Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanı
Amaç: Bilgi çağı olarak adlandırılan günümüz dünyasında dijitalleşme her sektörde olduğu gibi sağlık sektöründe de kendisine önemli bir yer edinmiştir. Özellikle yapay zekâ teknolojilerinin sağlık sektörü üzerinde muazzam denilebilecek bir değişim etkisi sözkonusudur. Tanı ve teşhis yapabilmenin yan...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Sakarya University
2023-12-01
|
| Series: | Sakarya Üniversitesi İşletme Enstitüsü Dergisi |
| Subjects: | |
| Online Access: | https://dergipark.org.tr/tr/download/article-file/3554261 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1846111305552887808 |
|---|---|
| author | Muhammed Akif Yenikaya Onur Oktaysoy |
| author_facet | Muhammed Akif Yenikaya Onur Oktaysoy |
| author_sort | Muhammed Akif Yenikaya |
| collection | DOAJ |
| description | Amaç: Bilgi çağı olarak adlandırılan günümüz dünyasında dijitalleşme her sektörde olduğu gibi sağlık sektöründe de kendisine önemli bir yer edinmiştir. Özellikle yapay zekâ teknolojilerinin sağlık sektörü üzerinde muazzam denilebilecek bir değişim etkisi sözkonusudur. Tanı ve teşhis yapabilmenin yanı sıra, sektörde yer alan nitelikli insan kaynağına alternatif olabilmesi beklenen yapayzekâ, bu araştırma da alt kümeleri olan derin öğrenme ağları perspektifinden ele alınmıştır. Çalışmada derin öğrenme ağlarından olan ResNet101 ve GoogLeNet bağlamında yapay zekânın hastalık teşhisindeki başarı düzeyinin belirlenmesi amaçlanmaktadır.Yöntem: Araştırma amacı doğrultusunda açık erişimli Kaggle web sitesinden beyin tümörü türlerinden olan Glioma, Meningioma ve Pituitary içeren toplamda 2124 adet MR görüntü veri seti elde edilmiş, bu verilerle %70 eğitim, %30 test oranı ile araştırmada kullanılan derin öğrenme ağlarının, görüntü ayrıştırma ve tanımlama başarı düzeyleri karşılaştırılmıştır.Bulgular: Analiz bulguları derin öğrenme ağlarının üç farklı beyin tümörü hastalığını ayrıştırma ve tanımlama noktasında başarılı olduğunu göstermiştir. Derin öğrenme ağlarının başarı düzeyleri incelendiğinde ResNet101 derin öğrenme ağının %91.5, GoogLeNet derin öğrenme ağının ise %87.9 başarı düzeyine sahip olduğu tespit edilmiştir.Sonuç: Araştırmanın bulguları doğrultusunda ResNet101 ve GoogLeNet derin öğrenme ağlarının beyin tümörü türlerini tanımlama ve ayrıştırma noktasında kullanılabilir olduğu, ResNet101 derin öğrenme ağının araştırma özelinde daha yüksek başarı oranı kaydettiği ve son olarak yapay zekâ teknolojilerinin sağlık sektöründe önemli bir yer edinme potansiyelinin olduğu tespit edilmiştir. |
| format | Article |
| id | doaj-art-12cdd25ac93e480693e9e2e9cfde8fe4 |
| institution | Kabale University |
| issn | 2717-767X |
| language | English |
| publishDate | 2023-12-01 |
| publisher | Sakarya University |
| record_format | Article |
| series | Sakarya Üniversitesi İşletme Enstitüsü Dergisi |
| spelling | doaj-art-12cdd25ac93e480693e9e2e9cfde8fe42024-12-23T08:24:49ZengSakarya UniversitySakarya Üniversitesi İşletme Enstitüsü Dergisi2717-767X2023-12-015212713110.47542/sauied.139474628Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanıMuhammed Akif Yenikaya0https://orcid.org/0000-0002-3624-722XOnur Oktaysoy1https://orcid.org/0000-0002-8623-614XKAFKAS ÜNİVERSİTESİKAFKAS ÜNİVERSİTESİAmaç: Bilgi çağı olarak adlandırılan günümüz dünyasında dijitalleşme her sektörde olduğu gibi sağlık sektöründe de kendisine önemli bir yer edinmiştir. Özellikle yapay zekâ teknolojilerinin sağlık sektörü üzerinde muazzam denilebilecek bir değişim etkisi sözkonusudur. Tanı ve teşhis yapabilmenin yanı sıra, sektörde yer alan nitelikli insan kaynağına alternatif olabilmesi beklenen yapayzekâ, bu araştırma da alt kümeleri olan derin öğrenme ağları perspektifinden ele alınmıştır. Çalışmada derin öğrenme ağlarından olan ResNet101 ve GoogLeNet bağlamında yapay zekânın hastalık teşhisindeki başarı düzeyinin belirlenmesi amaçlanmaktadır.Yöntem: Araştırma amacı doğrultusunda açık erişimli Kaggle web sitesinden beyin tümörü türlerinden olan Glioma, Meningioma ve Pituitary içeren toplamda 2124 adet MR görüntü veri seti elde edilmiş, bu verilerle %70 eğitim, %30 test oranı ile araştırmada kullanılan derin öğrenme ağlarının, görüntü ayrıştırma ve tanımlama başarı düzeyleri karşılaştırılmıştır.Bulgular: Analiz bulguları derin öğrenme ağlarının üç farklı beyin tümörü hastalığını ayrıştırma ve tanımlama noktasında başarılı olduğunu göstermiştir. Derin öğrenme ağlarının başarı düzeyleri incelendiğinde ResNet101 derin öğrenme ağının %91.5, GoogLeNet derin öğrenme ağının ise %87.9 başarı düzeyine sahip olduğu tespit edilmiştir.Sonuç: Araştırmanın bulguları doğrultusunda ResNet101 ve GoogLeNet derin öğrenme ağlarının beyin tümörü türlerini tanımlama ve ayrıştırma noktasında kullanılabilir olduğu, ResNet101 derin öğrenme ağının araştırma özelinde daha yüksek başarı oranı kaydettiği ve son olarak yapay zekâ teknolojilerinin sağlık sektöründe önemli bir yer edinme potansiyelinin olduğu tespit edilmiştir.https://dergipark.org.tr/tr/download/article-file/3554261yapay zekâderin öğrenmesağlık sektörühastalık teşhisiyönetim bilişimartificial intelligencedeep learninghealthcare industrydisease diagnosis |
| spellingShingle | Muhammed Akif Yenikaya Onur Oktaysoy Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanı Sakarya Üniversitesi İşletme Enstitüsü Dergisi yapay zekâ derin öğrenme sağlık sektörü hastalık teşhisi yönetim bilişim artificial intelligence deep learning healthcare industry disease diagnosis |
| title | Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanı |
| title_full | Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanı |
| title_fullStr | Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanı |
| title_full_unstemmed | Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanı |
| title_short | Yapay zeka uygulamalarının sağlık sektöründe kullanımı: Derin öğrenme yöntemiyle ön tanı |
| title_sort | yapay zeka uygulamalarinin saglik sektorunde kullanimi derin ogrenme yontemiyle on tani |
| topic | yapay zekâ derin öğrenme sağlık sektörü hastalık teşhisi yönetim bilişim artificial intelligence deep learning healthcare industry disease diagnosis |
| url | https://dergipark.org.tr/tr/download/article-file/3554261 |
| work_keys_str_mv | AT muhammedakifyenikaya yapayzekauygulamalarınınsaglıksektorundekullanımıderinogrenmeyontemiyleontanı AT onuroktaysoy yapayzekauygulamalarınınsaglıksektorundekullanımıderinogrenmeyontemiyleontanı |