Yazar "Duru, Adil Deniz" seçeneğine göre listele

Listeleniyor 1 - 6 / 6
  • Küçük Resim
    Öğe
    Acute changes in electrophysiological brain dynamics in elite karate players
    (Springer, 2020) Duru, Adil Deniz; Balcıoğlu, Taylan Hayri; Özcan Çakır, Canan Elif; Göksel Duru, Dilek
    Regular physical exercise has enhanced effects on the human anatomy and functionality. Recently, an effect of a single set of exercise is shown to have positive effects on mood and on cognitive functioning. The aim of this study is to investigate the effect of a single bout of moderate exercise on the brain electrophysiological dynamics in resting-state condition and under the mental workload situation from elite-level athletes. For this purpose, electroencephalogram (EEG) is measured before and after the exercise sessions from 17 elite karate players who are members of the national karate team of Turkey. Blood lactate measurements are implemented to monitor the volunteers before EEG measurements. EEG data are analyzed using three metrics: conventional band power of each electrode, coherence metrics between electrodes for each band and source coherence values corresponding to each frequency band. Each metric is statistically analyzed between pre- and post-values, and results revealed that in all frequency bands, right parietal electrode had increased connection values which are thought to be related to ongoing sympathetic nervous system response observed during the recovery period. Another finding is the enhanced connectivity of frontal sources under the resting state as well as during the increased mental workload periods.
  • Küçük Resim
    Öğe
    Analysis of correlation between white matter changes and functional responses in thalamic stroke: a DTI & EEG study
    (Springer, 2015) Duru, Adil Deniz; Göksel Duru, Dilek; Yumerhodzha, Sami; Bebek, Nerses
    Diffusion tensor imaging (DTI) allows in vivo structural brain mapping and detection of microstructural disruption of white matter (WM). One of the commonly used parameters for grading the anisotropic diffusivity in WM is fractional anisotropy (FA). FA value helps to quantify the directionality of the local tract bundle. Therefore, FA images are being used in voxelwise statistical analyses (VSA). The present study used Tract-Based Spatial Statistics (TBSS) of FA images across subjects, and computes the mean skeleton map to detect voxelwise knowledge of the tracts yielding to groupwise comparison. The skeleton image illustrates WM structure and shows any changes caused by brain damage. The microstructure of WM in thalamic stroke is investigated, and the VSA results of healthy control and thalamic stroke patients are reported. It has been shown that several skeleton regions were affected subject to the presence of thalamic stroke (FWE, p < 0.05). Furthermore the correlation of quantitative EEG (qEEG) scores and neurophysiological tests with the FA skeleton for the entire test group is also investigated. We compared measurements that are related to the same fibers across subjects, and discussed implications for VSA of WM in thalamic stroke cases, for the relationship between behavioral tests and FA skeletons, and for the correlation between the FA maps and qEEG scores.Results obtained through the regression analyses did not exceed the corrected statistical threshold values for multiple comparisons (uncorrected, p < 0.05). However, in the regression analysis of FA values and the theta band activity of EEG, cingulum bundle and corpus callosum were found to be related. These areas are parts of the Default Mode Network (DMN) where DMN is known to be involved in resting state EEG theta activity. The relation between the EEG alpha band power values and FA values of the skeleton was found to support the cortico-thalamocortical cycles for both subject groups. Further, the neurophysiological tests including Benton Face Recognition (BFR), Digit Span test (DST), Warrington Topographic Memory test (WTMT), California Verbal Learning test (CVLT) has been regressed with the FA skeleton maps for both subject groups. Our results corresponding to DST task were found to be similar with previously reported findings for working memory and episodic memory tasks. For the WTMT, FA values of the cingulum (right) that plays a role in memory process was found to be related with the behavioral responses. Splenium of corpus callosum was found to be correlated for both subject groups for the BFR.
  • Küçük Resim
    Öğe
    Evaluation of deep transfer learning methodologies on the COVID-19 radiographic chest images
    (International Information and Engineering Technology Association, 2023) Duru, Dilek Göksel; Duru, Adil Deniz; Uçan, Osman Nuri; Al-azzaw, Athar; Al-jumaili, Saif
    In 2019, the world had been attacked with a severe situation by the new version of the SARSCOV-2 virus, which is later called COVID-19. One can use artificial intelligence techniques to reduce time consumption and find safe solutions that have the ability to handle huge amounts of data. However, in this article, we investigated the classification performance of eight deep transfer learning methodologies involved (GoogleNet, AlexNet, VGG16, MobileNet-V2, ResNet50, DenseNet201, ResNet18, and Xception). For this purpose, we applied two types of radiographs (X-ray and CT scan) datasets with two different classes: non-COVID and COVID-19. The models are assessed by using seven types of evaluation metrics, including accuracy, sensitivity, specificity, negative predictive value (NPV), F1- score, and Matthew’s correlation coefficient (MCC). The accuracy achieved by the X-ray was 99.3%, and the evaluation metrics that were measured above were (98.8%, 99.6%, 99.6%, 99.0%, 99.2%, and 98.5%), respectively. Meanwhile, the CT scan model classified the images without error. Our results showed a remarkable achievement compared with the most recent papers published in the literature. To conclude, throughout this study, it has been shown that the perfect classification of the radiographic lung images affected by COVID19.
  • Küçük Resim
    Öğe
    Göz hareketlerine dayalı beyin bilgisayar arayüzü tasarımı
    (Kırıkkale Üniversitesi, 2020) Koç, Engin; Bayat, Oğuz; Göksel Duru, Dilek; Duru, Adil Deniz
    Modern teknoloji ile birlikte insanların göz hareketlerini inceleyerek uyaranlara karşı vermiş oldukları tepkiler takip edilebilir hale gelmiştir. Bu takip yöntemlerden biri de Göz İzleme (Eye-Tracking) tekniğidir. Bu teknikteki gelişmeler sayesinde araştırmacılar, sağlık, savaş sanayi, sivil havacılık, web tasarımı, dijital medya vb. birçok alanda hayatı daha kolay hale getirilebilecek sistemler hakkında çalışmalar yapabilmektedir. Bu çalışma kapsamında, göz izleme teknolojisinin temel özelliklerinden faydalanılarak beyin bilgisayar arayüzü (BBA) uygulaması geliştirilmiştir. Katılımcıların göz sabitlenme bilgisi, tarafımızca hazırlanan deneysel paradigma yazılımları bünyesinde göz-izleme cihazı ile ölçülerek, kişilerden verilen ödevleri gerçekleştirmeleri istenmiştir. Bu kapsamda iki farklı uyaran yazılımı üretilmiştir. Birinci yazılımda, kişilerin ekranda çeşitli bölgelerde görülen butonlara odaklanarak, gözlerinin sabitlenmesi ile butonlara basmaları sağlanmıştır. İkinci yazılımda ise, katılımcının harflere odaklanması istenerek, kelimeler ve cümleleri yazdırmayı sağlayan sanal bir klavye uygulaması geliştirilmiştir. Ayrıca göz fiksasyonları ısı haritası ile görselleştirilmiştir. Tüm aşamalarda kullanılan yazılım ve analiz tarafımızca geliştirilmiştir. Sonuç olarak, hareket etmeden göz hareketleri ile bildirim yapmayı sağlayan hibrid bir sistem geliştirilmiştir. Göz hareketlerine dayalı önerilen BBA sistemi test edilmiş ve yüksek komut/dakika sonuçlarına ulaşılmıştır. Deneysel bulgular önerilen hibrid BBA’nın güçlü ve öne çıkacak bir teknoloji olduğunu göstermektedir.
  • Küçük Resim
    Öğe
    Gözbebeği hareketleri temelli duygu durumu sınıflandırılması
    (Gazi Üniversitesi, 2020) Mete, Samet; Çakır, Oğuz; Bayat, Oğuz; Göksel Duru, Dilek; Duru, Adil Deniz
    İnsanlardaki duygu durumu otonom sinir sistemi tarafından kontrol edilmektedir. Bu sebeple, olumlu veya olumsuz bir uyaran ile karşılaştığında otonom sinir sistemi çok kısa bir süre içerisinde, uyaran çeşidinin bireyde tetiklediği duygu türüne göre çeşitli bedensel farklılıklara sebebiyet vermektedir. Bedensel bu farklılıklardan bir tanesi de kişilerin gözbebeğinin uyaran çeşitine göre gösterdiği fizyolojik farklılıklardır. Yapılan araştırmalar göz bebeği hareketlerinin ve boyutunun ölçülmesinin yararlı bir girdi sinyali olabileceğini göstermektedir. İnsanlar olumsuz bir uyaran gördüğünde gözdeki pupil boyutunda genişleme, olumlu bir uyaran gördüğünde ise pupil boyutunda daralma oluşmaktadır. Bu bilgiler ışığında çalışma kapsamında, erkek ve kadın katılımcılara uygulanan, türlü kategorilerden oluşan büyük bir fotoğraflar dizisi olan IAPS içerisinden, katılımcılarda fazlasıyla zıt duygulanımlar meydana getiren uyaran sınıfları değerlik puanlarına göre tercih edilmiş ve uyaranlar olumlu, olumsuz ve nötr olmak üzere üç sınıfa ayrılmıştır. Çalışma sırasında IAPS’ten seçilmiş olan toplamda 60 adet fotoğraf kullanılmış ve 13 adet katılımcıya sunulmuş ve göz takip cihazı kullanılarak katılımcıların göz verileri veri tabanına kaydedilmiştir. Sol ve sağ pupil büyüklükleri ve fiksasyon süresi sınıflama için girdi olarak kullanılmıştır. Üç sınıf kullanılararak, kNN, Naive Bayes, Destek Vektör Makinaları, Doğrusal Diskriminant analizi, karar ağacı ve lojistik regresyon teknikleri uygulanmıştır. Düşük sınıflandırma başarısından ötürü, işlem sadece pozitif ve negatif sınıflar için tekrar hesaplanmıştır. Bu iki emosyonel durum için %68’lik bir oran ile k-NN sınıflandırma yönteminde en yüksek sınıflandırma başarısına ulaşılmıştır. Naive Bayesçi Sınıflandırıcı ve DVM %55, LDA %50, karar ağaçları ve lojistik regresyon %48’lik başarıya ulaşmıştır. Kişilerin çeşitli uyaranlara verdiği emosyonel yanıtların göz hareketlerine yansıyabileceği ve göz hareketlerinden kişinin emosyonel uyarılma düzeyi hakkında fikir sahibi olunabileceği düşünülmektedir.
  • Küçük Resim
    Öğe
    Identification of food/nonfood visual stimuli from event-related brain potentials
    (Hindawi Publishing Corporation, 2021) Güney, Selen; Arslan, Sema; Duru, Adil Deniz; Duru, Dilek Göksel
    Although food consumption is one of the most basic human behaviors, the factors underlying nutritional preferences are not yet clear. The use of classification algorithms can clarify the understanding of these factors. This study was aimed at measuring electrophysiological responses to food/nonfood stimuli and applying classification techniques to discriminate the responses using a single-sweep dataset. Twenty-one right-handed male athletes with body mass index (BMI) levels between 18.5% and 25% (mean age: 21.05 +/- 2.5) participated in this study voluntarily. The participants were asked to focus on the food and nonfood images that were randomly presented on the monitor without performing any motor task, and EEG data have been collected using a 16-channel amplifier with a sampling rate of 1024 Hz. The SensoMotoric Instruments (SMI) iView XTM RED eye tracking technology was used simultaneously with the EEG to measure the participants' attention to the presented stimuli. Three datasets were generated using the amplitude, time-frequency decomposition, and time-frequency connectivity metrics of P300 and LPP components to separate food and nonfood stimuli. We have implemented k-nearest neighbor (kNN), support vector machine (SVM), Linear Discriminant Analysis (LDA), Logistic Regression (LR), Bayesian classifier, decision tree (DT), and Multilayer Perceptron (MLP) classifiers on these datasets. Finally, the response to food-related stimuli in the hunger state is discriminated from nonfood with an accuracy value close to 78% for each dataset. The results obtained in this study motivate us to employ classifier algorithms using the features obtained from single-trial measurements in amplitude and time-frequency space instead of applying more complex ones like connectivity metrics.