Özkan, Ayşegül

Servikal vertebral büyüme, bireyin iskelet olgunlaşma süreciyle paralel olarak servikal vertebraların şekil, boyut ve morfolojik özelliklerinde zamanla meydana gelen yapısal değişiklikleri ifade eder. Bu tez çalışmasında, lateral sefalometrik radyografiler kullanılarak servikal vertebral büyüme aşamalarının otomatik olarak sınıflandırılmasına yönelik derin öğrenme tabanlı bir çerçeve sunulmuştur. Toplam 750 sefalometrik görüntüden oluşan bir veri seti oluşturulmuş ve her bir görüntü, servikal vertebral bölgenin (C1–C6) izole edilmesi amacıyla uzman kontrolünde manuel olarak kırpılmıştır. Görüntüler, ergenlik öncesi (C1-C2), ergenlik dönemi (C3-C4) ve ergenlik sonrası (C5-C6) olmak üzere üç sınıfa ayrılmıştır. Görüntü kalitesinin artırılmak ve ayırt edici özellikleri daha etkin biçimde temsil etmek amacıyla model eğitimi öncesinde farklı ön işleme teknikleri uygulanmıştır. Görüntü geliştirme aşamasında Kontrast Sınırlı Uyarlamalı Histogram Eşitleme (Contrast Limited Adaptive Histogram Equalization, CLAHE) ve Sobel filtreleme yöntemleri ile rotasyon, yakınlaştırma (zoom) ve kaydırma (translation) tabanlı veri artırma işlemlerinin çeşitli kombinasyonları kullanılmıştır. Sınıflandırma sürecinde temel bir Evrişimsel Sinir Ağı (Convolutional Neural Networks, CNN) yanı sıra altı farklı transfer öğrenme modeli (VGG16, VGG19, Xception, ResNet, DenseNet121 ve MobileNetV2) eğitilmiş; tüm modeller 5-katlı çapraz doğrulama protokolü ile değerlendirilmiştir. İncelenen mimari ve ön işleme kombinasyonları arasında en yüksek performans, CLAHE (8,8 grid size) uygulanmış görüntüler üzerinde %20 zoom veri artırma yöntemiyle eğitilen VGG16 mimarisi tarafından sergilenmiştir. Bu model, 5-kat çapraz doğrulama sürecinde ortalama %79,20 ± 2,44 doğruluk oranına ulaşmıştır. Sınıf bazında değerlendirmede C5-C6 sınıfı 0,86 F1-skor ile en yüksek performansı gösterirken, morfolojik geçiş özelliği nedeniyle C3-C4 sınıfı 0,68 F1-skor ile en zorlu sınıf olarak öne çıkmıştır. Genel olarak elde edilen bulgular, yapay zeka temelli yaklaşımların sefalometrik görüntüler üzerinden servikal vertebral büyüme aşamalarının değerlendirilmesinde etkili, nesnel ve tekrarlanabilir bir çözüm sunabildiğini ortaya koymaktadır. Ayrıca uygun ön işleme teknikleri ile transfer öğrenme mimarilerinin birlikte kullanımının sınıflandırma performansını anlamlı ölçüde artırdığı ve klinik karar destek sistemlerinin geliştirilmesine katkı sağladığı sonucuna varılmıştır.

The enhancement of shear flocculation of a galena suspension by ultrasound in the presence of sodium isopropyl xanthate and potassium ethyl xanthate was investigated by studying the effects of surfactant concentration on flocculation efficiency, contact angle, and zeta potential. Strong flocculation was obtained under alkaline conditions (pH > 9) and a high ultrasound power level (150 W). Although the ultrasonic treatment increased the negativity of the zeta potential of the galena particles, this did not decrease the flocculation efficiency, thereby showing that the hydrophobic interactions between the particle were stronger than the electrical double-layer repulsion resulting from xanthate adsorption. The findings indicate that the ultrasonic treatment promoted the adsorption of surfactants onto the mineral surfaces. © 2023 South African Institute of Mining and Metallurgy. All rights reserved.

Özkan, Ayşegül

Özkan, Ayşegül

Filters

Settings

Sort By

Results per page

Scholarly Output Search Results

No research topics data found.

Sustainable Development Goals

SDG data is not available

This researcher does not have a Scopus ID.

This researcher does not have a WoS ID.

No records found in other affiliations.

Scholarly Output

2

Articles

1

Views / Downloads

1/0

Supervised MSc Theses

1

Supervised PhD Theses

0

WoS Citation Count

2

Scopus Citation Count

2

Patents

0

Projects

0

WoS Citations per Publication

1.00

Scopus Citations per Publication

1.00

Open Access Source

0

Supervised Theses

1

Scopus Quartile Distribution

Competency Cloud