A metaheuristic optimization–integrated deep learning framework for high-dimensional image classification
Yüksek boyutlu görüntü sınıflandırması için meta sezgisel optimizasyon-entegre derin öğrenme çerçevesi
- Tez No: 1000414
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA YENİAD
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Tıbbi teşhis ve uzaktan algılama alanlarında yüksek boyutlu görüntüleme verilerinin hızla artması; akıllı, güvenilir ve genellenebilir sınıflandırma sistemlerine olan ihtiyacı artırmıştır. Bu tez çalışması, söz konusu zorlukların üstesinden gelmek amacıyla, Manyetik Rezonans Görüntüleme (MRG) kullanarak Alzheimer hastalığı teşhisi ve Sentetik Açıklıklı Radar (SAR) görüntüleri üzerinden hedef tanıma iki farklı uygulama alanında karmaşık görüntü sınıflandırma görevleri için meta-sezgisel optimizasyon entegreli bir derin öğrenme çerçevesi önermektedir. Önerilen yaklaşım; ayırt edici kapasiteyi, gürültüye karşı dayanıklılığı ve genel sınıflandırma performansını artırmak için derin öznitelik çıkarımı ile Fisher Mantis Optimizasyonunu (FMO) sinerjik bir şekilde entegre etmektedir. Tıbbi görüntüleme alanında, ADNI ve MIRIAD veri setleri kullanılarak yapılan değerlendirmeler; geliştirilen yöntemin Alzheimer hastalığının evrelerini ayırt etmede etkili olduğunu, duyarlılık, özgüllük ve F1-skoru gibi temel metriklerde önemli iyileşmeler sağladığını ortaya koymuştur. Bu sonuçlar, klinik olarak anlamlı nörogörüntüleme örüntülerinin yakalanmasında optimizasyon destekli öznitelik seçiminin etkinliğini doğrulamaktadır. Benzer şekilde, SAR alanında yürütülen çalışmalar, önerilen çerçevenin gürültü ve bakış açısı değişimleri gibi zorlu koşullar altında üstün hedef ayrıştırma yeteneği sergilediğini göstermiştir. Hiper-parametre duyarlılık analizleri ise modellerin farklı konfigürasyonlarda kararlı performans sergilediğini ve yüksek yapısal dayanıklılığa sahip olduğunu kanıtlamıştır. Mevcut gelişmiş yöntemlerle yapılan karşılaştırmalı analizler, önerilen çerçevenin güçlü bir genelleme yeteneğini korurken üstün veya rekabetçi bir performans sunduğunu doğrulamaktadır. Farklı görüntüleme modaliteleri genelinde elde edilen tutarlı başarı, derin öğrenme mimarileri ile meta-sezgisel optimizasyon stratejilerinin birleştirilmesinin potansiyelini vurgulamaktadır. Sonuç olarak tez, tıbbi görüntüleme ve uzaktan algılamada uygulanabilir, esnek ve optimizasyon odaklı bir çerçeve sunarak gelecek araştırmalara temel oluşturmaktadır.
Özet (Çeviri)
The rapid expansion of high-dimensional imaging in medical diagnosis and remote sensing necessitates intelligent, reliable, and generalizable classification systems. This dissertation proposes a metaheuristic optimization-integrated deep learning framework to address these needs across two distinct domains: Alzheimer's disease diagnosis via magnetic resonance imaging (MRI) and target recognition using synthetic aperture radar (SAR) imagery. The approach synergistically integrates deep feature extraction with Fisher Mantis Optimization (FMO) to enhance discriminative capability, robustness, and overall classification accuracy. Validation in the medical domain using ADNI and MIRIAD datasets demonstrates that the framework effectively distinguishes Alzheimer's disease stages, with significant improvements in sensitivity, specificity, and F1-score. These results underscore the efficacy of optimization-assisted feature selection in identifying clinically relevant neuroimaging patterns. Similarly, in the SAR domain, the framework achieves superior target discrimination and resilience against noise and viewpoint variations. Hyperparameter sensitivity analyses further confirm that the proposed models maintain stable performance across diverse configurations, reflecting substantial structural robustness. Comparative evaluations against state-of-the-art methods verify that the proposed framework delivers superior or competitive performance while ensuring strong generalization. The consistent success across heterogeneous imaging modalities highlights the potency of combining deep learning architectures with metaheuristic optimization. Ultimately, this dissertation provides a flexible, optimization-aware framework that establishes a robust foundation for real-world deployment in both medical and remote sensing applications.
Benzer Tezler
- Design and optimization of compact vivaldi antenna with matching medium for microwave brain imaging applications
Mikrodalga beyin görüntüleme uygulamaları için eşleştirme ortamına sahip kompak vıvaldı antenin tasarımı ve optimizasyonu
CAFER UYANIK
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Zaman serileri tahmininde melez bir yaklaşım
A hybrid approach to time series forecasting
NURBANU IŞIK DELİBALTA
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHANETTİN CAN
DR. ÖĞR. ÜYESİ GÖNÜL ULUDAĞ
- Fundus görüntülerinden glokom hastalığının tespit edilmesi
Detection of glaucoma from fundus images
OĞUZ SÖNMEZ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiOptik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZLEM POLAT
- Optimized deep learning approach for image augmentation and classification using generative adversarial network and vision transformer
Çekişmeli üretici ağ ve görüntü dönüştürücü kullanarak görüntü artırımı ve sınıflandırma içı̇n optı̇mı̇ze edı̇lmı̇ş derı̇n öğrenme yaklaşımı
EMRE YÜKSEK
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Bilim ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
- İnsansız araç sistemlerinin matematiksel modellenmesi ve kontrol algoritmalarının geliştirilmesi
Mathematical modeling of unmanned vehicle systems and development of control algorithms
SERKAN BUDAK
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL SUNGUR
PROF. DR. AKİF DURDU