................................................................... 1 1.1. Literatür Taraması ............................................................................................. 5 1.2. Tez Çalışmasının Amacı ................................................................................... 8 1.3. Tez Organizasyonu.......................................................................................... 10 BÖLÜM 2. TEZ ÇALIŞMASINDA KULLANILAN PROSTATEX VERİ SETİ................. 11 2.1. Prostat MRG İçin Yapay Zekâ Uygulamaları ................................................. 11 2.2. Prostat MRG İçin Mevcut Yapay Zekâ Araçları............................................. 20 2.3. Mevcut Yapay Zekâ Araçlarının Performans Değerlendirilmesi.................... 23 2.4. Prostatex Challenge 2017 Data ....................................................................... 25 2.4.1. Veri setine ait kapsama kriterleri ............................................................. 26 2.4.2. Veri setine ait öznitelikler........................................................................ 28 2.4.2.1. Görüntüleme öznitelikleri ................................................................. 28 2.4.2.2. Klinik öznitelikler ............................................................................. 29 2.4.3. Veri setinde uygulanan ön işleme adımları.............................................. 29 BÖLÜM 3. MATERYAL VE METODLAR ............................................................................. 31 3.1. Makine Öğrenimi Ve Veri Analizi Alanlarında Kullanılan Teknikler............ 31 3.1.1. Ridge regresyon modeli ........................................................................... 32 3.1.2. Model tabanlı özellik seçimi.................................................................... 32 3.1.3. İleri sıralı özellik seçimi........................................................................... 32 iii 3.1.4. Geri sıralı özellik seçimi .......................................................................... 33 3.2. Radyomik Veriler............................................................................................ 33 3.3. Radyomik Verilerin Toplanması Ve Ön İşleme Prosedürleri ......................... 35 3.4. Veri Ön İşleme Yöntemleri............................................................................. 36 3.5. Öznitelik Seçme Yöntemleri ........................................................................... 38 3.6. Radyomik Veri Kümeleri Üzerinde Öznitelik Seçme Yöntemleri.................. 39 3.7. Radyomik Veri Kümeleri Üzerinde Öznitelik Seçme Yöntemlerinin Karşılaştırılması ..................................................................................................... 40 BÖLÜM 4. DOĞRUSAL DVM ALGORİTMASINI KULLANARAK PROSTAT KANSERİ SINIFLANDIRMASI............................................................................ 42 4.1. Radyomiks Veri Özellikleri Kullanılarak MÖ Tabanlı Prostat Kanserinin Sınıflandırılması..................................................................................................... 42 4.2. Prostat Kanseri Radyomiks Veri Setleri İçin Özellik Seçim Yaklaşımları..... 44 4.3. Radyomitik Çalışmalarının Sınırlılıkları......................................................... 46 4.4. Önerilen Yaklaşım........................................................................................... 47 4.4.1. Ridge regresyonu ve doğrusal DVM için hiper parametre ayarı ............. 49 4.4.2. Ridgeregresyon tabanlı önem katsayıları ile özellik seçimi..................... 51 4.4.3. Ridge regresyon tabanlı korelasyon katsayıları ile özellik seçimi........... 53 4.4.4. Ridge regresyonu kullanılarak ileri sıralı tabanlı özellik seçim algoritması ............................................................................................................................ 55 4.5. Ridge Regresyon Kullanarak Geriye Doğru Sıralı Tabanlı Özellik Seçimi Algoritması............................................................................................................. 57 4.6. Deneysel Çalışmalar........................................................................................ 59 BÖLÜM 5. ÖNERİLEN MODEL VE SONUÇLARI............................................................... 61 5.1. En Önemli Özellikleri İçeren Seçilmiş Alt Kümeler ...................................... 64 5.1.1. Sırt regresörünün ince ayarlı hiperparametreleri ..................................... 65 5.1.2. Önem katsayılarıyla seçilmiş bir alt küme............................................... 65 5.1.3. İleri ve geri sıralı olarak seçilmiş bir alt küme......................................... 66 5.2. Korelasyon Katsayılarıyla Seçilmiş Bir Alt Küme Prostatex Veri Kümesi İçin Özellik Seçimi Yaklaşımı....................................................................................... 68 5.3. Seçilen Alt Setler Ve Tam Set Üzerinde Eğitim Verilen Prostat Kanser Sınıflandırıcıları ..................................................................................................... 69 5.3.1. Özellik seçimi süresi performansı............................................................ 69 5.3.2. Sınıflandırıcıların eğitim ve test süresi .................................................... 69 5.3.3. LDVM sınıflandırıcının optimal hiper parametreleri............................... 72 5.3.4. LDVM tabanlı sınıflandırıcıların doğruluk sonuçları .............................. 73 5.3.5. Çalışmanın son teknoloji modellerle karşılaştırılması............................. 74 BÖLÜM 6. SONUÇLAR VE ÖNERİLER ................................................................................ 76 iv KAYNAKLAR ......................................................................................................... 78RADYOMİK VERİ TABANLI PROSTAT KANSERİ SINIFLANDIRMASI İÇİN İNCE AYARLI DESTEK VEKTÖR MAKİNESİ TASARIMI ÖZET Kanser vakalarındaki dramatik artış, dünya genelinde ciddi bir sağlık sorunu oluşturmakta ve özellikle farklı kanser türlerine yakalanan insan sayısında önemli bir yükseliş öngörülmektedir. Bu durum, hem teşhis hem de tedavi alanında inovasyonları zorunlu kılmaktadır. Geleneksel tedavi yöntemlerine rağmen kesin bir çözüm bulunmaması, araştırmacıları yeni ve etkili stratejiler geliştirmeye yönlendirmektedir. Görüntüleme, kanser teşhisi ve tedavisi süreçlerinde kritik bir rol oynamaktadır. Bu nedenle, bilgisayar destekli teşhis (BDT) sistemleri, radyologlar ve patologlar arasında kabul görmüş ve meme kanseri gibi özel uygulamalarda FDA onayı almıştır. Gelişen teknolojiyle birlikte, BDT'nin kanser teşhisi ve tedavisindeki potansiyeli giderek artmaktadır. Bu teknikler, teşhis süreçlerinin doğruluğunu artırmak, görüntü okuma sürelerini azaltmak ve hastalar için kişiselleştirilmiş tedavi planları oluşturmak gibi hedeflere odaklanmaktadır. Prostat kanseri, erkekler arasında sık görülen ve ölümlere neden olan bir kanser türüdür. Bu nedenle, prostat kanserinin erken teşhisi ve doğru tanısı hayati önem taşımaktadır. BDT, prostat kanseri teşhisinde büyük bir başarı elde etmiş ve geleneksel teşhis yöntemlerini tamamlayarak daha kesin ve erken teşhis imkânları sunmuştur. Son yıllarda, yapay zekâ tabanlı algoritmaların tıbbi görüntüleme ve teşhis alanındaki kullanımı hızla artmaktadır. Özellikle prostat kanseri teşhisinde, radyomik özelliklerin analizi ve ince ayarlı doğrusal DVM algoritmalarının kullanımı, daha hassas ve etkili sonuçlar elde edilmesine katkı sağlamaktadır. Bu yöntemler, prostat kanseri tanısı için umut verici bir gelecek vadetmektedir. Bu çalışma, prostat kanseri teşhisinde BDT ve yapay zekâ tabanlı algoritmaların birleşimini incelemiş ve özellikle radyomik özelliklerin kullanımının önemini vurgulamıştır. Elde edilen bulgular, daha az ancak daha etkili özelliklerle eğitilen doğrusal DVM tabanlı sınıflandırıcıların, daha hızlı ve yüksek doğrulukla çalıştığını göstermiştir. Bu sonuçlar, prostat kanseri teşhisi için daha iyi ve daha hızlı yöntemlerin geliştirilmesinde önemli bir adım olarak değerlendirilebilir.FINE-TUNED SUPPORT VECTOR MACHINE DESIGN FOR RADIOMIC DATA-BASED PROSTATE CANCER CLASSIFICATION ABSTRACT The dramatic increase in cancer cases poses a significant global health challenge, particularly anticipating a substantial rise in the number of individuals affected by different cancer types. This situation necessitates innovations in both diagnosis and treatment. Despite traditional treatment methods, the absence of a definitive solution directs researchers towards developing new and effective strategies. Imaging plays a crucial role in cancer diagnosis and treatment processes. Hence, computer-aided diagnosis (CAD) systems have gained acceptance among radiologists and pathologists, obtaining FDA approval in specific applications such as breast cancer. With advancing technology, the potential of CAD in cancer diagnosis and treatment is steadily increasing. These techniques focus on enhancing the accuracy of diagnosis, reducing image interpretation times, and creating personalized treatment plans for patients. Prostate cancer is a frequently occurring cancer among men and a leading cause of mortality. Therefore, early detection and accurate diagnosis of prostate cancer are of vital importance. CAD has achieved significant success in the diagnosis of prostate cancer, providing more precise and early diagnostic possibilities alongside traditional diagnostic methods. In recent years, the utilization of artificial intelligence-based algorithms in medical imaging and diagnostics has rapidly increased. Particularly in prostate cancer diagnosis, the analysis of radiomic features and the use of fine-tuned linear DVM algorithms contribute to obtaining more accurate and effective results. These methods hold promising prospects for the diagnosis of prostate cancer. This study investigates the combination of CAD and artificial intelligence-based algorithms in the diagnosis of prostate cancer, emphasizing the significance of utilizing radiomic features. The findings indicate that linear DVM classifiers trained with fewer yet more effective features operate faster and with higher accuracy. These results can be considered a significant step towards developing better and faster methods for prostate cancer diagnosis