Derin öğrenme tabanlı bebek emme benzetimi
Deep learning based infant sucking simulation
- Tez No: 912945
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER DİNCEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yozgat Bozok Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Bu tez çalışması, bebeklerin emme süreci sırasında oluşan vakum dinamiklerini modelleyerek bu davranışı derin öğrenme tabanlı yaklaşımlar ile simüle etmeyi amaçlamaktadır. Emzirme eylemi, bebeklerin fiziksel ve duygusal gelişiminde önemli bir rol oynarken, bazı bebeklerde bu süreçte yaşanan zorluklar beslenme üretimini olumsuz etkileyebilmektedir. Bu kapsamda, Wasserstein Generative Adversarial Networks (WGAN) kullanılarak, emme süreci sırasında oluşan basınç değişimleri modellendi ve üretilen veriler orijinal verilerle karşılaştırıldı. Araştırma sonucunda, derin öğrenme tabanlı modellerin emme davranışına ilişkin dinamikleri doğru bir şekilde yansıtabildiği ve doğrulama metrikleriyle desteklenen tutarlı sonuçlar üretebildiği gözlemlendi. Çalışma, hem klinik hem de teknolojik uygulamalar için yeni perspektifler sunarak, yenidoğan sağlığı ve emzirme problemlerinin ele alınmasında yenilikçi bir adım niteliği taşımaktadır.
Özet (Çeviri)
The objective of this thesis is to develop a model of the vacuum dynamics of infants during the sucking process and to simulate this behavior using deep learning-based approaches. While breastfeeding plays an important role in the physical and emotional development of infants, difficulties experienced in this process can have a negative impact on nutritional production. In this context, pressure changes during the sucking process were modelled using Wasserstein Generative Adversarial Networks (WGAN) and the generated data were compared with the original data. The results of the research demonstrated that deep learning-based models can accurately reflect the dynamics of sucking behavior and produce consistent results supported by validation metrics. This study represents a novel approach to addressing neonatal health and breastfeeding problems by offering new perspectives for both clinical and technological applications.
Benzer Tezler
- Bebeklerin beden dilini poz tabanlı gerçek zamanlı çözme
Pose-based real-time decoding of babies' body language
MUHAMMET MÜCAHİT ENES YURTSEVER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SÜLEYMAN EKEN
- Term-preterm detection using spectral estimation with machine learning and deep learning methodologies
Makine öğrenmesi ve derin öğrenme metodolojileri ile spektral kestirim kullanarak term ve preterm doğum tespitinin yapılması
DEREK KWEKU DEGBEDZUI
Yüksek Lisans
İngilizce
2020
BiyomühendislikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EMİN YÜKSEL
- Derin öğrenme ile yüz tespiti ve tanıma
Face detection and recognition using deep learning
BEYZA NUR AYDEMİR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
- Deep learning-based unrolled reconstruction methods for computational imaging
Hesaplamalı görüntüleme için derin öğrenme tabanlı geriçatım yöntemleri
CAN DENİZ BEZEK
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİNÇ FİGEN ÖKTEM
- Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma
Despeckling based data augmentation approach in deep learning based radar target classification
ŞAKİR HÜDAİ MERT CEYLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER