TOBB ETU GCRIS Premium Database
The scientific memory of TOBB ETU. Publications, projects, and researchers—all in one place. The heart of open science beats here. 'Open Science. Visible Impact.'
Most Viewed Publications
Most Downloaded Publications
Oracle için Veri Tabanı Yönetim Aracı ve Performans Analizi
Master Thesis
4982
Türkiye'deki Suriyelilere İlişkin Twitter Paylaşımlarının Sosyal Kimlik Teorisi Çerçevesinde Analizi
Master Thesis
4308
Savunma Sanayiinin Önemi ve Savunma Harcamalarının Ülke Ekonomisine Etkileri
Master Thesis
2516
Recent Submitted Publications
Elektroensefelorafi ve Elektrokardiyografi Sinyalleri Kullanılarak Epilepsi Nöbetlerinin Yapay Zeka İle Tahmin Edilmesi
(2025) Yılmaz, Nur Sena Özdemir; Eroğul, Osman
Epilepsi ani gelişen nöbetlerle ortaya çıkan ve dünyada en yaygın görülen nörolojik hastalıkların başında gelmektedir. Epilepsi nöbetlerinin kontrol altına alınabilmesi için klinik olarak tercih edilen 2 yöntem; cerrahi işlemler ve farmakolojik yöntemlerdir. Fakat bu iki yöntem de epilepsi tedavisi için altın standart olarak kabul edilmemiştir. Bunun sebebi ise her hastaya uygulanabilirliklerinin ve başarı oranlarının düşük olmasıdır. Bu sebeple epilepsi nöbet tahmini algoritmalarının geliştirilebilmesi ve nöbet gerçekleşmeden belirli bir süre önce nöbetlerin tahmin edilebilmesi ile erken uyarı mekanizmalarının oluşturulması yaygın bir çalışma konusudur. Bu çalışmada erken epilepsi nöbet tahmini için Siena Scalp EEG veri tabanı kullanılmıştır. Çalışmaların tamamı MATLAB ile tamamlanmıştır. Tez çalışması kapsamında EEG ve EKG biyosinyal tabanlı makine öğrenmesi ve derin öğrenme algoritmaları geliştirilmiştir. Biyosinyallerin öncelikli olarak ön işleme basamakları tamamlanmış ve 30'ar saniyelik pencerelerle epoklanmışlardır. Makine öğrenmesi algoritmalarında EEG bazlı olarak 19 adet öznitelik ve EKG bazlı olarak ise 20 adet öznitelik ilgili biyosinyallerin zaman ve frekans bölgelerinden elde edilmiştir. En başarılı 5'er makine öğrenmesi modeli incelenmiş ve erken epilepsi nöbet tahmini ortalama ve medyan süreleri dakika cinsinden rapor edilmiştir. Epileptik nöbetlerin EEG verisi ile elde edilen makine öğrenmesi modelleri ile en yüksek başarı, %90,3 doğruluk oranı ile Efficient Linear SVM modeli tarafından elde edilmiştir. Bu model aynı zamanda %87 duyarlılık, %92 özgüllük ile epileptik nöbet öncesi dönemleri yüksek isabet oranıyla tespit etmiştir. Nöbetten ortalama 18,5 dakika önce uyarı verebilmesiyle, erken müdahale açısından da oldukça başarılı bir performans göstermiştir. EKG öznitelikleri ile gerçekleştirilen sınıflandırma deneylerinde ise en yüksek performans Lineer SVM modeli ile elde edilmiştir (Doğruluk %85,2, Duyarlılık %81, Özgüllük %88). Ayrıca bu model, nöbetten ortalama 14,8 dakika önce epileptik dönemi tahmin edebilmiştir. Medyan uyarı süresi ise 13 dakika olarak hesaplanmıştır. Derin öğrenme kısmında ise evrişimsel sinir ağları tercih edilmiştir. Bu kapsamda literatürde yaygın kullanılan mimariler ile epileptik nöbet tahmini algoritmaları tamamlanmıştır. Sinyallere ait epok bazlı spektogram görüntüleri 2 boyutlu mimarilere entegre edilmiştir. Bu kapsamda kullanılan mimariler; Resnet-18, MobileNetV2 ve EfficientNet-b0 mimarileridir. Buna ek olarak 1 boyutlu direkt zaman sinyali kapsamında Resnet-1D, MobileNet-1D ve InceptionTime mimarileri kullanılmıştır. Sonuçlar incelendiğinde ise EEG sinyalleriyle eğitilen derin öğrenme modelleri EKG modellerinden daha yüksek başarılı sonuçlar verdiğine ulaşılmıştır. En yüksek doğruluk oranı, %95,4 ile ResNet-18 (2D) mimarisi tarafından EEG spektogramları ile elde edilmiştir. 1 boyutlu zaman serisi mimarileri arasında ise en yüksek doğruluk, %93,8 ile ResNet-1D ile tekrar EEG ile elde edilmiştir. Erken tahmin süreleri incelendiğinde, 2 boyutlu modellerin 10,5 – 9,0 dakika, 1 boyutlu modellerin ise 9,2–8,6 dakika arasında değişen medyan tahmin süresi sağladığı görülmektedir. Bu süreler, epileptik nöbetten önce müdahale şansı tanıyabilecek düzeyde yeterlidir. Derin öğrenme algoritmalarının erken epilepsi tahmin sürelerinin makine öğrenmesine göre daha kısa olmasının sebebinin daha temkinli ve doğru tahmin yapma amacıyla meydana geldiği öngörülmüştür.
SARS-CoV-2 Spike–ACE2 Etkileşiminin İnhibisyonuna Yönelik Tasarlanan Peptitlerin Etkinliğinin Moleküler Modelleme Yöntemleriyle Araştırılması
(2025) Yarar, Şeniz; Çalışkan, Hüseyin Burak
Virüs yalnızca canlı (konak) hücrelerde çoğalabilen enfeksiyöz ajanlardır. Bu bağlamda SARS-CoV-2 virüsü de, yüzeyindeki Spike (S) proteini aracılığıyla anjiyotensin dönüştürücü enzim 2 (ACE2) reseptörüne bağlanarak konak hücreye giriş yaparak COVID-19 hastalığına neden olmakta, kalp ve akciğer gibi dokularda yüksek düzeyde eksprese olan ACE2'nin işlevini bozması nedeniyle COVID-19 pandemisinde Dünya Sağlık Örgütü verilerine göre 7 milyondan fazla insanın ölümüne yol açtığı bilinmektedir. SARS-CoV-2 genomunda özellikle Spike proteinini kodlayan bölgede görülen yüksek mutasyon oranı; virüsün bulaş hızı ile bağışıklık sisteminden kaçma yeteneğine bağlı olarak virüsün ölümcüllüğünü artırmaktadır. Bu nedenle virüse karşı ilaç geliştirmede Spike–ACE2 etkileşimi hedef alınmakta ve bu etkileşimin peptitler aracılığı ile inhibe edilmesine yönelik çalışmalara ağırlık verilmektedir. Peptitler, küçük moleküllere kıyasla esnek yapıları, özgül bağlanma yetenekleri ve düşük toksisiteleri sayesinde protein–protein etkileşimlerini inhibe etmeye yönelik ilaç geliştirme çalışmalarında önemli bir alternatif sunmakla birlikte geleneksel ilaç geliştirme yöntemlerinin yüksek maliyet ve uzun zaman gerektirmesi nedeniyle erken aşama tarama süreçlerinde bilgisayar destekli ilaç tasarım (CADD) yaklaşımlarının kullanımını gerekli kılmıştır. Spike–ACE2 etkileşimini inhibe etmeye yönelik geliştirilen peptitlerin etkinliğini değerlendiren çalışmalarda kullanılan hesaplamalı ve deneysel yöntemler sonucu elde edilen veriler arasında tutarsızlıkların olduğu gözlemlenmiştir. SARS-CoV-2 Spike–ACE2 etkileşiminin inhibisyonuna yönelik peptit tabanlı inhibitör tasarımında yapı tahmini, moleküler kenetleme programlarından HADDOCK ve AutoDock CrankPEP (ADCP) ile moleküler modelleme programlarından AlphaFold2 (AF2), AlphaFold2-Multimer (AF2M), PepFold3 ve ESMFold üzerinden çalışmalar yürütülmüştür. AF2M programının hem bağlanma bölgesini hem de bağlanma sonrası peptitin konformasyonu doğru şekilde belirlemede diğer programlara kıyasla üstün olduğu gözlemlendiğinden, bu program üzerinden Rosetta Ref2015, Rosetta ddG, Prodigy ve PyDock gibi farklı skorlama fonksiyonlarının etkileri incelenmiştir. AF2M ile modellenen yapıların Rosetta Ref2015 skoru ile sıralanmasının peptitin reseptör Spike proteini üzerinde konumlandırılması açısından anlamlı sonuçlar verdiği gözlemlenmiştir. Bağlanma bölgesine doğru konumlandırılmış olması o bölgedeki etkileşimi inhibe ettiğini göstermediğinden; ilerleyen çalışmalarda skorlama fonksiyonlarının entegrasyonu ile peptit-bazlı inhibitör tasarımında daha güvenilir ve etkili sonuçlar elde etmek için veri setlerinin genişletilmesi, SAPx peptitleri-Spike RBD proteini komplekslerinin biyolojik olarak anlamlı analizinin yapılabilmesi için mikrosaniyeler mertebesinde MD simülasyonlarının yapılması ve bağlanma serbest enerjilerinin hesaplanmasının uygun olacağı değerlendirilmiştir. Sonuç olarak, bu tez çalışmasında, SARS-CoV-2 Spike–ACE2 etkileşimini inhibe etmeye yönelik peptit-bazlı ilaç geliştirme süreçlerinde yapay zekâ destekli modelleme yaklaşımlarında doğru skorlama stratejilerinin kullanımının tasarımın doğruluğunu test etme sürecinde kullanılabilir bir metot olarak üzerinde çalışılmaya değer sonuçlar elde edilmiştir. Hesaplamalı yöntemde doğru skorlama stratejisi kullanımının sorunsalın çözümlenmesinde olumlu katkılar sunabileceği kıymetlendirilmektedir. Anahtar Kelimeler: SARS-CoV-2 virüsü, ACE2 reseptör proteini, Peptit-protein etkileşimleri, Peptit yapı tahmini, Moleküler kenetleme, Moleküler modelleme, Moleküler dinamik simülasyonları
Eklemeli İmalat Yöntemi İle Üretilmiş Ti-6Al-4V Alaşımının Yüksek Gerinme Hızlarındaki Davranışının Deneysel ve Sayısal Yöntemler İle İncelenmesi
(2025) Memu, Fırat; Durlu, Nuri; Hafızoğlu, Hakan
Bu tez çalışmasında, Lazerle Toz Yatağında Füzyon yöntemiyle üretilmiş Ti-6Al-4V alaşımı, toz karakterizasyonu, ısıl işlem sonrası mikroyapı ve mekanik özellikleri, yüksek gerinim hızı altındaki deformasyonu ve Johnson-Cook malzeme modelinin mikroyapı parametreleriyle ilişkilendirilmesi olmak üzere dört ana başlık altında incelenmiştir. İlk aşamada, orijinal, geri kazanılmış ve sıçrantı olmak üzere üç farklı Ti-6Al-4V toz türü morfolojik, mikroyapısal ve kimyasal olarak analiz edilmiştir. Morfolojik olarak sıçrantı toz haricinde orijinal ve geri kazanılmış tozların kullanıma uygun olduğu belirlenmiştir. Mikroyapıda ise tüm toz türlerinde α′ martenzit fazının olduğu, faz kalınlığının 0.2 ile 0.27 µm, dislokasyon yoğunluğunun ise 1.72 ile 9.38 × 1015 m-2 arasında değiştiği belirlenmiştir. İkinci aşamada, Lazerle Toz Yatağında Füzyon yöntemiyle üretilen Ti-6Al-4V numuneleri 725-950 °C aralığında 2 saat süre ile tavlanmış ve üretim sonrası mikroyapıda ultra ince α fazı, tavlama sonrası ise α+β fazları gözlenmiştir. Tavlama ile α faz kalınlığı 0.32 µm'den 1.09 µm'ye, β faz oranı ise %17'ye çıkmıştır. Dislokasyon yoğunluğu üretim sonrası 3.94×1014 m-2 olarak ölçülmüş, ısıl işlemle önce azalmış (800 °C'de 2.08×1014 m-2), ardından 950 °C'de tekrar artmıştır (3.20×1014 m-2). Tavlama sonrasında süneklik genel olarak artsa da, 875 ve 950 °C'de elde edilen sınırlı artış, α fazının kalınlaşması ve β faz miktarının artmasına bağlanmıştır. Üçüncü aşamada, Split-Hopkinson Basınç Çubuğu sistemi ile 400-1000 s⁻¹ gerinim hızlarında dinamik basma testleri yapılmıştır. Lazerle Toz Yatağında Füzyon yöntemiyle ile üretilen ve ultra ince α fazı içeren numune 1000 s⁻¹'de kırılmış, tavlanmış numuneler ise kırılmamıştır. Bunun nedeni, ultra ince α fazının dislokasyon hareketini ve deformasyonu kısıtlamasıdır. Yüksek gerinme hızı etkisiyle üretim sonrası numunelerde α faz kalınlığında %11 seviyesinde incelme gözlenmiştir. Isıl işlemli α+β mikroyapısındaki numunelerde ise gerinim sertleşmesi α fazının kalınlığını azaltırken, ısıl yumuşama bu azalmanın daha sınırlı kalmasına neden olmuştur. Dördüncü aşamada, deneysel verilerle Johnson-Cook malzeme modeli için A, B, n, C ve m parametreleri belirlenmiş, elde edilen parametrelerle LS-Dyna yazılımında Split-Hopkinson Basınç Çubuğu testleri simüle edilmiştir. Simülasyon ve deneysel veriler arasında yüksek doğrulukta (R² = 0.812 – 0.929) uyum elde edilmiştir. Ayrıca α faz kalınlığı, c/a oranı, faz miktarı ve dislokasyon yoğunluğu gibi mikroyapı verileri ile Johnson-Cook malzeme parametreleri arasında korelasyon matrisi oluşturulmuştur. Bu ilişki sayesinde ampirik regresyon denklemleri geliştirilmiş ve Johnson-Cook malzeme parametrelerinin mikroyapı verileri ile tahmin edilebileceği gösterilmiştir.
Analog Entegre Devrelerde Memristör Modelleri İle Gerilim ve Akım Dalgalanmalarına Karşı Koruma Önlemleri ve Devre Benzetimleri
(2025) Karadeniz, Hakan; Meral, Itır Köymen
Günümüzde yüksek hızlı analog devrelerin elektromanyetik darbelere karşı korunması, entegre devrelerin kullanıldığı sistemleri ve ekipmanları uzun yıllar güvenilir ve sağlam tutma açısından kritik öneme sahiptir. Elektromanyetik darbelerin etkisi devrelerin dayanıklı olduğu akım ve gerilim üst sınırlarının geçilmesine sebep olabilir. Bu tez ile memristör aygıtlarının geçici gerilim darbelerine karşı devre koruma elemanı olarak kullanılması araştırılmıştır. Devrede memristörün direnç durumları arasında geçişlerini sağlayabilmek için aygıta besleme uygulanması ve bu besleme geriliminin tekrar ayıklanması için bias-tee devreleri kullanılması önerilmektedir. Bu devrelerin hesaplanması ve devrenin sinyal kaybı yaşamadan çalışması ise empedans uyumlama teknikleri ve maksimum güç aktarım teoremleri kullanılarak sağlanmıştır. LTspice ortamında kurgulanan benzetim çalışmasının çıktıları, MATLAB programı ile karşılaştırılmış ve yorumlanmıştır. LTspice ortamında analog ses ve video arayüz test işaretleri, anlık gerilim dalgalanması ve memristör aygıtları modellenmiştir. Simülasyon devrelerinin kurulması için arayüzler incelenmiş ve teknik gereksinimleri çıkarılmıştır. Tez çalışmasında planlanan tasarıma uygun olarak geleneksel çözümdeki TVS (Geçici gerilim Baskılama – Transient Voltage Suppression) ve AC kuplaj kapasitörü devrede kullanılmaya devam edilmiş ancak buna ek olarak Yakopcic çalışma grubuna ait memristör modeli arayüze seri bağlanmıştır. Bu sayede hibrit bir koruma devresi elde edilmiştir. Simülasyon sonuçlarına göre, memristörlü yapı TVS ile çalışmış ve geleneksel çözüme göre daha hızlı tepki vermiştir. Arayüz devresine eklenen koruma önlemleri yardımı ile elektromanyetik dalgaların sebep olduğu süre boyunca anlık gerilim dalgalanmasının arayüze ulaşması engellenmiştir; bu sayede analog giriş ve çıkışların tahribatının önüne geçileceği tahmin edilmektedir. Bu tez çalışması ile yüksek hızlı analog giriş ve çıkış devrelerinde yerden ve bileşen sayısından tasarruf sağlayarak, entegre devre tasarımcıları için yeni bir anlık gerilim koruma devre topolojisi önermektedir. Bu seviyede bir koruma devresini memristör kullanmadan sağlamak için geleneksel çözüme ek devre elemanları eklenmeli ve kompleks devreler kurularak test edilmelidir. İki farklı tip devre arayüzü için koruma devresi çözümü önerilmiş ve benzetimi koşulmuştur ancak farklı arayüzler ile başarımı ve fiziksel olarak uygulanabilirliğini araştırmak için yeni çalışmalara ihtiyaç vardır. Memristörler terminalleri arasına uygulanan besleme gerilimine göre direnç durumunu değiştirebilmektedir. Bu araştırma, memristör aygıtının bu özelliğinin tasarlanacak devrede geçici dalga formlarına karşı devreyi koruma yeteneğine sahip bir devre oluşturmak için etkin bir şekilde kullanılıp kullanılamayacağını incelemektedir. Geçici rejimlere karşı tam koruma sağlamak amacıyla, ilk aşama olarak TVS diyotları kullanılmaktadır. Ayrıca, memristörün direnç durumlarını kontrollü bir şekilde değiştirmesini sağlamak için bir besleme devresi önerilmektedir.
Sarkopeni Hastalığının Nöro Bilişsel Belirteçlerinin İşlevsel Yakın Kızılaltı Spektroskopisi ve Yapay Zeka Yaklaşımları Kullanılarak Belirlenmesi
(2025) Şahin, Bora Mert; Eken, Aykut
Yaşlanma ile birlikte kas kütlesi, kuvvet ve fonksiyonlarında görülen azalma olarak tanımlanan sarkopeni, yaşam kalitesini ciddi oranda etkileyen önemli bir hastalıktır. Yakın zamanda yapılan çalışmalar, sarkopeninin yalnızca fiziksel kayıplarla sınırlı kalmayıp, nörolojik fonksiyonları da olumsuz yönde etkileyebileceğini öne sürmüştür. Bu tez çalışmasında, sarkopeninin motor ve bilişsel görevler sırasındaki kortikal hemodinamik etkileri ve bu etkilerin klinik ölçümlerle ilişkisi fonksiyonel yakın kızılaltı spektroskopisi (fNIRS) ile incelenmiştir. Ek olarak, fNIRS verilerinden elde edilen fonksiyonel bağlantısallık özniteliklerinin, makine öğrenmesi modelleri aracılığıyla, sarkopenik bireyleri sağlıklı bireylerden ayırt etmedeki başarımı değerlendirilmiştir. Çalışmaya toplamda 68 kişi (38 sağlıklı, 30 sarkopenik) katılmıştır. Katılımcılara kavrama kuvveti, N-Geri ve Oddball deneyleri uygulanarak fNIRS verileri alınmış, kavrama deneyinde elektromiyografi (EMG) ve el dinamometresi verileri de kaydedilmiştir. Verilerin istatistiksel analizi, t-test, tekrarlı ölçümlü ANOVA ve korelasyon ile gerçekleştirilmiştir. Sonuçlar, sarkopenik bireylerin motor görevlerde EMG ve dinamometre ölçümlerinde anlamlı şekilde düşük performans sergilediklerini ortaya koymuştur. Ayrıca, kavrama, N-Geri ve Oddball deneyleri sırasında precentral gyrus (PcG), middle frontal gyrus (MFG) ve superior frontal gyrus (SFG) bölgelerindeki hemodinamik tepkilerin, sarkopeni grubunda kontrol grubuna kıyasla farklılıklar gösterdiği bulunmuştur. Motor ve bilişsel görevler arasındaki korelasyon analizleri ise, sarkopenik bireylerde motor ve bilişsel fonksiyonların ortak kortikal temsiliyetlere sahip olduğunu desteklemiştir. Makine öğrenmesi ile gerçekleştirilen sınıflandırma sonucunda, sarkopenik ve sağlıklı bireyler yüksek doğruluk (%80-86) ve eğri altı alan değerleri (0.86-0.95) ile sınıflandırılmıştır. Bu sonuçlar, fNIRS tabanlı nörolojik belirteçlerin, sarkopeni tanısı ve klinik değerlendirmede önemli bir potansiyele sahip olduğunu göstermektedir.