Araştırma

Neler üzerinde çalışıyoruz

Çalışmalarımız 2B/3B mikroskobik görüntüleme, odaklama derinliğinin artırılması, odaktan şekil, otomatik odaklama, hücresel analiz, ilaç–ilaç ve ilaç–hedef etkileşimi, ilaç yeniden konumlandırma ve etki mekanizması tahminini kapsar.

01

Odaklama Derinliğinin Artırılması

Odak yığınından tek bir net görüntü

Işık mikroskobu yalnızca ince bir dilimi net görür. Çok odaklı görüntü yığınlarını piramit ve Swin görüntü dönüştürücüleri, dikkat mekanizmalı oto-kodlayıcılar ve öğrenilmiş odak ölçütleriyle tek ve tamamen net bir görüntüde birleştiriyor, oluşturduğumuz çok odaklı veri setlerini paylaşıyoruz.

Projeler

  • TÜBİTAKIşıklı Mikroskobik Sistemlerde Odaklama Derinliğinin Artırılması için Derin Öğrenme Tabanlı Yaklaşımların Geliştirilmesi (2023–2024)

Yayınlar

  • 2026An effective pyramid vision transformer-based extended depth of focus technique for optimally focused microscopic imaging The Journal of Supercomputing
  • 2026A Novel Neuro-Focus Fusion Framework for Fully Focused Microscopic Imaging The 12th International Conference on Computer Technology Applications (ICCTA 2026)
  • 2025Two-phase deep learning method for image fusion-based extended depth of focus The Journal of Supercomputing
  • 2025Deep Learning-Based Image Fusion with Novel Multi-Focus Dataset for Extended Depth of Focus in Microscopy International Conference on Smart Multimedia
  • 2024DL-EDOF: Novel Multi-Focus Image Data Set and Deep Learning-Based Approach for More Accurate and Specimen-Free Extended Depth of Focus Journal of Imaging Informatics in Medicine
  • 2023Investigation of Effects of Deep Features on Focus Values Extraction in Extended Depth of Focus Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi
02

Odaktan Şekil ve 3B Mikroskopi

Odaktan 3B yapıyı geri kazanmak

Aynı odak yığını derinlik bilgisini de taşır. El yapımı odak operatörlerinden denetimsiz ve dönüştürücü tabanlı derin modellere uzanan yöntemlerle numunelerin ve kan hücrelerinin 3B şeklini doğru biçimde yeniden oluşturuyor, mikroskoplar için derin öğrenmeye dayalı otomatik odaklama geliştiriyoruz.

Projeler

  • KTÜ BAPMikroskobik Sistemlerde Kan Hücrelerinin 3B Görüntülenmesi için Veri Seti Oluşturulması ve Makine Öğrenmesi Algoritmalarının Geliştirilmesi (2023–2024)
  • TÜBİTAKMikroskobik Sistemlerde Optimum Odaklı Görüntü ve 3B Şekil Oluşturmak için Yeni Derin Öğrenme Yaklaşımlarının Geliştirilmesi (2023–2024)
  • TÜBİTAKIşıklı Mikroskobik Sistemlerde Derin Öğrenmeye Dayalı Otomatik Odaklama (2023–2024)

Yayınlar

03

Hücresel Görüntü Analizi

Hücreleri bölütlemek ve sınıflandırmak

Kan hücrelerinin, floresan çekirdeklerin ve hücre kültürü hatlarının (HaCaT) oto-kodlayıcı ve U-Net aileleriyle yüksek doğrulukta bölütlenmesi ve sınıflandırılması; uzman etiketli yeni mikroskopi veri setleriyle.

Projeler

  • TÜBİTAKMikroskobik Sistemlerde 2B ve 3B Hücre Segmentasyonu için Optimum Görüntüleme Sağlanması ve Yeni Derin Öğrenme Tabanlı Yaklaşımlarının Tasarlanması (2025–2026)

Yayınlar

  • 2026Creation of a Novel Dataset and VGG-UNet Based Deep Learning Approach for Automated Blood Cell Segmentation 11th International Health Sciences and Management Congress (IHMC 2026)
  • 2024Kan Hücrelerinin Optimum Odaklı Görüntülenmesi için Derin Öğrenme Tabanlı Yaklaşımın Geliştirilmesi Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi
  • 2024Performance Improvement in Blood Cell Segmentation with Deep Learning-based Image Fusion Approach 2024 8th International Artificial Intelligence and Data Processing Symposium (IDAP)
  • 2023Floresan Mikroskop Sistemlerinde Yüksek Doğruluklu Nükleer Segmentasyonu için Otomatik Kodlayıcı Tabanlı Modellerin Geliştirilmesi Karadeniz Fen Bilimleri Dergisi
  • 2023An Extensive Study: Creation of A New Inverted Microscope Image Data Set and Improving Auto-Encoder Models for Higher Accuracy Segmentation of HaCaT Cell Culture Line 2023 5th International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA)
04

İlaç Etkileşimleri ve Yeniden Konumlandırma

İlaçların nasıl etkileştiğini öngörmek

İlaç–ilaç ve ilaç–hedef etkileşimlerini konvolüsyonel ve çok başlı öz-dikkat modelleriyle öngörerek daha güvenli kombinasyonlara ve veriye dayalı ilaç yeniden konumlandırmaya katkı sağlıyoruz.

Yayınlar

  • 2025Enhanced Multi-Head Self-Attention Transformer-Based Method for Prediction of Drug-Drug Interactions 2025 13th International Symposium on Digital Forensics and Security (ISDFS)
  • 2023İlaç-İlaç Etkileşimi Tahmini için Konvolüsyonel Sinir Ağı Tabanlı Yeni Bir Yaklaşım Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi
05

Sinyallerden Etki Mekanizması

Kasılma sinyallerinde ilaç etkisini okumak

İzole organ banyosu deneyleri, düz kasın bir farmakolojik ajan altında nasıl kasıldığını kaydeder. Bu kontraktilite sinyallerinden öğrenerek ajanın etki mekanizmasını otomatik olarak tahmin ediyor, derin öğrenmeyi farmakoloji laboratuvarının tezgâhına taşıyoruz.

Projeler

  • TÜSEBDüz Kas Kontraktilitesini Etkileyen Ajanların Etki Mekanizmalarının Otomatik Tahmini için Derin Öğrenme Tabanlı Yeni Yaklaşımların Geliştirilmesi (2024–2025)

Kod ve veri

Yayınlar

  • 2026Mechanism of Action of Pharmacological Agents: A New Deep Learning-based Prediction Model Using Smooth Muscle Contractility Signals The 12th International Conference on Computer Technology Applications (ICCTA 2026)
06

Klinik Karar Destek

Laboratuvar modellerinden hasta bakımına

Yöntemlerimizi klinik sorulara taşıyoruz; örneğin akut böbrek hasarı (AKI) evresinin derin öğrenme ile otomatik tespiti.

Projeler

  • TÜSEBAkut Böbrek Hasarı (AKI) Evresinin Derin Öğrenme ile Otomatik Tespiti (2025–2026)