Geri Dön

Yapay sinir ağları kullanarak deniz levreklerinde (Dicentrarchus labrax) hastalığa neden olan patojen bakterilerin tanımlanmadan ayrıştırılması tekniğinin geliştirilmesi

Developing a differentiation technique for the pathogenic bacteria causing disease in sea bass (Dicentrarchus labrax) by using artificial neural networks

PDF İndir

  1. Tez No: 550072
  2. Yazar: ECREN UZUN YAYLACI
  3. Danışmanlar: PROF. DR. HAMDİ ÖĞÜT
  4. Tez Türü: Doktora
  5. Konular: Balıkçılık Teknolojisi, Biyoloji, Deniz Bilimleri, Fisheries Technology, Biology, Marine Science
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Balıkçılık Teknolojisi Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 128

Özet

Karadeniz'de levreğin (Dicentrarchus labrax) yetiştirme evresi içinde olacak şekilde Haziran-Eylül arası aylık olarak Perşembe İşletmesi'nden 46 balığın böbrek, dalak, karaciğer ve derisinden, bunun yanında kafes suyundan bakteriyel izolasyon yapılmıştır. Toplamda izole edilen 1229 bakteriden rastgele seçilen 508 tanesinin antibiyogram profilleri çıkarılmış ve 397 tanesinin 16s rDNA dizi analizi ile türleri belirlenmiştir. İzole edilen 51 farklı bakteri türünden bölgemizde sıkça, balık patojeni olarak Aeromonas veronii (% 54,7), Vibrio anguillarum (% 6,03) ve Photobacterium damselae subsp. damselae (% 0,75) elde edilmiştir. Çalışmada fenotipik olarak birbirine yakın olan bu üç bakteri türünü ayırt etmek için antibiyotik yanıtlarının kullanım potansiyeli değerlendirilmiştir. Çeşitli antibiyotiklere verilen bakteriyel yanıtlara dayanarak Yapay Sinir Ağları aracılığıyla patojenik bakteriyel türlerin ayrıştırılması için bir yöntem geliştirilmiştir. Her üç bakteri türünü de doğru ayrıştırabilen %100'lük performansa sahip ağlar elde edilmiş ve kullanılabilir bir bilgisayar programı formatına dönüştürülmüştür. Bu çalışmada gerçekleştirilen Yapay Sinir Ağı sınıflandırması, araştırmacılara enfekte balıklarda patojenik bakteri çeşitliliği ve farklılaşması hakkında fikir edinme ve böylece hastalık epizootiği vakalarında daha iyi yönetim stratejileri geliştirmelerine yardımcı olma fırsatı sunabilecektir.

Özet (Çeviri)

In the Black Sea, bacterial sampling of kidney, spleen, liver, skin and cage water of 46 sea bass (Dicentrarchus labrax) carried out monthly, from June and September, from Perşembe grow-out farm. Randomly selected 508 of 1229 bacteria were characterized by antibiogram profiles. 397 bacteria were identified by the help of 16s rDNA sequence analysis. Of the isolated 51 bacteria species, the most frequently isolated bacteria that are pathogenic to fish were Aeromonas veronii (% 54,7), Vibrio anguillarum (% 6,03) and Photobacterium damselae subsp. damselae (% 0,75). In this study, we assessed the potential for using antibiotic response data in differentiating three species of this bacteria which are phenotypically close to one another. Based on bacterial respective responses to various antibiotics, a method has been developed for differentiating pathogenic bacterial species through Artificial Neural Networks. In this study, species of all three bacteria were differentiated correctly by the modeled ANNs in the training with 100% confidence and converted into a usable computer program format. In brief, the artificial neural network classification demonstrated in this study may offer researchers the opportunity of gaining insight into pathogenic bacteria diversity and differentiation in infected fish, thus helping to develop better management strategies in cases of disease epizootics.

Benzer Tezler

  1. Tez No

    223211

    Yapay sinir ağları ile dalga yüksekliği tahmini

    The wave height estimated by using artificial neural network

    VOLKAN TOPALOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Kıyı Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF.DR. SEDAT KABDAŞLI

  2. Tez No

    475808

    Implementation of pricing strategies by using artificial neural networks in liner shipping industry

    Düzenli hat taşımacılığı (liner) sektöründe yapay sinir ağları kullanarak fiyatlandırma stratejilerinin uygulanması

    CEREN AKMAN BIYIK

    Doktora

    İngilizce

    İngilizce

    2017

    UlaşımDokuz Eylül Üniversitesi

    İşletme (İngilizce) Ana Bilim Dalı

    PROF. DR. MUSTAFA TANYERİ

  3. Tez No

    255421

    Design of self-organizing map type electromagnetic target classifiers for dielectric spheres conducting aircraft targets with investigation noise performances

    Yalıtkan küreler ve iletken uçaklar için özörgütlenmeli harita tipi elektromanyetik sınıflandırıcıların tasarımı ve gürültü performanslarının incelenmesi

    TUFAN TAYLAN KATILMIŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖNÜL TURHAN SAYAN

  4. Tez No

    822614

    Position detection for arbitrary-oriented ships in satellite imagery via convolutional neural network

    Kesinlikle yönlenen gemiler için uydu görüntüsünde konvolusyonel sinir ağlarıyla konum tespiti

    OTHMAN MOHAMMED AYOOB AYOOB

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Gelişim Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEVCAN KAHRAMAN

  5. Tez No

    389328

    Modeling of spar-type floating offshore wind turbines

    Spar-tipi açıkdeniz yüzer rüzgar türbini modellemesi

    NAGİHAN TÜRKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Enerjiİstanbul Teknik Üniversitesi

    Deniz Teknolojisi Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AYHAN MENTEŞ

Geri Dön