KaydedilenlerDerginizi ekleyin

Dergiler / Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2026 / Cilt: 5 Sayı: 1

Liken planus ve Sedef Deri Hastalıklarının Çok Katmanlı Yapay Sinir Ağı Kullanılarak Sınıflandırılması

Classification of Lichen planus and Psoriasis skin diseases using multi-layer artificial neural network

Ahmet Çifci
Muhammer İlkuçar
Mehmet Recep Bozkurt
Yılmaz Uyaroğlu
Sayfa
30–36
Yayın Tarihi
2014-06-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Problemin çözümü için MATLAB Neural Network Toolbox kullanılarak hastaların sınıflandırma başarısı irdelenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son yıllarda özellikle bilgisayar teknolojisindeki gelişmeler, mühendislik, astronomi, işletme, ekonomi, finansman, tıp, vb. gibi pek çok disiplinde kendine uygulama alanı bulmuştur.
📊
Temel Bulgular & Veri:Bilgisayar teknolojisine paralel olarak problem çözme yöntemleri de geliştirilmiş ve farklı yöntemler bulunmuştur.
💡
Sonuç & Katkı:Problemin çözümü için MATLAB Neural Network Toolbox kullanılarak hastaların sınıflandırma başarısı irdelenmiştir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:140 hasta
⚙️Değişkenler:Yapay sinir ağları · liken planus hastalığı · sedef hastalığı

Özet

Son yıllarda özellikle bilgisayar teknolojisindeki gelişmeler, mühendislik, astronomi, işletme, ekonomi, finansman, tıp, vb. gibi pek çok disiplinde kendine uygulama alanı bulmuştur. Tıp alanında tıbbi cihazlarda bilgisayar teknolojilerinin kullanılmasıyla, daha hassas, daha hızlı, insandan kaynaklanan hataları minimize eden cihazlar geliştirilmektedir. Bilgisayar teknolojisine paralel olarak problem çözme yöntemleri de geliştirilmiş ve farklı yöntemler bulunmuştur. Bu yöntemlerin tıp alanında uygulanması hekimlerin daha kolay ve daha hızlı teşhis koymasına yardımcı olmaktadır. Bu çalışmada, 140 hastaya ait 33 nitelikten oluşan deri doku örnekleri Yapay Sinir Ağları geri yayılımlı öğrenme algoritması yardımıyla sınıflandırılmıştır. Problemin çözümü için MATLAB Neural Network Toolbox kullanılarak hastaların sınıflandırma başarısı irdelenmiştir.

Abstract

Son yıllarda özellikle bilgisayar teknolojisindeki gelişmeler, mühendislik, astronomi, işletme, ekonomi, finansman, tıp, vb. gibi pek çok disiplinde kendine uygulama alanı bulmuştur. Tıp alanında tıbbi cihazlarda bilgisayar teknolojilerinin kullanılmasıyla, daha hassas, daha hızlı, insandan kaynaklanan hataları minimize eden cihazlar geliştirilmektedir. Bilgisayar teknolojisine paralel olarak problem çözme yöntemleri de geliştirilmiş ve farklı yöntemler bulunmuştur. Bu yöntemlerin tıp alanında uygulanması hekimlerin daha kolay ve daha hızlı teşhis koymasına yardımcı olmaktadır. Bu çalışmada, 140 hastaya ait 33 nitelikten oluşan deri doku örnekleri Yapay Sinir Ağları geri yayılımlı öğrenme algoritması yardımıyla sınıflandırılmıştır. Problemin çözümü için MATLAB Neural Network Toolbox kullanılarak hastaların sınıflandırma başarısı irdelenmiştir.

🔖

Bu Makaleye Atıf Yap

Çifci, A., İlkuçar, M., Bozkurt, M. R., Uyaroğlu, Y. (2014). Liken planus ve Sedef Deri Hastalıklarının Çok Katmanlı Yapay Sinir Ağı Kullanılarak Sınıflandırılması. Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 5 Sayı: 1, 30–36. https://ajindex.com/articles/1527826

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. AAD (2013a), z/diseases-and-treatments/i---l/lichen-planus/ signs-symptoms, Erişim Tarihi: 10.05.2013. (2013b) dermatology-a-to-z/guttate-psoriasis#. UbjoQiRrOM8. Erişim Tarihi: 12.10.2013. AAFP (2013)
  2. http://www.aafp.org/afp/2011/0701/
  3. p53.html Erişim Tarihi: 08.10.2013.
  4. Anonim (2013a), http://tr.wikipedia.org/wiki/Dermatoloji, Erişim Tarihi: 15.09.2013.
  5. Anonim (2013b) http://www.hemensaglik.com/makale/ sedef-hastaliginin-belirtileri, 10.09.2013.
  6. Chen, L., Zhou J., Liu, Z., Chen, W. & Xiong, G. (2002). A skin detector based on neural network. IEEE 2002 Communications, Circuits and Systems and West Sino Expositions, Vol. 1, 615–619.
  7. Ganesan, N., Venkatesh K., Rama A. & Malathi Palani, A. (2010). Application of neural networks in diagnosing cancer disease using demographics data. Applications, 1 (26), 81–97. of Computer
  8. Hamzaçebi, Ç. (2011). Yapay Sinir Ağları. Ekin Yayınevi, s:46.
  9. Henseler, T. (1998). The genetics of psoriasis. Arch Dermatol Res, 290:463–476. (2013) Dermatology. Erişim Tarihi: 08.04.2013
  10. Jaleel A., Salim S. & Aswin R. B. (2012). Artificial neural network based detection of skin cancer. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, 1 (3):200–205.
  11. Kabari, L.G. & Bakpo, F.S. (2009). Diagnosing skin diseases using an artificial neural network. 2nd International Conference on Adaptive Science & Technology, 187–191.
  12. Kurd S.K. & Gelfand J.M. (2009). The prevalence of previously diagnosed and undiagnosed psoriasis in US adults: results from NHANES 2003–2004. J Am Acad Dermatol 60:218–224.
  13. Louis A.K., Maass D. & Rieder A. (1997). Wavelets Theory and Applications. John Wiley & Sons.
  14. Öztemel, E., (2012). Yapay Sinir Ağları. Papatya Yayıncılık, s:51.
  15. Shawkatová I., Javor J., Párnická Z., Kozub P., Žilínková M., Frey P., Ferenčík S. & Buc M. (2012). HLA-C, DRB1 and DQB1 alleles involved in genetic predisposition to psoriasis vulgaris in the Slovak population. Folia Microbiologica, 58:319–324.
  16. Zang, G., Patuwo, B.E. & Hu, M.Y. (1998). Forecasting with artificial neural networks:The state of the art. International Journal of Forecasting, 14:35- 62.