In the research, a deep learning model using the ResNet architecture was constructed using the TensorFlow and Keras libraries. A dataset comprising a total of 689 bacterial images was utilized for 6 distinct bacterial classes. The software design encompasses data preprocessing, model creation, and training steps. During data preprocessing, the images were normalized and resized. The ResNet architecture was chosen for model creation, as deep networks are known to offer enhanced learning capabilities. Throughout model training, an iterative approach was adopted on the training data, and the network's weights were adjusted using optimization functions. The results demonstrate that the designed software effectively classifies bacterial images with an accuracy rate of 83.33%. These findings underscore the potential of deep learning techniques in biomedical image analysis. This study can be expanded to encompass larger datasets and more advanced feature engineering techniques for bacterial classification.
Deep learning Machine learning Classification Residual network Artificial Intelligent
Araştırmada, ResNet mimarisi kullanılarak TensorFlow ve Keras kütüphaneleri kullanılarak bir derin öğrenme modeli oluşturulmuştur. Çalışmada 6 farklı bakteri sınıfı için toplamda 689 adet bakteri resmi veri kümesi olarak kullanılmıştır. Yazılım tasarımı, veri ön işleme, model oluşturma ve eğitim adımlarını içermektedir. Veri ön işleme aşamasında, resimler normalize edilmiş ve boyutlandırılmıştır. Model oluşturma aşamasında, ResNet mimarisi tercih edilmiştir çünkü derin ağların daha iyi öğrenme yetenekleri sunabileceği bilinmektedir. Model eğitimi sırasında, eğitim verisi üzerinde iteratif bir yaklaşım benimsenmiş ve optimize edici işlevler kullanılarak ağın ağırlıkları ayarlanmıştır. Sonuçlar, tasarlanan yazılımın %83,33 doğruluk oranı ile bakteri resimlerini başarılı bir şekilde sınıflandırdığını göstermektedir. Bu sonuçlar, derin öğrenme tekniklerinin biyomedikal görüntü analizinde potansiyelini vurgulamaktadır. Bu çalışma, bakteri sınıflandırma konusunda daha geniş veri kümeleri ve daha gelişmiş özellik mühendisliği tekniklerinin entegrasyonunu içerecek şekilde genişletilebilir.
Derin öğrenme Makine öğrenmesi Sınıflandırma Artık ağ (residual network) Yapay zeka
Birincil Dil | Türkçe |
---|---|
Konular | Bilgi Sistemleri (Diğer) |
Bölüm | Araştırma Makaleleri |
Yazarlar | |
Erken Görünüm Tarihi | 18 Mart 2024 |
Yayımlanma Tarihi | 11 Haziran 2024 |
Yayımlandığı Sayı | Yıl 2024 |