Meme kanseri dünyada kadınlarda en sık görülen kanser türüdür. Bu kanser türünde anormalliklerin tespit edilmesi ve kanser tanısı konulması için mamografi kullanılmaktadır. Halen kanser teşhisi radyolog ve doktorlar tarafından yapılmaktadır. Son on yılda derin öğrenme yöntemleri görüntü sınıflandırma problemlerinin çözümünde başarılı bir şekilde uygulanmıştır. Derin öğrenme yöntemlerinin bilgisayar destekli meme kanseri teşhisinde kullanılabilmesi için araştırmalar devam etmektedir. Bu projede meme kanseri teşhisi için öğrenme transferli derin öğrenme yöntemleri uygulanacaktır. CBIS-DDSM veri seti meme kanseri alanında dünyadaki büyük ve yeni veri tabanlarından birisidir. Derin öğrenme sistemi eğitiminde gerekli olan mamografi görüntüleri için araştırmacıların kullanımına açık olan CBIS-DDSM veri seti kullanılacaktır. Projede bilgisayar destekli meme kanseri teşhisi için CBIS-DDSM veri setinde gerekli olan ön işlemler ortaya konacaktır. Yapılan literatür taramasında bugüne kadar yapılan bilgisayar destekli meme kanseri teşhisi çalışmalarında en iyi sonucun Resnet50 ağı kullanılarak elde edildiği görülmüştür. 2018 yılında ImageNET görüntü sınıflandırma problemi ve COCO nesne tanıma problemleri için NASNet ağı önerilmiştir ve en yüksek performans elde edilmiştir. Bu projede meme kanseri teşhisinde bugüne kadar elde edilmiş performans değerleri NASNet ile geliştirilecektir. Elde edilen performans değerleri literatürdeki değerler ile karşılaştırılacaktır.

Metanoliz, Hidrojen Üretimi

Merkezi sinir sistemi rejeneratif tıp uygulamaları için potensiyel olarak önemli olan sentetik doku iskeleleri dahil olmak üzere biyomalzemelerin kantitatif araştırmaları. Sabitlenmiş hücre cevaplarının görüntülenmesi.

Doğal ortamlarında nanofiberli iskelelere dayanan merkezi sinir hücre sistemlerinin yeniden kurulabilmesi için ana ipuçları olarak hizmet eden temel bir dizi nano ölçekli fiziksel ve biyokimyasal özelliklerin olduğu hipotezi araştırılmıştır.