21241 research outputs found
Sort by
Comparison of permutation entropy and dispersion entropy in brain activity analysis of alzheimer's disease: a machine learning approach
Get PDFBu tez çalışmasında, Alzheimer hastalığının (AH) erken tanısı için EEG (Elektroensefalografi) verileri üzerinden elde edilen entropi temelli özniteliklerin makine öğrenmesi algoritmaları ile sınıflandırma performansı üzerindeki etkisi araştırılmıştır. Çalışmada kullanılan EEG verileri, 12 Alzheimer hastası ve 11 sağlıklı bireyden elde edilmiş, her bireyden alınan veriler alfa (8–13 Hz) ve beta (13–32 Hz) frekans bantlarına filtrelenmiş ve artefaktlardan arındırılmıştır. Çalışmanın ilk aşamasında, herhangi bir entropik öznitelik çıkarımı yapılmaksızın ham EEG verileri doğrudan sınıflandırma algoritmalarına sunulmuş ve Alzheimer hastaları ile sağlıklı bireyler arasında ayırt edici farklılıkların olup olmadığı incelenmiştir. İkinci aşamada, MATLAB ortamında EEG verileri üzerinden Permütasyon Entropisi (PE) ve Dispersiyon Entropisi (DE) hesaplanarak özellik vektörleri oluşturulmuş ve bu öznitelikler Python ortamında farklı sınıflandırma algoritmalarıyla değerlendirilmiştir. Üçüncü aşamada ise PE ve DE değerlerinin birlikte kullanıldığı çift entropi modeli ile sınıflandırma başarımı analiz edilmiştir. Random Forest, Yapay Sinir Ağı (YSA), Naive Bayes, k-En Yakın Komşu (k-NN) ve Karar Ağaçları olmak üzere beş farklı algoritma uygulanmış ve karşılaştırmalı sonuçlar elde edilmiştir. Genel olarak, çift entropi modelinin YSA algoritması ile birlikte kullanılması, bu çalışmada en yüksek sınıflandırma başarımlarını sağlamıştır. Ayrıca, istatistiksel analizler kapsamında Mann-Whitney U testi, t-testi ve Kruskal-Wallis testleri uygulanmış; özellikle F8, O1, O2, P3 ve P4 bölgelerinde hem PE hem DE açısından anlamlı farklılıklar bulunmuştur (p < 0.001). Elde edilen bulgular, entropi tabanlı EEG analizinin Alzheimer tanısında önemli ve güvenilir bir biyobelirteç potansiyeline sahip olduğunu ortaya koymaktadır. Bu yönüyle çalışma, literatürde özgün ve çok katmanlı bir yaklaşım sunmaktadır. Anahtar Sözcükler: Alzheimer hastalığı, EEG, Entropi, Makine öğrenmesi, SınıflandırmaIn this thesis study, the impact of entropy-based features derived from EEG (Electroencephalography) data on the classification performance of machine learning algorithms was investigated for the early diagnosis of Alzheimer's disease (AD). The EEG data used in this study were obtained from 12 patients diagnosed with Alzheimer's disease and 11 healthy control subjects. The data from each participant were filtered into the alpha (8–13 Hz) and beta (13–32 Hz) frequency bands and cleaned of artifacts. In the first stage of the study, the raw EEG data were directly fed into classification algorithms without any entropy-based feature extraction to examine whether there were distinguishing differences between Alzheimer's patients and healthy individuals. In the second stage, Permutation Entropy (PE) and Dispersion Entropy (DE) were computed from the EEG signals in the MATLAB environment to construct feature vectors, which were then evaluated using various classification algorithms implemented in Python. In the third stage, the classification performance of a combined entropy model utilizing both PE and DE values was analyzed. Five different algorithms—Random Forest, Artificial Neural Network (ANN), Naive Bayes, k-Nearest Neighbors (k-NN), and Decision Trees—were applied and comparative results were obtained. Overall, the combined entropy model employed with the ANN yielded the highest classification performances in this study. Furthermore, statistical analyses including the Mann-Whitney U test, t-test, and Kruskal-Wallis test were conducted; notably, significant differences were identified in both PE and DE measures particularly at the F8, O1, O2, P3, and P4 regions (p < 0.001). The findings demonstrate that entropy-based EEG analysis holds substantial promise as a robust and reliable biomarker in the diagnosis of Alzheimer's disease. In this respect, the study presents an original and multi-layered approach within the current literature
Biyobozunur Plastiklerin Evsel Kompostlama Sürecindeki Davranışı: Kompost Kalitesi, Polimer Yüzey Morfolojisi ve Yapısındaki Değişimler
Get PDFBu çalışmada, biyobozunur plastiklerin mezofilik şartlar altında standart alıkonma süresince kompost kalitesi üzerindeki etkileri incelenmiş ve kompostlama süresinin biyobozunur plastik degradasyonu için yeterli olup olmadığı araştırılmıştır. Sıcaklık, pH ve nem gibi kompost kalite parametreleri belirlenmiş; biyobozunur plastiklerin bozunma derecesi ise ağırlık kaybı, ATR-FTIR ile kimyasal yapı değişimleri ve SEM ile yüzey morfolojisi analiz edilerek değerlendirilmiştir. Çalışma sonucunda biyobozunur plastik ihtiva eden kompost ile geleneksel kompost karşılaştırıldığında, kompostun olgunlaşma sürecinde belirgin bir hızlanma veya kalite artışı gözlemlenmemiştir. Ancak süreç üzerinde ciddi bir olumsuzluk yaratmadığı da anlaşılmaktadır. Bununla birlikte, çalışmanın bulguları, biyobozunur plastiklerin süreç içerisinde tam olarak bozunmadığını, yani belirli bir oranda kompost içerisinde kalıntı bırakabildiğini göstermektedir. Doksan günlük süre sonunda, biyobozunur plastikler için %22,5 oranında ağırlık kaybının gerçekleştiği tespit edilmiştir. ATR-FTIR sonuçları simetrik C-H ve O-H bağlarındaki değişimler ile degradasyonu desteklerken, SEM analizleri yüzey pürüzlülüğündeki artış ve çatlak oluşumunu ortaya koymuştur. Bu nedenle, biyobozunur plastiklerin kompost süreçlerinde ne kadar süreyle ve hangi koşullarda tamamen ayrışabildiğinin daha uzun vadeli çalışmalarla belirlenmesi gerekmektedir
Derin Öğrenme Tabanlı Kanal Kestirimi: 5G NR OFDM Sistemleri için Hiperparametre Optimizasyonu ve Performans Karşılaştırması
Get PDFBeşinci nesil (5G) Yeni Radyo (NR), gelişmiş mobil geniş bant ve ultra güvenilir düşük gecikmeli iletişim sağlamak üzere tasarlanmış birleşik, esnek ve ölçeklenebilir kablosuz iletişim için küresel bir standarttır. Kanal kestirimi, 5G NR dik frekans bölmeli çoğullama (OFDM) sistemlerinin performansını optimize etmek için kritik bir öneme sahiptir. Bu çalışma, hiperparametre analizine ve geleneksel en küçük kareler (LS) yöntemiyle performans karşılaştırmasına odaklanarak derin öğrenme (DL) tabanlı kanal kestirim tekniklerini araştırmaktadır. 300 adet simülasyon aracılığıyla, DL modellerinin dinamik kablosuz ortamlardaki uyarlanabilirliklerinin ve doğruluklarının değerlendirilmesi için değişen parametreler altında analizi yapılır. Sonuçlar, DL modellerinin, ince ayar yapıldığında, tahmin doğruluğu açısından LS'den daha iyi performans gösterdiğini, daha düşük hatalar elde ettiğini ve değişen kanal koşullarına daha fazla uyum sağladığını göstermektedir. Ayrıca çalışma, optimize edilmiş DL modellerinin hesaplama karmaşıklığını azaltma potansiyelini vurgulayarak gerçek zamanlı uygulamalarda kullanılabileceklerine dikkat çekmekte ve 5G NR OFDM sistemlerinde DL tabanlı yaklaşımların avantajlarının altını çizmektedir
Korovkin Type Theorem for Modified Bernstein Operators via A-Statistical Convergence and Power Summability Method
Get PDFIn this study, we investigate the approximation properties of modified Bernstein operators through the lens of A-statistical convergence and power summability methods. Our main objective is to establish a Korovkin type approximation theorem in this generalized setting. By incorporating statistical convergence, we aim to provide broader and more powerful approximation results that can be applied in various contexts where classical convergence criteria may fail or be insufficient. © 2025 Elsevier B.V., All rights reserved
Correlation between Vitamin D levels and thyroid autoantibodies in newly diagnosed hashimoto's thyroiditis patients
Get PDFBackground: Vitamin D plays a role in numerous metabolic functions. In this study we aimed to assess vitamin D levels in Hashimoto's Thyroditis (HT) patients, and demonstrate the relationship between these levels and thyroid function tests or thyroid autoantibodies. Methods: A retrospective analysis of 112 newly diagnosed euthyroid HT (EHT) patients and 178 healthy controls was carried out. 25-OH D level was classified as vitamin D deficiency, vitamin D insufficiency, and vitamin D sufficient. Results: Mean age was 35.33 +/- 11.54 years in the patient group, and 35.84 +/- 10.9 in the control group (p=0.777). Compared with the healthy controls, patients in the EHT group had significantly lower vitamin D levels (p=0.007), and a significantly higher prevalence of vitamin D deficiency (p=0.001). While there was a negative correlation between vitamin D levels and anti-TPO values (r=-0.133, p=0.023), there was no significant relationship between vitamin D and TSH, fT4, fT3, and anti-TG values (p>0.05). Conclus & imath;ons: This study showed that EHT patients had lower vitamin D levels compared to healthy controls, and there was a significant negative correlation between vitamin D levels and anti-TPO levels. Based on our study, patients diagnosed with HT should undergo vitamin D screening, and replacement if necessary
A discussion of bisexual populations with Wolbachia infection as an evolution algebra
Get PDFIn this paper, Wolbachia infection in a bisexual and diploid population with a fixed cytoplasmic incompatibility rate w and maternal transmission rate d is studied as an evolution algebra. As the cytoplasmic incompatibility (CI) of the population causes deaths in the offspring, the evolution algebra of this model is not baric, and is a dibaric algebra if and only if the cytoplasmic incompatibility rate w is 1 and d=1 . The idempotent elements are given in terms of d and w. Moreover, this algebra has no absolute nilpotent elements when CI expression w not equal 1
Sustainable healthcare education using cooperative simulation in developing nursing students' knowledge, attitude and skills: A randomized controlled study
Get PDFBackground: The effectiveness of sustainable healthcare education in improving nursing students' knowledge and attitudes has been demonstrated through short-term studies with pre-post test design. However, there is a need to study long-term retention of students' knowledge and attitudes, also their skills in achieving sustainable healthcare from the use to disposal of healthcare resources by providing a hands-on learning experience via simulation. Aim: This study investigated the effects of sustainable healthcare education using cooperative simulation on nursing baccalaureate students' sustainable nursing knowledge, attitude and skills by comparing the self-directed learning. Design: This randomized controlled experimental study with pre-post-follow up design was registered under ClinicalTrials.gov with number NCT05504421. Settings: The study was conducted at a nursing faculty in a state university. Participants: The study sample comprised 70 third grade nursing students. Methods: Following narrative-based lectures explaining sustainability in nursing, students were randomly assigned to two study groups; an intervention group using cooperative learning-based NurSusToolkit Project cases and the control group using self-directed learning throughout 4 consecutive weeks. Both groups then performed a high-fidelity simulation practice focusing on sustainable healthcare. Data were collected using the Sustainability Attitudes in Nursing Survey, Sustainable Healthcare Knowledge Form, Skill Checklist and Debriefing Form. Quantitative data were analyzed using t-tests, Friedman test, Fisher's Exact test, intraclass correlation coefficients and Cohen Kappa calculations in IBM SPSS Statistics version 23 software. Qualitative data were analyzed via an inductive approach. Ethical approval and official permission were obtained. The students completed informed consent forms. Results: In the post-test, no significant differences were determined between the groups in terms of sustainable nursing knowledge (U = 557.5, p = 0.503), motivation (U = 514.5, p = 0.237) and attitudes (U = 610, p = 0.976). In the follow-up test, the sustainable nursing knowledge (U = 221.500), motivation (U = 282.500) and attitudes (U = 191) were significantly higher in the intervention group (p < 0.001). In the simulation practice, the intervention group had higher rates of correct separation of nursing care-related waste (intervention group = 77.77 % for both observers, the control group was 0 % and 11.11 % for observer 1 and 2, respectively, Cohen Kappa = 0.898, p < 0.001). In the debriefing, the intervention group requested more simulation practices (33.33 %) to acquire sustainable nursing skills, while the control group did not. Conclusions: Sustainable healthcare education using cooperative simulation that has long-term effects can enable future nurses to lead the shift towards climate-smart and sustainable nursing care
Beyond borders: exemplary culturally diverse policy practices within early childhood teacher education
Get PDFThe United States (US) and the United Kingdom (UK) exhibit significant cultural and linguistic diversity. Research conducted in Europe and the US highlights how diversity creates complex teaching environments, often leaving educators insufficiently prepared. Consequently, teacher education has become a paramount area of focus but remains under-investigated within diversity-related contexts. This study analyzes early childhood education (ECE) teacher preparation in the US and UK to evaluate prospects for culturally responsive teaching. Using document analysis, ECE teacher education programs across 18 universities were examined, focusing on diversity in course titles, objectives, and content along with practical strategies for teaching in multicultural environments. Findings showed that, while diversity and inclusion were highlighted in module titles and policy frameworks, practical application often prioritized special education over cultural diversity. Modules specifically addressing migration-related issues were limited, and despite an emphasis on family and community engagement, gaps persisted in preparing teachers to support cultural diversity. Practical teaching experiences in diverse settings were identified as essential for developing culturally responsive practices. It is recommended that integrating comprehensive, mandatory modules on multicultural and multilingual education, alongside practical components, to better equip educators for diverse ECE environments
Prediction of compressive strengths of different concrete classes by artificial learning algorithms
Get PDFHazır beton üretimiyle birlikte inşaat sektöründe kullanılan betonun kalitesi her geçen gün artmaktadır. Betonun kalitesi doğrudan basınç dayanımıyla ilgilidir ve ilgili testler emek yoğun ve zaman alıcıdır. Bu nedenle beton basınç dayanımının tahmini için sayısal simülasyonlar, regresyon analizleri, yapay zeka tabanlı öğrenme algoritmaları kullanılmaktadır. Fakat, beton içerisindeki farklı malzeme türleri arasındaki doğrusal olmayan ve karmaşık korelasyon, beton basınç dayanımlarının arzu edilen seviyede tahmin edilmesini güçleştirmektedir. Bu sebeple yapay sinir ağları, uyarlamalı ağ tabanlı bulanık çıkarım sistemi, Gradyan Artırma (Aşırı Gradyan Artırma, Hafif Gradyan Artırma, Kategorik Artırma) gibi yapay öğrenme algoritmaları, inşşat teknolojisindeki araştırmalarda oldukça yoğun olarak kullanılmaktadır. Bu nedenlerden yola çıkarak yapılan çalışmada, C16/20, C20/25, C25/30, C30/37, C35/45 ve C40/50 beton sınıflarında kullanılan malzemeler giriş değişkenleri olarak kullanılarak üç YSA, üç ANFIS ve üç Gradient Boosting modeliyle bu betonların basınç dayanımları tahmin edilmektedir. Modellerde, her bir beton sınıfı için bir hazır beton santralinde hazırlanan ve şantiyeye gönderilen, 20 ayrı beton dökümünden numuneler alınmıştır. Bu numunelerden ikişer örnek alınarak, 7. ve 28. hidaratasyon günlerinde basınç dayanımı deneyleri yapılmıştır. Elde edilen toplam 480 verinin %70'i eğitim, %30'u ise test için kullanılmıştır. Tahmin edilen sonuçların güvenilirliği için literatürde en sık kullanılan R2, MAPE ve RMSE istatiksel yöntemlerinden faydalanılmıştır. Ayrıca gerçek sonuçlar ile tahmin edilen sonuçların karşılaştırılması için her bir beton sınıfı ve hidratasyon günü için ayrı ayrı döküm esnasında alınan tüm örneklerinin ortalaması alınmıştır. Sonuç olarak elde edilen gerçek sonuçlar ile tüm modellerin test verilerinin birbirlerine çok yakın olduğu belirlenmiştir. Buna göre C16/20, C20/25, C25/30, C30/37, C35/45 ve C40/50 beton sınıflarının basınç dayanımlarının 7 gün için sırasıyla mutlak değer olarak %0,930 ile %0,116, %1.886 ile %0,562, %1,194 ile %0,582, %2,071 ile %1,251, %1,170 ile %0,278 ve %1.275 ile %0,360 arasında hatayla; 28 gün için sırasıyla %1,896 ile %0,927, %1,450 ile %0,364, %1,030 ile %0,699, %0,749 ile %0,050, %0,727 ile %0,199 ve %0,808 ile %0,774 arasında hatayla tahmin edilebilmiştir. Dolayısıyla deneylerden elde edilen sonuçlarla tahmin sonuçları arasında iyi bir uyum olduğu ve oluşturulan tüm modellerle "yüksek doğruluk derecesinde" ya da "çok iyi" basınç dayanımlarının tahmin edilebileceği kanaatine varılmıştır.With the production of ready-mixed concrete, the quality of concrete used in the construction sector is increasing day by day. The quality of concrete is directly related to its compressive strength and related tests are labour intensive and time consuming. Therefore, numerical simulations, regression analyses, artificial intelligence-based learning algorithms are used to predict the compressive strength of concrete. However, the non-linear and complex correlation between different types of materials in concrete makes it difficult to predict the compressive strength of concrete at the desired level. For this reason, artificial learning algorithms such as artificial neural networks, adaptive network-based fuzzy inference system, and Gradient Boosting (Extreme Gradient Boosting, Light Gradient Boosting, Categorical Boosting) are used extensively in research in construction technology. In the models, for each concrete class, samples were taken from 20 separate concrete pours prepared at a ready-mixed concrete plant and delivered to the construction site. Two samples were taken from these specimens and compressive strength tests were performed on the 7th and 28th hydration days. Of the total 480 data obtained, 70% for training and 30% for testing were used. For the reliability of the predicted results, R2, MAPE and RMSE statistical methods most frequently used in the literature were utilised. In addition, in order to compare the actual results with the predicted results, the average of all samples taken during casting was taken for each concrete class and hydration day separately. As a result, it was determined that the actual results obtained and the test data of all models were very close to each other. Accordingly, the compressive strengths of concrete classes C16/20, C20/25, C25/30, C30/37, C35/45 and C40/50 were determined for 7 days with an error between 0.930% and 0.116%, 1.886% and 0.562%, 1.194% and 0.582%, 2.071% and 1.251%, 1.170% and 0.278% and 1. 275% to 0.360%, 1.896% to 0.927%, 1.450% to 0.364%, 1.030% to 0.699%, 0.749% to 0.050%, 0.727% to 0.199% and 0.808% to 0.774% for 28 days, respectively. Therefore, it is concluded that there is a good agreement between the results obtained from the experiments and the prediction results and that the compressive strengths can be predicted with "high accuracy" or "very good" with all the models created
Before the Needle: The Impact of Ejaculation on Prostate Biopsy Outcomes in a Prospective Comparative Study
Get PDFBackgroundAlthough transrectal ultrasound (TRUS)-guided prostate biopsy is widely used for prostate cancer diagnosis, the role of pre-biopsy ejaculation in influencing procedural outcomes and complication risk remains largely unexplored. This study aimed to evaluate whether recent ejaculation affects seminal vesicle volume, biopsy-related complications, and patient-reported outcomes.MethodsIn this prospective comparative study, 32 patients undergoing TRUS-guided 12-core prostate biopsy were divided into two groups based on their sexual activity: the ejaculation group (n = 14), who ejaculated within 24 h prior to the procedure, and the abstinence group (n = 18), who reported abstinence for at least 3 days. Data collected included seminal vesicle volume, pain scores, urinary symptoms, erectile function, quality of life, and post-procedural complications. Histopathological results were also recorded and summarized. ROC analyses were used to determine cutoff values for key complications. Although transperineal biopsy is now recommended by current EAU guidelines, our study was conducted using the transrectal approach, which remains widely practiced and relevant in clinical settings.ResultsWhile seminal vesicle volume tended to be higher in the abstinence group, the difference was not statistically significant (p = 0.184). No meaningful differences were found in pain perception, urinary symptoms, erectile function, or quality of life. However, hematospermia (p = 0.017) and hematochezia (p = 0.011) were significantly more frequent in the ejaculation group. ROC analysis showed that abstinence = 1.5 was predictive of hematuria (AUC = 0.810). Histological analysis revealed benign findings in the majority of patients, with no significant difference in cancer grade between groups.ConclusionEjaculation prior to TRUS-guided prostate biopsy may increase the risk of certain complications without negatively affecting patient comfort. Abstinence duration could serve as a simple and modifiable factor in optimizing biopsy preparation. Despite the limited sample size, this prospective study provides preliminary evidence supporting patient counseling on sexual activity prior to biopsy.Scientific and Technological Research Council of Turkiye (TUBIdot;TAK)Open access funding provided by the Scientific and Technological Research Council of Turkiye (TUB & Idot;TAK). The authors received no financial support for the research and/or author-ship of this article