FSMVÜ Öğretim Üyeleri ve Araştırmacıları ICMLT 2026'da Bildirilerini Sundu
Almanya'nın Berlin şehrinde 20-22 Mayıs 2026 tarihleri arasında düzenlenen "11th International Conference on Machine Learning Technologies" (ICMLT 2026)'a Fatih Sultan Mehmet Vakıf Üniversitesi'nden çok sayıda öğretim üyesi ve araştırmacı katıldı.
IEEE ve IEEE Germany Section'ın teknik destekçiliğinde, SANA Berlin Hotel'de gerçekleştirilen konferansta üniversitemiz mensupları, makine öğrenmesi, açıklanabilir yapay zekâ (XAI) ve tıbbi görüntü analizi alanlarındaki güncel araştırmalarını uluslararası bilim camiasıyla paylaştı.
Sunulan Bildiriler
Doc. D.r Burcu Bektaş Demirci
"Geometry-Aware Tumor Classification via Mean Curvature Flow on 3D Surface Meshes"
3 boyutlu yüzey ağları üzerinde ortalama eğrilik akışı kullanılarak geometri farkında tümör sınıflandırması üzerine bir çalışma.
Dr. Öğr. Üyesi Samet Kaya
"Two-Stage Fine-Tuned Transfer Learning for Retinal Disease Classification from OCT Images: Comprehensive Model Comparison and Explainable AI Analysis"
Retinal OCT görüntülerinden hastalık sınıflandırması için iki aşamalı transfer öğrenme ve açıklanabilir yapay zekâ analizini konu alan çalışma, Onsite Session 7 kapsamında sunuldu.
Ar. Gör. Tuğçe Göksu
"Data-Free Quantization of Medical Image Segmentation Models via Generative Feature Priors"
Tıbbi görüntü segmentasyon modellerinin veri gerektirmeden nicelenmesine yönelik yenilikçi bir yaklaşım.
Ar. Gör. Reyhan Hoşavcı
"Turkish Medical Visual Question Answering: Benchmarking Vision–Language Encoders and Contrastive Alignment"
Türkçe tıbbi görsel soru-cevaplama sistemleri için görü-dil kodlayıcılarının karşılaştırmalı analizi.
Ar. Gör. Sümeyye Zülal Dik
"Optimizing Patch-based Whole-Slide Image Classification through Advanced Selection Methods and Feature Extraction"
Dijital patolojide tüm slayt görüntü sınıflandırmasının gelişmiş yöntemlerle optimizasyonu.
Ar. Gör. Zeliha Kaya Akçelik
"Pairwise Surrogate Learning for Neural Architecture Ranking in Digital Pathology"
Dijital patolojide sinir ağı mimarisi sıralaması için ikili vekil öğrenme yaklaşımı.
Ar. Gör. Ömer Faruk Göksu
"Enhancing the Accuracy of Low-Cost Pulse Oximetry via Edge AI: A Neural Network Approach Optimized for STM32 Microcontrollers"
Düşük maliyetli nabız oksimetrelerinde uç yapay zekâ ile doğruluk artırımı.
Üniversitemiz mensuplarının makine öğrenmesi ve yapay zekâ alanındaki bu güçlü temsili, bilimsel üretkenliğimizin ve uluslararası akademik iş birliklerinin önemli bir göstergesi oldu. Tüm araştırmacılarımızı tebrik ediyor, başarılarının devamını diliyoruz.
