Edip Serdar Güner

Aimː To evaluate the performance of Generative Pre-trained Transformer-4o (GPT-4o) in generating mammography reports from complete four-image mammograms. Methods: This retrospective comparative study used previously reported 510 anonymized mammograms from Kırklareli Training and Research Hospital. Four JPEG images per patient were combined into a single composite input for GPT-4o, which generated structured reports in Turkish. Three radiologists independently evaluated the AI-generated reports by using the original mammography reports as reference. A custom interface and a Likert scale (0-5) for each section were used. Breast Imaging-Reporting and Data System (BI-RADS) classification performance was measured via accuracy, Cohen's Kappa, confusion matrix, and class-based metrics. Intraclass correlation coefficients are calculated for inter-rater reliability assesment. Results: GPT-4o demonstrated high performance in detecting normal findings (Lymph Node Evaluation: 4.97/5; Skin/Subcutaneous Tissues: 4.93/5) and some pathological features (Suspicious Calcifications: 4.53/5; Structural Distortion: 4.44/5). However, it achieved critically low performance in clinical decision-making: BI-RADS Category classification scored 2.48/5 with 9.6% overall accuracy and Cohen's Kappa of 0.017 (near-chance agreement), and Recommendations scored 2.50/5. The model systematically misclassified cases as BI-RADS 1 while failing to recognize BI-RADS 3 (1% recall), creating both false reassurance and inappropriate clinical escalation. Conclusion: GPT-4o, despite showing some success in identifying specific mammographic features, currently lacks the reliability required for independent BI-RADS classification and recommendation generation. The model's tendency towards misclassification and inappropriate escalation raises significant concerns regarding its clinical safety when used autonomously. Keywords: generative artificial intelligence, large language models, breast, mammography

Son yıllarda, makine çevirisi sistemlerinde önemli gelişmeler kaydedilmiştir, ancak yine de söz konusu sistemler hatalı veya doğallıktan yoksun çeviriler üretebilmektedir. Bu çalışmada, sözü edilen sorunun üstesinden gelmek amacıyla, makine çevirisi sistemleri ve yapay zekâ tabanlı sohbet robotlarının kullanıcıya sunduğu avantajlardan yararlanarak kaliteli çevirilerin ortaya çıkmasını sağlayabilecek yenilikçi bir iş akışı önerilmektedir. Önerilen iş akışı dört temel adımdan oluşmaktadır: (1) makine çevirisi sistemi kullanılarak gerçekleştirilen ilk çeviri, (2) sohbet robotu ile yapılan art düzenleme ve son okuma, (3) erek dil odaklı otomatik dil bilgisi ve yazım denetimi, (4) sayısal ölçütler kullanılarak gerçekleştirilen son değerlendirme. İlk aşamada kaynak metin, makine çevirisi sistemi yardımıyla erek dile aktarılır. İkinci adımda, makine çevirisi çıktısı bir sohbet robotu tarafından gözden geçirilir. Doğal dili anlama becerilerine sahip bir sohbet robotu kullanılarak çeviri geliştirilebilir. Bu aşama, makine çevirisi sistemleri tarafından hemen kavranamayan anlam belirsizlikleri, kültüre özgü unsurlar ve terminoloji ile ilgili sorunların çözümlenmesine yardımcı olur. Üçüncü adımda, art düzenlemesi ve son okuması sohbet robotu tarafından yapılmış olan çevirinin dil bilgisi ve yazım denetimi otomatik olarak gerçekleştirilir. Bu aşamanın nihai hedefi, çevirinin dilsel hatalardan olabildiğince arınması ve erek dil kurallarına uygunluğu sağlanarak, okunabilirliğinin ve genel kalitesinin arttırılmasıdır. İş akışının son adımında, bir yazım denetim aracından elde edilen sayısal ölçütler kullanılarak, erek metnin kabul edilebilirliği ve insan çevirisine yakınlığı değerlendirilir. Çevirinin kalitesi hakkında çevirmene nicel geri bildirimler sağlayan bu ölçütler, iyileştirme alanlarını belirleme ve gelecek çeviri işleri için yol gösterme amaçlarıyla kullanılabilir. Önerilen çeviri iş akışı, makine çevirisi sistemlerinin başarımı ile sohbet robotlarının bağlam konusundaki farkındalığı ve doğal dili anlama becerilerini birleştirerek daha kaliteli çeviriler ortaya çıkmasını sağlayabileceği gibi, çevirmenin art düzenleme ve son okuma süreçlerindeki çabasını azaltabilecektir. Bu iş akışıyla, kaliteli ve doğal erek metinler üretmek için kapsamlı bir yaklaşım sunulmaktadır.

Küreselleşme ve teknolojik gelişimin ortaya çıkardığı en önemli gereksinimlerden biri olan yerelleştirme, bir yazılım ya da ürünün farklı erek kitlelerden oluşan pazarlarda kullanılabilmesi için uyarlanması anlamına gelmektedir. Bu uyarlama sürecinin en önemli bölümünü yazılı çeviri etkinliği oluşturmaktadır. Erek kitleye sunulan metinlerin çevirisinde belirli standartların sağlanması ve firma yönergelerine uyulması, yazılımlarda yerel kullanıcı deneyimini en iyileştirme açısından oldukça önemlidir. Ürününün çok sayıda yerel pazara girmesini ve hızla başarı kazanmasını isteyen firmalar, yerelleştirme sürecinde birçok çevirmenden oluşan çeviri ekipleriyle çalışır. Firmanın pazarlama stratejisi, iletişim yaklaşımı ve dil kullanımı gibi bileşenlerin çeviri ekiplerine hızlı şekilde aktarımı amacıyla da biçim kılavuzları hazırlanarak ekip üyelerine iletilir. Biçim kılavuzlarına bağlı kalarak çalışan çevirmenler hem hızlı çeviri yapabilmekte hem de yerelleştirme projesinin kalite kontrolü daha kolay bir şekilde sağlanabilmektedir. Sektörün ihtiyaçlarına bağlı olarak içeriklerinde değişiklikler görülebilse de genel olarak biçim kılavuzları, firmanın ürünleri hakkında kısa bilgiler, erek dile özgü yazım ilkeleri, erek kitleye uygun dil kesiti ve terim birliğini sağlamak için hazırlanmış sözlükçeler gibi bileşenleri içerir. Farklı yerelleştirme projeleri için farklı ayrıntı düzeylerinde hazırlanan biçim kılavuzları, firmaların politikalarına bağlı olarak açık erişimli ya da fikri mülkiyet korumalı olabilmektedir. Ayrıca, yerelleştirme projesinin yapısına göre genel ya da dile özgü biçim kılavuzları da hazırlanabilmektedir. Bu çalışmada öncelikle yerelleştirme odaklı biçim kılavuzları sınıflandırma bağlamında değerlendirilecek, ardından bu kılavuzların içerikleri incelenerek genel bir şablon ortaya konmaya çalışılacaktır. Son olarak, dile özgü biçim kılavuzlarının yeterlilik ve kısıtlarını değerlendirme amacıyla Türkçe için hazırlanmış kılavuzlardan ikisinin içerikleri ele alınacak, yapılan incelemeler ışığında yerelleştirme hedefleri ile biçim kılavuzları arasındaki bağlantılar değerlendirilecektir.

Traffic classification is a process which assorts computer network traffic into predefined traffic classes by utilizing packet header information or network packet statistics. Real-time traffic classification is mainly used in network management tasks comprising traffic shaping and flow prioritization as well as in network security applications for intrusion detection. Machine Learning (ML) based traffic classification that exploits statistical characteristics of traffic, has come into prominence recently, due to its ability to cope with encrypted traffic and newly emerging network applications utilizing non-standard ports to circumvent firewalls. To meet high data rates and achieve online classification with ML-based techniques, Field Programmable Gate Arrays (FPGAs) providing abundant parallelism and high operating frequency is the most appropriate platform. In this paper, we propose to use Simple Classification and Regression Trees (Simple CART) machine learning algorithm for traffic classification. However, the variations in node sizes of Simple CART decision tree caused by discretization pre-process incur memory and resource inefficiency problems when the tree is directly mapped onto the hardware. To resolve these problems, we propose to represent Simple CART decision tree by two stage hybrid data structure (Extended-Simple CART) that comprises multiple range trees in Stage 1 and a Simple CART decision tree enriched with bitmaps at its nodes in Stage 2. Our design is implemented on parallel and pipelined architectures using Field Programmable Gate Arrays (FPGAs) to acquire high throughput. Extended-Simple CART architecture can sustain 557 Gbps or 1741 million classification per second (MCPS) (for the minimum packet size of 40 Bytes) on a state-of-the-art FPGA and achieve an accuracy of 96.8% while classifying an internet traffic trace including eight application classes.

The use of software technologies for supporting the education of disabled children continues to increase both in quantity and quality. L2I is a set of computer programs that assists the education and training of autistic and mentally retarded children. These children are known to have difficulties in grasping fairly abstract concepts. L2I is intended to circumvent the abstractness of linguistically encoded conceptual structures via visual images. The software has also the potential to teach and/or assist a variety of basic skills including reading, writing and communicating. Each component constituting L2I has been tested with a group of students with autism and mental retardation in a special education center. In the light of the observations made over these tests, this paper presents how L2I can be benefited from in a special education program.