Browsing by Author "Akdemir, Onur"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Conference Object
    Citation - Scopus: 2
    Combinations of Eeg Topographic Feature Maps for the Classification of Adhd
    (European Signal Processing Conference, EUSIPCO, 2023) Pehlivan, Sude; Akdemir, Onur; Cura, O.K.; Akbuğday, Burak; Akan, Aydın
    Attention-Deficit/Hyperactivity Disorder (ADHD) is a common mental disorder affecting both children and adults. It is characterized by issues with concentration, hyperactivity, and impulsivity, which can interfere with everyday duties and interpersonal relationships. Although behavioral studies are utilized to treat the disease, there is no proven method for detecting it. The Electroencephalogram (EEG) is a non-invasive method that monitors electrical activity in the brain and is commonly used to identify neurological and mental illnesses such as ADHD. In this study, the topographic EEG feature maps (EEG-FMs) were obtained from 6 traditional time-domain characteristics known as Hjorth activity, Hjorth mobility, Hjorth complexity, kurtosis, and skewness. The feature maps were concatenated and used as input to Convolutional Neural Network (CNN) model for ADHD classification. To show the efficacy of the recommended approach, EEG data from 15 ADHD individuals and 18 control subjects (CS) were analyzed. The results showed that concatenated EEG-FMs were successful to classify ADHD with up to 99.72% accuracy. © 2023 European Signal Processing Conference, EUSIPCO. All rights reserved.
  • Thumbnail Image
    Master Thesis
    Farklı Koku Uyaranları Altında EEG Sinyalleri ve Derin Öğrenme Kullanılarak İnsan Duygusal Parametrelerinin Tespiti
    (2025) Akdemir, Onur; Akan, Aydın
    İnsan duygusal parametrelerinin kestirimi; insan-bilgisayar etkileşimi, terapötik teknolojiler ve nöropazarlama alanlarında önemli bir rol oynamaktadır. Son yıllarda, yapay zekâ destekli biyosinyal tabanlı yöntemler, geleneksel öznel değerlendirme tekniklerinin yerini almaya başlamıştır. Bu çalışmada, koku uyaranlarıyla tetiklenen duygusal tepkilerin EEG sinyalleriyle tespiti araştırılmıştır. 46 katılımcıdan, dört farklı koku ve bir kokusuz kontrol koşulu altında EEG verisi toplanmıştır. Zaman alanı özellikleri çıkarılarak topografik beyin haritalarına (TopoMap) dönüştürülmüş ve bu haritalar, duyguların uyarılma (arousal) ve değerlik (valence) boyutlarında sınıflandırılması amacıyla evrişimli sinir ağları (CNN) ile analiz edilmiştir. Elde edilen sonuçlar, koku uyaranlarının sınıflandırma başarımı üzerinde anlamlı etkileri olduğunu ve özellikle EfficientNet mimarisinin, EEG'ye dayalı duygusal durumları uzamsal olarak başarıyla öğrenebildiğini göstermiştir. Bu bulgular, kokuya dayalı nörobilimsel araştırmalar, duygu tanıma sistemleri ve nöropazarlama uygulamaları için yapay zekâ tabanlı yöntemlerin geliştirilmesine katkı sunmaktadır.