Cole-Cole Parametreleri Hesaplanırken Kullanılan iki
Oturtma Algoritmasının Karşılaştırılması
Comparing Two Fitting Algorithms to Determine
Cole-Cole Parameters
Uğur Berkay Çalışkan, Cemanur Aydınalp, Tuba Yılmaz Abdolsaheb
Elektrik ve Elektronik Fakültesi,
İstanbul Teknik Üniversitesi, Maslak, Türkiye, 34469
caliskanu20@itu.edu.tr, aydinalp16@itu.edu.tr, tuba.yilmaz@itu.edu.tr
Özetçe —Biyolojik dokularının dielektrik özelliklerinin ka-
rakterizasyonu mikrodalga görünteleme ve teşhisinde önemli
bir rol oynamaktadır. Bu özelliklerin frekansa bağlı değişimini
ifade etmek için Cole-Cole modeli literatürde yaygın olarak
kullanılmaktadır. Bu modelleme biyolojik dokuların kompleks
bağıl geçirgenliğini geniş bir frekans bandında verimli ve yüksek
doğruluk oranıyla tanımlamamızı sağlar. Cole-Cole modelindeki
parametrelerinin hesaplanabilmesi için birçok optimizasyon yön-
temi kullanılmaktadır. Bu çalışmada Parçacık Sürü Optimizas-
yonun ve Genelleştirilmiş Newton-Raphson yönteminin Cole-Cole
parametrelerini hesaplama süreleri ve kaç iterasyonda hesapla-
dığı karşılaştırılmıştır. Bu çalışma sırasında frekans aralığı 0.5 - 6
GHz olup, bu frekans aralığında 271 eş uzaklıktaki frekans nok-
tası kullanılmıştır. Araştırma sırasında Genelleştirilmiş Newton-
Raphson yönteminin, Cole-Cole parametrelerini hesaplarken çok
daha kısa sürdüğü gözlemlenmiştir. Aynı zamanda, Parçacık Sürü
Optimizasyonu daha az iterasyon sayısıyla Cole-Cole parametre-
lerini hesaplamıştır.
Anahtar Kelimeler—Parçacık Sürü Optimizasyonu, Genelleş-
tirilmiş Newton-Raphson algoritması, Cole-Cole model, dielektrik
özellikler.
Abstract—Dielectric property characterization of biological
tissues plays a vital role during microwave diagnosis and treat-
ment. Cole-Cole model is used commonly in the literature to exp-
ress this frequency dependent properties. This modelling provides
an effective and accurate representation of complex permittivity
in a large frequency spectrum for the biological tissues. Many
optimization techniques are used to calculate the Cole-Cole para-
meters. In this research, execution time and number of iteration
of Particle Swarm Algorithm and Generalized Newton-Raphson
method to calculate Cole-Cole parameters are listed. During this
research, the frequency band is 0.5 - 6 GHz and between this
frequency interval 271 equidistant points are selected. During the
analysis, it is observed that Generalized Gauss Newton method
took much less time to calculate the Cole-Cole parameters. At the
same time, Particle Swarm Optimization calculated the Cole-Cole
parameters with less number of iteration.
Keywords—Particle Swarm Algorithm, Generalized Newton-
Raphson Algorithm, Cole-Cole model, dielectric properties.
979-8-3503-4355-7/23/$31.00 ©2023 IEEE
I. G İR İ Ş
Materyallerin dielektrik özelliklerinin karakterizasyonu 20.
yüzyıldan itibaren araştırmacıların yoğun bir çalışma konusu
olmuştur. Bu elektromanyetik nitelikler, biyolojik dokular için
mikrodalga teşhisinde ve görüntülenmesinde önemli bir rol
oynamaktadır [1] ve frekansa bağımlı olmasından ötürü, bu
özelliklerin tanımlanması aşamasında matematiksel modelle-
melere ihtiyaç duyulmuştur. Materyallerin dielektrik özellik-
lerinin frekansa göre değişimi için literatürde birden fazla
modelleme bulunmaktadır [2]. Bu modellemeler literatürde ilk
olarak Debye tarafından ortaya çıkmış ve sonrasında biyo-
lojik dokular için Cole-Cole ifadesi yer almıştır. Cole-Cole
denklemi, vücut dokularının deneysel verilerini, frekansa bağlı
değişimini başarılı bir şekilde ifade etmektedir [3]. Örneğin,
böbrek taşlarının Cole-Cole parametreleri 0.5 - 6 GHz frekans
bandında hesaplanmıştır [4]. Bu modelleme sırasında komp-
leks bağıl geçirgenliği, frekansa ek olarak genellikle beş tane
parametreye bağımlıdır. Bu parametrelerin hesaplanma aşama-
sında birçok oturtma algoritmaları [5], [6] kullanılmaktadır.
Bu çalışma, literatürde yaygın bir şekilde kullanılan Parça-
cık Sürü Optimizasyonu ile Genelleştirilmiş Newton-Raphson
optimizasyon yöntemlerinin, Cole-Cole parametrelerini ne ka-
dar sürede hesaplayacağını karşılaştıracaktır. Parçacık Sürü
Optimizasyonu, verilen bir problemin çözümünü tanımlanan
bir arama kümesinde iyileştirmeye dayalı bir optimizasyon
yöntemidir. Genelleştirilmiş Newton-Raphson yöntemi ise en
küçük kareler farkı prosedürünü kullanarak lineer olmayan
kareler farkı problemlerini çözen bir optimizasyon yöntemidir.
Cole-Cole parametreleri, Gabriel et. al [7] tarafından birden
çok biyolojik dokunun 10 Hz - 20 GHz frekans aralığında
dielektrik özelliklerini paylaştığı veritabanına göre hesaplan-
mıştır. Bu araştırma için kan ve yağ dokularının 0.5 - 6 GHz
frekansı aralığında 271 eş uzaklıktaki frekans noktaları için
araştırma yapılmıştır. Yukarıda bahsedilen algoritmalarda ata-
nan başlangıç değerleri, sonuçları hesaplama süresinde önemli
bir rol oynamaktadır. Bundan dolayı, kan ve yağ dokuları
için başlangıç değerleri literatürdeki verilen çözüm kümesine
yakın, orta ve uzak olarak tanımlanmıştır. Tanımlamalar yapı-
lırken biyolojik dokuların parametrelerindeki değişimler farklı
çalışmalaradan bakılarak yaklaşık değerler seçilmiştir [8]. Son-
 C. Genelleştirilmiş Newton-Raphson
Genelleştirilmiş Newton-Raphson yöntemi, lineer olmayan
en küçük kareler problemlerini çözebilmek için kullanılan
iteratif bazlı bir yöntemdir [14]. Bu sebepten ötürü ilk adımda
parametrelere başlangıç değerleri atanır ve sonraki adımda,
normalizasyon katsayıları aşağıdaki gibi hesaplanır:
 1 
∂ εc (ω)
max( ∂ ε )
∞
1
   
cε ∞ 
 max( c ) 
∂ ε (ω)

 cεs   ∂ εs 
Şekil 1: C OLE -C OLE VE D EBYE D IAGRAMLARI 1
c =  cτ  =  max( ∂ εc (ω) )  (2)
   
c   ∂τ 
α  1 
raki aşamada, her bir başlangıç değerine göre algoritma istenen cσ  max( ∂ εc (ω) ) 
 ∂α 
hata oranının altına düştüğünde matematiksel hesaplamaları ne 1
∂ ε (ω)
max( ∂cσ )
kadar sürede hesapladığı kaydedilmiştir. Oturtulan ve deneysel
veriler arasındaki hata oranını hesaplayabilmek için Euclidean
Uzaklık yöntemi kullanılmıştır. Sonrasında, ölçeklenmiş kısmı türev J matrisi yazılır. Bu J
matrisi bulunan normalizasyon katsayılarının, kompleks bağıl
geçirgenliği ile çarpılmasından elde edilmektedir. Sıradaki
II. M ETODOLOJI İ aşamada, ölçülen verilerin, oturtulan verilerden çıkartılarak re-
zidüel matris hesaplanır. Bu hesaplanan matrisler kullanılarak
A. Biyolojik Dokularının Dielektrik Özellikleri
hata gradyan vektör bulunur:
Materyallerin dielektrik özellikleri, elektromanyetik alanlar
ile nasıl etkileşime girdiğini ve materyallerin içerisinde nasıl
yayıldığını belirlemektedir. Biyolojik dokularda su gibi polar δε = [δε∞ δεs δτ δα δσ ] = [β I + J ∗ J]−1 J ∗ R (3)
moleküllerin bulunmasından dolayı dielektrik özellikleri fre-
1
kansa göre değişiklik göstermektedir. Bu davranışı 20. yüzyı- β= (max|eig(J ′ J)|) (4)
lının başlarından itibaren açıklamak için bir çok modellemeler 100
geliştirilmiştir. Debye [9], Cole-Cole [10], Cole-Davidson [11]
Burada I matrisi 5x5 birim vektörüdür ve β katsayısının
gibi modellemeler, materyallerin dielektrik gevşemesini açık-
hesaplanması sırasında 0.01 değerinin deneme yanılma yolu ile
lamak için yaygınca kullanılmaktadır. Biyolojik dokularının
her bir başlangıç durumuna göre en kolay yakınsama sağlan-
dielektrik davranışlarını açıklamak için literatürde yaygın bir
dığı gözlemlenmiştir. Son olarak yeni Cole-Cole parametreleri
şekilde Cole-Cole denklemi kullanılmaktadır. Bunun sebebi
hata gradyan vektörlerinden faydalanılarak hesaplanılır:
ise diğer yöntemlerden farklı olarak bu denklemde gevşeme
zamanının katsayı parametresinin hesaba katılması, gevşeme
zamanının dağılımının daraltılmasında veya genişletilmesinde ε∞n+1 = cε∞ δε (1) + ε∞n (5)
önemli bir rol oynamaktadır. Bu da biyolojik dokularda daha
yüksek bir doğruluk oranı ile hesaplama yapabilmemize yar- εsn+1 = cεs δε (2) + εsn (6)
dımcı olmuştur. Bu parametrenin hesaba katılmasının dielekt- τ n+1
= cτ δε (3) + τ n
(7)
rik gevşeme üzerindeki etkisi ile Cole-Cole ve Debye model-
lerinin farkı Şekil 1 ile gösterilmiştir. α n+1 = cα δε (4) + α n (8)
n+1 n
σ = cσ δε (5) + σ (9)
B. Cole-Cole Model
Literatürde Cole-Cole denklemi, biyolojik dokularının Bu algoritma istenilen hata oranı elde edilene kadar devam
kompleks bağıl geçirgenliğinin ifade edilmesinde yaygın bir ettirilir.
′ ′′
şekilde kullanılmaktadır. [12], [13]. εc (ω) = ε + jε olmak
üzere, Cole-Cole modelinin denklemi ise: D. Parçacık Sürüsü Optimizasyonu
N Parçacık Sürü Optimizasyonu (PSO) [15], bir sorunu çözer-
εsn − ε∞ σ ken iteratif şekilde iyileştirmeye dayalı hesaplama yöntemidir
εc (w) = ε∞ + ∑ + (1)
n=1 1 + ( jwτn )1−αn jwε0 ve sürü anlayışına dayanan bir algoritmadır. Bu yöntemde
parçacık olarak adlandırılmış aday çözüm kümeleri, parça-
şeklinde tanımlanmaktadır. Denklemdeki kutup sayısını N ifa- cıkların konumu ve hızı her bir iterasyonda matematiksel bir
desi belirtmektedir, böylelikle denklemin kaçıncı dereceden formülizasyon ile güncellenir. Böylece, arama kümesinde bir
de olduğunu betimlemektedir. Kompleks bağıl geçirgenliğinin çözüm aranmaktadır. İlk olarak parçacıklara tanımlanan arama
yüksek frekanslardaki değerini ε∞ = limω→∞ εc (ω), düşük fre- kümesinde başlangıç hız ve konum değerleri tanımlanır ve
kanslardaki değerini ise εs = limω→0 εc (ω) temsil etmektedir. sonrasında parçacıkların hızları ve pozisyonları aşağıda verilen
Denklemdeki diğer parametreler ise, ω(2 × π × f ) açısal fre- formüllerle (10 ve 11) güncellenmektedir.
kansı, ε0 boşluğun bağıl dielektrik katsayısını, τ gevşeme za-
manını, α(0 ≤ α ≤ 1) gevşeme zamanını genişleten katsayıyı, Vik = w ×Vik + c1 × rand1 × (pbestik − Xik )+
(10)
σ iyonik iletkenliği bildirmektedir. c2 × rand2 × (gbestik − Xik )

Xik = Xik +Vik (11)
Verilen formüllerde (10 ve 11) i parçacık sayısını, k pa-
rametre sayısını, w atalet ağırlık değerini, rand1 ile rand2
değerleri 0 ve 1 arasında üretilen rastgele değerleri, c1 ve
c2 ölçeklenmiş faktörler değerlerini belirtmektedir. Bu çalışma
sırasında parçacık sayısı 200, parametre sayısı 5, c1 ve c2
değerleri 2 ve atalet değeri 0.9 ile 0.4 aralığında maksimum
iterasyon sayısına eşit şekilde nokta olarak tanımlanmıştır.
pbestiN (personal best) değeri kişisel en iyi anlamına gelir ve
sürü içerisindeki bir parçacığın çözümü aradığı süre boyunca
çözüme en yakın konumu ifade etmektedir. Ayrıca, gbestiN
(global best) değişkeni küresel en iyiyi tanımlar ve bütün sü-
rüde tüm iterasyonlar sırasında çözüme en yakın değere ulaşan
parçacığın konumunu belirtmektedir. Bu algoritma beklenen
hata oranının altına ulaşana kadar çalışmaktadır.
III. B ULGULAR
Bu çalışma sırasında, Cole-Cole modelinin parameterlerini
bulmak için İtalya Uygulamalı Fizik Enstitüsü (’Nello Car-
rara’, IFAC-CNR)’nün açık kaynak olarak sunduğu farklı do-
kuların dielektrik ölçüm verileri kullanılmıştır [16] . Kullanılan
dokulara ait veriler buradan alınmıştır ve frekans aralığımız
0.5 - 6 GHz olarak seçilmiştir. Bu frekans aralığında 271 eş
uzaklıktaki frekans noktaları seçilip, tek kutuplu Cole-Cole
modeline uygulanmıştır. Optimizasyon metotlarında kullanılan
veriler kan ve yağ dokularına aittir. Hesaplanmış ve ölçülmüş
dielektrik özellikleri arasındaki hata oranını hesaplayabilmek
için Euclidean Uzaklık yöntemi kullanılmıştır ve bu yöntemin
formülü aşağıda (10) verilmiştir:
2
1 N εω′ i − ε̂ω′ i εω′′i − ε̂ω′′i

e= ∑ ( )+( ) (12)
N i=1 median[εω′ i ] median[εω′′i ]
Bu formülde εω′ i ve εω′′i ölçülen dataların reel ve imajiner
kısımları, ε̂ω′ i ve ε̂ω′′i ise Cole-Cole modeline oturtulmuş datala-
rın reel ve imajiner kısımlarıdır, ayrıca N sayısı eş uzaklıktaki
frekans noktalarının sayısını ifade etmektedir. Kullanılan al-
goritmalar hata oranı 0.001’in altına düşene kadar çalışmaya
devam etmişlerdir. PSO ve GNR yöntemleri karşılaştırabilmek
adına, PSO algoritmasındaki parçacıkların konumları ve GNR
yöntemindeki başlangıç değerleri aynı şekilde verilmiştir. GNR
ve PSO algoritmaları başlangıç değerlerinden etkilenen yön-
temler olduğundan dolayı, her bir doku için üç farklı başlangıç
değeri seçilmiştir ve bu değerler literatürdeki çözüm kümesine
uzaklığı yakın,orta ve uzak olarak seçilmiştir. Sonrasında,
seçilen her başlangıç değeri için istenilen hata oranını göre
ne kadar sürede Cole-Cole parametrelerini hesapladığını Tablo
I’de listelenmiştir. Ek olarak, 0.5 - 6 GHz frekans aralığında
kan dokusu için PSO ve GNR algoritmalarının başlangıç de-
ğerlerinin uzak verilmesi durumunda oturtulan sonuçlar, IFAC
ile karşılaştırılarak frekansa bağıl dielektrik özelliklerinin deği-
şimleri Şekil 2 ile verilmiştir. Ayrıca, verilen frekans aralığında
PSO ve GNR algoritmalarının referans olarak kullanılan IFAC
verilerinin yağ dokusu için, bağıl dielektrik özelliklerinin kar-
şılaştırılması Şekil 3 ile verilmiştir.
Kan
65
GNR
PSO
Referans [16]
60
55
50
0 2 4 6
Frekans (GHz)
(a)
Kan
50
GNR
PSO
Referans [16]
40
30
20
0 2 4 6
Frekans (GHz)
(b)
Şekil 2: K AN DOKUSUNUN GEÇIRGENLI ĞININ ( A ) REEL VE
( B ) SANAL KISIMLARININ IFAC [14] VERILERI ILE PSO
VE GNR ALGORTIMALARI KULLANILARAK OTURTULAN SO -
NUÇLARIN KAR ŞILA ŞTIRILMASI
IV. TARTI ŞMA VE S ONUÇLAR
Bu çalışma sırasında, PSO ve GNR algoritmalarının, kan
ve yağ dokularının farklı başlangıç değerleri için Cole-Cole
parametrelerini 0.5 - 6 GHz frekans aralığında ne kadar sürede
ve kaçıncı iterasyonda hesaplayacağı karşılaştırılmıştır. İki
optimizasyon yöntemininde de Cole-Cole parametreleri hesap-
larken verimli ve yüksek doğruluk oranlarıyla hesap yapabilen
teknikler olduğu gözlemlenleşmiştir. GNR algoritmanın Cole-
Cole denkleminde tanımlı değişkeni hesaplarken çok daha kısa
sürdüğü gözlemlenmiştir.Bunun sebebini GNR algoritmasının
PSO yöntemine göre rastgele değerler yerine daha çok ma-
tematiksel bir formülüzasyona bağlı yaklaşım ile hesaplama
yapmaya çalışması ile açıklanabilir. Ayrıca atanan başlangıç
değerlerinin hesaplama süresine etkisi kayda değer olduğu
görülmüştür. PSO algoritmasında verilen başlangıc değerlerine
göre, yağ dokusu için hesaplama süresini yaklaşık 5 kat, ayrıca
kan dokusu içinse 4 kat azaltıp veya artırabileceği görülmüştür.
Aynı zamanda GNR algoritmasında hesaplama süreleri verilen
başlangıç değerlirine göre, kan dokusunda yaklaşık olarak 2
kat, yağ dokusu içinse 58 kat azalıp artabilmektedir. Bu durum
belirlenen başlangıç değerlerinin bu algoritmaların hesaplama
süresindeki etkisini ortaya çıkarmaktadır. Ek olarak GNR tek-
niğinin Cole-Cole parametrelerini hesaplarken ortalama 2700
(∓100) MB (megabayt) PSO tekniğinin ise ortalama 2300
(∓150) MB fiziksel hafıza (RAM) kullandığı gözlemlenmiştir.
Bu araştırma süresi boyunca, çalışmalar Lenova markasının
Legion Y-540 bilgisiyar modelinde sürdürülmüştür.
GNR tekniğinin PSO tekniğine göre Cole-Cole paramet-
releri hesaplarken daha çok iterasyon yaptığı gözlemlenmiştir.
TABLO I: İ KI FARKLI DOKU ( YAĞ VE KAN ) VE ALGORITMA (GNR VE PSO) IÇIN ÜÇ FARKLI BA ŞLANGIÇ DE ĞERI SEÇILEREK
C OLE -C OLE PARAMETRELERI BULUNMU ŞTUR VE ITERASYON SAYISI , HESAPLAMA SÜRESI VE HATASI KIYASLANMI ŞTIR .
Doku Başlangıç değerleri Hesaplama Hesaplama Cole-Cole parametreleri
Algoritma İterasyon
türü ε∞ εs τ (ps) α σ (S/m) süresi (sn) hatası (×10−4 ) ε∞ εs τ (ps) α σ (S/m)
GNR 2.90 7.63 2914 1.66 5.70 4.60 0.37 0.036
7 20 50 0.70 0.10
PSO 44228.36 4.83 117 2.83 5.44 9.88 0.12 0.042
GNR 2.76 7.09 2977 1.65 5.70 4.61 0.36 0.036
YAĞ 5 15 25 0.50 0.01
PSO 16832.26 8.97 44 2.20 5.66 6.01 0.27 0.040
GNR 0.05 6.65 6 1.72 5.62 4.92 0.31 0.037
2 5 5 0.40 0.02
PSO 829.97 7.78 11 2.84 5.54 9.86 0.23 0.040
GNR 0.09 8.15 28 14.70 62.56 11.50 0.17 1.300
3 20 40 0.10 0.10
PSO 5327.53 7.00 18 12.63 64.33 10.73 0.21 1.280
GNR 0.07 7.50 10 0.92 62.64 7.22 0.20 1.300
KAN 7 35 20 0.20 0.80
PSO 3968.04 6.00 13 9.62 61.68 10.43 0.13 1.340
GNR 0.04 9.82 4 9.10 61.54 9.25 1.39 1.320
10 50 10 0.25 1.30
PSO 1323.98 9.80 5 12.44 64.80 10.13 0.22 1.290

5.6 [2] Nelson and A. Kraszewski, ‘Dielectric properties of materials and

GNR measurement techniques’, Drying Technology - DRY TECHNOL, vol.
PSO 8, pp. 1123–1142, 01 1990.
5.4 Referans [16] [3] “Numerical Methods for the Calculation of the Cole-Cole Parameters,”
Egyptian Journal of Solids, vol. 23, no. 2, pp. 179–188, Dec. 2000, doi:
5.2 https://doi.org/10.21608/ejs.2000.151486.
[4] B. Saçlı et al., “Microwave dielectric property based classifica-
5 tion of renal calculi: Application of a kNN algorithm,” Computers
in Biology and Medicine, vol. 112, p. 103366, Sep. 2019, doi:
https://doi.org/10.1016/j.compbiomed.2019.103366.
4.8 [5] R. Dima, G. Buonanno, and R. Solimene, “Comparing two fit-
0 2 4 6
ting algorithms for determining the Cole-Cole parameters in blood
Frekans (GHz) glucose problems.” Accessed: Apr. 28, 2023. [Online]. Available:
(a) https://sciforum.net/manuscripts/11188/manuscript.pdf
[6] K. Sasaki, K. Wake, and S. Watanabe, “Development of best fit Cole-
1.6 Cole parameters for measurement data from biological tissues and organs
GNR
between 1 MHz and 20 GHz,” Radio Science, vol. 49, no. 7, pp. 459–472,
PSO Jul. 2014, doi: https://doi.org/10.1002/2013rs005345.
1.4 Referans [16]
[7] S. Gabriel, R. W. Lau, and C. Gabriel, “The dielectric properties of
1.2 biological tissues: II. Measurements in the frequency range 10 Hz to 20
GHz,” Physics in Medicine and Biology, vol. 41, no. 11, pp. 2251–2269,
Nov. 1996, doi: https://doi.org/10.1088/0031-9155/41/11/002.
1
[8] R. Scapaticci, L. Di Donato, I. Catapano, and L. Crocco, “A FEASI-
BILITY STUDY ON MICROWAVE IMAGING FOR BRAIN STROKE
0.8 MONITORING,” Progress In Electromagnetics Research B, vol. 40, pp.
0 2 4 6 305–324, 2012, doi: https://doi.org/10.2528/pierb12022006.
Frekans (GHz) [9] P. J. W. (Peter J. W. Debye and Internet Archive, Polar mo-
lecules. [New York] Dover Publications [c1929], 1929. Available:
(b)
https://archive.org/details/polarmolecules0000deby/page/n7/mode/2up
Şekil 3: YAĞ DOKUSUNUN GEÇIRGENLI ĞININ ( A ) REEL VE [10] K. S. Cole and R. H. Cole, “Dispersion and Absorption in
( B ) SANAL KISIMLARININ IFAC [14] VERILERI ILE PSO Dielectrics I. Alternating Current Characteristics,” The Journal of
Chemical Physics, vol. 9, no. 4, pp. 341–351, Apr. 1941, doi:
VE GNR ALGORTIMALARI KULLANILARAK OTURTULAN SO - https://doi.org/10.1063/1.1750906.
NUÇLARIN KAR ŞILA ŞTIRILMASI [11] D. W. Davidson and R. H. Cole, “Dielectric Relaxation in Glycerine,”
The Journal of Chemical Physics, vol. 18, no. 10, pp. 1417–1417, Oct.
1950, doi: https://doi.org/10.1063/1.1747496.
Bunun arkasında yatan sebep, GNR algoritması her iterasyon
[12] S. Gabriel, R. W. Lau, and C. Gabriel, “The dielectric properties of bi-
(örneğin yağ dokusu için minimum 44 iterasyon mevcut) ological tissues: III. Parametric models for the dielectric spectrum of tis-
için bir kere çözümünü güncellerken, PSO algoritması her sues,” Physics in Medicine and Biology, vol. 41, no. 11, pp. 2271–2293,
bir iterasyonda algoritma sırasında tanımlanan parçacık sayısı Nov. 1996, doi: https://doi.org/10.1088/0031-9155/41/11/003.
(örneğin yağ dokusu için minimum 44 × 200 parçacık sayısı [13] S. Ley, S. Schilling, O. Fiser, J. Vrba, J. Sachs, and M. Helbig, “Ultra-
mevcut) kadar güncelleme yapmaktadır. Sonuç olarak, PSO Wideband Temperature Dependent Dielectric Spectroscopy of Porcine
için daha fazla hesaplama yükü bulunmaktadır. Bu çalışma Tissue and Blood in the Microwave Frequency Range,” Sensors, vol. 19,
no. 7, p. 1707, Jan. 2019, doi: https://doi.org/10.3390/s19071707.
kapsamında, biyolojik dokularının dielektrik özelliklerini he-
[14] E. G. Onal Et Al., "Kidney Stone Classification with Electromagnetic
saplanması sırasında GNR oturtma algoritmasının daha hızlı Properties: Preliminary Results," 25th Telecommunication Forum (TEL-
bir sonuç vereceği gösterilmiştir. FOR), Belgrade, Serbia And Montenegro, pp.403-406, 2017
[15] J. Kennedy and R. Eberhart, "Particle swarm optimization," Proceedings
K AYNAKLAR of ICNN’95 - International Conference on Neural Networks, Perth, WA,
Australia, 1995, pp. 1942-1948 vol.4, doi: 10.1109/ICNN.1995.488968.
[1] E. Onemli et al., “Classification of rat mammary carcinoma with large [16] “Dielectric Properties of Body Tissues: Home page,” Ifac.cnr.it, 2018.
scale in vivo microwave measurements,” Scientific Reports, vol. 12, no. http://niremf.ifac.cnr.it/tissprop/
1, p. 349, Jan. 2022, doi: https://doi.org/10.1038/s41598-021-03884-7.