Profile URL: https://hdl.handle.net/20.500.13091/11911
Job Title:Prof. Dr.
Email Address:gtezel@ktun.edu.tr
Main Affiliation:10.01. Department of Computer Engineering
Status: Current Staff
ORCID:
0000-0003-1698-0106
0000-0003-1698-0106Scopus ID:
23393643600
23393643600YÖK Akademik: FFBD593E75AABC45
Google Scholar:
_lS4CacAAAAJ
_lS4CacAAAAJWeb of Science ID:
IVH-8315-2023
IVH-8315-2023Name Variants:
Tezel, Gulay
17 results
Scholarly Output Search Results
Now showing 1 - 10 of 17
Article Citation - WoS: 6Citation - Scopus: 6Identification of Apnea-Hypopnea Index Subgroups Based on Multifractal Detrended Fluctuation Analysis and Nasal Cannula Airflow Signals(INT INFORMATION & ENGINEERING TECHNOLOGY ASSOC, 2020-04-30) Göğüş, Fatma Zehra; Tezel, Gülay; Özşen, Seral; Küççüktürk, Serkan; Vatansev, Hülya; Koca, YasinThe diagnosis of obstructive sleep apnea hypopnea syndrome (OSASH) and making decision of treatment necessity with positive airway pressure (PAP) therapy are time consuming and costly processes. There were different approaches in literature to accomplish these processes successfully and as soon as possible by using physiological signals with selected feature extraction and machine learning techniques. To reach fastest and true result, selection of optimal physiological signal(s), feature extraction and learning techniques is important. This study aimed to identify apnea hypopnea index (AHI) subgroups of 120 subjects and thus diagnose of OSASH and determine the need for PAP therapy by applying Multifractal Detrended Fluctuation Analysis (MDFA) as a feature extraction technique to only single channel nasal cannula airflow signals. After the extracted features from airflow signals with MDFA were gone through feature selection phase, the selected features were evaluated in Random Forest classifier. With the implementation of all processes, OSAHS patients were discriminated from healthy subjects with 95.83% accuracy, 96.88% sensitivity and 93.75% specificity. 93.75% sensitivities and 93.75%, 100% and 96.88% specificities were obtained for 15 <= AHI (PAP therapy necessary), 5 <= AHI<15 (require additional information for PAP therapy decision) and AHI <5 (not require PAP therapy) subgroups, respectively.Article Citation - WoS: 5Citation - Scopus: 7Performance Prediction Modeling of Andesite Processing Wastewater Physicochemical Treatment Via Artificial Neural Network(SPRINGER HEIDELBERG, 2020-09-18) Yel, Esra; Önen, Vildan; Tezel, Gülay; Yılmaztürk, DeryaA holistic approach has been introduced on the treatment of andesite marble processing wastewater. The treatment was implemented by using coagulants, flocculants, and minerals. Dosage, mixing time, settling time (ST), mixing speed (MS), and pH were optimized. Up to 99% turbidity removal was achieved by using Alum, FeCl3, PACl, and 40% cationic flocculant under optimized conditions of each. Among the minerals, pumice resulted in 81% turbidity removal efficiency in a much shorter duration as compared with the natural settling conditions. The obtained experimental data was used in the model established with Artificial Neural Network (ANN)-MLP for the prediction of treatment performance (final NTU). Feature selection was performed by using statistical correlations between each experimental parameter and final NTU. ST and MS were determined as the non-correlated parameters with final NTU. The model was integrated into feature selection approach upon establishing three scenarios with datasets: NFS was the whole experimental data consisting of all variables; FS1 was the dataset without ST and dataset FS2 was built up by removing both ST and MS. It was indicated that, when using chemical coagulants, there is no need to study the effects of ST to improve treatment performance, whereas, when using flocculants, both ST and MS has no influence on the treatment performance, so there is no need to perform extra experiments for these variables. Duration of training processes of modeling for all datasets was changing in range of 45-60 s. ANN configuration with two hidden layers was the best model structure, and ST was the parameter which had minimum influence on the treatment performance. The treatment and modeling approaches suggested in this study will be useful to give practical answers to the facility.Article Classification of Sleep Stages Using Psg Recording Signals(2020-10-05) Koca, Yasin; Özşen, Seral; Göğüş, Fatma Zehra; Tezel, Gülay; Küççüktürk, Serkan; Vatansev, HülyaAutomatic sleep staging is aimed within the scope of this paper. Sleep staging is a study by a sleep specialist. Since this process takes quite a long time and sleep is a method based on the knowledge and experience, it is inevitable for each person to show different results. For this, an automatic sleep staging method has been introduced. In the study, EEG (Electroencephalogram), EOG (Electrooculogram), EMG (Electromyogram) data recorded by PSG (Polysomnography) device for seven patients in Necmettin Erbakan University sleep laboratory were used. 81 different features were taken from the data in time and frequency environment. Also, PCA (Principal component analysis) and SFS (Sequential forward selection) feature selection methods were used. The classification success of the sleep phases in different machine learning methods was measured by using the received features. Linear D. (Linear Discriminant Analysis), Cubic SVM (Support vector machine), Weighted kNN (k nearest neighbor), Bagged Trees, ANN (Artificial neural network) were used as classifiers. System success was achieved with a 5 fold cross-validation method. Accuracy rates obtained were respectively 55.6%, 65.8%, 67%, 72.1%, and 69.1%.Article Etkin Eeg Özellikleri Çıkarılarak Arousal Tespiti(2020-10-01) Erol, Gizemnur; Göğüş, Fatma Zehra; Tezel, Gülay; Doğan, Gizemnur Erol; Solak, Fatma ZehraSon zamanlarda toplumun en önemli problemlerinden biri olan uyku bozuklukları, bireylerin sağlığını ve yaşam kalitesini ciddi şekilde etkilemektedir. Uykusuzluk (Insomnia), narkolepsi, uyku apnesi ve huzursuz bacak sendromu gibi birçok uyku bozukluklarının neden olduğu rahatsızlıklar vardır. Uyku bozukluklarına sebep olan ana faktör ise bireyin uyku anındaki uyanma ile sonuçlanamayan, uyku kalitesini düşüren uyku kesintileridir. Arousal diğer bir adı ile uyanayazma geçici olan bu kesintilerdir ve bir beyin dalga (Elektroansefalogram -EEG) aktivitesinin paternindeki ani değişikliği temsil etmektedir. Arousal tespiti genellikle EEG verileri kullanılarak Amerikan Uyku Tıbbı Akademisi (American Academy of Sleep Medicine-AASM) tarafından belirlenen kriterlere göre yapılmaktadır. Bu çalışmada amaç, AASM tarafından belirlenen kriterler doğrultusunda EEG sinyalleri vasıtasıyla hasta bireylerdeki arousalların tespitidir. Bu amaç doğrultusunda, öncelikle, çalışmaya dahil edilen 5 hasta bireyin tek kanallı (C3/A2) EEG sinyallerine sırasıyla filtreleme, normalizasyon ve segmantasyon önişlemleri uygulanmıştır. Daha sonra Spektral Güç Yoğunluğu (Power Spectral Density-PSD) ve Ayrık Dalgacık Dönüşümü (Discrete Wavelet Transform-DWT) yöntemleri ile gerçekleştirilen özellik çıkarma süreci sayesinde, EEG sinyal segmentlerine ait 2 özellik seti ve bu özellik setlerinin birleştirilmesiyle 3. özellik seti oluşturulmuştur. Ardından oluşturulan 3 özellik seti üzerine Sarmal Alt Küme Değerlendirme (Wrapper Subset Evaluation-WSE) özellik seçme yöntemi uygulanarak etkin özellikler belirlenmiştir. Nihai olarak belirlenen özelliklerin Yapay Sinir Ağları (YSA) ve Rasgele Orman (RO) algoritmaları tarafından sınıflandırılmaları ile arousal içeren EEG segmentleri tespit edilmiştir. Gerçekleştirilen bu çalışmaların beraberinde EEG sinyal kayıtlarından başka hiçbir PSG sinyal kaydına ihtiyaç duymadan, yalnızca tek kanallı EEG sinyalleri ile oldukça başarılı sonuçlar elde edildiği tespit edilmiştir. Çalışma sonucunda ise Özellik Seti 3’ün etkin özellikleri ve YSA ile en yüksek doğruluk oranı %99.05 olarak elde edilmiştir.Article ANN Modelling for Predicting the Water Absorption of Composites with Waste Plastic Pyrolysis Char Fillers(2018) Tezel, Gülay; Uymaz, Sait Ali; Yel, EsraWaste material was fragmented into gas, liquid and solid fractions by pyrolysis. Recently the solid fraction (char) has been used as filler in epoxy composites. Type and properties of filler affect water absorption of epoxy composites. A recent water absorption database (of 1512 data) has been obtained experimentally. Accordingly, type of pyrolysed plastic, waste pre–washing, pyrolysis temperature, additive dosage and water exposure time were input parameters in the estimation model developed with multilayer perceptron artificial neural network (MLP ANN) to predict the absorbed water quantity as output. Four datasets were derived with data preprocessing. Among all the configurations worked up, 0.991 training and 0.986 testing R² were attained as the highest R² values under conditions including 2e4 iterations, lr 0.04, mc 0.9, first hidden layer of 22 nodes, and second hidden layer of 15 nodes. The R² value attained in the optimum configuration and the average R² attained via 5-fold cross-validation are close to each other for both training and test. The established model will help users to predict the quantity of water that absorbed upon exposure. This will give idea about the availability of that composite for using it for particular purposes.Article Citation - WoS: 4Citation - Scopus: 5Identification of Full-Night Sleep Parameters Using Morphological Features of Ecg Signals: a Practical Alternative To Eeg and Eog Signals(Elsevier Sci Ltd, 2024-02-01) Yücelbaş, Şule; Yücelbaş, Cüneyt; Tezel, Gülay; Özsen, Seral; Yosunkaya, ŞebnemElectroencephalogram (EEG) signals, which are among the most important recordings used in Polysomnography for sleep staging, are more challenging and demanding than electrocardiography (ECG) signals, both in terms of acquisition and interpretation. When examining the studies of other researchers on sleep parameters in the literature, it is evident that EEG signals are predominantly used for determining arousal (AR), K-complex (Kc), and sleep spindle (Ss) parameters. Furthermore, it is understood that electrooculography (EOG) signals are employed for detecting slow eye movements (SEM) and rapid eye movements (REM) parameters.This study is a continuation of our previous research, where we used only EEG signals for Kc and Ss detection. In this study, an approach that includes ECG signals in the determination of sleep parameters to bring practicality to sleep staging studies was adopted. For this purpose, firstly, 16 morphological features were extracted from ECG recordings taken from a total of 24 subjects after various preprocessing steps. Subsequently, these data were used to work on the detection of five different sleep parameters: AR, Kc, Ss, SEM, and REM, using the Random Subspace (RaSE) ensemble learning algorithm. The results were calculated according to various statistical criteria and a classification accuracy of over 78 % was obtained in all parameters. As a result, the sleep parameters that could be determined most successfully using the ECG signal were SEM and arousal, respectively. In addition, feature elimination was performed for these datasets using Symmetric Uncertainty (SU) ranking. As a result of the reclassification process using 9 and 12 features, the effectiveness of which was determined for both datasets, respectively, significant increases were observed in the performance outputs. Experimental results have shown that ECG signals can be used as an alternative to EEG and EOG signals in the determination of full-night sleep parameters.Other Automatic Sleep Stage Classification for the Osa Patients with Feature Mining(2022) Tezel, Gülay; Küçüktürk, Serkan; Koca, Yasin; Vatansev, Hülya; Özşen, Seral; Solak, Fatma ZehraDoctoral Thesis Osas Hastaları için Cpap Cihazlarındaki Optimum Basıncın Yapay Zeka ile Tahmini(Konya Teknik Üniversitesi, 2020) Göğüş, Fatma Zehra; Tezel, GülayTıkayıcı uyku apne sendromu (Obstructive Sleep Apnea Syndrome: OSAS), uyku sırasında tekrarlayan üst solunum yolu daralmaları veya tıkanmaları nedeniyle soluk kesilmeleri şeklinde kendini gösteren bir uyku bozukluğudur. Uykuda oluşan soluk kesilmeleri kişilerin uyku devamlılığını bozmakta, derin ve dinlendirici bir uyku uyunmasını engellemekte ve bu sayede günlük yaşamlarını olumsuz bir şekilde etkilemektedir. Ayrıca soluk kesilmeleri sıklıkla kanda oksijen doygunluğunu azaltarak başta kalp damar hastalıkları olmak üzere birçok ciddi hastalığın ortaya çıkmasına neden olmakta ve hatta ölüme bile sebebiyet verebilmektedir. Tüm bu olumsuz etkilerin ortadan kaldırılabilmesi için OSAS teşhisi konulmuş hastalara etkili bir tedavinin uygulanması gerekmektedir. Sürekli Pozitif Havayolu Basınç (Continious Positive Airway Pressure: CPAP) terapisi OSAS için altın standart tedavi yöntemidir. CPAP cihazları ile gerçekleştirilen bu tedavide, belirlenen sabit basınç ile hastaların üst solunum yolunun açık kalması sağlanmaktadır. Hastalar için tedavi edici en etkin basınç (optimum CPAP seviyesi) uyku uzmanları tarafından uyku laboratuvarlarında manuel titrasyon süreci ile belirlenir. Fakat bu süreç hem maliyetli ve zaman alıcı hem de oldukça yorucudur. Bu nedenle, optimum CPAP seviyesinin belirlenebilmesi amacıyla, titrasyona alternatif çözümler geliştirme yönünde literatürde çok sayıda çalışma yürütülmüştür. Çalışmaların büyük kısmı hastaya uygulanacak optimum CPAP seviyesinin doğrudan tahmini üzerinde durmuş ve tahmin için çoğunlukla benzer özellikler üzerine kurulmuş regresyon tabanlı formülleri alternatif çözümler olarak üretmişlerdir. Ancak günümüze kadar klinikte tam manasıyla kabul gören, uygulanabilir ve yüksek doğrulukta bir alternatif çözüm halen geliştirilememiştir. Gerçekleştirilen bu tez çalışmasında, OSAS şüphesi ile Necmettin Erbakan Üniversitesi, Meram Tıp Fakültesi, Göğüs Hastalıkları Anabilim Dalı, Uyku Kliniğine başvuran kişiler arasından CPAP terapisi ile tedavi edilmesi gerekli görülenlerin optimum CPAP seviyeleri tahmin edilmiştir. Tahmin işlemi gerçekleştirilmeden önce Doğrusal Olmayan Analiz ve Kural Tabanlı Algoritma yaklaşımları ile polisomnografi sinyallerinden olan nazal kanül hava akımı ve oksimetri sinyalleri kullanılarak, tez çalışmasına dahil edilen kişilerin OSAS hastası olup olmadığı ve CPAP terapisi gerektirip gerektirmediği belirlenmiştir. Doğrusal Olmayan Analiz Yaklaşımı ile OSAS hastaları sağlıklı bireylerden %93.10 doğruluk, %96.43 duyarlılık ve %81.82 özgüllük değerleri ile ayırt edilmiş ve CPAP terapisi gerektiren hastalar %96.25 duyarlılık ve %89.53 kesinlik ile tespit edilebilmiştir. Kural Tabanlı Algoritma yaklaşımı ise OSAS hastalarını sağlıklı bireylerden %98.62 doğruluk, %98.21 duyarlılık ve %100 özgüllük ile ayırırken, CPAP terapisi gerektiren hastaları %100 duyarlılık ve %100 kesinlik ile belirleyebilmiştir. OSAS terapisi ile tedavi gerektiren hastaların belirlenmesinin ardından, bu hastaların demografik ve antropometrik bilgileri, nazal kanül hava akımı ve oksimetri sinyalleri, gece boyunca geçirmiş olduğu apneik atakları ve oksijen azalımları göz önünde bulundurularak farklı özellik setleri oluşturulmuştur. Daha sonra farklı özellik setlerindeki özellikler arasından optimum CPAP seviyeleri üzerinde en etkili olanların seçimi gerçekleştirilmiş ve hem tüm özelliklerin hem de etkin olarak seçilen özelliklerin doğrusal regresyon analizleri ve çeşitli yapay zeka yöntemleri ile kullanılmasıyla hastalara ait optimum CPAP seviyeleri tahmin edilmiştir. Son olarak yüksek tahmin performansının sağlandığı özellikler ve yöntemlerle (adım adım çoklu doğrusal regresyon analizi, yapay sinir ağları, destek vektör makinesi, rastgele orman ve k en yakın komşuluk) 40 farklı CPAP tahmin modeli geliştirilmiştir. Bu 40 CPAP tahmin modelinin 36 tanesi farklı yapay zeka yöntemleri ile elde edilirken, yalnızca 4 tanesi doğrusal regresyon analizi ile elde edilmiştir. Sonuç olarak, polinom veya radyal tabanlı çekirdek fonksiyonlarına sahip Destek Vektör Makineleri, yapay zeka yöntemleri ile geliştirilen 36 modelden 24'ünü oluşturarak tahmin işleminde en başarılı yöntem olmuştur. Geliştirilen 40 modelin 25'i tez çalışmasında tahmin edilen CPAP seviyeleri ile uzmanların uyku laboratuvarlarında belirlediği optimum CPAP seviyeleri arasında yüksek ilişki (0.6 ? r <0.8; 0.36 ? r2<0.64) ortaya koymuş, 10'u ise bu ilişkiyi çok yüksek (r ? 0.8; r 2 ? 0.64) olarak tanımlamıştır. Tez çalışmasında elde edilen tüm sonuçlar genel olarak değerlendirildiğinde, hava akımı ve oksimetri sinyallerine, OSAS hastalarının geçirmiş oldukları apneik ataklara ve ataklara bağlı olarak oluşan oksijen seviyelerindeki azalımlara ait özelliklerin optimum basınçlar üzerinde büyük etkileri olduğu görülmüştür. Ayrıca, bu tez çalışması, tahmin için kullanılan özellikler arasındaki doğrusal ve doğrusal olmayan ilişkilerin yapay zeka yöntemleri ile daha iyi açıkladığını ve bu sayede optimum CPAP seviyelerinin tahmini için literatürde çoğunlukla tercih edilen doğrusal regresyon analizlerine göre birçok yapay zeka yönteminin genellikle daha başarılı sonuçlar ürettiğini ortaya koymuştur. Tez çalışması geliştirilen yeni CPAP tahmin modellerini ve modellerde tahmin parametreleri olarak kullanılan yeni özellikleri literatüre kazandırmıştır.Master Thesis Uyku Apnesi ile Uyku Evreleri Arasındaki İlişkinin Tespit Edilmesi(Konya Teknik Üniversitesi, 2022) Çeper, Sena; Tezel, GülayUyku, insan yaşamı için önemli bir süreçtir. İnsan vücudu için en temel dinlenme biçimidir ve kalitesi insan yaşamını önemli derecede etkilemektedir. Uyku kalitesizliğinden kaynaklanan kalpte ve beyinde sorunlara neden olabilen birçok hastalık vardır. Bu hastalıkların en basiti horlama en ciddisi uyku apnesidir. Uyku evreleme, günlük hayatı olumsuz yönde etkileyen ve ölüme sebep olabilen uyku rahatsızlıklarının özellikle de uyku apnesinin teşhisinde önemli rol oynamaktadır. Uyku evreleme uyku esnasında kaydedilen biyomedikal sinyallerin uyku uzmanı tarafından Amerikan Uyku Tıbbı Akademisi (American Academy of Sleep Medicine – AASM) tarafından belirlenen standartlara göre değerlendirilmesi ile yapılmaktadır. Bu sinyaller (Elektroensefalogram (EEG), Elektromiyogram (EMG), Elektrokardiyogram (EKG) ve Elektrookülogram (EOG)), Polisomonografi (PSG) cihazı ile uyku laboratuvarlarında kaydedilmektedir. Uyku, uyanıklık (Wake) evresi hariç kendi içerisinde iki ana bölüme ayrılmaktadır: Hızlı Olmayan Göz Hareketleri (NREM) ve Hızlı Göz Hareketleri (REM). NREM evresi de kendi içerisinde NREM1, NREM2, NREM3 olarak üç kısma ayrılmaktadır. Her birey uyku sırasında belli bir düzende NREM ve REM evrelerini yaşamaktadır. Bu evreleri uyku esnasında oluşma sıklığı bireyin uyku kalitesi ve sağlığı hakkında bilgi verir. Bu tez çalışmasında, PSG ile kaydedilen sinyallerden biri olan EEG ile uyku evreleme yaptıktan sonra, uyku apnesinin uyku evreleri ile ilişkisinin incelenmesi amaçlanmıştır. Uyku evreleme yapılırken, EEG sinyalinden üç farklı özellik seti oluşturulmuştur. Birinci özellik seti Ayrık Dalgacık Dönüşümü yöntemi ile elde edilen alt bantlardan çıkarılan 80 özellikten oluşmaktadır. İkinci özellik seti Ampirik Mod Ayrıştırma (Empirical Mode Decomposition- EMD) yöntemi kullanılarak elde edilen 26 adet özellikten ve üçüncü özellik seti de Varyasyon Mod Ayrıştırma (Variational Mode Decomposition- VMD) yöntemi ile çıkarılan 26 özellikten oluşturulmuştur. Özellik setlerindeki tüm özellikler birleştirilerek 132 özellikten oluşan dördüncü özellik seti elde edilmiştir. Son olarak dördüncü özellik setine Relief özellik seçme yöntemi uygulanarak en etkin 91 özellik seçilmiştir ve seçilen bu özelliklerle beşinci özellik seti oluşturulmuştur. Bu beş özellik setinin her biri için Yapay Sinir Ağları (Artificial Neural Network- ANN), Destek Vektör Makineleri (Support Vector Machine- SVM), k En Yakın Komşu Algoritması (k Nearest Neighbors- kNN) ve Torba Ağaç Algoritması (Bagged Tree- BT) sınıflandırıcıları için uyku evreleme işlemi yapılmıştır. En yüksek test başarısı %70.02 ile EMD yöntemi ile çıkarılan özellikler ve ANN sınıflandırıcısı ile elde edilmiştir. En yüksek sınıflandırıcı modeli kaydedilerek, evrelemede kullanılmayan farklı 9 hasta validasyon için kullanılmıştır ve bu 9 hastanın uyku apnesi rahatsızlığının evreler ile olan ilişkisi incelenmiştir.Article Arrhythmia Detection From 12-Lead ECG with 2-Phase Feature Extraction: By Presenting the Evaluation of Atrial Fibrillation(Springer London Ltd, 2025) Erol Dogan, Gizemnur; Tezel, Gulay; Solak, Fatma Zehra; Uzbas, Betul; Doğan, Gizemnur Erol12-Lead Electrocardiography (ECG) is an essential diagnostic tool for detecting Cardiac Arrhythmias (CAs). In this study, Arrhythmia Detection (AD) was conducted using a 12-Lead ECG dataset. The dataset underwent specific preprocessing, and a hybrid 2-Phase Feature Extraction (2-PFE) method was proposed: (1) QRS detection using the Pan-Tompkins algorithm, and (2) P-Peak detection using windowing. The study specifically focused on analyzing Atrial Fibrillation (AFIB) separately from other arrhythmia types. This approach was evaluated through three classification models: SR and NON-SR, SR and NON-SR without AFIB, SR and AFIB.
Research Topics
Domains
Life SciencesPhysical SciencesHealth Sciences
Fields
NeuroscienceComputer ScienceMedicine
Subfields
Cognitive NeuroscienceSignal ProcessingCardiology and Cardiovascular MedicinePhysiologyArtificial Intelligence
Specific Research Areas
EEG and Brain-Computer Interfaces
Blind Source Separation Techniques
ECG Monitoring and Analysis
Obstructive Sleep Apnea Research
Neural Networks and Applications
Sustainable Development Goals
3GOOD HEALTH AND WELL-BEING
1
Research Products
6CLEAN WATER AND SANITATION
1
Research Products
Documents
34
Citations
914
h-index
13
Documents
27
Citations
579
Publication Collaboration
| Affiliation Name | Count |
|---|---|
| Selçuk University | 29 |
| Necmettin Erbakan University | 21 |
| Konya Technical University | 13 |
| Ankara University | 3 |
| Hakkari University | 2 |
1 / 3
Data obtained from OpenAlex
| Journal | Count |
|---|---|
| Avrupa Bilim ve Teknoloji Dergisi | 2 |
| Signal Image and Video Processing | 2 |
| Konya mühendislik bilimleri dergisi (Online) | 1 |
| KSÜ Mühendislik Bilimleri Dergisi | 1 |
| MEHRAN UNIVERSITY RESEARCH JOURNAL OF ENGINEERING AND TECHNOLOGY | 1 |
Current Page: 1 / 2
Scholarly Output
17
Articles
12
Views / Downloads
70/175
Supervised MSc Theses
3
Supervised PhD Theses
1
WoS Citation Count
17
Scopus Citation Count
18
Patents
0
Projects
1
WoS Citations per Publication
1.00
Scopus Citations per Publication
1.06
Open Access Source
11
Supervised Theses
4
Scopus Quartile Distribution
Competency Cloud
