Laboratuvardan Haberler
CNS Computational Neuroscience Lab

Ekip

Laboratuvarımızda çalışan araştırmacılar ve öğrenciler.

Laboratuvar Yönetimi

  • Prof. Dr. Aydın Akan

    Ekip Lideri Durağan olmayan işaretlerin zaman-frekans analizi ve bu yöntemlerin haberleşme ve biyomedikal mühendisliğindeki uygulamaları üzerine çalışmaktadır. akan.aydin@ieu.edu.tr
    Özgeçmişin tamamı

    Aydın Akan, Ocak 1967’de Bursa’da doğdu ve ilk ve orta öğrenimini Bursa’da tamamladı. 1984’te başladığı Uludağ Üniversitesi Elektronik Mühendisliği Bölümünden 1988’de mezun oldu. Aynı yıl başladığı İstanbul Teknik Üniversitesi Elektronik ve Haberleşme Programındaki yüksek lisansını Şubat 1991’de tamamladı. Yüksek lisans tezinde biyolojik işaretler için gerçek zamanlı adaptif gürültü giderme sistemi üzerine çalıştı.

    1988’de İstanbul Üniversitesinde göreve başladı ve 1990’da Elektronik Mühendisliği Bölümü Elektronik Anabilim Dalına araştırma görevlisi olarak atandı. Mart 1992’de University of Pittsburgh’da işaret işleme alanında doktora çalışmalarına başladı. Gabor açılımlarıyla zaman-frekans analizi üzerine hazırladığı doktorasını Nisan 1996’da tamamlayarak Türkiye’ye döndü. Aralık 1996’da İstanbul Üniversitesi Elektronik Mühendisliği Bölümü Elektronik Anabilim Dalına yardımcı doçent olarak atandı. Nisan 1997’de anabilim dalı başkanı, Şubat 1999’da bölüm başkan yardımcısı oldu. Kasım 2000’de Telekomünikasyon Anabilim Dalı İşaret İşleme Bilim Dalında doçent unvanını aldı. İstanbul Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü Telekomünikasyon Anabilim Dalına 2 Mayıs 2001’de doçent, 31 Ekim 2006’da profesör olarak atandı.

    2004’te TÜBİTAK bursuyla University of Pittsburgh’da ziyaretçi araştırmacı ve öğretim üyesi olarak çalıştı. Şubat 2006’da İstanbul Üniversitesi Hastaneleri Biyomedikal ve Klinik Mühendisliği Biriminin kurucusu ve koordinatörü olarak görevlendirildi ve bu görevi 2017’ye kadar sürdürdü. 20 Mart 2017’de İzmir Kâtip Çelebi Üniversitesi Biyomedikal Mühendisliği Bölümüne profesör olarak atandı. Mayıs 2017 ile Ekim 2018 arasında Mühendislik ve Mimarlık Fakültesi dekanı olarak görev yaptı. 31 Ocak 2020’ye kadar bu üniversitede bölüm başkanı, BAP koordinatörü ve Biyomedikal Test, Kalibrasyon Uygulama ve Araştırma Merkezi müdürü olarak eğitim ve araştırma çalışmalarını sürdürdü. 1 Şubat 2020’de İzmir Ekonomi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümüne profesör olarak atandı.

    Prof. Dr. Akan, durağan olmayan işaretlerin zaman-frekans analizi ve bu yöntemlerin haberleşme ve biyomedikal mühendisliği problemlerine uygulanması üzerine çalışmaktadır. TÜBİTAK ve üniversitelerin Bilimsel Araştırma Projeleri birimlerince desteklenen çok sayıda projede yürütücü ve araştırmacı olarak görev almıştır. Araştırmaları yurt içinde ve yurt dışında kitap, makale, kitap bölümü ve bildiri olarak yayımlanmıştır. Bilimsel dergilerin hakem kurullarında ve konferansların danışma, yürütme, düzenleme, teknik program ve hakem kurullarında görev almaktadır. IEEE’nin Signal Processing ve Engineering in Medicine and Biology topluluklarının kıdemli üyesi, EURASIP’in Biyomedikal Sinyal ve Görüntü Analizi Teknik Alan Komitesi üyesidir. Elsevier’in Digital Signal Processing dergisinin editör kurulunda görev yapmaktadır.

    Laboratuvardaki yayınları (90)
    1. 2026 Investigation of the Effect of Product Mascot Gender on Consumer Emotions Using EEG Signals Medical Technologies Congress (TIPTEKNO)
    2. 2026 Deep Model Families for EEG-Based Multi-Class Dementia Classification International Journal of Neural Systems · DOI
    3. 2026 Analysis of Human Emotions for Different Taste Stimuli Using EEG Signals International Conference on Control, Decision and Information Technologies (CoDIT) · DOI
    4. 2026 Investigating the Effect of Sustainable Product Packaging on Consumer Behavior Using EEG Signals International Conference on Control, Decision and Information Technologies (CoDIT) · DOI
    5. 2025 Analysis of Dementia EEG Signals Using Empirical Mode Decomposition Variants and Deep Learning Medical Technologies Congress (TIPTEKNO) · DOI
    6. 2025 Classification of Emotions Under Multiple Olfactory Stimuli Using EEG Signals and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    7. 2025 Design of a Smart Infusion Pump with Decision Support TIPTEKNO 2025 - Medical Technologies Congress, Proceedings -- 2025 Medical Technologies Congress, TIPTEKNO 2025 -- 26 October 2025 through 28 October 2025 -- Gazi Magusa -- 217812 · DOI
    8. 2025 Olfactory Emotion Recognition Using EEG Spectral Topographic Heatmaps and CNNs Medical Technologies Congress (TIPTEKNO) · DOI
    9. 2025 Detection of Alzheimer’s Disease by Using Time-Frequency Representations of EEG Signals with Deep Learning International Conference on Control, Decision and Information Technologies (CoDIT) · DOI
    10. 2025 Liking State Estimation Using Time-Frequency Image Representation of EEG Signals Signal Processing and Communications Applications Conference (SIU) · DOI
    11. 2025 Signals and Systems Using Matlab® Signals and Systems Using MATLAB® · DOI
    12. 2024 Decoding Olfactory EEG Signals Using Multi-Domain Features and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    13. 2024 Investigating the Effect of Noise Levels on Mental Tasks Using Artificial Intelligence Medical Technologies Congress (TIPTEKNO) · DOI
    14. 2024 Vital Signs Monitoring Ecosystem for Children Medical Technologies Congress (TIPTEKNO) · DOI
    15. 2024 Alzheimer's Dementia Detection: An Optimized Approach Using ITD of EEG Signals European Signal Processing Conference (EUSIPCO) · DOI
    16. 2024 Detection of Alzheimer's Dementia by Using EEG Feature Maps and Deep Learning European Signal Processing Conference (EUSIPCO) · DOI
    17. 2024 Classification of Alzheimer’s dementia EEG signals using deep learning Transactions of the Institute of Measurement and Control · DOI
    18. 2024 Detection of Attention Deficit Hyperactivity Disorder based on EEG feature maps and deep learning Journal of Applied Biomedicine · DOI
    19. 2024 Consumer Preference Estimation Using EEG Signals and Deep Learning Signal Processing and Communications Applications Conference (SIU) · DOI
    20. 2024 Emotional Stimulus Classification from Brain Electrical Activity using Multivariate Empirical Mode Decomposition Signal Processing and Communications Applications Conference (SIU) · DOI
    21. 2024 Continuous-time signals Elsevier eBooks · DOI
    22. 2024 Continuous-time systems Elsevier eBooks · DOI
    23. 2024 Discrete-time signals and systems Elsevier eBooks · DOI
    24. 2024 Fourier analysis of discrete-time signals and systems Elsevier eBooks · DOI
    25. 2024 Frequency analysis: the Fourier series Elsevier eBooks · DOI
    26. 2024 Frequency analysis: the Fourier transform Elsevier eBooks · DOI
    27. 2024 From the ground up! Elsevier eBooks · DOI
    28. 2024 Introduction to the design of discrete filters Elsevier eBooks · DOI
    29. 2024 Sampling theory Elsevier eBooks · DOI
    30. 2024 The Laplace transform Elsevier eBooks · DOI
    31. 2024 The Z-transform Elsevier eBooks · DOI
    32. 2024 Detection of Olfactory Stimulus in Electroencephalogram Signals Using Machine and Deep Learning Methods Istanbul University - Journal of Electrical & Electronics Engineering · DOI
    33. 2023 Detection of Alzheimer’s Dementia by Using Deep Time–Frequency Feature Extraction Istanbul University - Journal of Electrical & Electronics Engineering · DOI
    34. 2023 Detection of Attention Deficit Hyperactivity Disorder using Decision-level Fusion of Brain Connectivity Information Based on Deep Learning Medical Technologies Congress (TIPTEKNO) · DOI
    35. 2023 Detection of the Effects of Environmental Condition on Attention/Memory Using EEG Signals Medical Technologies Congress (TIPTEKNO) · DOI
    36. 2023 Classification of Dementia EEG Signals by Using Time-Frequency Images for Deep Learning Innovations in Intelligent Systems and Applications Conference (ASYU) · DOI
    37. 2023 Classification of ADHD by Using Multiple Feature Maps of EEG Signals and Deep Feature Extraction European Signal Processing Conference (EUSIPCO) · DOI
    38. 2023 Combinations of EEG Topographic Feature Maps for the Classification of ADHD European Signal Processing Conference (EUSIPCO) · DOI
    39. 2023 Detection of Attention Deficit Hyperactivity Disorder by Using EEG Feature Maps and Deep Learning European Signal Processing Conference (EUSIPCO) · DOI
    40. 2023 Detection of Alzheimer's Dementia Using Intrinsic Time Scale Decomposition of EEG Signals and Deep Learning International Conference on Control, Decision and Information Technologies (CoDIT) · DOI
    41. 2023 Classification of Epileptic and Psychogenic Nonepileptic Seizures via Time–Frequency Features of EEG Data International Journal of Neural Systems · DOI
    42. 2022 Attention deficit hyperactivity disorder recognition based on intrinsic time-scale decomposition of EEG signals Biomedical Signal Processing and Control · DOI
    43. 2022 Deep Learning-Based Computer-Aided Diagnosis System for Attention Deficit Hyperactivity Disorder Classification Using Synthetic Data CRC Press eBooks · DOI
    44. 2022 An Assessment of Linear and Nonlinear Features for Detecting Olfactory Stimulus in EEG Medical Technologies Congress (TIPTEKNO) · DOI
    45. 2022 Deep Time-Frequency Feature Extraction for Alzheimer's Dementia EEG Classification Medical Technologies Congress (TIPTEKNO) · DOI
    46. 2022 Detection of Attention Deficit Hyperactivity Disorder Using EEG Signals and Douglas—Peucker Algorithm Medical Technologies Congress (TIPTEKNO) · DOI
    47. 2022 Realtime Determination of Mood in Classroom Environment Medical Technologies Congress (TIPTEKNO) · DOI
    48. 2022 Detection of Alzheimer’s Dementia by Using Signal Decomposition and Machine Learning Methods International Journal of Neural Systems · DOI
    49. 2022 Classification of Dementia EEG Based on Sub-bands Using Time-Frequency Approaches Signal Processing and Communications Applications Conference (SIU) · DOI
    50. 2022 Detection of Olfactory Stimulus from EEG Signals for Neuromarketing Applications Signal Processing and Communications Applications Conference (SIU) · DOI
    51. 2022 Liking Status Estimation Using EEG Signals and Mode Decomposition Method Signal Processing and Communications Applications Conference (SIU) · DOI
    52. 2021 Classification of Alzheimers’ Dementia by Using Various Signal Decomposition Methods Medical Technologies Congress (TIPTEKNO) · DOI
    53. 2021 Prediction of Sleep Apnea Using EEG Signals and Machine Learning Algorithms Medical Technologies Congress (TIPTEKNO) · DOI
    54. 2021 Synchronization Analysis In Epileptic EEG Signals Via State Transfer Networks Based On Visibility Graph Technique International Journal of Neural Systems · DOI
    55. 2021 A Diagnostic Strategy Via Multiresolution Synchrosqueezing Transform on Obsessive Compulsive Disorder Internatıonal Journal of Neural Systems · DOI
    56. 2021 Classification of Psychogenic Non-epileptic Seizures Using Synchrosqueezing Transform of EEG Signals European Signal Processing Conference (EUSIPCO) · DOI
    57. 2021 Time–frequency signal processing: Today and future Digital Signal Processing · DOI
    58. 2021 An EEG and Machine Learning based Method for the Detection of Major Depressive Disorder Signal Processing and Communications Applications Conference (SIU) · DOI
    59. 2021 Epileptic EEG Classification by Using Time-Frequency Images for Deep Learning International Journal of Neural Systems · DOI
    60. 2021 Channel Contributions of EEG in Emotion Modelling Based on Multivariate Adaptive Orthogonal Signal Decomposition IETE Journal of Research · DOI
    61. 2020 Detection of Consumer Preferences Using EEG Signals International Journal of Applied Mathematics Electronics and Computers · DOI
    62. 2020 A Dynamic Mode Decomposition Based Approach for Epileptic EEG Classification European Signal Processing Conference (EUSIPCO) · DOI
    63. 2020 Epileptic EEG Classification Using Synchrosqueezing Transform with Machine and Deep Learning Techniques European Signal Processing Conference (EUSIPCO) · DOI
    64. 2020 Analysis of epileptic EEG signals by using dynamic mode decomposition and spectrum Journal of Applied Biomedicine · DOI
    65. 2020 Classification of attention deficit hyperactivity disorder (ADHD) by using statistical features of MR images Institute of Physics eBooks · DOI
    66. 2020 Classification of Epileptic EEG Signals Using Synchrosqueezing Transform and Machine Learning International Journal of Neural Systems · DOI
    67. 2020 EEG based Epileptic Seizures Detection using Intrinsic Time-Scale Decomposition Medical Technologies Congress (TIPTEKNO) · DOI
    68. 2020 Epileptic EEG Classification Using Synchrosqueezing Transform and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    69. 2020 Individual-based Estimation of Valence with EEG Medical Technologies Congress (TIPTEKNO) · DOI
    70. 2020 Epileptic EEG Classification by Using Advanced Signal Decomposition Methods IntechOpen eBooks · DOI
    71. 2020 An EEG Based Liking Status Detection Method for Neuromarketing Applications Signal Processing and Communications Applications Conference (SIU) · DOI
    72. 2020 Classification of Epileptic EEG Signals Using Dynamic Mode Decomposition Signal Processing and Communications Applications Conference (SIU) · DOI
    73. 2020 EEG Based Mental Workload Estimation System Signal Processing and Communications Applications Conference (SIU) · DOI
    74. 2020 Estimation of Emotion Status Using IAPS Image Data Set Signal Processing and Communications Applications Conference (SIU) · DOI
    75. 2020 EEG-based emotion recognition with deep convolutional neural networks Biomedizinische Technik/Biomedical Engineering · DOI
    76. 2020 Intrinsic Synchronization Analysis of Brain Activity in Obsessive–compulsive Disorders International Journal of Neural Systems · DOI
    77. 2020 Epileptic seizure classifications using empirical mode decomposition and its derivative BioMedical Engineering OnLine · DOI
    78. 2019 Emotional state detection based on common spatial patterns of EEG Signal Image and Video Processing · DOI
    79. 2019 Comparison of IMF Selection Methods in Classification of Multiple Sclerosis EEG Data Medical Technologies Congress (TIPTEKNO) · DOI
    80. 2019 Control of Serious Games Designed for Alzheimer's and Dementia Patients by EEG Signals Medical Technologies Congress (TIPTEKNO) · DOI
    81. 2019 Designing an Obstacle Detection and Alerting System for Visually Impaired People on Sidewalks Medical Technologies Congress (TIPTEKNO) · DOI
    82. 2019 Desıgn of Brain-Computer Interface for Controlling A Virtual Keyboard Medical Technologies Congress (TIPTEKNO) · DOI
    83. 2019 EEG based Emotional State Estimation using 2-D Deep Learning Technique Medical Technologies Congress (TIPTEKNO) · DOI
    84. 2019 Emotion Recognition with Multi-Channel EEG Signals Using Auditory Stimulus Medical Technologies Congress (TIPTEKNO) · DOI
    85. 2019 Emotion Recognition with Multi-Channel EEG Signals Using Visual Stimulus Medical Technologies Congress (TIPTEKNO) · DOI
    86. 2019 Frontal Synchronization Biases in Obsessive-Compulsive Disorders Medical Technologies Congress (TIPTEKNO) · DOI
    87. 2019 Investigation of Emotional Changes Using Features of EEG-Gamma Band and Different Classifiers Medical Technologies Congress (TIPTEKNO) · DOI
    88. 2019 Real Time Emotion Recognition from Facial Expressions Using CNN Architecture Medical Technologies Congress (TIPTEKNO) · DOI
    89. 2019 Selection of Intrinsic Mode Functions for Epileptic EEG Classification Using Ensemble Empirical Mode Decomposition Medical Technologies Congress (TIPTEKNO) · DOI
    90. 2019 Synchrosqueezing transform based feature extraction from EEG signals for emotional state prediction Biomedical Signal Processing and Control · DOI

Araştırmacılar

  • Berkay İlber Tunakan

    Araştırma Görevlisi, Yüksek Lisans Öğrencisi 2024 yılında İzmir Ekonomi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümünden mezun oldu. Lisans bitirme projesinde uçak gürültüsünün dikkat ve bilişsel performans üzerindeki etkilerini elektroensefalografi (EEG) kullanarak inceledi. Yüksek lisans çalışmalarını, marka güveni algısının sinirsel bağıntılarının EEG sinyalleri üzerinden araştırılması üzerine sürdürmektedir. Computational Neuroscience Laboratory bünyesinde bilişsel sinirbilim, nöromühendislik ve biyomedikal sinyal işleme alanlarında çalışmalar yürütmektedir. EEG tabanlı deneylerin tasarlanması ve uygulanması, elektrofizyolojik verilerin toplanması, ön işlenmesi ve analizi süreçlerinde görev almaktadır. Araştırmalarında EEG sinyallerinden öznitelik çıkarımı, makine öğrenmesi ve derin öğrenme yöntemleriyle bilişsel ve duygusal süreçlerin modellenmesine odaklanmaktadır. Ayrıca Python kullanarak deneysel paradigmalar, uyaran sunum sistemleri ve davranışsal veri toplama arayüzleri geliştirmektedir. berkay.tunakan@ieu.edu.trberkay.tunakan@std.ieu.edu.trtunakanmvp@gmail.com
    Laboratuvardaki yayınları (3)
    1. 2026 Investigation of the Effect of Product Mascot Gender on Consumer Emotions Using EEG Signals Medical Technologies Congress (TIPTEKNO)
    2. 2026 Analysis of Human Emotions for Different Taste Stimuli Using EEG Signals International Conference on Control, Decision and Information Technologies (CoDIT) · DOI
    3. 2025 Design of a Smart Infusion Pump with Decision Support TIPTEKNO 2025 - Medical Technologies Congress, Proceedings -- 2025 Medical Technologies Congress, TIPTEKNO 2025 -- 26 October 2025 through 28 October 2025 -- Gazi Magusa -- 217812 · DOI

  • Nilsu Çağla Hepsev

    Yüksek Lisans Öğrencisi İzmir Ekonomi Üniversitesi Mekatronik Mühendisliği ve Elektrik-Elektronik Mühendisliği çift anadal programlarından mezun oldu. Laboratuvarımız bünyesinde tat algısına yönelik nörofizyolojik tepkilerin EEG sinyalleri üzerinden makine öğrenmesi yöntemleriyle değerlendirilmesi üzerine çalışmalar yürüttü. Araştırmalarını bilişsel sinirbilim, duygusal bilgi işleme ve biyomedikal sinyal analizi alanlarında sürdürmektedir. Yüksek lisans tezi kapsamında, Türk müziğindeki farklı makamların uyandırdığı algılanan ve hissedilen duyguların ayrıştırılmasını EEG sinyalleri, makine öğrenmesi ve derin öğrenme yöntemleriyle araştırmaktadır. nilsu.hepsev@std.ieu.edu.trnncagla@gmail.com
    Laboratuvardaki yayınları

    Henüz yayın eklenmedi.

  • Uğur Emin Baynal

    Yüksek Lisans Öğrencisi İzmir Ekonomi Üniversitesi Bilgisayar Mühendisliği ve Elektrik-Elektronik Mühendisliği çift anadal programlarından mezun oldu. Lisans eğitimi sırasında IEEE Öğrenci Kolu yönetiminde görev aldı ve üniversite bünyesinde elektrikli araç, otonom sistemler ve rover geliştirme projelerinde çalıştı. Araştırmalarını nöromühendislik, biyomedikal cihaz tasarımı, gömülü sistemler ve yapay zekâ uygulamaları üzerine sürdürmektedir. Yüksek lisans tezi kapsamında, geleneksel alın bölgesi odaklı ölçümlerin ötesine geçerek kafa derisinin farklı bölgelerinden veri toplayabilen, genişletilmiş uzamsal kapsama sahip bir fonksiyonel yakın kızılötesi spektroskopi (fNIRS) sistemi geliştirmektedir. Çalışmasında donanım ve yazılım entegrasyonu ile gömülü yapay zekâ yöntemlerinin nörofizyolojik veri işleme süreçlerinde kullanılmasına odaklanmaktadır. ugur.baynal@ieu.edu.trugur.baynal@std.ieu.edu.tr
    Laboratuvardaki yayınları

    Henüz yayın eklenmedi.

  • Burak Akbuğday

    Araştırma Görevlisi EEG sinyallerinin makine ve derin öğrenme yöntemleriyle analizi üzerine çalışmaktadır. burak.akbugday@ieu.edu.trburak.akbugday@std.ieu.edu.tr
    Özgeçmişin tamamı

    Çalışmaları, EEG sinyallerinin makine öğrenmesi ve derin öğrenme yöntemleriyle analizi üzerinde yoğunlaşmaktadır. Nöropazarlama uygulamalarına yönelik olarak koku uyaranlarının EEG'den tespiti ve koku karşısında oluşan duygusal tepkilerin sınıflandırılması üzerine bir dizi çalışmada yer almıştır. EEG öznitelik haritaları ve derin öğrenme kullanılarak dikkat eksikliği ve hiperaktivite bozukluğu (DEHB) ile Alzheimer demansının tespiti, çevre koşulları ve gürültünün dikkat ve zihinsel görevler üzerindeki etkisi, sınıf ortamında anlık duygu durumunun belirlenmesi ve sürdürülebilir ürün ambalajının tüketici davranışına etkisi de çalıştığı konular arasındadır.

    Laboratuvardaki yayınları (13)
    1. 2026 Investigating the Effect of Sustainable Product Packaging on Consumer Behavior Using EEG Signals International Conference on Control, Decision and Information Technologies (CoDIT) · DOI
    2. 2025 Classification of Emotions Under Multiple Olfactory Stimuli Using EEG Signals and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    3. 2024 Decoding Olfactory EEG Signals Using Multi-Domain Features and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    4. 2024 Investigating the Effect of Noise Levels on Mental Tasks Using Artificial Intelligence Medical Technologies Congress (TIPTEKNO) · DOI
    5. 2024 Vital Signs Monitoring Ecosystem for Children Medical Technologies Congress (TIPTEKNO) · DOI
    6. 2024 Detection of Alzheimer's Dementia by Using EEG Feature Maps and Deep Learning European Signal Processing Conference (EUSIPCO) · DOI
    7. 2024 Detection of Olfactory Stimulus in Electroencephalogram Signals Using Machine and Deep Learning Methods Istanbul University - Journal of Electrical & Electronics Engineering · DOI
    8. 2023 Detection of the Effects of Environmental Condition on Attention/Memory Using EEG Signals Medical Technologies Congress (TIPTEKNO) · DOI
    9. 2023 Combinations of EEG Topographic Feature Maps for the Classification of ADHD European Signal Processing Conference (EUSIPCO) · DOI
    10. 2023 Detection of Attention Deficit Hyperactivity Disorder by Using EEG Feature Maps and Deep Learning European Signal Processing Conference (EUSIPCO) · DOI
    11. 2022 An Assessment of Linear and Nonlinear Features for Detecting Olfactory Stimulus in EEG Medical Technologies Congress (TIPTEKNO) · DOI
    12. 2022 Realtime Determination of Mood in Classroom Environment Medical Technologies Congress (TIPTEKNO) · DOI
    13. 2022 Detection of Olfactory Stimulus from EEG Signals for Neuromarketing Applications Signal Processing and Communications Applications Conference (SIU) · DOI

  • Sude Pehlivan Akbuğday

    Araştırma Görevlisi EEG tabanlı biyomedikal sinyal işleme ve nöropazarlama üzerine çalışmaktadır. sude.pehlivan@ieu.edu.trsude.pehlivan@std.ieu.edu.tr
    Özgeçmişin tamamı

    Çalışmaları EEG tabanlı biyomedikal sinyal işleme ve nöropazarlama üzerinde yoğunlaşmaktadır. Koku uyaranlarının EEG'den tespiti, çok alanlı öznitelikler ve makine öğrenmesiyle koku EEG'sinin çözümlenmesi ve koku karşısında oluşan duyguların sınıflandırılması üzerine çalışmalarda yer almıştır. EEG topografik öznitelik haritaları ve derin öğrenmeyle DEHB ve Alzheimer demansının tespiti, dinamik mod ayrışımı ile epileptik EEG sınıflandırması ve çevre koşullarının dikkat ve bellek üzerindeki etkisi de çalıştığı konular arasındadır.

    Laboratuvardaki yayınları (14)
    1. 2025 Classification of Emotions Under Multiple Olfactory Stimuli Using EEG Signals and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    2. 2024 Decoding Olfactory EEG Signals Using Multi-Domain Features and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    3. 2024 Investigating the Effect of Noise Levels on Mental Tasks Using Artificial Intelligence Medical Technologies Congress (TIPTEKNO) · DOI
    4. 2024 Detection of Alzheimer's Dementia by Using EEG Feature Maps and Deep Learning European Signal Processing Conference (EUSIPCO) · DOI
    5. 2024 Detection of Olfactory Stimulus in Electroencephalogram Signals Using Machine and Deep Learning Methods Istanbul University - Journal of Electrical & Electronics Engineering · DOI
    6. 2023 Detection of the Effects of Environmental Condition on Attention/Memory Using EEG Signals Medical Technologies Congress (TIPTEKNO) · DOI
    7. 2023 Combinations of EEG Topographic Feature Maps for the Classification of ADHD European Signal Processing Conference (EUSIPCO) · DOI
    8. 2023 Detection of Attention Deficit Hyperactivity Disorder by Using EEG Feature Maps and Deep Learning European Signal Processing Conference (EUSIPCO) · DOI
    9. 2022 An Assessment of Linear and Nonlinear Features for Detecting Olfactory Stimulus in EEG Medical Technologies Congress (TIPTEKNO) · DOI
    10. 2022 Realtime Determination of Mood in Classroom Environment Medical Technologies Congress (TIPTEKNO) · DOI
    11. 2022 Detection of Olfactory Stimulus from EEG Signals for Neuromarketing Applications Signal Processing and Communications Applications Conference (SIU) · DOI
    12. 2020 A Dynamic Mode Decomposition Based Approach for Epileptic EEG Classification European Signal Processing Conference (EUSIPCO) · DOI
    13. 2020 Classification of Epileptic EEG Signals Using Dynamic Mode Decomposition Signal Processing and Communications Applications Conference (SIU) · DOI
    14. 2019 Designing an Obstacle Detection and Alerting System for Visually Impaired People on Sidewalks Medical Technologies Congress (TIPTEKNO) · DOI

  • Dr. Rıza Sadıkzade

    Dr. Öğretim Üyesi İzmir Ekonomi Üniversitesi Uygulamalı Yönetim Bilimleri Yüksekokulu'nda nöropazarlama ve tüketici sinirbilimi üzerine çalışmaktadır. riza.sadikzade@ieu.edu.trriza@taimaksan.com
    Özgeçmişin tamamı

    İzmir Ekonomi Üniversitesi Uygulamalı Yönetim Bilimleri Yüksekokulu'nda görev yapmaktadır. Laboratuvarımızda nöropazarlama ve tüketici sinirbilimi alanındaki çalışmalarda yer almaktadır. Koku uyaranlarının EEG'den tespiti ve koku kaynaklı duyguların tanınması, ürün maskotunun cinsiyetinin ve sürdürülebilir ambalajın tüketici duyguları ve davranışı üzerindeki etkisi ile yüz ifadelerinden gerçek zamanlı duygu tanıma çalıştığı konular arasındadır.

    Laboratuvardaki yayınları (8)
    1. 2026 Investigation of the Effect of Product Mascot Gender on Consumer Emotions Using EEG Signals Medical Technologies Congress (TIPTEKNO)
    2. 2026 Investigating the Effect of Sustainable Product Packaging on Consumer Behavior Using EEG Signals International Conference on Control, Decision and Information Technologies (CoDIT) · DOI
    3. 2025 Olfactory Emotion Recognition Using EEG Spectral Topographic Heatmaps and CNNs Medical Technologies Congress (TIPTEKNO) · DOI
    4. 2024 Decoding Olfactory EEG Signals Using Multi-Domain Features and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI
    5. 2024 Detection of Olfactory Stimulus in Electroencephalogram Signals Using Machine and Deep Learning Methods Istanbul University - Journal of Electrical & Electronics Engineering · DOI
    6. 2022 An Assessment of Linear and Nonlinear Features for Detecting Olfactory Stimulus in EEG Medical Technologies Congress (TIPTEKNO) · DOI
    7. 2022 Detection of Olfactory Stimulus from EEG Signals for Neuromarketing Applications Signal Processing and Communications Applications Conference (SIU) · DOI
    8. 2019 Real Time Emotion Recognition from Facial Expressions Using CNN Architecture Medical Technologies Congress (TIPTEKNO) · DOI

  • Dr. Faezeh Yeganli

    Dr. Öğretim Üyesi İzmir Ekonomi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü'nde EEG tabanlı duygu tanıma ve derin öğrenme üzerine çalışmaktadır. faezeh.yeganli@ieu.edu.tr
    Özgeçmişin tamamı

    İzmir Ekonomi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü'nde görev yapmaktadır. Laboratuvarımızda koku uyaranlarına verilen EEG tepkilerinin analizi üzerine çalışmaktadır. EEG sinyallerini frekans bantlarına özgü topografik ısı haritalarına dönüştürüp evrişimli sinir ağlarıyla koku kaynaklı duyguları tanıyan hafif bir yöntem geliştirmiş, çok alanlı öznitelikler ve makine öğrenmesiyle koku EEG'sinin çözümlenmesi üzerine çalışmalarda da yer almıştır.

    Laboratuvardaki yayınları (2)
    1. 2025 Olfactory Emotion Recognition Using EEG Spectral Topographic Heatmaps and CNNs Medical Technologies Congress (TIPTEKNO) · DOI
    2. 2024 Decoding Olfactory EEG Signals Using Multi-Domain Features and Machine Learning Medical Technologies Congress (TIPTEKNO) · DOI

Birlikte Çalışalım

EEG, biyosinyal işleme veya makine öğrenmesi alanında yüksek lisans ya da doktora yapmak isteyen öğrencilerle görüşmeye açığız. Ortak projeler ve profesyonel iş birlikleri için akademisyenlerle de birlikte çalışmaktan memnuniyet duyarız.

Bize yazın