4 research outputs found
Attitudes of Theology Faculty Preparatory Class Students Towards the Arabic Course (Tekirdağ Namık Kemal University Sample)
No full textAraştırma, ilahiyat fakültesi hazırlık sınıfı öğrencilerinin Arapça dersine dair görüş ve tutumlarını incelemektedir. Örneklem olarak Tekirdağ Namık Kemal Üniversitesi İlahiyat Fakültesi Hazırlık Sınıfı öğrencileri seçilmiştir. Araştırma verilerini toplamak için Aydoslu tarafından geliştirilen “İngilizce Dersine Yönelik Tutum Ölçeği” Arapçaya uyarlanarak kullanılmıştır. Araştırmanın bağımsız değişkenleri cinsiyet, öğretim türü, mezun olunan lise türü ve Arapçaya ayrılan zamandır. 2018-2019 eğitim öğretim yılı bahar yarıyılında 166 öğrencinin katılımıyla toplanan veriler SPSS yazılımı kullanılarak analiz edilmiştir. Elde edilen bulgulardan hazırlık öğrencilerinin çoğunun Arapça dersine yönelik olumlu bir tutuma sahip oldukları anlaşılmaktadır. Bazı öğrencilerin ise olumsuz bir tutum sergiledikleri görülmektedir. Cinsiyete ve öğretim türüne göre tutumlara bakıldığında ise anlamlı bir fark bulunamamıştır.The research evaluates the opinions and attitudes of the preparatory students of the Faculty of Theology. As a sample, students from the Faculty of Theology of Tekirdag Namık Kemal University were selected. In order to collect the research data, “Attitude Scale for English Course” developed by Aydoslu was adapted to Arabic. The independent variables of the study are gender, type of education, type of high school graduated and the students' Arabic study period. Data collected with the participation of 166 students in the spring semester of 2018-2019 academic year were analyzed using SPSS software. It is understood from the findings that most of the preparatory students have a positive attitude towards Arabic lessons. Some students are observed to have a negative attitude. When looking at attitudes by gender and type of education, no significant difference was found
Object definition with image processing technique in underwater vehicles
No full textBu çalışmada, su altında kapalı bir kaba yerleştirilen kamera ile görüntü alınmış ve nesne tanıma işlemi gerçekleştirilmiştir. Kameradan alınan gerçek zamanlı görüntü ile renk bilgisine dayalı olarak nesne tespiti yapılmıştır. Çalışmada RaspberryPi 4b, OpenCV ve Python programlama dili kullanılarak sualtı görüntü işleme ile nesnelerin tespiti amaçlanmıştır. Tanıtılan nesneler batık gemiler ve balıklardır. Nesne tanımada Single Shot Multibox Detector (SSD) derin öğrenme yöntemi ve MobileNet yapay sinir ağı kullanılarak web kamerasından gerçek zamanlı görüntüler alınarak nesne tespiti yapılır. Nesne tanımada, görüntü önce griye dönüştürülür ve ardın dan SSD MobileNet kütüphanesindeki nesnelerle karşılaştırılıp eşleştirildiğinde nesne tanınır.In this study, an image was taken with a camera placed in a sealed container under water and object recognition was performed. Object detection was made based on the color information with the real-time image taken from the camera. In the study, it was aimed to detect objects with under water image processing using the RaspberryPi 4b, OpenCV and Python programming language. Introduced objects are sunken ships and fish. In object recognition, using Single Shot Multibox Detector (SSD) deep learning method and MobileNet artificial neural network, object detection is done by taking real-time images from the webcam. In object recognition, the object is recognized when the image is first converted to gray and then compared with the objects in the SSD MobileNet library and matched
Object definition with image processing technique in underwater vehicles
No full textBu çalışmada, su altında kapalı bir kaba yerleştirilen kamera ile görüntü alınmış ve nesne tanıma işlemi gerçekleştirilmiştir. Kameradan alınan gerçek zamanlı görüntü ile renk bilgisine dayalı olarak nesne tespiti yapılmıştır. Çalışmada RaspberryPi 4b, OpenCV ve Python programlama dili kullanılarak sualtı görüntü işleme ile nesnelerin tespiti amaçlanmıştır. Tanıtılan nesneler batık gemiler ve balıklardır. Nesne tanımada Single Shot Multibox Detector (SSD) derin öğrenme yöntemi ve MobileNet yapay sinir ağı kullanılarak web kamerasından gerçek zamanlı görüntüler alınarak nesne tespiti yapılır. Nesne tanımada, görüntü önce griye dönüştürülür ve ardın dan SSD MobileNet kütüphanesindeki nesnelerle karşılaştırılıp eşleştirildiğinde nesne tanınır.In this study, an image was taken with a camera placed in a sealed container under water and object recognition was performed. Object detection was made based on the color information with the real-time image taken from the camera. In the study, it was aimed to detect objects with under water image processing using the RaspberryPi 4b, OpenCV and Python programming language. Introduced objects are sunken ships and fish. In object recognition, using Single Shot Multibox Detector (SSD) deep learning method and MobileNet artificial neural network, object detection is done by taking real-time images from the webcam. In object recognition, the object is recognized when the image is first converted to gray and then compared with the objects in the SSD MobileNet library and matched
Nocardial brain abscess: Review of clinical management
No full textNocardiosis has become a significant opportunistic infection over the last two decades as the number of immunocompromised individuals has grown worldwide. We present two patients with nocardial brain abscess. The first patient was a 39-year-old woman with systemic lupus erythematosus. A left temporoparietal abscess was detected and aspirated through a burr-hole. Nocardia farcinica infection was diagnosed. The patient had an accompanying pulmonary infection and was thus treated with imipenem and amikacine for 3 weeks. She received oral minocycline for 1 year. The second patient was a 43-year-old man who was being treated with corticosteroids for glomerulonephritis. He was diagnosed with a ring-enhancing multiloculated abscess in the left cerebellar hemisphere, with an additional two small supratentorial lesions and triventricular hydrocephalus. Gross total excision of the cerebellar abscess was performed via a left suboccipital craniectomy. Culture revealed Nocardia asteroides, and the patient was successfully treated with intravenous ceftriaxone, then oral trimethoprime-sulfamethoxazole for 1 year. The clinical course, radiological findings, and management of nocardial brain abscess are discussed in light of the relevant literature, and current clinical management is reviewed through examination of the cases presented here. (C) 2006 Elsevier Ltd. All rights reserved
