Öneriler

Bu tez çalışmasında 0-6 yaş arası çocuklarda kemik yaşı değerlendirme sistemi için farklı yaklaşımlar sunulmuştur. Gerçekleştirilen sistemde öncelikle sol el-bilek röntgen görüntüleri üzerine görüntü işleme prosedürü uygulanarak kemik yaşı değerlendirmesi için kullanılabilecek nitelikler elde edilmiştir. Görüntü işleme aşamasında gerçekleştirilen sistem kullanıcı etkileşimlidir. İlerleyen çalışmalarda 6 yaş üstü bireylerin kemik yaşı değerlendirmesini yapabilmek için kullanılan nitelikler önemini kaybettiğinde, oluşturulan kullanıcı etkileşimli sistem sayesinde görüntü işleme aşaması farklı kemiklere uygulanabilir. Dolayısıyla klinik ortamda hekimlere farklı yaş aralıkları için, farklı opsiyonlar sunan daha gelişmiş bir sistemin oluşturulması mümkündür.

Tıbbi alanda tanı ve tedavi, adli alanda ise karar süreci gibi birçok belirleyici role sahip olan kemik yaşının belirlenmesi ile ilgili çalışmalara yabancı literatürde sıklıkla karşılaşılmakla birlikte, ülkemizde bu konudaki veri birikiminin yeterli olmadığı görülmektedir. Kemik yaşının tespiti tıp, kriminal ve nüfus kayıtları belirlenmesi gibi teknoloji ve sosyal içerikli uygulamalarda inceleme ve araştırmalarda önemlidir ve yaygın kullanım alanı bulunmaktadır. Dolayısıyla ülkemiz için farklı bölgelerden verilerin toplanması suretiyle ulusal bir veritabanının oluşturulması, ve böylelikle ülkemiz çocuklarına ait biyolojik yaş ve kemik yaşı ilişkilerinin ortaya çıkarılması kemik yaşı tespitinde doğrulukları artıracaktır. Ayrıca böyle bir veritabanının oluşturulması ülkemizde de bu tür çalışmaların gerek tıp, gerekse teknolojik anlamda artmasında olumlu bir etkisi olacaktır. Bu genel amacına ilaveten bu tür çalışmalar, aynı zamanda farklı alanların (tıp ve mühendislik) bilgilerini bir araya getirerek konuya farklı bakış açılarıda getirebilir. Şüphesiz ki sonuca en yakın olanlar farklı disiplinlerin sınırlarında dolaşanlardır.

KAYNAKLAR

Al-Taaini, A. T., 1996, Classification of hand bones for bone age assessment, International Conference on Electronics, Circuits and Systems, 2, 1088-1091. Altınöz, Ö. T., Yılmaz, A. E., 2009, Parçacık sürü optimizasyonunda yeni bir birey

davranış biçimi önerisi, Elektrik-elektronik-bilgisayar ve biyomedikal mühendisliği 13. ulusal kongresi ve fuarı, Ankara, Türkiye.

Avşar, E., 2009, Tek-sınıf destek vektör makineleri kullanılarak epileptik EEG işaretlerinin sınıflandırılması, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü.

BAAweb Online, 2008, Digital Hand Atlas Database System, Image Processing and Informatic Labs., Los Angeles, http://www.ipilab.org/BAAweb/ [Ziyaret Tarihi: 25 Nisan 2011].

Bayar, H., 2013, Asenkron generatör birim koruma sisteminin gerçeklenmesi, Marmara Üniversitesi Fen Bilimleri Enstitüsü.

Boyunağa, Ö., 2002, Radyolojik olarak kemik yaşı tayini, Klinik Pediatri 1, 2, 81-85. Bulut, S., 2011, İris görüntülerinin analiziyle kimlik tanıma, Marmara Üniversitesi Fen

Bilimleri Enstitüsü.

Cao, F., Huang, H. K., Pietka, E., Gilsanz, V., 2000, Digital hand atlas and web - based bone age assessment: system design and implementation, Computerized Medical Imaging and Graphics, 24, 297-307.

Cervantes,J., Li, X., Yu, W., 2008, Support vector classification for large data sets by reducing training data with change of classes, International conference on systems, man. and cybernetics, IEEE, 2609-2614.

Chang, C. H., Hsieh, C. W., Jong, T. L., Tiu, C. M., 2003, A fully automatic computerized bone age assessment procedure based on phalange ossification analysis, 16th IPPR Conference on Computer Vision, Graphics, and Image Processing, 463-468.

Cheng, H. D., Shan, J., Ju, W., Guo, Y., Zhang, L., 2010, Automated breast cancer detection and classification using ultrasound images: A survey, Pattern Recognition, 43, 299-317.

Çomak, E., 2004. Destek Vektör Makineleri Çoklu Sınıf Problemleri için Çözüm Önerileri, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği A.B.D.

Çomak, E., 2008, Destek Vektör Makinelerinin Etkin Eğitimi İçin Yeni Yaklaşımlar, Doktora Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği A.B.D.

Çomak, E., Arslan, A., Türkoğlu, İ., 2007, A decision support system based on support machines for diagnosis of the heart valve diseases, Computers in biology and medicine, 37, 21-27.

Darendeliler, F., Bundak, R., 2005, Boy kısalığına yaklaşım, The journal of current pediatrics, 3, 49-52.

Ding, L., Goshtasby, A., 2001, On the Canny edge detector, Pattern Recognition, 34, 721-725.

Ekici, S., Yıldırım, S., Poyraz, M., 2009, Mesafe Koruma için Bir Örüntü Tanıma Uygulaması, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 24, 51- 61.

Fernández, M. A. M., Cárdenes, R., Moreno, E. M., García, R. L., Fernández, M. M., López, C. A., 2009, Automatic articulated registration of hand radiographs, Image and Vision Computing, 27, 1207-1222.

Ferr, L., 1995, Selection of components in principal component analysis: a comparison of methods, Computat. Stat. Data Anal., 19, 669–682.

García, R. L., Fernández, M. M., Arribas, J. I., López, C. A., 2003, A fully automatic algorithm for contour detection of bones in hand radiographs using active contours, Proceedings of the IEEE International Conference on Image Processing, 3, 421-424.

Gertych, A., Zhang, A., Sayre, J., Kurkowska, S. P., Huang, H. K., 2007, Bone age assessment of children using a digital hand atlas, Computerized Medical Imaging and Graphics, 31, 322-331.

Gilsanz, V., Ratib, O., 2005, Hand Bone Age: A Digital Atlas of Skeletal Maturity, Springer, Almanya.

Giordano, D., Leonardi, R., Maiorana, F., Scarciofalo, G., Spampinato, C., 2007, Epiphysis and Metaphysis Extraction and Classification by Adaptive Thresholding and DoG Filtering for Automated Skeletal Bone Age Analysis, Proceedings of the 29th Annual International Conference of the IEEE EMBS, 6551-6556.

Giordano, D., Spampinato, C., Scarciofalo, G., Leonardi, R., 2010, An Automatic System for Skeletal Bone Age Measurement by Robust Processing of Carpal and Epiphysial/Metaphysial Bones, IEEE Transactions On Instrumentation And Measurement, 59, 2539-2553.

Grimaldi, M., Cunningham, P., Kokaram, A., 2003, An evaluation of alternative feature selection strategies and ensemble techniques for classifying music, Workshop in Multimedia Discovery and Mining, ECML/PKDD03, Dubrovnik, Croatia.

Haklı, H., 2013, Sürekli fonksiyonların optimizasyonu için doğa esinli algoritmaların geliştirilmesi, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği A.B.D.

Harmsen, M., Fischer, B., Schramm, H., Seidl, T., Deserno, T. M., 2013, Support vector machine classification based on correlation prototypes applied to bone age assessment, Journal of Biomedical and Health Informatics, 17, 190-197.

Hasaltın, E, Beşdok, E., 2004, El - bilek röntgen görüntülerinden radyolojik kemik yaşı tespitinde yapay sinir ağları kullanımı, Elektrik-Elektronik ve Bilgisayar Mühendisliği Sempozyumu, Bursa; Türkiye, 8-12.

He, P., Chen, L., Xu, X. H., 2007, Fast C4.5, International Conference on Machine Learning and Cybernetics, 2841-2846.

Hmeidi, I., Hawashin, B., El-Qawasmeh, E., 2008, Performance of KNN and SVM classifiers on full word Arabic articles, Advanced Engineering Informatics, 22, 106-111.

Hsieh, C. W., Jong, T. L., Tiu, C. M., 2007, Bone age estimation based on phalanx information with fuzzy constrain of carpals, Medical and Biological Engineering and Computing, 45, 283-295.

Hsieh, C. W., Liu, T. C., Jong, T. L., Tiu, C. M., 2010, A fuzzy-based growth model with principle component analysis selection for carpal bone-age assessment, Medical and Biological Engineering and Computing, 48, 579-588.

Hsu, C. W., Lin, C. J., 2002, A comparison of methods for multiclass support vector machines, IEEE Transactions on Neural Networks, 13, 415-425.

Jantan, S., Hussain, A., Mustafa, M. M., 2010, Distal radius bone age estimation based on fuzzy model, Conference on Biomedical Engineering & Sciences, 427-432. Javed, I., Ayyaz, M. N., Mehmood, W., 2007, Efficient training data reduction for SVM

based handwritten digits recognition, International conference on electrical engineering, 1-4.

Kahraman, İ., Bayram, V., Ercan, E., Kırılmaz, B., 2010, Kan damarı genişliği değişiminin ölçülmesinde medikal görüntü işlemenin uygulanması, Akademik bilişim 2010, Muğla, Türkiye.

Karaç, E. I., 2005, Model selection for multi-class support vector machines, Yüksek Lisans Tezi, Boğaziçi Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Bölümü.

Kennedy, J., Eberhart, R., 1995, Particle Swarm Optimization, Proceedings of the Sixth International Symposium on Micro Machine and Human Science, Nagoya, Japan, 39-43.

Kim, H. J., Kim, W. Y., 2007, Computerized Bone Age Assessment Using DCT and LDA, Computer Vision/Computer Graphics Collaboration Techniques, Lecture Notes in Computer Science, 4418, 440-448.

Koc, A., Karaoglanoglu, M., Erdoğan, M., Kosecik, M., Cesur, Y., 2001, Assessment of bone ages: Is the Greulich-Pyle method sufficient for Turkish boys?, Pediatrics International, 43, 662-665.

Koçtürk, Y., 2010, Veri madenciliğinde bağlılık, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği A.B.D.

Koggalage, R., Halgamuge, S., 2004, Reducing the number of training samples for fast support vector machine classification, Neural information processing - letters and reviews, 2(3), 57-65.

Kutlu, Y., Kuntalp, D., Kuntalp, M., 2008, Yüksek mertebeden istatistik kullanılarak aritmi sınıflandırılması, IEEE 16th Signal Processing and Communications Applications Conference, Aydın, Turkey.

Liu, J., Qi, J., Liu, Z., Ning, Q., Luo, X., 2008, Automatic bone age assessment based on intelligent algorithms and comparison with TW3 method, Computerized Medical Imaging and Graphics, 32, 678-684.

McAndrew, A., 2004, Introduction to digital image processing with MATLAB, Thomson, USA.

Ortakcı, Y., Göloğlu, C., 2012, Parçacık sürü optimizasyonu ile küme sayısının belirlenmesi, Akademik bilişim konferansı 2012, Uşak, Türkiye, 417-423.

Özkan, Y., 2008, Veri madenciliği yöntemleri, Papatya Yayıncılık, İstanbul, Türkiye, 1. Basım.

Özkaya, A. U., 2003, Intelligent Arrhythmia Classification Based on Support Vector Machines, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Bölümü.

Özkaya, A. U., Kaya, M. E., Gürgen, F., 2005, Destek vektör makineleri kullanılarak aritmi sınıflandırılması, XI. Biyomedikal Mühendisliği Ulusal Toplantısı, 12-16. Pal, M., 2005, Multiclass approaches for support vector machine based land cover

classification, in Proceedings of the 8th Annual International Conference, Map India.

Peloschek, P., Nemec, S., Widhalm, P., Donner, R., Birngruber, E., Thodberg, H. H., Kainberger, F., Langs, G., 2009, Computational radiology in skeletal radiography, European Journal of Radiology, 72, 252-257.

Perona, P., Malik, J., 1990, Scale-space and edge detection using anisotropic diffusion, IEEE Trans. On Pattern Analysis and Machine Intelligence, 12, 629-639.

Perrizo, W., Ding, Q., Denton, A., 2002, Lazy classifiers using p-trees, Proceedings of 15th International Conference on Computer Applications in Industry and Engineering, 176-179.

Pietka, E., 2003, Computer - assisted bone age assessment - database adjustment, Computer Assisted Radiology and Surgery, Proceedings of the 17th International Congress and Exhibition, 1256, 87-92.

Pietka, E., Gertych, A., Kurkowska, S. P., Cao, F., Huang, H. K., Gilzanz, V., 2004, Computer-assisted bone age assessment: graphical user interface for image processing and comparison, Journal of Digital Imaging, 17, 175-188.

Pietka, E., Gertych, A., Pospiech, S., Cao, F., Huang, H. K., Gilsanz, V., 2001, Computer-assisted bone age assessment: image preprocessing and epiphyseal/metaphyseal ROI extraction, IEEE Transactions on Medical Imaging, 20, 715-729.

Pietka, E., Kurkowska, P. S., Gertych, A., Cao, F., 2003, Integration of computer assisted bone age assessment with clinical PACS, Computerized Medical Imaging and Graphics, 27, 217-228.

Pietka, E., Witko, K., Gertych, A., 2005, Remotely accessible e-atlas for bone age assessment, International Congress Series, 1281, 260-265.

Pisano, E. D., Zong, S., Hemminger, B. M., DeLuca, M., Johnston, R. E., Muller, K. E., Brauening, M. P., Pizer, S. M., 1998, Contrast limited adaptive histogram equalization image processing to improve the detection of simulated spiculations in dense mammograms, Journal of Digital Imaging, 11, 193-200.

Polaka, I., 2011, Feature selection approaches in antibody display data analysis, Proceedings of the 8th International Scientific and Practical Conference, 11, 16- 23.

Pontil, M., Verri, A., 1998, Support vector machines for 3D object recognition, Transactions on Pattern Analysis and Machine Intelligence, 20, 637-646.

Rish, I., 2001, An empirical study of the naive Bayes classifier, In Proceedings of the International Joint Conference on Artificial Intelligence, 41-46.

Sarıkoç, F., 2012, Meme kanseri biyopsi örneklerinde östrojen hormonu alıcı varlığının zeki yöntemlerle tespiti, Doktora Tezi, Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği A.B.D.

Somkantha, K., Umpon, N. T., Auephanwiriyakul, S., 2011, Bone age assessment in young children using automatic carpal bone feature extraction and support vector regression, J. Digit. Imaging, 24, 1044-1058.

Sun, W., Chen, J., Li, J., 2007, Decision tree and PCA-based fault diagnosis of rotating machinery, Mechanical Systems and Signal Processing, 21, 1300–1317.

Şaylan, Ç. A., 2013, Böbrek nakli geçirmiş hastalarda akıllı yöntem tabanlı yeni öznitelik seçme algoritması geliştirilmesi, Yüksek Lisans Tezi, Kadir Has Üniversitesi Fen Bilimleri Enstitüsü.

Sangün, L., 2007, Temel bileşenler analizi, ayırma analizi, kümeleme analizleri ve ekolojik verilere uygulanması üzerine bir araştırma, Doktora Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü.

Tamura, H., Tanno, K., 2009, Midpoint validation method for support vector machines with margin adjustment technique, International Journal of Innovative Computing, Information and Control, 5, 4025-4032.

Torra, V., Narukawa, Y., 2012, On a comparison between Mahalanobis distance and Choquet integral: The Choquet–Mahalanobis operator, Information Sciences, 190, 56-63.

Tristán, A., Arribas, J. I., 2005, A radius and ulna skeletal age assessment system, IEEE Workshop on Machine Learning for Signal Processing, 221-226.

Türkoğlu, İ., Şengür, A., Toraman, S., 2003, Tıbbi görüntülerden istenen bir örüntünün ayrıştırılması, Doğu Anadolu Bölgesi Araştırmaları, 3, 97-101.

Uğuz, H., 2011, A two stage feature selection method for text categorization by using information gain, principal component analysis and genetic algorithm, Knowledge-Based Systems, 24, 1024-1032.

Valle, S., Li, W., Qin, S. J., 1999, Selection of the number of principal components: The variance of the reconstruction error criterion with a comparison to other methods, Ind. Eng. Chem. Res., 38, 4389–4401.

Van Rijn, R. R., Lequin, M. H., Thodberg, H. H., 2009, Automatic determination of Greulich and Pyle bone agein healthy Dutch children, Pediatr Radiol, 39, 591– 597.

Vapnik, V., Golowich, S., Smola, A., 1997, Support vector method for function approximation, regression estimation, and signal processing. Advances in Neural Information Processing Systems 9, 281–287.

Wang, Q., Garrity, G. M., Tiedje, J. M., Cole, J. R., 2007, Naive Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy, Applied and Environmental Microbiology, 73, 5261-5267.

Wang, Q., Yang, J., 2006, Eye Location and Eye State Detection in Facial Images with Unconstrained Background, Journal of Information and Computing Science, 1, 284-289.

Yıldız, K., Yılmaz, Ç., Buket, D., 2010, Veri madenciliğinde temel bileşenler analizi ve negatif matris çarpanlarına ayırma tekniklerinin karşılaştırmalı analizi, Akademik Bilişim'10, XII. Akademik Bilişim Konferansı Bildirileri, Muğla.

Zhang, A., Gertych, A., Liu, B. J., 2007, Automatic bone age assessment for young children from newborn to 7 year old using carpal bones, Computerized Medical Imaging and Graphics, 31, 299-310.

Zhang, H., 2004, The optimality of naive Bayes, Proceedings of the Seventeenth Florida Artificial Intelligence Research Society Conference, 562-567.

KİŞİSEL BİLGİLER

Adı Soyadı : Gür Emre GÜRAKSIN

Uyruğu : T.C

Doğum Yeri ve Tarihi : Erzurum – 24.07.1980

Telefon : 0 (532) 387 87 95 – 0 (272) 228 14 23

Faks : 0 (272) 228 14 22

e-mail : emreguraksin@aku.edu.tr

EĞİTİM

Derece Adı, İlçe, İl Bitirme Yılı

Lise : Erzurum Lisesi, Merkez, Erzurum 1998

Üniversite : Atılım Üniversitesi – Bilgisayar Mühendisliği,

İncek, Ankara 2005

Yüksek Lisans : Afyon Kocatepe Üniversitesi – Bilgisayar ABD,

Merkez, Afyonkarahisar 2009

Doktora : Selçuk Üniversitesi – Bilgisayar Mühendisliği ABD,

Selçuklu, Konya Devam Ediyor

İŞ DENEYİMLERİ

Yıl Kurum Görevi

2005 Telsim Mobil Telekominikasyon A.Ş., RAN NMC

Kalite Mühendisi, İstanbul Mühendis

2005 Afyon Kocatepe Üniversitesi, Bilgisayar

Mühendisliği Bölümü Arş. Gör.

UZMANLIK ALANI

Yapay Zeka, Görüntü İşleme

YABANCI DİLLER

İngilizce, KPDS (63)

YAYINLAR

Güraksın, G. E., İnce Türker, G., Hakkari, F., Doğan, M.,, 2007, Web Tabanlı Eğitimde Güvenlik ve Kullanıcı Girişi İçin Alternatif Kodlama Yöntemi, Akademik Bilişim 2007, Dumlupınar Üniversitesi, Kütahya, Türkiye, 201-208.

Deperlioğlu, Ö., Güraksın, G. E., Karasekreter, N., 2007, DC-DC Power Converters Control With Fuzzy Logic, International Wokshop on Nonlinear Signal and Image Processing, Polytehnica University of Bucharest, Bükreş, Romanya, 224- 228.

Güraksın, G. E., Ergün, U., Deperlioğlu, Ö., 2009, Cep Bilgisayarı İle Kalp Seslerinin Ayrık Fourier Dönüşümünün Elde Edilmesi, 14. Biyomedikal Mühendisliği Ulusal Toplantısı, İzmir, Türkiye (Yüksek Lisans tezinden yapılmıştır).

Güraksın, G. E., Ergün, U., Deperlioğlu, Ö., 2009, Classification of the Heart Sounds via Artificial Neural Network, International Symposium on Innovations in Intelligent Systems and Applications, , Trabzon, Türkiye, 507-511 (Yüksek Lisans tezinden yapılmıştır).

Güraksın, G. E., Ergün, U., 2009, Normal ve Normal Olmayan Kalp Seslerinin Yapay Sinir Ağları ile Sınıflandırılması, e-Journal of New World Sciences Academy, 4 (4), 559-570 (Yüksek Lisans tezinden yapılmıştır).

Güraksın, G. E., Ergün, U., Deperlioğlu, Ö., 2010, Classification of the Heart Sounds via Artificial Neural Network, International Journal of Reasoning Based Intelligent Systems, 2 (3/4), 272-278 (Yüksek Lisans tezinden yapılmıştır).

Ergün, U., Deperlioğlu, Ö., Güraksın, G. E., Uğuz, H., 2010, Classification of the Heart Sounds with Wavelet Neural Network, International Symposium on Innovations in Intelligent Systems and Applications, Kayseri, Turkey, 287-291.

Uğuz, H., Güraksın, G. E., Ergün, U., Saraçoğlu, R., 2011, Biomedical System Based on the Discrete Hidden Markov Model Using the Rocchio–Genetic Approach for the Classification of Internal Carotid Artery Doppler Signals, Computer Methods and Programs in Biomedicine, 103 (1), 51-60.

Güraksın, G. E., Uğuz, H., 2011, Classification of Heart Sounds Based on the Least Squares Support Vector Machine, International Journal of Innovative Computing, Information and Control, 7(12), 7131-7144.

Deperlioğlu, Ö., Ergün, U., Güraksın, G. E., 2011, Design of ANFIS Controller for DC- DC Step-Down Converter, Afyon Kocatepe Üniversitesi Fen Bilimleri Dergisi, 10(1), 17-29.

Uğuz, H., Güraksın, G. E., Ergün, U., 2011, Detection of Heart Valve Diseases Using Artificial Neural Network, Discrete Wavelet Transform, and Principal Component Analysis, The 7th International Conference on Computing and Information Technology, Bangkok, Thailand, 201-206.

Güraksın, G. E., Uğuz, H., 2011, Destek Vektör Makineleri ile Bilgisayar Tabanlı Kemik Yaşı Tespiti, Tıp Teknolojileri Ulusal Kongresi, Antalya, Türkiye, 76-79 (Doktora tezinden yapılmıştır).

Haklı, H., Güraksın, G. E., Uğuz, H., 2013, Training Support Vector Machines by Using Particle Swarm Optimisation and a Bone Age Example, 26th European Conference on Operational Research, Rome, Italy, 160 (Doktora tezinden yapılmıştır).

Deperlioğlu, Ö., Güraksın, G. E., Köse, U., 2014, Türk Eğitim Sisteminde Bilişim Teknolojileri Eğitiminin Yeri, Akademik Bilişim, Mersin, Türkiye.

Güraksın, G. E., Uğuz, H., Baykan, Ö. K., Bone age determination in young children from newborn to 6 year-old using support vector machines, Turkish Journal of Electrical Engineering & Computer Sciences, In Press (DOI: 10.3906/elk-1305- 271) (Doktora tezinden yapılmıştır).

Güraksın G. E., Haklı, H., Uğuz, H., 2014, Support Vector Machines Classification Based on Particle Swarm Optimization for Bone Age Determination, Applied Soft Computing, 24, 597-602 (Doktora tezinden yapılmıştır).