Gökhan Turan
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Gökhan Turan has a total of 7 co-authors. Here are the top co-authors by number of shared publications:
- Tülay Turan
Department of Computer Engineering Faculty of Engineering and Architecture Burdur Mehmet Akif Ersoy University Burdur Turkiye
4 shared publications - Ecir Uğur Küçüksille
Süleyman Demirel Üniversitesi
2 shared publications - Halil Suel
Isparta Uygulamali Bilimler Universitesi
1 shared publication - Iftar Gurbuz
Mehmet Akif Ersoy University
1 shared publication - Utku Kose
Süleyman Demirel Üniversitesi
1 shared publication - Yasin Demiraslan
Department of Anatomy Faculty of Veterinary Medicine Dokuz Eylül University İzmir Türkiye
1 shared publication
Latest Publications
- Open Access
- 20 July 2026
- Published by Wiley in Veterinary Medicine and Science
- Vol. 12 (4) , e71097
Morphological Sex Classification in Rat Mandibles Using a Hybrid and Explainable Machine Learning
Background: Sex classification based on the mandible is a challenging problem due to morphological similarities. In artificial intelligence classification studies, a single source of morphological information may not be sufficient. Objectives: A hybrid and explainable machine learning approach combining different levels of morphological information about the mandible was developed in this study. Methods: Analyses were performed on 52 (31 female, 21 male) rat mandibles raised under the same conditions. A total of 24 osteometric parameters were calculated from two‐dimensional photographs of the mandible. Furthermore, features were extracted from the mandibular photographs using handcrafted and pretrained deep learning. Machine learning models were first built separately using the features. Then, all features were combined to design a hybrid machine learning model. All models were tested using a 5‐fold cross‐validation method. Results: The logistic regression model trained with the hybrid feature set (Osteometric + Handcrafted + ResNet50) achieved the highest performance with 96.2% accuracy, 94.3% F1‐score and 99.2% ROC‐AUC value. SHAP explanatory AI analyses were performed to assess the interpretability of model decisions. Conclusions: This study will contribute to the literature by classifying rat mandible images using artificial intelligence and explaining these results with XAI.
- 20 July 2026
- Published by Wiley in Veterinary Medicine and Science
- Vol. 12 (4) , e71097
Open AccessMorphological Sex Classification in Rat Mandibles Using a Hybrid and Explainable Machine Learning
Background: Sex classification based on the mandible is a challenging problem due to morphological similarities. In artificial intelligence classification studies, a single source of morphological information may not be sufficient. Objectives: A hybrid and explainable machine learning approach combining different levels of morphological information about the mandible was developed in this study. Methods: Analyses were performed on 52 (31 female, 21 male) rat mandibles raised under the same conditions. A total of 24 osteometric parameters were calculated from two‐dimensional photographs of the mandible. Furthermore, features were extracted from the mandibular photographs using handcrafted and pretrained deep learning. Machine learning models were first built separately using the features. Then, all features were combined to design a hybrid machine learning model. All models were tested using a 5‐fold cross‐validation method. Results: The logistic regression model trained with the hybrid feature set (Osteometric + Handcrafted + ResNet50) achieved the highest performance with 96.2% accuracy, 94.3% F1‐score and 99.2% ROC‐AUC value. SHAP explanatory AI analyses were performed to assess the interpretability of model decisions. Conclusions: This study will contribute to the literature by classifying rat mandible images using artificial intelligence and explaining these results with XAI.
- 23 December 2025
- Published by Burdur Mehmet Akif Ersoy University in Uluslararası Mühendislik Tasarım ve Teknoloji Dergisi
- Vol. 7 (2) , 78-89
Yapay zekanın çevresel ayak izi: Enerji, su ve elektronik atık üzerine çok yönlü bir analiz
Yapay zeka (Artificial Intelligence - AI), modern teknolojinin en yenilikçi alanlarından biri olarak, endüstriyel süreçlerin optimizasyonundan çevresel sorunların çözümüne kadar geniş bir uygulama potansiyeline sahiptir. Bununla birlikte, hızla artan kullanımı, önemli çevresel etkilerin ortaya çıkmasına yol açmaktadır. Bu çalışma, yapay zekanın çevresel etkilerinden enerji tüketimi, karbon emisyonları, su kullanımı ve elektronik atık konuları çerçevesinde mevcut literatürü derleyerek kapsamlı bir şekilde analiz etmeyi ve bu etkilerin azaltılmasına yönelik sürdürülebilir stratejiler geliştirmeyi amaçlamaktadır.Çalışmada ayrıca, enerji verimliliğine dayalı algoritmaların geliştirilmesi, yenilenebilir enerji kaynaklarının entegrasyonu, şeffaf karbon raporlaması ve sürdürülebilir tasarım yaklaşımları gibi stratejik müdahaleler değerlendirilmiştir. Bu analizler, yapay zekanın çevresel maliyetlerinin azaltılmasının yalnızca teknolojik yeniliklerle değil, aynı zamanda politika geliştirme, düzenlemeler ve paydaşlar arası iş birliği ile mümkün olduğunu ortaya koymaktadır. Bulgular, yapay zekanın çevresel etkilerinin etkin bir şekilde yönetilmesi durumunda, teknolojik ilerlemenin çevresel sürdürülebilirlikle uyumlu bir şekilde sağlanabileceğini göstermektedir. Çalışma, gelecekteki araştırmalar ve politika geliştirme süreçleri için temel bir çerçeve sunmakta ve yapay zekanın sürdürülebilirlik odaklı bir yaklaşımla geliştirilmesi gerektiğini vurgulamaktadır.
- 23 December 2025
- Published by Burdur Mehmet Akif Ersoy University in Uluslararası Mühendislik Tasarım ve Teknoloji Dergisi
- Vol. 7 (2) , 78-89
Yapay zekanın çevresel ayak izi: Enerji, su ve elektronik atık üzerine çok yönlü bir analiz
Yapay zeka (Artificial Intelligence - AI), modern teknolojinin en yenilikçi alanlarından biri olarak, endüstriyel süreçlerin optimizasyonundan çevresel sorunların çözümüne kadar geniş bir uygulama potansiyeline sahiptir. Bununla birlikte, hızla artan kullanımı, önemli çevresel etkilerin ortaya çıkmasına yol açmaktadır. Bu çalışma, yapay zekanın çevresel etkilerinden enerji tüketimi, karbon emisyonları, su kullanımı ve elektronik atık konuları çerçevesinde mevcut literatürü derleyerek kapsamlı bir şekilde analiz etmeyi ve bu etkilerin azaltılmasına yönelik sürdürülebilir stratejiler geliştirmeyi amaçlamaktadır.Çalışmada ayrıca, enerji verimliliğine dayalı algoritmaların geliştirilmesi, yenilenebilir enerji kaynaklarının entegrasyonu, şeffaf karbon raporlaması ve sürdürülebilir tasarım yaklaşımları gibi stratejik müdahaleler değerlendirilmiştir. Bu analizler, yapay zekanın çevresel maliyetlerinin azaltılmasının yalnızca teknolojik yeniliklerle değil, aynı zamanda politika geliştirme, düzenlemeler ve paydaşlar arası iş birliği ile mümkün olduğunu ortaya koymaktadır. Bulgular, yapay zekanın çevresel etkilerinin etkin bir şekilde yönetilmesi durumunda, teknolojik ilerlemenin çevresel sürdürülebilirlikle uyumlu bir şekilde sağlanabileceğini göstermektedir. Çalışma, gelecekteki araştırmalar ve politika geliştirme süreçleri için temel bir çerçeve sunmakta ve yapay zekanın sürdürülebilirlik odaklı bir yaklaşımla geliştirilmesi gerektiğini vurgulamaktadır.
- 7 August 2025
- Published by Taylor & Francis
- p. 261-282
The Future of XAI and Digital Transformation in Healthcare
The rapid advancement of technology has led to a fundamental restructuring of the healthcare sector, with digital transformation playing a crucial role in enhancing efficiency, accessibility, and patient-centered care. Explainable artificial intelligence (XAI) represents a paradigm shift in AI applications by improving trust, transparency, and accountability in healthcare decision-making. Unlike traditional AI models, XAI provides interpretable and justifiable outcomes, making it a valuable tool for medical diagnosis, treatment planning, and patient management. This chapter explores the intersection of digital transformation and XAI in healthcare, highlighting their transformative potential in addressing contemporary challenges such as rising healthcare costs, workforce shortages, and data privacy concerns. Emerging technologies, including blockchain, wearable devices, telemedicine, and quantum computing, are also examined as critical drivers of future healthcare innovation. Furthermore, strategic challenges related to ethical considerations, infrastructure limitations, and cultural barriers are discussed alongside solution-oriented recommendations. By fostering a more transparent, inclusive, and efficient healthcare ecosystem, XAI and digital transformation have the potential to revolutionize patient outcomes and operational processes. Future advancements in these fields will not only enhance predictive and proactive healthcare systems but also democratize health data, enabling greater patient autonomy and engagement.
- 7 August 2025
- Published by Taylor & Francis
- p. 261-282
The Future of XAI and Digital Transformation in Healthcare
The rapid advancement of technology has led to a fundamental restructuring of the healthcare sector, with digital transformation playing a crucial role in enhancing efficiency, accessibility, and patient-centered care. Explainable artificial intelligence (XAI) represents a paradigm shift in AI applications by improving trust, transparency, and accountability in healthcare decision-making. Unlike traditional AI models, XAI provides interpretable and justifiable outcomes, making it a valuable tool for medical diagnosis, treatment planning, and patient management. This chapter explores the intersection of digital transformation and XAI in healthcare, highlighting their transformative potential in addressing contemporary challenges such as rising healthcare costs, workforce shortages, and data privacy concerns. Emerging technologies, including blockchain, wearable devices, telemedicine, and quantum computing, are also examined as critical drivers of future healthcare innovation. Furthermore, strategic challenges related to ethical considerations, infrastructure limitations, and cultural barriers are discussed alongside solution-oriented recommendations. By fostering a more transparent, inclusive, and efficient healthcare ecosystem, XAI and digital transformation have the potential to revolutionize patient outcomes and operational processes. Future advancements in these fields will not only enhance predictive and proactive healthcare systems but also democratize health data, enabling greater patient autonomy and engagement.
- 1 December 2022
- Published by Mehmet Akif Ersoy Universitesi Fen Bilimleri Enstitusu Dergisi in Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi
- Vol. 13 (2) , 292-299
Yapay Zekâ Etiği: Toplum Üzerine Etkisi
Yapay zekâ sistemlerini, günümüzde toplumun temel rollerine hizmet eden, birçok uygulama alanında bizlere fayda sağlayan ve gelecek yıllarda belki biz insanlara ihtiyaç duymadan, özerk kararlar alabilen sistemler olarak tanımlayabiliriz. Yapay zekâlı sistemlerin giderek daha fazla özerklikle, yani daha az insan denetimi ile çalışabilmesi için öncelikle etik yapılarının oluşturulması gerekmektedir. Etik yapay zekâ, bireysel haklar, mahremiyet, eşitlik ve ön yargı yapmama gibi temel değerlerle ilgili iyi tanımlanmış etik yönergelere bağlı kalan yapay zekâdır. Yapay zekâ etik uygulamaları, kuruluşların daha verimli çalışmasına, daha temiz ürünler üretmesine, zararlı çevresel etkileri azaltmasına, kamu güvenliğini artırmasına ve insan sağlığını iyileştirmesine yardımcı olacaktır. Etik olmayan yapay zekâ uygulamaları ise toplum için ciddi zararlı etkilere neden olabilecektir. Bu olumsuz etkileri sorumlu bir şekilde yönetmek ve yapay zekâ sistemlerini toplum yararına yönlendirmek için en önemli çözüm, etik yapay zekâ sistemlerinin geliştirilmesidir. Son yıllarda akademi, endüstri, hükümet ve sivil toplum tarafından yapay zekâ etiği ile ilgili yapılan çalışmalar bir temel sağlamaya başlamıştır. Bu çalışmada, yapay zekâ etiği ve toplum üzerine etkisi, iş gücü piyasası, eşitsizlik, gizlilik ve ön yargı konu başlıkları üzerinde tartışılıp, olası risklere ve tehditlere dikkat çekilmekte ve çözümü için önerilerde bulunulmaktadır.
- 1 December 2022
- Published by Mehmet Akif Ersoy Universitesi Fen Bilimleri Enstitusu Dergisi in Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi
- Vol. 13 (2) , 292-299
Yapay Zekâ Etiği: Toplum Üzerine Etkisi
Yapay zekâ sistemlerini, günümüzde toplumun temel rollerine hizmet eden, birçok uygulama alanında bizlere fayda sağlayan ve gelecek yıllarda belki biz insanlara ihtiyaç duymadan, özerk kararlar alabilen sistemler olarak tanımlayabiliriz. Yapay zekâlı sistemlerin giderek daha fazla özerklikle, yani daha az insan denetimi ile çalışabilmesi için öncelikle etik yapılarının oluşturulması gerekmektedir. Etik yapay zekâ, bireysel haklar, mahremiyet, eşitlik ve ön yargı yapmama gibi temel değerlerle ilgili iyi tanımlanmış etik yönergelere bağlı kalan yapay zekâdır. Yapay zekâ etik uygulamaları, kuruluşların daha verimli çalışmasına, daha temiz ürünler üretmesine, zararlı çevresel etkileri azaltmasına, kamu güvenliğini artırmasına ve insan sağlığını iyileştirmesine yardımcı olacaktır. Etik olmayan yapay zekâ uygulamaları ise toplum için ciddi zararlı etkilere neden olabilecektir. Bu olumsuz etkileri sorumlu bir şekilde yönetmek ve yapay zekâ sistemlerini toplum yararına yönlendirmek için en önemli çözüm, etik yapay zekâ sistemlerinin geliştirilmesidir. Son yıllarda akademi, endüstri, hükümet ve sivil toplum tarafından yapay zekâ etiği ile ilgili yapılan çalışmalar bir temel sağlamaya başlamıştır. Bu çalışmada, yapay zekâ etiği ve toplum üzerine etkisi, iş gücü piyasası, eşitsizlik, gizlilik ve ön yargı konu başlıkları üzerinde tartışılıp, olası risklere ve tehditlere dikkat çekilmekte ve çözümü için önerilerde bulunulmaktadır.
- 30 April 2022
- Published by International Journal of Informatics Technologies in Bilişim Teknolojileri Dergisi
- Vol. 15 (2) , 97-105
Uyarlamalı Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi ve Yapay Sinir Ağları ile Türkiye’deki COVID-19 Vefat Sayısının Tahmin Edilmesi
COVID-19, küresel pandemi olarak ilan edilmiş, kritik ve ölümcül bir hastalıktır. Küresel salgın tehlikesinin sürmekte olduğu bu süreçte, pandemi ile yüzleşmek için özel politikalar ve planlar yapmak oldukça önemlidir. COVID-19 doğrulanmış verilerini kullanarak, yapay zeka teknikleri ile tahminlerde bulunmak ise gelecek planlarının geliştirilmesine yardımcı olduğu için önemli bir konudur. Bu çalışmada, Türkiye Sağlık Bakanlığı COVID-19 bilgilendirme sayfasında yayınlanan veriler kullanılarak, uyarlamalı ağ tabanlı bulanık mantık çıkarım sistemi (ANFIS) ve yapay sinir ağları (YSA) ile tahmin modelleri geliştirilmiştir. Bu modeller farklı istatistiksel değerlendirme kriterleri kullanılarak karşılaştırılmıştır. Değerlendirme sonucunda ANFIS modeli 0.0247 ortalama mutlak hata (MAE) değeri, 0.0012 ortalama kare hata (MSE) değeri, 0.0351 kök ortalama kare hata (RMSE) değeri ve 0.9847 regresyon katsayısı R2 sonucu ile en iyi model sonucunu elde etmiştir. Ayrıca ANFIS ile oluşturulan modelin gelecek beş günlük vefat sayılarını %96 doğruluk oranı ile tahmin ettiği görülmüştür.
- 30 April 2022
- Published by International Journal of Informatics Technologies in Bilişim Teknolojileri Dergisi
- Vol. 15 (2) , 97-105
Uyarlamalı Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi ve Yapay Sinir Ağları ile Türkiye’deki COVID-19 Vefat Sayısının Tahmin Edilmesi
COVID-19, küresel pandemi olarak ilan edilmiş, kritik ve ölümcül bir hastalıktır. Küresel salgın tehlikesinin sürmekte olduğu bu süreçte, pandemi ile yüzleşmek için özel politikalar ve planlar yapmak oldukça önemlidir. COVID-19 doğrulanmış verilerini kullanarak, yapay zeka teknikleri ile tahminlerde bulunmak ise gelecek planlarının geliştirilmesine yardımcı olduğu için önemli bir konudur. Bu çalışmada, Türkiye Sağlık Bakanlığı COVID-19 bilgilendirme sayfasında yayınlanan veriler kullanılarak, uyarlamalı ağ tabanlı bulanık mantık çıkarım sistemi (ANFIS) ve yapay sinir ağları (YSA) ile tahmin modelleri geliştirilmiştir. Bu modeller farklı istatistiksel değerlendirme kriterleri kullanılarak karşılaştırılmıştır. Değerlendirme sonucunda ANFIS modeli 0.0247 ortalama mutlak hata (MAE) değeri, 0.0012 ortalama kare hata (MSE) değeri, 0.0351 kök ortalama kare hata (RMSE) değeri ve 0.9847 regresyon katsayısı R2 sonucu ile en iyi model sonucunu elde etmiştir. Ayrıca ANFIS ile oluşturulan modelin gelecek beş günlük vefat sayılarını %96 doğruluk oranı ile tahmin ettiği görülmüştür.