Geri Dön

Derin öğrenme tabanlı mobil salmonella enfeksiyonu tanımlama

Deep learning, mobile application, salmonella, decision tree

  1. Tez No: 893128
  2. Yazar: MERVE KORKMAZ ATAĞ
  3. Danışmanlar: PROF. DR. BÜNYAMİN CİYLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. A new frame work based application for malware detection in IoT

    Başlık çevirisi yok

    MAHMOOD ALAA SADEQ ALHADEETHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN HÜSEYİN BALIK

  2. 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

    Türkçe

    2022

    Eğitim ve ÖğretimGazi Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DOÇ. DR. ÖZDEN DEMİRKAN

  3. Derin öğrenme tabanlı akıllı tarım ve uygulamaları

    Deep learning based smart agriculture and applications

    FURKAN ALP ESEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYTUĞ ONAN

  4. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SİNAN TOKLU

  5. Mobil manipülatörler için derin öğrenme tabanlı arıza teşhis sistemi

    Deep learning-based fault diagnosis system for mobile manipulators

    ZEKİCAN YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA YÜKSEL