Theses supervised by Doç. Dr. Ahmet Aydın
10 theses · Çukurova University, Bilecik Şeyh Edebali Üniversity, Bandırma Onyedi Eylül University
Taşınabilir potansiyostat tasarımı ve gerçekleştirilmesi
Bir biyolojik veya kimyasal madde veya olayın incelenmesinde ve onun üzerindeki değişimlerin algılanmasında sensörler kullanılmaktadır. Bir biyosensör, içerisinde bulunduğu ortamdaki analitin miktarını veya çeşidini bir elektrik sinyaline dönüştürür. Bunun sayesinde ortamdaki biyolojik malzeme kantitatif ve kalitatif olarak incelenebilir. Biyosensörler dönüştürücü yapısına göre, optik, ağırlık tabanlı ve elektrokimyasal olmak üzere 3 farklı sınıfa ayrılmaktadır. Bir elektrokimyasal biyosensör yapısı ise, elektrokimyasal hücre ve potansiyostattan oluşmaktadır. Bu tezde, elektrokimyasal ölçümlerde kullanılmak üzere, taşınabilir, kablosuz ve düşük maliyetli, voltametrik ve amperometrik ölçümler yapabilen bir potansiyostat tasarımı yapılmış ve bu tasarım gerçekleştirilmiştir. Bu potansiyostatta mikrodenetleyici olarak ESP32 kullanılmıştır. Diğer donanım elemanları ise mikrodenetleyici üzerinden beslenebilmesi sayesinde taşınabilirlik sağlanmıştır. Ayrıca kullanılan mikrodenetleyicide bulunan Bluetooth protokolüyle kablosuz haberleşme sağlanmıştır. Kullanıcı arayüzü ise Microsoft Visual Studio ile tasarlanmıştır. Daha sonra gerçekleştirilen bu potansiyostat bir dummy-cell devresiyle kalibre edilmiştir. Kalibre edilen potansiyostat kullanılarak, amperometrik ölçüm testi için glikoz ve voltametrik ölçüm testi için askorbik asit ölçüm deneyleri yapılmıştır. Yapılan bu deneyler sonucunda, glikoz ve askorbik asit kantitatif deneylerindeki regresyon oranı sırasıyla %88 ve %89 olarak bulunmuştur. Anahtar Kelimeler: Potansiyostat, ESP32, elektrokimyasal sensör, taşınabilir
Analysis of the brain's network based on electroencephalograms and classification of movement events using connectivity maps and features
The brain-computer interface (BCI) is a technology that allows individuals with physical disabilities to communicate and interact with the external environment using brain signals. One of the key applications of BCI is motor imagery (MI), where an individual imagines performing a movement, and the corresponding brain activity is captured through electroencephalogram (EEG) signals. MI based BCI systems have attracted considerable attention due to their potential to facilitate movement recovery and control of external devices solely through brain activity. In this study, a novel approach is presented for feature extraction and classification of EEG signals recorded during motor imagery tasks. Features were extracted using the correlation coefficient and covariance matrices. These features were subsequently classified using three different machine learning models, which are Feed Forward Neural Network (FFNN), Naive Bayes Classifier (NBC), and Linear Discriminant Analysis (LDA) Classifier. The proposed method was validated on Dataset 2a of BCI Competition IV, which includes EEG data from four distinct motor imagery categories: left hand, right hand, both feet, and tongue movements. The comparative analysis showed that the features derived from the covariance matrix consistently exceeded those based on the correlation coefficient matrix across all classifiers. In particular, the covariance matrix features achieved the highest classification accuracy. Thus, they demonstrated outstanding performance in terms of robustness and reliability in the classification of different motor imagery tasks. The results of this study highlight the effectiveness of covariance matrix based feature extraction methods for MI based BCI systems, providing a promising way to improve classification accuracy and system performance. This advancement holds significant potential for real world BCI applications, such as restoring motor function to paralyzed individuals, improving the quality of life for people with disabilities, and facilitating seamless human computer interaction in virtual and augmented reality environments. By leveraging the brain's neural activity, this approach can enable paralyzed individuals to regain a degree of autonomy and contribute to the broader development of assistive technologies and immersive interfaces.
Classification of EEG signals in individuals with spinal cord injury
An electroencephalogram (EEG) refers to the electrical activity of the brain, recorded through electrodes strategically placed on the scalp. EEG has diverse applications, including serving as a medium for establishing communication channels between individuals and their environment, aiding in understanding brain functions, and supporting both diagnostic and therapeutic interventions. Among the various EEG components, Movement-Related Cortical Potentials (MRCPs),neural signals associated with the planning and execution of voluntary movements play a pivotal role in advancing these applications.This research investigates the classification of EEG signals using two distinct feature extraction techniques: the Hadamard Basis Method and the Variance-Based MRCP Feature Extraction with Detrending (VB-MFED) approach.The Hadamard basis method utilizes orthogonal transformations to decompose EEG signals into unique basis functions, enabling the extraction of critical neural activity with enhanced precision. In contrast, VB-MFED represents a refined methodology specifically designed to improve the extraction of Movement-Related Cortical Potentials (MRCPs). It incorporates optimized preprocessing steps, such as adaptive filtering, baseline correction, and spatial filtering, to isolate and amplify neural signals relevant to movement-related tasks.This study focuses on classifying MRCPs associated with attempted movements, emphasizing distinct movement types such as hand opening, palmar grasp, lateral grasp, pronation, and supination in individuals with spinal cord injuries (SCI). Experimental results indicate that the VB-MFED approach achieves higher classification accuracy compared to traditional methods, highlighting its potential for real-time applications. The findings underscore the viability of utilizing MRCPs for advanced brain-computer interface (BCI) systems and lay the groundwork for innovative neurorehabilitation solutions tailored to individuals with motor impairments.
Sporcular için invaziv olmayan sürekli kan basıncı tahmini
Bu tezde farklı makine öğrenmesi modelleri kullanarak sporculara yönelik matşetsiz ve invaziv olmayan kan basıncı (KB) tahmini üzerine bir yöntem geliştirilmiştir. Geleneksel KB ölçüm yöntemleri İnvaziv ve invaziv olmayan olmak üzere ikiye ayrılmaktadır. Son yıllarda her iki yöntemin dezavantajlarını gidermek amacıyla vücut üzerinden kolay bir şekilde ölçülebilen elektrokardiyogram(ECG) ve fotoplatismogram(PPG) gibi biyosinyaller kullanarak dolaylı olarak KB ölçümü yapan sistemler büyük bir ilgi görmüştür. Bu çalışmada, ECG sinyalinden kalp atım hızı(HR),P-R süresi, R-R süresi, P genliği, R genliği ve T genliği özellikleri, PPG sinyalinden nabız aralığı(PPI), sistolik pik genliği(SPV), nabız dalga bitişi (PWE) ve Dikrotik çentiğin genliği (b) ile sistolik zirvenin genliği (a) arasındaki orandır. b/a oranı özellikleri ve her iki sinyali kullanarak hesaplanan nabız geçiş zamanı(PTT) özelliği hesaplanmıştır. Makine öğrenmesi modellerinin eğitimi ve test süreci için, hem hazır veri setleri hem de bu çalışma kapsamında geliştirilen özel donanım aracılığıyla toplanan özgün veriler kullanılmıştır. Tasarlanan sistem, gerçek zamanlı sinyal kaydı yapabilmekte olup, ölçümler koşu bandı üzerinde egzersiz yapan deneklerden alınmıştır. Bu yönüyle sistem, sporculara özel olarak değerlendirilmiş ve fiziksel aktivite sırasındaki KB değişimlerini yansıtabilecek nitelikte veri sağlamıştır. Elde edilen özellikler yardımıyla KB tahmini için farklı makine öğrenmesi modelleri denenmiştir. Test edilen makine öğrenmesi modelleri arasında diastolik KB için 2.3+0.7 sistolik KB için 5+1.3 MAE değeriyle en başarılı LASSO regresyon modeli görülmiştir. Çalışmada kullanılan ECG ve PPG sinyalleri, makine öğrenmesi modellerini eğitmek amacıyla belirli ön işleme adımlarına tabi tutulmuştur. Bu adımlar arasında sinyal filtreleme, özellik seçimi ve normalizasyon yer almaktadır. Test edilen makine öğrenmesi modellerinin performanslarını değerlendirmek üzere farklı veri setler kullanılmış ve modellerin doğruluğu değerlendirilmiştir. Bu çalışmada, literatürde dolaylı KB ölçümü için ECG ve PPG sinyallerini kullanan diğer çalışmalara kıyasla, daha az sayıda özellik kullanılarak yüksek doğruluğa sahip bir algoritma geliştirilmiştir. Sonuç olarak, geliştirilen sistem, non-invaziv ve sürekli kan basıncı tahmini için umut vadeden bir yaklaşım sunmaktadır. Anahtar Kelimeler: Kan Basıncı, ECG, PPG, Makine Öğrenmesi
İvme ve ayakkabı içi basınç sensörü kullanılarak sporculara yönelik dış mekân koşu ve performans analizi
Son yıllarda ataletsel ölçüm birim sensörleri ve ayakkabı içi basınç sensörlerinin entegrasyonu, yürüyüş analizinde önemli bir ilerleme kaydetmiştir. IMU sensörleri, vücut segmentlerinin üç boyutlu hareketlerini hassas bir şekilde izlerken, ayakkabı içi basınç sensörleri, ayak tabanındaki basınç dağılımını ve yerle etkileşimi ölçerek, yürüyüş sırasında uygulanan kuvvetleri analiz etmektedir. Bu iki sensör türünün kombinasyonu, yürüyüş kinematiği ve kinetiği hakkında zengin veriler sağlayarak rehabilitasyon süreçlerinde ve spor performansında önemli bilgiler sunmaktadır. IMU ve basınç sensörlerinin birlikte kullanımı, sporcuların yürüyüş performanslarını optimize etmek için kapsamlı veriler sunmaktadır. Bu veriler anormal yürüyüş kalıplarını tespit etme, teknik hataları düzeltme ve bireysel antrenman programlarını kişiselleştirme konusunda önemli bilgiler sağlamaktadır. Ayrıca bu sensörlerin sağladığı gerçek zamanlı geri bildirim, sporcuların antrenman süreçlerini iyileştirmelerine, sakatlanma risklerinin azaltılmasına ve performanslarını artırmalarına olanak tanımaktadır. Bu çalışmada hem IMU sensörlerinin hem de basınç sensörlerinin birlikte kullanılmasıyla sporculara yönelik iç ve dış mekânda kullanılabilen, kablosuz haberleşmeli bir yürüyüş analiz sistem prototipi geliştirilmiştir.
Automated detection of autism based on the electrical signals of the brain (EEG)
Early screening is essential for effective intervention and rehabilitation in children with Autism Spectrum Disorder (ASD). EEG signals, offering real-time and sensitive monitoring, were used in this study to develop two proposed methods for ASD diagnosis. A dataset of 52 samples (22 with ASD and 30 controls) was collected using 19-channel sleep EEG recordings. Method 1: This method utilized energy differences between the left and right brain hemispheres. Preprocessing steps included decimation, involved noise removal FIR-BPF (< 0.5 Hz and > 49 Hz to reject unwanted frequencies) and artifact subspace reconstruction, and amplitude normalization. EEG signals were decomposed into five frequency bands, and peak channel envelopes were calculated for each hemisphere. Features—maximum, mean, and minimum energy values—were extracted using a sliding window approach with varying overlap ratios (12.5%–87.5%). The SVM classifiers with Linear (L), RBF, and Quadratic kernels were used and, the highest performance was achieved in the theta band: accuracy 91.7%, sensitivity 91.4%, and F1 measure 91.6%, with SVM-L using maximum energy features. Method 2:This approach analyzed two EEG dataset from Iraq and Poland. Preprocessing involved noise removal (< 0.5 Hz and > 49 Hz to reject unwanted frequencies) and artifact subspace reconstruction. EEG channel power spectral density features and brain topography maps were processed using deep feature extractors (e.g., AlexNet, GoogLeNet). ANOVA was applied for feature selection, followed by classification using SVM and Linear Discriminant Analysis (LDA). The alpha band demonstrated the best performance. The mean accuracy reached 98% with an standard deviation (SD) of 2.3% (Iraq, GoogLeNet + ANOVA + SVM-L) and 96.5% with an SD of 3.6% (Poland, AlexNet-FC6 + ANOVA + SVM-L). Both methods highlight the potential of EEG based systems as cost-effective and accurate diagnostic tools, providing valuable decision-support for healthcare professionals in ASD diagnosis.
İslam Hukukunda cenine genetik müdahale
İnsanoğlu ilk çağlardan beri varlığını sürdürmek, yaşam alanını genişletmek, daha müreffeh yaşamak gibi sebeplerle araştırmalar yapmış, araçlar üretmiştir. Bu üretim seyri neticesinde sayısız icatlarla günümüzdeki yapay zekâ, biyomühendislik gibi gelişimlere ulaşılmıştır. İnsanlık bu süreçte yalnızca teknoloji açısından gelişimlerle ilerlememiştir.Düşünsel açıdan da muhtelif fikirlere yönelmiş farklı ideolojilerin temelleri atılmıştır. Transhümanizm de bu fikri oluşumlardan biri olarak insanlığı fiziksel ve zihinsel anlamda post-human haline getirmeyi amaçlamaktadır. Bu amaç doğrultusunda da günümüzdeki teknolojik yöntemleri araç edinmektedir.Transhümanizm, evrim teorisinin devamı niteliğinde insanı kendi sınırları üstüne çıkartarak adeta insanüstü bir varlığa ulaştırmak amacı ile genetik mühendisliğini de araçsallaştırmıştır. Kök hücre, klonlama, CRIS-PR gibi genetik ve tıbbî yöntemler bu araçlardan bazılarıdır. İslâm hukȗku ise insan hayatının her alanında kişinin dünyevi ve uhrevî açıdan lehinde ve aleyhinde olan durumları konu edinir ve buna yönelik kanunları içerir.Transhümanizm gibi materyalist ve hedonist bir ideoloji çerçevesinde insana etki edecek bir durum da İslâm hukȗku yönüyle incelenmesi önemli bir ihtiyaçtır. Bu öneme binâaen tezimizin ana amacı da Transhümanizm bağlamında cenin üzerinde gerçekleştirilecek genetik müdahalelerin incelenmesidir. Çalışmanın birinci bölümünde cenin kavramı âyetler ve hadisler üzerinden tanıtılarak İslâm'da cenin hukȗku ele alınacaktır. Çalışmanın ikinci bölümünde ise Transh manizm mefhumu da tanıtılarak bu fikriyatın genetik modifikasyon amacı sırasında kullandığı yardımcı yöntemler ve etik boyutları incelenecektir. Çalışmanın son bölümünde ise genetik müdahale yöntemlerinin Transhümanizm amacı ile uygulamasının İslam hukȗku açısından muhtemel karşılıkları sorgulanacaktır. Böylelikle insanlığın fıtratını değiştirmek üzere çalışan bir genetik modifikasyon sistemi fıkhî açıdan ele alınarak bu konuda ilgili literatüre katkı sağlaması planlanmaktadır.
Türkiye'de doğrudan yabancı yatırımların ekonomik büyüme ve istihdama etkisi
Küreselleşmeyle birlikte güç kazanan doğrudan yabancı yatırımlar, ev sahibi ülkelere pek çok açıdan katkı sağlamaktadır. Doğrudan yabancı yatırımların, özellikle tasarruf-yatırım açığı sorunu yaşayan gelişmekte olan ülkelere etkisi oldukça büyüktür. Bu yatırımlar, ülkelere sermaye kaynağı olmalarının yanında makroekonomik değişkenleri uzun vadede etkilemektedir. Bu çalışmada, Türkiye'de doğrudan yabancı yatırımların ekonomik büyüme ve istihdama etkisi incelenmiştir. Bu amaçla 2006: Q1-2018: Q4 dönemi verileri kullanılarak, ARDL analizi ve Toda-Yamamoto nedensellik testi uygulanmıştır. Doğrudan yabancı yatırımlar ve ekonomik büyüme için yapılan ampirik analizler sonucunda, doğrudan yabancı yatırımların ekonomik büyümeyi uzun dönemde pozitif etkilediği, nedensellik ilişkisinin ise çift yönlü olduğu sonucuna ulaşılmıştır. Doğrudan yabancı yatırımlar ve istihdam için yapılan analizlerde ise, doğrudan yabancı yatırımların istihdamı uzun dönemde pozitif etkilediği ve değişkenler arasında nedensellik ilişkisi olmadığı tespit edilmiştir. Ekonometrik analiz bulguları genel olarak değerlendirildiğinde, Türkiye ekonomisinde doğrudan yabancı yatırımların, ekonomik büyüme ve istihdamı artırdığı fakat yetersiz kaldığı söylenebilmektedir. Bu katkının sürdürülebilmesi için, doğrudan yabancı yatırımların, üretim yaratılabilen imalat sektörüne çekilmesinin faydalı olacağı düşünülmektedir. Ayrıca istihdamda artışın sağlanması için; yatırımların, yeni yatırımlar şeklinde gerçekleşmesi gerektiği düşünülmektedir.
Türkiye ekonomisi'nde ekonomik büyüme istihdam ilişkisi
Ekonomik büyüme ile istihdam ilişkisinin Türkiye açısından ele alındığı bu çalışmada, ekonomik büyüme ile istihdam arasındaki ilişki Türkiye için test edilmiştir. Bu kapsamda ekonomik büyüme, istihdam ve işsizlik ilk olarak kavramsal açıdan açıklanmış, ardından bu üç değişkenin dünyada ve Türkiye'de değişim seyrine yer verilmiştir. Daha sonra büyüme ve istihdam arasındaki ilişki teorik ve ampirik açıdan değerlendirilmiştir. Çalışmada 2005:01-2018:03 dönemine ait ekonomik büyüme ve istihdam arasındaki ilişki ARDL (Autoregressive Distributed Lag) yaklaşımı ve Toda-Yamamoto nedensellik testi kullanılarak incelenmiştir. Analiz sonuçlarına göre ekonomik büyüme ile istihdam arasında eşbütünleşme bulunmuştur. Toda-Yamamoto nedensellik sonuçlarına göre ise ekonomik büyüme ile istihdam arasında çift yönlü ve negatif ilişki tespit edilmiştir. Buna göre ekonomik büyümede meydana gelen artışların istihdamı azalttığı sonucuna ulaşılmıştır. İstihdamın arttırılabilmesi için, emek yoğun teknolojinin teşvik edilmesi, eğitim sisteminde düzenlemelerin yapılması ve nitelikli işgücünün sağlanması gerektiği düşünülmektedir.
Toplumsal etkileşimin tüketici piyasa davranışına etkisi
İktisat disiplini gerek içerdiği dünya görüşü yoluyla gerekse de politikaları yoluyla toplumsal hayata doğrudan etki eden bir disiplin olarak addedilir. Gelişimi boyunca iktisadın bilimsel bir nitelik kazanmasında bireycilik felsefesinin izleri görülür. Birey üzerindeki toplumsal etkilerin yöntembilimsel çerçeve içerisinde analizin dışında bırakılmasıyla, birey homo economicus kavramı ile karakterize edilir. Fakat toplumsal faydaların daha geniş olarak dağıtılabilmesi için günümüzde toplum ve birey arası ilişkilerin keşfine yönelik çalışmalar günden güne çoğalmaktadır. Tüketim kavramı da birey ve toplum arası ilişkilere sahne olan, toplumsal faydanın dağıtılmasında kilit bir kavramdır. Zira sıklıkla sınırsız ihtiyaçların kıt kaynaklar ile optimal düzeyde nasıl giderilebileceğini inceleyen bir disiplin olarak tanımlanan iktisatta, ihtiyaçların tatmini meselesi tüketim ile vuku bulmaktadır. Kıt kaynakların en verimli şekilde kullanımı ile üretilen toplumsal fayda tüketme eylemi yoluyla elde edilmektedir. Ancak toplumsal faydanın en optimal şekilde dağılımı için aynı zamanda tüketme eyleminin özgür ve güvenli bir çevrede gerçekleşmesi temelinde harcamaların daha doğru ve verimli bir şekilde yönlendirilmesi gerekmektedir. Bu vesile ile satıcıdan tüketiciye mesajların güvenliği meselesi gündeme gelmekte ve davranışsal iktisat gibi alanların ortaya çıkışı ile önem kazandığı görülmektedir. Çalışmada, en sık rastlanan satıcı ve tüketici arasındaki ikna mesajlarının çeşitli tüketici grupları arasındaki etkilerinin incelenmesi ve bu mesajları daha güvenli hale getirmek için politika önerilerinde bulunulması hedeflenmiştir. Veriler Ordu'nun Fatsa ilçesinde Kolayda Örnekleme yoluyla seçilmiş 484 katılımcıdan elde edilmiştir. Elde edilen verilerin güvenilirliği ölçülmüş ve daha sonra parametrik testler uygulanmıştır. Sonuçlara göre, farklı demografik grupların kendilerine yöneltilen ikna mesajlarından farklı oranlarda etkilendikleri tespit edilmiş, ayrıca günlük hayatlarında pek çok yanıltıcı/yönlendirici mesajlarla karşılaştıklarını algıladıkları görülmüştür. Varılan sonuçlardan hareketle önerilmesi hedeflenen politika önerilerinin ana ekseni, tüketicilerin kendilerine yöneltilen mesajları doğrulayabildikleri bir takım uygulamalar geliştirmektir. Bu vesile ile tüketiciler, tüketim eylemlerini gerçekleştirirken çok daha güvenli hissetmelerinin beraberinde harcamalarını daha doğru ve verimli bir şekilde yönlendirebileceklerdir. Anahtar Sözcükler: Tüketici Davranışı, Toplumsal Etkileşim, İkna, Güvenlik, Toplumsal Fayda, Tüketim Kararları