English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Sigara kullanimi toplumlarda gerek saglik gerek ekonomik acidan ciddi kayiplara sebep olmaktadir. Kullanim seviyesinin olcumunde bir altin standart bulunmamasina ragmen, Fagerstorm Nikotin Bagimlilik Testi (Fagerstorm Test for Nicotine Dependency – FTND) ve HONC (Hooked on Nicotine Checklist) gibi geleneksel testler ve cesitli norogoruntuleme yaklasimlari kisinin sigara icme durumunun seviyesi hakkinda bir bilgi vermektedir. Bu calismada, objektif bir veri olan fizyolojik parametrelerin subjektif bir veri olan bagimlilik testlerinin yerine kullanim seviye tespitinde yeni bir yaklasim olarak kullanilabilecegini gostermek amaclanmistir. Bu amacla cesitli seviyelerdeki sigara kullanicilarindan fizyolojik sinyaller (elektrokardiyogram (EKG), Solunum ve Fotopletismografi) toplanmistir. Bu sinyallerden elde edilen cesitli oz niteliklerden makine ogrenmesi yaklasimlari kullanilarak katilimcilar dusuk seviye veya yuksek seviye olarak tahmin edilmeye calisilmistir. Calisma icin onceden FTND bagimlilik testine giren degisik kullanim seviyelerinde 95 katilimci alinip bu kisilerden sirasiyla 50 saniyelik EKG, solunum ve fotopletismografi sinyalleri alinmistir. Oznitelik cikarimindan sonra, parametre optimizasyonu ve siniflandirma iceren 10 kat icice capraz gecerlilik gerceklestirilmistir. Yapilan siniflandirma sonucunda destek vektor makinesi kullanilarak %93, diskriminant analizi kullanilarak ise %91 dogruluk basarimi elde edilmistir. Bu sonuclar, yukarida belirtilen fizyolojik parametrelerin makine ogrenmesi algoritmalari araciligi ile sigara kullanim durumunun tespitinde kullanilabilecegini gostermektedir.

Sigara Kullanma Durumunun Çoklu Fizyolojik Ölçümler Ve Makine Öğrenmesi Teknikleri Kullanılarak Tahmini