| Yazarlar (2) |
Dr. Öğr. Üyesi Muhammed Akif YENİKAYA
Kafkas Üniversitesi, Türkiye |
Dr. Öğr. Üyesi Onur OKTAYSOY
Kafkas Üniversitesi, Türkiye |
| Özet |
| Amaç Bilgi çağı olarak adlandırılan günümüz dünyasında dijitalleşme her sektörde olduğu gibi sağlık sektöründe de kendisine önemli bir yer edinmiştir. Özellikle yapay zekâ teknolojilerinin sağlık sektörü üzerinde muazzam denilebilecek bir değişim etkisi sözkonusudur. Tanı ve teşhis yapabilmenin yanı sıra, sektörde yer alan nitelikli insan kaynağına alternatif olabilmesi beklenen yapay zekâ, bu araştırma da alt kümeleri olan derin öğrenme ağları perspektifinden ele alınmıştır. Çalışmada derin öğrenme ağlarından olan ResNet101 ve GoogLeNet bağlamında yapay zekânın hastalık teşhisindeki başarı düzeyinin belirlenmesi amaçlanmaktadır. Yöntem Araştırma amacı doğrultusunda açık erişimli Kaggle web sitesinden beyin tümörü türlerinden olan Glioma, Meningioma ve Pituitary içeren toplamda 2124 adet MR görüntü veri seti elde edilmiş, bu verilerle %70 eğitim, %30 test oranı ile araştırmada kullanılan derin öğrenme ağlarının, görüntü ayrıştırma ve tanımlama başarı düzeyleri karşılaştırılmıştır. Bulgular Analiz bulguları derin öğrenme ağlarının üç farklı beyin tümörü hastalığını ayrıştırma ve tanımlama noktasında başarılı olduğunu göstermiştir. Derin öğrenme ağlarının başarı düzeyleri incelendiğinde ResNet101 derin öğrenme ağının %91.5, GoogLeNet derin öğrenme ağının ise %87.9 başarı düzeyine sahip olduğu tespit edilmiştir. Sonuç Araştırmanın bulguları doğrultusunda ResNet101 ve GoogLeNet derin öğrenme ağlarının beyin tümörü türlerini tanımlama ve ayrıştırma noktasında kullanılabilir olduğu, ResNet101 derin öğrenme ağının araştırma özelinde daha yüksek başarı oranı kaydettiği ve son olarak yapay zekâ teknolojilerinin sağlık … |
| Anahtar Kelimeler |
| Makale Türü | Özgün Makale |
| Makale Alt Türü | Diğer hakemli uluslarası dergilerde yayınlanan tam makale |
| Dergi Adı | Sakarya Universitesi Isletme Enstitusu Dergisi, Sakarya University |
| Dergi ISSN | 2717-767X |
| Dergi Tarandığı Indeksler | ErihPlus, EBSCO |
| Makale Dili | Türkçe |
| Basım Tarihi | 12-2023 |
| Cilt No | 5 |
| Sayı | 2 |
| Sayfalar | 127 / 131 |
| Doi Numarası | 10.47542/sauied.1394746 |
| Makale Linki | http://dx.doi.org/10.47542/sauied.1394746 |
| Atıf Sayıları | |
| Google Scholar | 3 |
