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 - 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
    Conference Object
    Analysis and Classification of Air Disc Brake Sounds in Time and Frequency Domain
    (IEEE, 2018) Zeynep Ertekin; Nalan Ozkurt; Cem Yilmaz; Yilmaz, Cem; Ertekin, Zeynep; Ozkurt, Nalan
    In this study analysis and classification of audio data collected from faulty air disc brakes has been carried out by Fourier Transform (FT). The sound data have been recorded by 2 identical Norsonic Type 1228 microphones in the laboratory of Ege Fren A.S. on a vehicle. The recorded data set which has been transferred into computer by a data acquisition board has been analyzed in Matlab. Number of zero crossings, mean variance entropy and spectral rolloff of Fourier coefficients have been used as features in order to distinguish normal and faulty brakes. These features have been classified with 10x10 crossvalidation by using kth nearest neighbour algorithm with a success rate of 96.23 %
  • Thumbnail Image
    Article
    Citation - WoS: 4
    Citation - Scopus: 4
    PrepAnnECG: A user friendly MATLAB ECG preprocessing and annotation GUI for health professionals
    (ELSEVIER, 2023) Nalan Ozkurt; Ozkurt, Nalan
    Electrocardiography (ECG) is an indispensable tool for diagnosing heart diseases. However long ECG records should be annotated by clinicians for training the Artificial Intelligence (AI) algorithms. Furthermore raw ECG should be processed for better learning. This paper introduces an open-source user-friendly Matlab preprocessing and annotation interface. preprocessECG offers a GUI for cropping manual artifact removal filtering and segmentation. Also custom preprocessing software can be invoked from the interface. PrepAnnECG is an easy-to-use ECG annotation GUI that is suitable for long records. The outputs of both GUI are comma-separated value (csv) files that any machine learning algorithm can read.
  • Thumbnail Image
    Master Thesis
    EKG tabanlı giyilebilir aktivite takip cihazının tasarımı ve uygulanması
    (2018) Sarvan, Çağla; Özkurt, Nalan
    Bu çalışmada MIT-BIH veri tabanından elde edilen normal, sağ dal bloğu, sol dal bloğu ve pace ritimlerine ait kalp vuruları verisi kullanılarak ayrıştırıcılığı yüksek özniteliklerin bulunması ve kalp sinyallerinin gerçek zamanlı alınmasıyla, aktivite takibi yapabilen, giyilebilir bir cihaz tasarımı hedeflenmiştir. Kesikli dalgacık dönüşümü (KDD) öznitelikleri ile aritmi sınıflandırma çalışması üç kısımda incelenebilir. İlk çalışmada dört aritmi tipi sinir ağları ile tek bir dalgacıktan elde edilen 16 istatistiksel öznitelikle ve iki farklı dalgacıktan elde edilen 32 öznitelikle sınıflandırılmıştır. Sınıflandırmada en başarılı bulunan iki dalgacıktan elde edilen 32 adetlik özniteliğin tek dalgacığa göre daha yüksek başarım oranı sağladığı gözlemlenmiştir. Daha sonra, incelenen aritmi vurularının sınıflandırılmasında farklı tip dalgacıkların farklı seviyede seçilen detay katsayılarının kombinasyonu ile yüksek başarım oranı sağlayan özniteliklerin seçilimi için genetik algoritma yönteminden faydalanılmıştır. Önerilen KDD yöntemi ile farklı tip dalgacıklardan bir öznitelik havuzu oluşturulmuştur. Sınıflandırma algoritmasında yüksek doğruluk oranı veren 16 adetlik öznitelik seti genetik algoritma yöntemi ile seçilmiştir. Uygunluk fonksiyonunda sinir ağının doğruluk oranı uygunluk fonksiyonu olarak kullanılmıştır ve bu değer maksimize edilmeye çalışılmıştır. Kalp sinyali aritmi tiplerinin karakteristiğini yansıtan uygun özniteliklerin tespit edilebilmesi için önerilen diğer bir yöntem çok amaçlı yaklaşımla GA kullanılmasıdır. Bu yöntemde oluşturulan öznitelik havuzundan seçilim birden fazla kriterin tek bir değere indirgenmesiyle yapılmıştır. Uygunluk fonksiyonu değerlendirmesinde sinir ağı sınıflandırmasının doğruluk oranı, ortalama karekök hata oranı ve seçilen öznitelik sayısı kullanılmıştır. Yüksek doğruluk oranını az hata ile sağlayan en düşük sayıda öznitelik seti aranarak bir yerine üç adet kriter çok amaçlı yaklaşımla GA kullanılarak değerlendirilmiştir. Farklı yöntemler ile tespit edilen öznitelik setlerinin testi için bir simülasyon programı oluşturulmuştur. Simülasyon programında iki adet dalgacığın birleşiminden elde edilen 32 adetlik öznitelik seti, GA tarafından seçilen 16 adetlik öznitelik seti ve çok amaçlı yaklaşımla GA kullanılarak tespit edilen 48 adetlik öznitelik setinin çok katmanlı algılayıcı (MLP) eğitim çıktısı kullanılmıştır. Geliştirilen grafik arayüzü ile seçilen öznitelik setini kullanarak MLP aritmi tipini belirler. Gerçek zamanlı kalp sinyallerinin elde edilmesi için kompakt bir devre tasarımı yapılmıştır. Kalp sinyalleri ile birlikte eş zamanlı hareket bilgisinin alınması için ivmeölçer kullanılmış olup sinyaller bir mikrodenetleyici üzerinden arayüz programına bluetooth modülüyle kablosuz olarak aktarılmıştır. Sinyaller tasarlanan arayüz programında gerçek zamanlı olarak çizdirilmiştir. Tasarlanan devre kartı 3D yazıcı ile basılan kompakt bir kutu içerisine yerleştirip giyilebilir bir EKG cihazı haline getirilmiştir. Böylelikle aktivite sırasında oluşan kalp ritimleri gerçek zamanlı olarak gözlemlenip kayıt altına alınabilmiştir.
  • 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