Derin öğrenme tabanlı mobil salmonella enfeksiyonu tanımlama
Deep learning, mobile application, salmonella, decision tree
- Tez No: 893128
- Danışmanlar: PROF. DR. BÜNYAMİN CİYLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 56
Özet
Bu çalışma, Avrupa Birliği'nin Gıda ve Yem Hızlı Uyarı Sistemi üzerinden bildirilen Salmonella enfeksiyonlarını derin öğrenme ve karar ağacı perspektifleriyle değerlendirmeyi hedeflemektedir. Veri analizinde gıda türü, tarih ve ülke bilgileri kullanılarak, Salmonella enfeksiyonu riski tahmin edildi ve bu bilgiler karar ağacı sistemiyle değerlendirilerek kişilerin semptomlarına göre yönlendirme yapıldı. Semptomların önemi vurgulanarak, bazı durumlarda semptomlar net bir enfeksiyon işareti olmasa da tıbbi yardım gerekliliği belirtildi. Bu nedenle geliştirilen karar destek sistemi, potansiyel Salmonella vakalarını doğru hastanelere yönlendirmeyi amaçladı. Derin öğrenme yaklaşımı, test seti üzerinde %69.9 doğrulukla tahminler yapabilme başarısını gösterdi. Ayrıca, mobil uygulama Google Firebase ile entegre edilerek, gerçek zamanlı salgın izleme ve tahmin yapma imkanı sunarak hızlı raporlama ve müdahale süreçlerini güçlendirdi. Bu çalışma, teknik derinlik ve pratik uygulama açısından önemli bir katkı sağlamaktadır. Salmonella enfeksiyonlarının erken tespit ve yönetimindeki bu yaklaşımlar, sağlık hizmetlerinin etkinliğini artırma potansiyeline sahip ve halk sağlığı açısından kritik bir rol oynamaktadır.
Özet (Çeviri)
Salmonella infections are constantly reported from EU Zone by using the European Comission's Rapid Alert System for Food and Feed portal which is a preventative measure taken from farm to fork for prevention of the contamination of people. In this work this data is processed by using deep learning and decision tree perspectives to predict a person's probability to caught Salmonella by using the type of food, date and country information. Then this probability is feed to a decision tree system which makes decisions according to the probability value and symptoms of the person. Symptoms play an important role and, in some cases, even though the potential patient is not considered to be a Salmonella infection patient may still need to go and have appropriate medical support. Thus, decision support system directs these patients to the nearest available hospital. Developed deep learning approach can make predictions over test set with %69.9 accuracy. At the end a mobile application is developed for fast reporting the potential Salmonella cases. Later then this application relates to Google Firebase to make real time predictions to track possible outbreaks.
Benzer Tezler
- A new frame work based application for malware detection in IoT
Başlık çevirisi yok
MAHMOOD ALAA SADEQ ALHADEETHI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK
- Yüzeysel öğrenme tabanlı mobil ön öğrenme sisteminin öğrenme çıktısı, tutum ve derin öğrenmeye yönelik transfere etkisi
The effect of surface learning based mobile pre-learning system on learning outcomes, attitudes and transfer regarding deep learning
ULAŞ YABANOVA
Doktora
Türkçe
2022
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. ÖZDEN DEMİRKAN
- Derin öğrenme tabanlı akıllı tarım ve uygulamaları
Deep learning based smart agriculture and applications
FURKAN ALP ESEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTUĞ ONAN
- IoT tabanlı akıllı şehirlerde derin öğrenme ve mobil tabanlı akıllı park sistemi yaklaşımı
Deep learning and mobile-based smart parking system approach in IoT-based smart cities
HİKMET CANLI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNAN TOKLU
- Mobil manipülatörler için derin öğrenme tabanlı arıza teşhis sistemi
Deep learning-based fault diagnosis system for mobile manipulators
ZEKİCAN YILMAZ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA YÜKSEL