
-
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
- +90 332 223 1210
- http://www.selcuk.edu.tr/
- Hiçbir belirt gün hizmet vermektedir.
PROF. DR. HAKAN IŞIK
Üniversite: Selçuk Üniversitesi
Bölüm: Fen Bilimleri Enstitüsü

ÇALIŞMA ALANLARI
YÜKSEK LİSANS VE DOKTORA ÖĞRENCİLERİ
Organ taşıma amaçlı termoelektrik soğutma sistem tasarım ve uygulaması
Termoelektrik modüller tıbbı cihazlarda, klimalarda, soğutma dolaplarında, ölçüm cihazlarında vb. alanlarda yaygın olarak kullanılmaktadır. Termoelektrik modüllerin uygulama alanları ve verim yükseltilmesi çalışmaları sürekli bir gelişim içerisindedir. Bu çalışmada tıbbı alanda kullanılabilecek, termoelektrik soğutma özelliğine sahip bir organ taşıma cihazı tasarlanarak gerçekleştirilmiş ve performans analizleri yapılmıştır. Tasarlanıp gerçekleştirilen sisteme, 5x6x10 cm ölçülerinde bir hayvan böbreği yerleştirilerek, 25ºC, 30ºC, 35ºC, 40ºC ortam sıcaklıklarında sistemin performans analizleri yapılmıştır, her deney beşer defa tekrarlanıp ortalaması alınmıştır. Anahtar Kelimeler: Termoelektrik modül, Peltier, Organ Taşıma,Organ Soğutma
Makine öğrenmesi yöntemleri ile glokom hastalığının teşhisi
Glokom günümüzde göz hastalıkları içinde en sinsi hastalık olarak kabul edilen ve ilerlediği takdirde tehlikeli sonuçlar doğuran bir rahatsızlıktır. Körlüğe kadar götüren bu hastalık, genellikle göz içi sıvısının göz kanallarından boşalamadığı durumlarda ortaya çıkar ve göz içindeki basıncın(GİB) artması ile göz arkasındaki sinirlerin bu basınçtan ötürü zarar görmesi şeklinde gelişir. Bu çalışmadaki amaç söz konusu hastalığın göz sinirleri hasar görmeden önce teşhis edilebilmesi ve dünyada körlük nedenleri arasında ilk sıralarda yer alan hastalığın tahmin edilebilmesidir. Çalışmada Pamukkale Üniversitesi Göz Hastalıkları Anabilim Dalından alınan hasta bilgileri kullanılmıştır. Bu çalışmada makine öğrenmesi sınıflandırma yöntemlerinden 3 önemli yöntem olan Destek Vektör Makineleri, Yapay Sinir Ağları ve Karar Ağaçları kullanılarak glokom hastalığı başlangıç safhasında teşhisi için sınıflandırma yapılmış ve birbirleri ile karşılaştırılmıştır. Adı geçen makine öğrenmesi yönetmelerinin performansları X-Validation ile belirlenmiş ve en yüksek sınıflandırma başarısının Destek Vektör Makineleri ile elde edileceği görülmüştür.


Yorum yaz