Yazar "Buldu, Abdulkadir" seçeneğine göre listele
Listeleniyor 1 - 4 / 4
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe A Hybrid Study for Epileptic Seizure Detection Based on Deep Learning using EEG Data(Graz Univ Technolgoy, Inst Information Systems Computer Media-Iicm, 2024) Buldu, Abdulkadir; Kaplan, Kaplan; Kuncan, MelihEpilepsy, a neurological disease characterized by recurrent seizures, can be diagnosed using Electroencephalogram (EEG) signals. Traditional diagnostic methods often face limitations, leading to delays and potential misdiagnoses. In response, researchers have been developing low-cost assistive systems to enhance diagnostic accuracy and reduce life-threatening risks for epilepsy patients. In this study, a hybrid approach is proposed to diagnose epilepsy disease. To validate the success of the proposed algorithm, Hauz Khas and Bonn data sets were used. AlexNet, GoogleNet, VGG19, ResNet50, and ResNet101 classifiers were employed in this study along with the Continuous Wavelet Transform (CWT) and Short Time Fourier Transform (STFT). To increase the generalization capability, 10-fold cross-validation method was used in the classification process. Firstly, the preictal and ictal moments in the Hauz Khas dataset was classified with 99.5% success rate by CWT method and Resnet101. Similarly, 99.8% accuracy was achieved in the binary classification of the Bonn dataset using the CWT method with Resnet101. Finally, for the classification with the AB-CD-E group, 99.33% classification success rate was achieved by using the CWT method with the Resnet-101 model. These findings underscore the potential of the proposed assistive system to significantly improve the diagnosis and management of epilepsy, demonstrating high accuracy and reliability across different datasets and classification techniques.Öğe Comparison of Mechanical Properties of Samples Fabricated by Stereolithography and Fused Deposition Modelling(2023) Bayraklılar, Mehmet Said; Buldu, Abdulkadir; Koçak, Muhammed Tayyip; Ülkir, Osman; Kuncan, MelihAdditive manufacturing (AM) technology has attracted significant attention with the rapid fabrication of 3D parts for various applications. The two most popular techniques in this technology, Fused Deposition Modelling (FDM) and Stereolithography (SLA), make it possible to produce functional parts with complex shapes quickly and cheaply. Determining the mechanical properties of the parts fabricated by these methods is important in terms of efficient operation in the relevant fields. In this study, forty-five test specimens were fabricated using three different polymer materials (UVR, PLA, and ABS) in SLA and FDM type 3D printers, including tensile, compression, and 3-point bending tests. Samples are printed at a 75% fill rate according to ASTM standards. Experimental studies were carried out to determine the mechanical properties of the samples. Among the samples, the highest strength values in tensile, compression and bending test samples made of UVR material were 60.39 MPa, 127.74 MPa and 118.35 MPa, respectively. In addition to mechanical properties, hardness, and SEM analyses were performed to examine the surface roughness, surface topography, and composition of the samples.Öğe EEG verileri ile derin öğrenme tabanlı epilepsi nöbeti teşhisi(Siirt Üniversitesi, 2023) Buldu, Abdulkadir; Kuncan, Melih; Kaplan, KaplanCanlıların vücudunun düzenli bir şekilde işlemesini ve hayatını devam ettirmesi için gereken işleri yerine getirmesinin kontrolünü sağlayan temel organ beyindir. Bu açıdan düşünüldüğünde beynin insan hayatı için de hayati bir öneme sahip olduğu ve bu organ üzerinde meydana gelecek aksaklıkların direkt olarak vücudu etkileyeceği aşikardır. Elektroensefalografi (EGG) beyinde meydana gelen aksaklıkların tespit edilmesini sağlayan bir araç niteliğindedir ve beyinde gerçekleşen elektriksel aktivitenin sonucunda elde edilen bir sinyal türüdür. EEG sinyallerinin nörolojik hastalıklarının birçoğuna özel bilgiler taşıması da araştırmacıları bu sinyalleri incelemeye itmiştir. Beyinde meydana gelen ve EEG sinyallerinden faydalanılarak tespiti gerçekleştirilen hastalıklardan biri de gün geçtikçe görülme oranı artan ve kısıtlı imkanlar sebebiyle ölüm veya kalıcı hasarla sonuçlanabilen epilepsi hastalığıdır. Bu imkansızlıklardan doğan tehlikelerin varlığı araştırmacıları maliyeti düşük asistan sistemler önermeye sürüklemiştir. Bu çalışma kapsamında bizler de epilepsi hastalığının bu yayılışına istinaden uzmanların çevresel faktörlerden kaynaklı olarak yapabilecekleri hataları azaltmak ve bu hataların doğurabileceği telafisi zor olan veya olmayan hataların önüne geçilmesi adına bir asistan fikir oluşturmayı amaçladık. Bu doğrultuda iki farklı veri setiyle çalışmamızı gerçekleştirerek sağlıklı ve epilepsi hastalığına sahip insanların verilerini analiz edip bu analizler sonucunda deneklerin bulunduğu hallerin tespitini gerçekleştirmeyi amaçladık. Edindiğimiz bu amaç doğrultusunda The Hauz Khas veri setini ve literatürde sıklıkla kullanılan Bonn Epilepsi veri setini derin öğrenme yöntemlerinden Resnet-50, Resnet-101, AlexNet, GoogleNet ve VGG-19 yaklaşımlarını veri setlerine uygulayarak sınıflandırdık. Ancak verileri ham bir şekilde almaktansa sınıflandırma işlemine daha keskin sınırlarla tabi tutmak adına Kısa Zamanlı Fourier Dönüşümü (Short Time Fourier Transform, STFT) ve Sürekli Dalgacık Dönüşümü (Continous Wavelet Transform, CWT) yöntemlerini uygulayarak sınıflandırma doğruluğunu dolayısıyla da yöntemin kabul edilebilirliğini artırmaya çalıştık. Yapılan çalışma nihayetinde özellik çıkarım yöntemi olarak CWT kullanımının sonucunda The Hauz Khas veri seti üzerindeki preiktal ve iktal anlarını tüm sınıflandırıcılarla %100 oranında sınıflandırmayı başardık. Ayrıca Bonn veri setinin ikili sınıflandırmalarında da CWT özellik çıkarım yönteminden faydalanarak tüm sınıflandırıcılarla %100 başarı oranına ulaşırkenÖğe STEREOLİTHOGRAFİ EKLEMELİ İMALAT YÖNTEMİYLE FARKLI DOLULUK ORANLARINDA ÜRETİLEN NUMUNELERİN MEKANİK ÖZELLİKLERİNİN İNCELENMESİ(2022) Turan, Salih Rahmi; Ülkir, Osman; Kuncan, Melih; Buldu, AbdulkadirEklemeli üretim (EÜ), yalnızca prototip oluşturma konusunda değil, aynı zamanda nihai tasarımlara basılı parçaların dahil edilmesinin kolaylığı nedeniyle de endüstride bir değişimi yönlendiriyor. Stereolithografi (SLA), 3B yazıcı teknolojisi kullanılarak karmaşık parçaların hızlı üretilebildiği ve platform üzerinde dikey olarak çalışan bir eklemeli üretim teknolojisidir. Bu teknikte akışkan reçine, lazer ışını ile 3B parçalar kullanılarak katman katman işlenerek model elde edilmektedir. Diğer üretim tekniklerinden farklı olarak model şeffaf ve dayanıklı bir yapıdadır. SLA ile üretim yapan 3B yazıcılarla üretilen parçaların mekanik özelliklerinin bilinmesi, parçaların verimli çalışması ve üretim tekniğinin kullanımının yaygınlaşması açısından önemlidir. Bu çalışmada, Flashforge Foto 6.0 3B yazıcı ile Anycubic UV reçine malzeme kullanarak farklı doluluk oranına sahip 15 adet çekme ve 15 adet basma olmak üzere toplamda 30 adet numune üretilmiştir. Doluluk oranının mekanik özellikler üzerindeki etkileri araştırılmıştır. Sonuç olarak, %25, %50 ve %100 doluluk oranının, SLA tabanlı 3B yazıcı ile üretilen çekme ve basma numunelerinin mekanik özellikleri üzerinde etkisi olduğu tespit edilmiştir. Kullanılan doluluk oranları arasından en yüksek çekme ve basma mukavemetinin “%100” doluluk oranında olduğu belirlenmiştir. Bu değerler sırasıyla 10.095 MPa ve 10.098 MPa’dır. Ortalama çekme ve basma mukavemeti değerlerinin doluluk oranı arttıkça yükseldiği gözlemlenmiştir.
