Elektronik, haberleşme ve bilişim
Biyomedikal mühendisliği
Tıbbi cihazlar, tıbbi görüntü ve biyosinyal işleme, hastalık teşhisi uygulamaları, biyomedikal mühendisliği eğitimi, sağlık teknolojileri.
Yıllara göre
Tüm yıllarBir döneme tıklayarak yazıları o yıllarla sınırlayın.
Sık geçen konular
-
Behçet Üveiti Hastalığının Tespitinde Farklı Makine Öğrenme Algoritmaları ve Yeniden Örnekleme Tekniklerinin İncelenmesi Investigation of Different Machine Learning Algorithms and Resampling Technique
Çalışmada, Behçet hastalığına bağlı üveit tanısının desteklenmesi amacıyla beş farklı makine öğrenmesi algoritmasının performansı on farklı yeniden örnekleme tekniği ve değişik eğitim/test bölünme oranları kullanılarak karşılaştırılmıştır. En yüksek doğruluk oranı (%87), veri setinin 70/30 oranında bölünmesi ve Near Miss az örnekleme tekniği uygulanan Bagging algoritmasıyla elde edilmiştir.
-
BEYİN MAKİNE ARAYÜZLERİ ve YAPAY ZEKA
Yazı, nöronun elektriksel çalışma prensiplerinden yola çıkarak beyin-makine arayüzü (BMA) teknolojilerinin tarihsel gelişimini ve yapay zeka/makine öğrenmesi algoritmalarının bu alandaki rolünü teknik açıdan ele alıyor. İnvazif, yarı-invazif ve non-invazif sinyal kayıt yöntemleri ile bunların protez ve robotik uygulamalardaki kullanımı örneklerle açıklanıyor.
-
Yapay Zeka Tabanlı Klinik Karar Destek Sistemi ile Tüp Bebek Tedavisi Gebelik Sonucu Tahmini / Sayfalar: 27-35
Yeditepe Üniversitesi Hastanesi Tüp Bebek Kliniği'nde 2013-2019 yılları arasında gerçekleştirilen 1154 tedavi siklusuna ait verilerle, hastanın yaş, VKİ, infertilite tanısı gibi tedavi öncesi özniteliklerini kullanarak beş farklı yapay zeka sınıflandırma yöntemiyle gebelik sonucu tahmin edilmiştir. En yüksek performans Destek Vektör Makineleri yöntemi ile elde edilmiştir (AUC=0.70).
-
Mikrodalga Dielektrik Spektroskopi ile Yumuşak Doku Ossifikasyon Tespiti / Sayfalar: 7-15
Çalışma, mikrodalga frekanslarındaki dielektrik özelliklerden elde edilen güç parametresinin sert ve yumuşak dokuları, özellikle ossifikasyon gösteren dokuları, ayırt etmedeki potansiyelini incelemekte; sağlıklı ve kanserli karaciğer dokusu verileriyle makine öğrenmesi tabanlı sınıflandırmada %82 doğruluk elde edildiğini raporlamaktadır.