Developing a machine learning-based method to predict the antimicrobial effect of cold atmospheric plasma application treatment using data from designed experiments
Tasarlanmış deney verilerini kullanarak soğuk atmosferik plazma uygulamasının antimikrobiyal etkisini tahmin edecek makine öğrenmesi tabanlı bir yöntemin geliştirilmesi
- Tez No: 983690
- Danışmanlar: DR. ÖĞR. ÜYESİ ONAN GÜREN, PROF. DR. UTKU KÜRŞAT ERCAN
- Tez Türü: Yüksek Lisans
- Konular: Biyoteknoloji, Biotechnology
- Anahtar Kelimeler: Atmosferik soğuk plazma, Atmospheric cold plasma
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, soğuk atmosferik plazmanın bakteriyel örnekler üzerindeki etkileri, görüntü işleme temelli öznitelik çıkarımı ve makine öğrenmesi yaklaşımları kullanılarak nicel olarak değerlendirilmiştir. Bu amaçla potasyum iyodür-nişasta (KIstarch) yöntemi uygulanmış ve plazma işlem parametrelerinin etkileri sistematik biçimde incelenmiştir. Deneysel tasarımda, boşluk mesafesi (0.5 mm – 1 mm), görev döngüsü (%40, %60, %80, %100), frekans (1000, 2000, 3000 Hz) ve plazma uygulama süresi (5–60 s) olmak üzere dört ana faktörün farklı kombinasyonlarıyla toplam 144 örnek oluşturulmuş; her birinin üçer tekrarıyla 432 deney gerçekleştirilmiştir. Elde edilen KI-starch görüntülerinden RGB, HSV ve LAB renk uzaylarında kanal ortalamaları ile gri ton analizi sonucu Gray Mean değeri çıkarılmış ve toplam 10 temel öznitelik elde edilmiştir. Aynı parametrelerle yapılan biyolojik deneylerde E. coli (ATCC 25922) bakterisine ait inhibisyon zonları (ZOI) ImageJ programı kullanılarak mm² cinsinden hesaplanmıştır. Çok faktörlü ANOVA sonuçları, özellikle Duty Cycle ve Plasma Treatment Time değişkenlerinin ZOI üzerinde istatistiksel olarak anlamlı etkiler oluşturduğunu göstermiştir. Makine öğrenmesi aşamasında, gruplanmış plazma parametreleri ve görüntü öznitelikleri bir arada kullanılarak Extra Trees Regressor modeli geliştirilmiş ve hiperparametreler GridSearchCV ile optimize edilmiştir. Test setinde model performansı R² = -0.0937, MAE = 434.20 mm² ve RMSE = 1402.25 mm² olarak bulunmuştur. Mean S, Mean B, Mean B_lab ve Time_Group_Time_Short özniteliklerinin yüksek önem skorları, renk tabanlı özelliklerin plazma etkilerinin modellenmesinde belirleyici olduğunu ortaya koymuştur. Sonuç olarak, bu çalışma plazma-biyolojik etkileşimlerinin incelenmesinde görüntü tabanlı veri analizi ve v makine öğrenmesi yöntemlerinin uygulanabilirliğini göstermekte; gelecekteki araştırmalar için daha geniş veri setleri ve biyolojik tekrarların gerekliliğine vurgu yapmaktadır.
Özet (Çeviri)
In this thesis, the effects of cold atmospheric plasma on bacterial samples were quantitatively evaluated using image-based feature extraction and machine learning approaches. For this purpose, the potassium iodide-starch (KI-starch) method was applied, and the effects of plasma treatment parameters were systematically investigated. In the experimental design, a total of 144 samples were generated from different combinations of four main factors—discharge gap (0.5–1 mm), duty cycle (40%, 60%, 80%, 100%), frequency (1000, 2000, 3000 Hz), and plasma treatment time (5–60 s)—with each sample repeated three times, resulting in 432 experiments. From the obtained KI-starch images, channel averages in RGB, HSV, and LAB color spaces, along with the Gray Mean value from grayscale analysis, were extracted, yielding a total of 10 fundamental features. In parallel, biological experiments using the same parameters were conducted on E. coli (ATCC 25922), and the inhibition zones (ZOI) were quantified in mm² using the ImageJ software. Multifactorial ANOVA results indicated that the duty cycle and plasma treatment time variables had statistically significant effects on ZOI. In the machine learning stage, an Extra Trees Regressor model was developed by combining grouped plasma parameters and image-based features, and its hyperparameters were optimized using GridSearchCV. Model performance on the test set was R² = -0.0937, MAE = 434.20 mm², and RMSE = 1402.25 mm². High iii importance scores for the features Mean S, Mean B, Mean B_lab, and Time_Group_Time_Short indicated that color-based features play a decisive role in modeling plasma effects. In conclusion, this study demonstrates the applicability of image-based data analysis and machine learning methods for investigating plasma–biological interactions, highlighting the need for larger datasets and biological replicates in future research.
Benzer Tezler
- Dizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması
Machine learning method based marine diesel engine modelling and decision-support system setting
TOLGA ŞAHİN
Doktora
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Borsa endeks hareket yönlerinin makine öğrenmesi yöntemleriyle tahmini: Gelişmiş ve gelişmekte olan ülke borsaları üzerine bir uygulama
Prediction of stock market index movements using machine learning methods: An application on the stock markets of developed and developing countries
NAZİF AYYILDIZ
Doktora
Türkçe
2023
İşletmeNiğde Ömer Halisdemir Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ÖMER İSKENDEROĞLU
- Kardiyometabolik multimorbiditesi olan yaşlı hastalarda bakım gereksinimlerini sınıflandırma ve hemşirelik tanılarını belirlemeye yönelik bir karar destek sisteminin geliştirilmesi
Developing a decision support system for classifying care needs and determining nursing diagnoses in older patients with cardiometabolic multimorbidity
MERVE GÜLBAHAR EREN
- Orta ve Yüksek riskli prostat kanserlerinde preoperatif dönemde çekilen PSMA-PET radiomik değerleri paralelinde yapay zeka yardımlı olarak cerrahi sonrası biyokimyasal nüks öngörülebilir mi ?
Can postoperative biochemical recurrence be predictable using artificial intelligence based on radiomic features of PSMA PET/CT in intermediate and high-risk Prostate Cancers during the preoperative period?
OĞUZHAN ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2025
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
PROF. DR. CAVİT CEYLAN
- Development of a machine learning prediction model for construction safety management
İnşaat iş güvenliği yönetimi için makine öğrenmesine dayalı tahmin modeli geliştirilmesi
KERİM KOÇ
Doktora
İngilizce
2022
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASLI PELİN GÜRGÜN