Özkurt, Nalan

Profile Picture
Profile URL
https://gcris.yasar.edu.tr/handle/123456789/12602
Name Variants
Job Title
Doç.Dr.
Email Address
Main Affiliation
01.01.09.02. Elektrik- Elektronik Mühendisliği
Status
Current Staff
Website
ORCID ID
0000-0002-7970-198X
Scopus Author ID
8546186400
Turkish CoHE Profile ID
Google Scholar ID
G2I3s1kAAAAJ
WoS Researcher ID
AAW-2921-2020
Files
nalan.ozkurt.jpg (8.79 KB)

Sustainable Development Goals

NO POVERTY1
NO POVERTY
0
Research Products
ZERO HUNGER2
ZERO HUNGER
0
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
3
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
0
Research Products
GENDER EQUALITY5
GENDER EQUALITY
0
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
1
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
1
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
0
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
CLIMATE ACTION13
CLIMATE ACTION
0
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
0
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
0
Research Products
Scopus data could not be loaded because of an error. Please refresh the page or try again later.
Documents

27

Citations

112

Go to WoS profile
Scholarly Output

51

Articles

14

Views / Downloads

0/1

Supervised MSc Theses

11

Supervised PhD Theses

3

WoS Citation Count

76

Scopus Citation Count

265

Patents

0

Projects

1

WoS Citations per Publication

1.49

Scopus Citations per Publication

5.20

Open Access Source

10

Supervised Theses

14

JournalCount
Innovations in Intelligent Systems and Applications Conference (ASYU)3
Çukurova Üniversitesi Mühendislik-Mimarlik Fakültesi Dergisi2
6th IEEE International Conference on Adaptive Science and Technology (ICAST)2
26th IEEE Signal Processing and Communications Applications Conference (SIU)2
Celal Bayar Üniversitesi Fen Bilimleri Dergisi2
Current Page: 1 / 6

Scopus Quartile Distribution

Quartile distribution chart data is not available

Competency Cloud

GCRIS Competency Cloud

Filters

2011 - 2019242020 - 202527
Reset filters

Settings

Scholarly Output Search Results

Now showing 1 - 10 of 51
  • Thumbnail Image
    Article
    Citation - WoS: 15
    Citation - Scopus: 23
    A review of ADHD detection studies with machine learning methods using rsfMRI data
    (John Wiley and Sons Ltd, 2024) Gürcan Taşpinar; Nalan Ǒzkurt; Taspinar, Gurcan; Ozkurt, Nalan
    Attention deficit hyperactivity disorder (ADHD) is a common mental health condition that significantly affects school-age children causing difficulties with learning and daily functioning. Early identification is crucial and reliable and objective diagnostic tools are necessary. However current clinical evaluations of behavioral symptoms can be inconsistent and subjective. Functional magnetic resonance imaging (fMRI) is a non-invasive technique that has proven effective in detecting brain abnormalities in individuals with ADHD. Recent studies have shown promising outcomes in using resting state fMRI (rsfMRI)-based brain functional networks to diagnose various brain disorders including ADHD. Several review papers have examined the detection of other diseases using fMRI data and machine learning or deep learning methods. However no review paper has specifically addressed ADHD. Therefore this study aims to contribute to the literature by reviewing the use of rsfMRI data and machine learning methods for detection of ADHD. The study provides general information about fMRI databases and detailed knowledge of the ADHD-200 database which is commonly used for ADHD detection. It also emphasizes the importance of examining all stages of the process including network and atlas selection feature extraction and feature selection before the classification stage. The study compares the performance advantages and disadvantages of previous studies in detail. This comprehensive approach may be a useful starting point for new researchers in this area. © 2024 Elsevier B.V. All rights reserved.
  • Thumbnail Image
    Master Thesis
    Evrişimli otomatik kodlayıcı tabanlı aritmi tespit sistemi
    (2024) Eravcı, Öykü; Özkurt, Nalan
    Hastaların uzaktan izlenmesi, hastalıkların erken teşhisi ve yaşam kalitesinin iyileştirilmesi açısından çok önemlidir. Derin öğrenme tekniklerinin hızlı gelişimi, giyilebilir sağlık teknolojilerini önemli ölçüde ilerletmiş ve otomatik teşhisi giderek daha önemli hale getirmiştir. Bu çalışmada, özellik çıkarımı ve sınıflandırma için özel bir dalgacık tabanlı konvolüsyonel otomatik kodlayıcı (WBCAE) modeli kullanan yenilikçi bir derin öğrenme yaklaşımı öneriyoruz. Otomatik kodlayıcı model, dalgacıkların zaman-frekans alanı inceleme yeteneğini, otokodlayıcıların veri odaklı özellik öğrenme gücüyle ustaca birleştirir. Bu çalışma, normal sinüs ritmi (NSR), sağ dal bloğu (RBBB), sol dal bloğu (LBBB), atriyal prematüre kasılma (APC) ve prematüre ventriküler kasılma (PVC) gibi farklı tipte kardiyak aritmilerin yanı sıra atriyal fibrilasyonun (AF) sınıflandırılmasına odaklanmaktadır. Derin öğrenme tabanlı modelleri kullanarak aritmi sınıflandırmasının doğruluğunu ve verimliliğini önemli ölçüde artırmayı amaçlıyoruz, böylece erken hastalık tespiti ve kapsamlı hasta izleme için sağlam bir çerçeve sağlıyoruz. Bu çalışmanın temel hedefleri, otomatik kodlayıcı tabanlı derin öğrenme algoritmalarının performansını titizlikle değerlendirmek ve çeşitli kardiyak aritmilerin sınıflandırılmasını otomatikleştirmektir. Deneylerimizden elde edilen bulgular, kardiyak hastalık teşhisinde derin öğrenme tabanlı modellerin kullanılmasının önemini vurgulamakta ve dalgacık yöntemlerinin otomatik kodlayıcılarla entegrasyonunun biyomedikal sinyal işleme sistemlerindeki büyük potansiyelini göstermektedir. Bu çalışma, erken hastalık tespiti ve hasta izleme için güvenilir bir araç sunarak tıbbi teşhisler alanına önemli bir katkı sağlamakta ve nihayetinde sağlık sonuçlarını geliştirmektedir.
  • Thumbnail Image
    Conference Object
    Detection and Semantic Segmentation of Atrial Fibrillation Signals Using U-Net Model
    (Institute of Electrical and Electronics Engineers Inc., 2023) Deniz Kan; Selin Gezen; Sevval Nur Canbaz; Nalan Ǒzkurt; Gezen, Selin; Kan, Deniz; Canbaz, Sevval Nur; Ozkurt, Nalan
    An abnormal heart rhythm called atrial fibrillation is a dysfunction in the cardiacconduction system that is often life-threatening or reduces the quality of life. This study aims to develop a custom-designed artificial intelligence model UNet to determine whether patients have atrial fibrillation (AF) disease. The purpose is fast and accurate detection. The MIT-BIH Atrial Fibrillation dataset available on the Kaggle platform was used for performance evaluation. The MITBIH Atrial Fibrillation Database includes 25 long-term ECG recordings, however in this project only 18 patient recordings are used due to some of the recordings being unreadable. Two channel ECG signals recorded at 250 samples per second are included in the individual recordings from 18 patients each lasting 10 hours. All simulations were implemented with Phyton in the Kaggle environment. To get the best result the model structure of our U-Net model and parameters such as the activation function and batch size were selected heuristically. Several experiments were done and the model's performance was observed for the different loss functions optimizers and metrics. Our system reaches an accuracy of 93.91% a precision of 99.86% and a recall of 82.40% which results in an F1 score of 90.30%. © 2023 Elsevier B.V. All rights reserved.
  • Thumbnail Image
    Conference Object
  • Thumbnail Image
    Article
    Konuşma/Müzik Ayrıştırması için Kesikli Dalgacık Dönüşümü Tabanlı Öznitelik Çıkarımı
    (2015) NALAN ÖZKURT; HATICE DOGAN; Timur Düzenli; Dogan, Hatıce; Düzenli, Timur; Özkurt, Nalan
    Bu çalışmada konuşma ve müzik işaretlerinin birbirinden ayrıştırılabilmesi için kesikli dalgacık dönüşümü tabanlı bir öznitelik seti önerilmiştir. Öznitelik setinde dalgacık katsayılarının ortalamaları varyansları ve altbandlar arası değişim oranları kullanılmıştır. Dalgacık dönüşümünün sinyalleri iyi ifade edebilmesi sayesinde 0 5 saniyelik pencerelerde dahi yüksek doğruluklu bir sınıflandırma sağlanabilmiştir. Veri seti olarak internet radyolarından kaydedilmiş çeşitli bayan-erkek konuşmaları ve farklı türlerden müzik işaretleri kullanılmıştır. Daubechies-8 dalgacığının yok etme moment sayısı ve dikgenliği dikkate alındığında bu ailenin diğer üyeleri arasında en iyi performansa sahip olduğu gözlenmiştir. Öznitelikler çıkarıldıktan sonra ilintili öznitelikleri yok etmek için temel bileşen analizi kullanılmıştır. Sınıflandırma hem yapay sinir ağları hem de destek vektör makineleri ile yapılmış ve önerilen özniteliklerin klasik özniteliklerden çok daha iyi performans gösterdiği gözlenmiştir
  • Thumbnail Image
    Article
    Citation - Scopus: 2
    Discrete and dual tree wavelet features for real-time speech/music discrimination
    (Hindawi Limited 410 Park Avenue 15th Floor 287 pmb New York NY 10022, 2011) Timur Düzenli; Nalan Ǒzkurt; Düzenli, Timur; Özkurt, Nalan
    The performance of wavelet transform-based features for the speech/music discrimination task has been investigated. In order to extract wavelet domain features discrete and complex orthogonal wavelet transforms have been used. The performance of the proposed feature set has been compared with a feature set constructed from the most common time frequency and cepstral domain features such as number of zero crossings spectral centroid spectral flux and Mel cepstral coefficients. The artificial neural networks have been used as classification tool. The principal component analysis has been applied to eliminate the correlated features before the classification stage. For discrete wavelet transform considering the number of vanishing moments and orthogonality the best performance is obtained with Daubechies8 wavelet among the other members of the Daubechies family. The dual tree wavelet transform has also demonstrated a successful performance both in terms of accuracy and time consumption. Finally a real-time discrimination system has been implemented using the Daubhecies8 wavelet which has the best accuracy. © 2019 Elsevier B.V. All rights reserved.
  • Thumbnail Image
    Conference Object
    Citation - WoS: 1
    Citation - Scopus: 1
    24-hour Electricity Consumption Forecasting for Day Ahead Market with Long Short Term Memory Deep Learning Model
    (IEEE, 2020) Nalan Ozkurt; Hacer Sekerci Oztura; Cuneyt Guzelis; Guzelis, Cuneyt; Oztura, Hacer Sekerci; Ozkurt, Nalan
    In 2015 with the foundation of Energy Market Management Inc. AS (EPIAS) the production and pricing of electrical energy began to be made according to consumption estimates. In this study twenty-four hours energy consumption forecasting was made by using long short-term memory method and data was downloded from EPIAS's official web page for the Day Ahead Market. The data set used covers 1500 days between June 2016 and July 2020. The results obtained have been compared with EPIAS's own estimates and actual consumption data.
  • Thumbnail Image
    Article
    Citation - Scopus: 1
    WaveConstLib: A java library for signal analysis and wavelet construction
    (ELSEVIER, 2025) Cagla Sarvan Cibil; Nalan Ozkurt; Cibil, cagla Sarvan; Sarvan Cibil, Çağla; Özkurt, Nalan
    Wavelet theory (WT) is essential for analyzing non-stationary signals particularly in real-world applications requiring time-frequency analysis. A key challenge is to identify the optimal wavelet function that matches signal characteristics enabling efficient and precise analysis. This study presents WaveConstLib an open-source Java library for wavelet analysis and construction. It provides tools to create wavelet functions tailored to specific signals while adhering to WT conditions. Unlike traditional methods WaveConstLib employs multi-objective evolutionary algorithms (MOEAs) optimization to construct signal-specific wavelet functions ensuring superior adaptability and performance. The library includes numerical implementations of first-generation wavelet construction techniques along with signal processing tools wavelet operations and transformations applicable to diverse tasks. WaveConstLib simplifies the construction of wavelet functions that extract distinctive signal information and supports integration into external systems making it a valuable resource for research and practical applications.
  • Thumbnail Image
    Master Thesis
    Dalgacık dönüşümü ile konuşma iyileştirme için yeni yaklaşımlar
    (2022) Özen, Elif; Özkurt, Nalan
    Günümüzde teknolojik gelişmelerin ışığında iletişim giderek daha fazla önem kazanmaktadır. İletişim çeşitli yöntemlerle gerçekleşse de en sık kullanılan iletişim tabanlarından biri konuşmadır. Günümüzde iletişim sadece insanlar arasında değil, birçok önemli uygulamada insanlarla makineler arasında gerçekleşmektedir. Bu nedenlerden dolayı, iletişimin sorunsuz bir şekilde sağlanabilmesi için konuşma sinyalinin temiz ve anlaşılır olması gerekir. Konuşma iyileştirme uygulamaları, gürültü etkisini mümkün olduğunca ortadan kaldırarak konuşma sinyallerinin kalitesini ve anlaşılırlığını artırmak için kullanılır. Konuşma tabanlı uygulamaların artmasıyla bu alandaki araştırmalar da hız kazanmıştır. Bu amaçla kullanılan yöntemler, tek kanallı ve çok kanallı yöntemler olmak üzere iki ana sınıf altında incelenir. Bu çalışmada, dalgacık dönüşümü yardımıyla şimdiye kadar kullanılan yöntemin başarısını artırmak için her yöntem için yeni bir yaklaşım önerdik. Önerilen ilk yöntem, bir dalgacık dönüşümü alan uyarlamalı filtre sistemidir. Konuşma sinyalleri ve gürültü, statik olarak durağan olmayan sinyaller olduğundan, uyarlanabilir filtreler, gürültüyü gidermek için en çok tercih edilen yöntemlerden biridir. Ancak, zaman alanında uyarlanabilir filtre uygulamasının, büyük veri kümeleri için daha düşük yakınsama hızı ve oranı gibi bazı eksiklikleri vardır. Bu nedenle bazı çalışmalarda Dönüşüm Alanında Uyarlanabilir Filtreler (DAUF) kullanılmıştır. Önerilen yöntemle, dalgacık dönüşümü alanında tam olarak uygulanan çoklu alt bant uyarlamalı filtreler ile mevcut DAUF'in yakınsama hızı, yakınsama oranı ve hesaplama karmaşıklığı açısından eksikliklerini gidermeyi amaçladık. Önerilen sistemin performansı, beyaz gürültü, pembe gürültü, gevezelik gürültüsü, motor rölanti gürültüsü, uçak kokpit gürültüsü gibi çeşitli gürültülerin etkisi altında konuşma sinyalleri üzerinde test edilmiştir. Sonuçları değerlendirmek için yaygın olarak kullanılan objektif ölçümler kullanıldı. Ancak, çalışmadaki öncelikli odak noktamız konuşma sinyallerini iyileştirmek olduğundan, amacımız sadece sinyal üzerindeki gürültüyü azaltmak değil, aynı zamanda konuşma sinyallerinin kalitesini ve anlaşılırlığını artırmaktır. Bu nedenle, işlenmiş konuşma sinyallerini değerlendirmek için Konuşma Kalitesinin Algısal Değerlendirmesi (PESQ) ve Kısa Süreli Amaç Anlaşılabilirlik puanı (STOI) gibi nesnel ölçüler kullanıldı. Son olarak sonuçlar literatürdeki çalışmalarla karşılaştırılmıştır. Tezde önerilen ikinci yöntem, dalgacık dönüşümü ile birleştirilmiş bir Evrişimsel Sinir Ağıdır (ESA). Bu yöntem, bir tek kanallı bir konuşma geliştirme uygulamasıdır ve bu yöntemdeki ana zorluk, konuşma sinyallerini bilinmeyen gürültüden ayırt etmektir. Bunu sağlamak için son yıllarda birçok derin öğrenme tabanlı yöntem kullanılmaktadır. ESA da son yıllarda konuşma iyileştirme için kullanılan yöntemlerden birisidir. ESA, normalde birçok uygulamada görüntü sinyallerini işlemek için kullanılır. Bu yöntemde, biz Sürekli Dalgacık Dönüşümünün (SDD) büyüklüğü ile elde edilen skalogramlarla ESA'yı eğittik. Bu şekilde, scalogramlar da görüntü gibi iki boyutlu veriler olduğu için ESA'nın en iyi özelliklerinden yararlanmayı amaçladık. Ayrıca dalgacık dönüşümü, sinyalleri zaman-frekans düzleminde gözlemlemek için en iyi yöntemlerden biridir. Çalışmanın bu bölünde, ESA'yı dalgacık dönüşümüyle birleştirerek, dalgacık dönüşümünün mevcut yöntemlerin başarısını artırma ve hesaplama karmaşıklığını azaltma açısından katkısını araştırdık. Son olarak, sonuçları standart konuşma değerlendirme ölçütleriyle değerlendirdik ve karşılaştırmalar ile sunduk.
  • Thumbnail Image
    Master Thesis
    Design and Implementation of Analog Filter and Amplifier for Surface EMG Signals
    (2020) Özalp, Hasan; Özkurt, Nalan
    Bu çalışmada, sağlıklı bireylerin yüzey elektrotlar yardımıyla, ön kol kaslarından elektromyografi (EMG) ölçümünün, gerçek zamanlı alınması ve aktivite takibi yapabilen giyilebilir cihaz tasarımı hedeflenmiştir. Elin açma ve kapatma hareketleri tekrarlanarak ölçümler yapılmıştır. Ölçümler sırasında kol yüzeyi üzerinde oluşan, 0-10 mV arasındaki voltaj işlemsel yükselteç ile arttırılmıştır. Tasarlanan yükselteç devresinde, ham yüzey EMG başarılı şekilde ölçülmüştür. EMG sinyali üzerindeki elektriksel veya diğer etkenlerden kaynaklı gürültülerin çıkartılması için filtre devreleri tasarlanmıştır. Bu filtreler, yüksek geçiren ve alçak geçiren filtrelerdir. Filtrelerin, EMG sinyali üzerindeki gürültüleri yok ettikleri gözlemlenmiştir. Yükseltilmiş EMG sinyalinin daha kolay incelenebilmesi için, negatif polarmadaki sinyaller hassas doğrultucu ile pozitif polarmaya geçirilmiştir. Bu aşamadan sonra tasarlanan yumuşatma devresi, kasılma sırasında oluşan sinyallerdeki gürültüleri büyük oranda azaltmıştır diğer aşamalara göre verilerin daha net oldukları gözlemlenmiştir. Bu aşamalar sonunda, sinyalin genliği büyük oranda azalmıştır. Sinyalin genliğini arttırmak için tasarlanan kazanç devresi çıkış voltajı maksimum 3 V olarak ölçülmüştür. EMG sinyalinin kolay ve pratik şekilde incelenebilmesi için, üzerinde HMI modülü ve SD kart girişi bulunan mikrodenetleyici tabanlı kontrol kartı tasarlanmıştır. Bu sayede, verilerin gerçek zamanlı takibi ve kayıt başlatılması dokunmatik ekran üzerinde bulunan ara yüz ile yapılabilmiştir. Veriler '.cvs' formatında kayıt edilmiştir. Kayıtlı veriler yapay sinir ağları ile kol hareketlerinin sınıflandırılmasında veri kümesi olarak kullanılabilecektir. Anahtar Kelimeler: Elektromiyografi, işlemsel yükselteç, elektronik filtre, hassas doğrultucu, yumuşatma, yapay sinir ağları, HMI, SD kart.