Gastroid Mantar Türlerinin Makroskobik ve Mikroskobik Görüntüleri Kullanılarak Yapay Zeka Destekli Sınıflandırma Modelinin Geliştirilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü (Döner Sermaye), Türkiye
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Öğrenci: Eda KUMRU
Asıl Danışman (Eş Danışmanlı Tezler İçin): Ilgaz Akata
Eş Danışman: Fatih Ekinci
Özet:Bu çalışmasında, gastroid mantar türlerinin makroskobik ve mikroskobik görüntüleri kullanılarak yapay zekâ destekli bir sınıflandırma modelinin geliştirilmesi amaçlanmıştır. Çalışma kapsamında, gastroid morfoloji gösteren farklı taksonomik gruplara ait açık erişimli makroskobik görüntülerden 6385 örnek içeren bir veri seti oluşturulmuş; ayrıca morfolojik ve nrITS rDNA dizilerine dayalı moleküler tanımlamaları doğrulanan fungaryum örneklerinden elde edilen spor SEM görüntüleri ile 2560 örnek içeren veri seti hazırlanmıştır. Makroskobik veri seti diğer gastroid mantarlar, Lycoperdoid mantarlar, yer yıldızları, Phallaceae ve Sclerodermataceae grupları altında; mikroskobik veri seti ise Geastraceae, Lycoperdaceae ve Sclerodermataceae kapsamında değerlendirilmiştir. Oluşturulan veri setleri üzerinde Evrişimsel sinir ağları (CNN) ve transformer tabanlı derin öğrenme mimarileri, ensemble yaklaşımlar ve açıklanabilir yapay zekâ yöntemleri kullanılarak tür düzeyinde sınıflandırma modelleri geliştirilmiştir. Model performansları doğruluk, kesinlik, duyarlılık, F1 skoru, AUC ve MCC gibi ölçütlerle karşılaştırılmıştır. Bulgular, makroskobik görüntülerde belirgin morfolojik karakterlerin, SEM görüntülerinde ise spor ornamentasyonu ve yüzey ultrastrüktürünün tür ayrımında güçlü ayırt edici sinyaller sunduğunu göstermiştir. Grad-CAM, LIME, Integrated Gradients ve Occlusion Sensitivity analizleri, geliştirilen modellerin biyolojik açıdan anlamlı yapılara odaklandığını ortaya koymuştur. Ayrıca Lycoperdaceae SEM görüntülerinde CNN güdümlü DeepONet yaklaşımıyla sürekli uzamsal aktivasyon alanları üretilmiştir. Sonuç olarak bu çalışma, gastroid mantar türlerinin makroskobik ve mikroskobik görüntüler üzerinden sınıflandırılması için klasik taksonomik yaklaşımları destekleyen, nesnel, yorumlanabilir ve ölçeklenebilir bir yapay zekâ modeli ortaya koymaktadır.