NESTApp, elektroensefalografi (EEG) ve özellikle transkraniyal manyetik stimülasyon ile eşzamanlı EEG (TMS-EEG) kayıtlarının ön işlenmesini MATLAB içinde görsel bir iş akışına dönüştürmek amacıyla geliştirilmiş grafik kullanıcı arayüzü tabanlı bir uygulamadır. TMS-EEG verilerinde manyetik uyarım darbesi, kraniyal kas aktivitesi, göz kırpma, elektrot hareketi, bozunma ve recharge artefaktları gibi çok sayıda kirletici kaynak bulunabildiğinden uygun temizleme zincirinin kurulması önemli fakat teknik açıdan zor bir aşamadır. NESTApp bu problemi tek bir zorunlu temizleme algoritması dayatarak çözmek yerine kullanıcıya EEGLAB, TESA, ICLabel, fastICA ve ilgili işlevlerden oluşan modüler bir pipeline oluşturma, işlem sırasını değiştirme, parametreleri düzenleme, şablonu kaydetme ve aynı zinciri birden fazla veri kümesine toplu olarak uygulama olanağı sunmaktadır.

Uygulama MATLAB App Designer ile geliştirilmiştir ve makalede tanımlanan NESTApp v2.0 sürümünde temel kullanıcı deneyimi iki ana sekmeye ayrılır: Cleaning ve Visualizing. Cleaning sekmesi veri yüklemeden filtrelemeye, ICA'dan TMS artefaktlarının çıkarılmasına, kanal interpolasyonundan TEP çıkarımına kadar geniş bir işlem havuzunu kullanıcı tarafından sıralanabilir modüller hâlinde sunmaktadır. Visualizing sekmesi ise temizlenmiş verilerin EEG dalgaları, TMS-evoked potential (TEP) eğrileri ve kafa yüzeyi topografileri üzerinden hızlı biçimde incelenmesine olanak verir. Çalışmanın amacı yeni bir klinik biyobelirteç veya yeni bir EEG temizleme algoritmasının doğruluğunu kanıtlamak değil; mevcut MATLAB/EEGLAB ekosistemindeki araçların daha erişilebilir, yeniden kullanılabilir ve özelleştirilebilir bir grafik arayüz altında birleştirilmesidir.

TMS-EEG verisini temizlemek neden zor?

EEG, beyin aktivitesini milisaniye düzeyinde zamansal çözünürlükle izleyebilen non-invaziv bir kayıt yöntemidir. Buna rağmen ham EEG sinyalinin içinde göz hareketleri, kas aktivitesi, çevresel elektromanyetik gürültü ve kardiyak etkiler gibi sinirsel kökenli olmayan bileşenler bulunabilir.

TMS ile EEG aynı deneyde birleştirildiğinde sorun daha karmaşık hâle gelir. Kaynak çalışma; TMS bobininin boşalması ve manyetik alanın kayıt sistemiyle etkileşimine bağlı olarak kraniyal kas aktivitesi, TMS tarafından tetiklenen göz kırpması, bozunma ve yeniden şarj artefaktları, elektrot hareketi ve ringing artefaktları gibi ek kirletici kaynakları vurgulamaktadır.

Dolayısıyla TMS-EEG ön işlemede tek bir “doğru filtre” bulunmaz. Kullanılan kayıt protokolü, araştırma sorusu ve veri içindeki artefaktların şiddeti hangi işlemlerin uygulanacağını ve bunların hangi sırayla çalıştırılacağını değiştirebilir. Makalenin temel motivasyonu tam olarak bu noktadır: araştırmacının farklı temizleme stratejilerini sürekli MATLAB kodu yeniden yazarak denemesi yerine bunları görsel bir pipeline olarak oluşturabilmesi.

EEGLAB zaten varken NESTApp neden geliştirilmiş?

EEGLAB, MATLAB ekosisteminde EEG işleme ve analizinde kullanılan kapsamlı bir araç kutusudur. Kaynak çalışmaya göre EEGLAB çok sayıda ön işleme işlevi sunmasına rağmen TMS-EEG için özelleştirilmiş bir zincir kurmak isteyen kullanıcıların çoğu zaman MATLAB betikleri yazması, farklı işlevleri elle birbirine bağlaması ve üçüncü taraf eklentilerinin parametrelerini yönetmesi gerekir.

TMS-EEG işlemlerinde ayrıca TESA gibi ek paketlere ihtiyaç duyulabilir. TESA; TMS darbesi çevresindeki verinin kaldırılması, TMS'e kilitli epoch oluşturma ve ICA tabanlı artefakt seçimi gibi özel işlevler sağlamaktadır. ICLabel ise ICA bileşenlerinin etiketlenmesine yardımcı olabilir; fastICA bağımsız bileşen analizi için kullanılabilir.

NESTApp bu farklı araçları tek bir yeni algoritmayla değiştirmez. Bunun yerine mevcut fonksiyonları modüler bir kullanıcı arabiriminde bir araya getirir.

NESTApp'ın temel tasarım ilkesi nedir?

Her ön işleme işlemi bağımsız bir modül olarak düşünülür. Kullanıcı hangi modüllerin kullanılacağını seçebilir, bunları istediği sıraya yerleştirebilir ve her modülün parametrelerini değiştirebilir. Hazırlanan pipeline MAT biçiminde kaydedilip daha sonra yeniden yüklenebilir veya başka kullanıcılarla paylaşılabilir.

Bu yaklaşımın önemli sonucu, pipeline'ın sabit olmamasıdır. NESTApp kullanıcıya “TMS-EEG mutlaka şu sırayla temizlenmelidir” demez; veri ve araştırma hedefine göre zincirin yeniden düzenlenmesini mümkün kılar.

Cleaning sekmesinde ne var?

Makalenin Şekil 1'inde Cleaning sekmesinin gerçek kullanıcı arayüzü gösterilmektedir. Arayüzün sol bölümünde Steps listesi, altında seçilen işlem hakkında açıklama sağlayan Info alanı bulunur. Orta bölümde Selected Steps alanı oluşturulan pipeline'ı gösterirken sağındaki Parameter(s) bölümü seçilen fonksiyonun ayarlanabilir parametrelerini sunar.

Kullanıcı bir adımı ekleyebilir, kaldırabilir, yukarı veya aşağı taşıyabilir. Ayrıca pipeline kaydedilip yeniden yüklenebilir. Böylece yalnız fonksiyonların seçimi değil, işlem sırası da araştırmacının kontrolündedir.

Sağ taraftaki veri seçim alanı EEGLAB yolunun tanımlanmasını ve analiz edilecek dosyaların yüklenmesini sağlar. Uygulama işlem sırasında hangi dosyanın ve hangi adımın çalıştırıldığını da gösterebilir.

Tablo 1 kaç farklı işlem sunuyor?

Kaynak çalışmanın Tablo 1'inde 38 ayrı işlem/modül listelenmektedir. Bunlar yalnız TMS artefaktı temizlemeyi değil, genel EEG veri hazırlama zincirinin çok farklı basamaklarını kapsamaktadır.

Manual Command neden önemli?

NESTApp yalnız önceden tanımlanmış işlem listesine kapalı değildir. Manual Command seçeneği kullanıcının doğrudan EEGLAB uyumlu MATLAB komutu eklemesine olanak verir.

Kaynakta komutun EEGLAB veri yapısını kullanması gerektiği belirtilmektedir. Temel sözdizimi:

EEG = someFunction(EEG, arguments)

biçimindedir.

Böylece NESTApp arayüzünde henüz özel modülü bulunmayan fakat EEG değişkeni üzerinde çalışan başka bir fonksiyon da pipeline içine yerleştirilebilir. Bu özellik GUI kullanım kolaylığı ile MATLAB'ın programlanabilirliği arasında bir köprü oluşturmaktadır.

Pipeline kaydetmek neden yeniden üretilebilirlik açısından önemli?

Bir EEG veri kümesinin “temizlendiğini” söylemek tek başına yöntemi yeniden üretmek için yeterli değildir. Hangi filtrelerin, hangi sırayla, hangi eşiklerle ve hangi ICA seçimleriyle kullanıldığı da bilinmelidir.

NESTApp seçilen pipeline'ı ve parametrelerini saklamaya izin verir. Kaynağa göre uygulanan adımlar ile seçilen parametreler ayrıca EEG değişkenine referans amacıyla eklenmektedir.

Bu yaklaşım, farklı katılımcılarda veya deney oturumlarında aynı pipeline'ın yeniden uygulanabilmesi açısından önemlidir. Bununla birlikte aynı pipeline'ın bütün veri setleri için bilimsel olarak optimum olduğunu çalışma iddia etmemektedir; aksine makalenin temel motivasyonlarından biri farklı verilerin farklı ön işleme gereksinimleri olabileceğidir.

Kaydetme adımı unutulursa ne oluyor?

Kaynak çalışma önemli bir operasyonel uyarı vermektedir. Pipeline'ın sonunda Save New Set basamağı bulunmazsa temizlenen sonuç dosyaya kaydedilmez ve yapılan işlemler kalıcı çıktı hâline gelmez.

Uygulama kayıt adında iki yöntem sağlar: özgün dosya adını koruyup bir son ek eklemek veya tamamen yeni bir ad tanımlamak.

Visualizing sekmesi ne sağlıyor?

Kaynağın Şekil 2'si Visualizing sekmesini göstermektedir. Sol tarafta çok sayıda EEG elektrodunu temsil eden kafa şeması, orta bölümde TMS Evoked Potential grafiği ve topoplot alanı, sağ bölümde ise veri kümesi seçimi ve görüntüleme kontrolleri bulunmaktadır.

Kullanıcı belirli elektrotları region of interest (ROI) olarak tanımlayabilir. Makalede önceden seçilmiş örnek elektrotlar AF3, F1, F3, FC3 ve FC1 olarak verilmiştir.

Birden fazla dosya birlikte görüntülendiğinde NESTApp bu dosyaların ortak elektrotlarını otomatik belirlemekte ve ortak olmayan elektrotları devre dışı bırakmaktadır. Böylece örneğin stimülasyon öncesi ve sonrası oturumların TEP eğrileri aynı grafik üzerinde karşılaştırılabilir.

TEP nedir ve NESTApp bunu nasıl gösteriyor?

TMS-evoked potential (TEP), TMS darbesiyle zamansal olarak ilişkili EEG yanıtlarının denemeler üzerinden ortalamasıyla elde edilen potansiyel profilidir. NESTApp'ın Visualizing sekmesi seçilen elektrotlar ve dosyalar için bu eğrilerin hızlı biçimde çizilmesini sağlar.

Kullanıcı TEP görüntüleme zaman aralığını bir slider ile değiştirebilir. Çizimde kullanılan veri daha sonraki istatistiksel analiz için MATLAB Workspace'e aktarılabilir.

Topoplot neyi gösteriyor?

Topoplot, seçilen bir zamanda veya belirli bir zaman aralamasının ortalamasında EEG aktivitesinin kafa yüzeyi üzerindeki uzaysal dağılımını hızlı biçimde incelemek için kullanılır.

NESTApp kullanıcıya hedef zamanı slider veya spinner üzerinden değiştirme seçeneği sunmaktadır. İstenirse seçilen zamanın öncesi ve sonrasındaki belirli genişlikte bir pencere ortalanarak topografik görünüm oluşturulabilir.

Bu bölüm bilimsel sonuç üretmekten çok ön işleme sonrasında verinin hızlı kalite kontrolüne hizmet etmektedir.

NESTLAB/TESA örnek pipeline'ı nasıl çalışıyor?

Makale uygulamayla birlikte paylaşılan, TESA örnek pipeline'ından uyarlanmış bir TMS-EEG ön işleme zincirini de ayrıntılı olarak vermektedir. Yazarlar bu zincirin kendi laboratuvarlarında elde edilen çeşitli TMS-EEG veri setleriyle edinilen deneyime göre uyarlanıp geliştirildiğini belirtmektedir.

Kaynağın sıralaması korunarak örnek zincir şöyledir:

Neden iki ayrı ICA uygulanıyor?

Kaynakta verilen örnek pipeline'da ilk ICA özellikle TMS darbesine bağlı bileşenlerin uzaklaştırılmasına yöneliktir. Bu işlemden sonra TMS penceresi yeniden interpolate edilir, filtreleme yapılır ve ikinci ICA öncesinde ilgili pencere tekrar kaldırılır.

İkinci ICA'nın hedefi daha geniştir: göz hareketleri, kas aktivitesi, blink ve geriye kalan TMS ilişkili artefakt bileşenlerinin çıkarılması.

Bu iki aşamalı yapı NESTApp'ın zorunlu tek çalışma biçimi değildir; makalede paylaşılan örnek TMS-EEG pipeline'ının parçasıdır.

60 Hz notch filtresi Türkiye için doğrudan kullanılmalı mı?

Kaynak örnek pipeline'da notch filtreyi açıkça “North America: 60 Hz” şeklinde vermektedir. Bu değer çalışmanın Kanada/Kuzey Amerika bağlamındaki örnek iş akışına aittir.

Dolayısıyla bu değerin farklı elektrik şebekesi frekansına sahip bir laboratuvarda aynen uygulanması gerektiği çalışmadan çıkarılamaz. NESTApp'ın temel avantajı zaten bu tür parametrelerin kullanıcı tarafından değiştirilmesine izin vermesidir.

Türkiye açısından ne ifade ediyor?

Çalışmada Türkiye'den toplanmış EEG veya TMS-EEG verisi, Türkiye'deki bir laboratuvar üzerinde uygulama veya yerel klinik performans değerlendirmesi bulunmamaktadır. Bu nedenle uygulamanın Türkiye'deki EEG laboratuvarlarında belirli bir başarı oranıyla çalışacağına ilişkin nicel sonuç çıkarılamaz.

Buna karşılık araç yazılım mimarisi bakımından veri setine özgü pipeline tasarımını desteklemektedir. Türkiye'deki bir araştırma ekibi NESTApp'ı kullanmak isterse kendi kayıt protokolüne, cihazına, şebeke frekansına, kanal düzenine ve artefakt yapısına uygun parametreleri ayrıca belirlemelidir.

Çalışmanın desteklediği sonuçlar

• NESTApp, MATLAB App Designer üzerinde EEGLAB tabanlı modüler bir EEG/TMS-EEG ön işleme GUI'si sağlamaktadır.
• Kullanıcı ön işleme modüllerini seçebilir, sıralayabilir, kaldırabilir ve parametrelerini düzenleyebilir.
• Pipeline'lar MAT formatında kaydedilip tekrar kullanılabilir.
• Birden fazla EEG veri kümesi aynı hazırlanan pipeline ile batch olarak işlenebilir.
• EEGLAB, TESA, ICLabel ve fastICA ile ilişkili işlevler tek arayüz altında kullanılabilir.
• Manual Command aracılığıyla önceden tanımlanmamış EEGLAB uyumlu MATLAB işlevleri pipeline'a eklenebilir.
• Visualizing sekmesi EEG, TEP ve topografik görünümlerin hızlı incelenmesini desteklemektedir.
• Makale TMS-EEG için ayrıntılı bir örnek ön işleme pipeline'ı paylaşmaktadır.

Çalışmanın desteklemediği veya test etmediği sonuçlar

• NESTApp'ın diğer bütün TMS-EEG pipeline'larından daha doğru olduğu gösterilmemiştir.
• Belirli bir temizleme pipeline'ının bütün TMS-EEG verileri için optimum olduğu gösterilmemiştir.
• Yeni bir katılımcı veri seti üzerinde SNR, TEP doğruluğu veya artefakt azaltma yüzdesi raporlanmamıştır.
• NESTApp kullanmanın klinik tanı doğruluğunu veya tedavi başarısını artırdığı gösterilmemiştir.
• Uygulama otomatik olarak her birey için optimum parametreleri belirlememektedir.
• Topoplot ve TEP görüntülemeleri kendi başlarına klinik yorum veya tanı aracı olarak doğrulanmamıştır.
• Makalenin sunduğu örnek pipeline, bütün cihazlar, laboratuvarlar ve elektrik şebekesi koşullarında değişiklik gerektirmeden kullanılabilecek evrensel bir standart değildir.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın bilimsel tasarımı

Bu çalışma klasik anlamda katılımcı grupları, deney-kontrol grubu veya hipotez testi içeren bir biyomedikal deney değildir. Temel araştırma çıktısı bir MATLAB grafik kullanıcı arayüzünün tasarımı ve işlevlerinin açıklanmasıdır.

Cleaning arayüzünün işlevsel yapısı

PDF'deki Şekil 1, uygulamanın Cleaning sekmesini doğrudan göstermektedir. Görselde solda Steps ve Info, merkezde Selected Steps, sağda Parameter(s) alanları bulunur. Sağ kenardaki kontroller EEGLAB yolunun seçilmesi, veri dosyalarının yüklenmesi, işlem durumunun izlenmesi, pipeline'ın sıfırlanması ve analizin başlatılması için kullanılır.

Bu şeklin temel bilimsel/yazılımsal mesajı, pipeline'ın program kodunda gizlenmek yerine kullanıcı tarafından görsel olarak görülebilir ve yeniden sıralanabilir olmasıdır.

Visualizing arayüzünün işlevsel yapısı

PDF'deki Şekil 2'de Visualizing sekmesi gösterilmektedir. Kafa şeması üzerinde elektrot seçimi yapılabilir; TMS Evoked Potential alanı zaman-serisi grafiği için ayrılmıştır; Topoplot bölümü ise belirli zaman veya zaman aralığındaki uzaysal EEG dağılımını incelemek için kullanılır.

Aynı ekran birden fazla veri dosyasının seçilmesini, ortak elektrotların belirlenmesini ve farklı veri kümelerinden TEP eğrilerinin karşılaştırmalı çizilmesini destekler.

Örnek TMS-EEG pipeline'ındaki önemli zaman ve frekans değerleri

Bu parametreler makalede paylaşılan örnek pipeline'a aittir. NESTApp'ın bütün kullanımları için zorunlu sabitler olarak sunulmamaktadır.

Çalışmada neden başarı yüzdesi yok?

Makalenin amacı NESTApp'ın işlevsel tasarımını tanıtmaktır. Çalışmada yeni bir EEG veri kümesi üretilmemiş veya analiz edilmemiştir. Bu nedenle:

• sinyal-gürültü oranı iyileşmesi,
• artefakt azaltma yüzdesi,
• TEP amplitüd hatası,
• algoritma duyarlılığı/özgüllüğü,
• pipeline çalışma süresi karşılaştırması,
• kullanıcı çalışması,
• klinik performans

gibi nicel bir benchmark raporlanmamaktadır.

Dolayısıyla uygulamanın bilimsel değeri bu makale özelinde “X kadar daha iyi temizliyor” iddiasından değil, ön işleme zincirlerini programlama gereksinimini azaltarak görsel, modüler ve yeniden kullanılabilir hâle getirmesinden kaynaklanmaktadır.

Temel sınırlılıklar

• Makale yeni bir veri kümesi üzerinde nicel performans benchmark'ı sunmamaktadır.
• Temizleme sonuçlarının başka yöntemlerle kontrollü karşılaştırması yapılmamıştır.
• Pipeline seçiminin uygunluğu hâlâ araştırmacının yöntemsel kararlarına bağlıdır.
• Manual Command özelliği ileri esneklik sağlasa da kullanılan komutun EEGLAB veri yapısıyla uyumlu olması gerekir.
• Örnek NESTLAB/TESA pipeline'ındaki parametreler belirli laboratuvar deneyimlerine dayanmaktadır ve evrensel standart olarak sunulmamaktadır.
• Kişiye özgü otomatik parametre optimizasyonu mevcut sürümün bir özelliği olarak gösterilmemiş; gelecekteki geliştirme hedefi olarak belirtilmiştir.

Gelecekte ne planlanıyor?

Yazarlar, bütün EEG kayıtlarına aynı parametrelerle yaklaşmanın sorunlu olabileceğini vurgulamaktadır. Bu nedenle gelecekteki sürümlerde parametrelerin bireysel katılımcıya göre istatistiksel olarak optimize edilmesini ve böylece daha otomatik, uyarlanabilir bir ön işleme sistemi geliştirilmesini önermektedirler.

Bu özellik kaynakta gelecek çalışma hedefidir; mevcut NESTApp v2.0'ın doğrulanmış bir özelliği olarak değerlendirilmemelidir.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: NESTApp: A GUI-Based MATLAB Application for Simplified TMS-EEG Preprocessing with EEGLAB

Yazarlar ve özgün sıra: Aref Pariz; Jeremie Lefebvre; Sara Tremblay.

Sorumlu yazarlar: Kaynakta yıldız işareti ve iletişim bilgileriyle Aref Pariz ve Sara Tremblay gösterilmektedir.

Eş birinci/eş katkı: Yüklenen sürümde eş birinci veya eş katkı beyanı bulunmamaktadır.

Kurumlar: Institute of Mental Health Research at The Royal; Department of Biology, University of Ottawa; Krembil Brain Institute, University Health Network; Department of Physics, University of Ottawa; Department of Mathematics, University of Toronto; The University of Ottawa Brain and Mind Research Institute; Département de psychoéducation et de psychologie, Université du Québec en Outaouais; Department of Neuroscience, Carleton University; Department of Cellular and Molecular Medicine, University of Ottawa.

Kaynak türü: Bilimsel yazılım / MATLAB GUI ve yöntem makalesi.

Yayın durumu: Bu çalışma hakem değerlendirmesinden geçmemiş bir preprinttir; sonuçları bu yayın aşaması dikkate alınarak değerlendirilmelidir.

Platform: SSRN.

SSRN abstract numarası: 6204470.

DOI: 10.2139/ssrn.6204470.

Bibliyografik tarih: Dış bibliyografik kayıtlarda Ocak 2026 olarak listelenmektedir. Yüklenen PDF üzerinde bundan daha kesin bir ilk yayın günü görünmemektedir.

Resmî kaynak bağlantısı: https://ssrn.com/abstract=6204470

Yazılım: Makalede NESTApp v2.0 olarak tanımlanmaktadır.

Makaledeki geliştirme ortamı: MATLAB App Designer R2024b.

Makaledeki EEGLAB sürümü: 2025.0.0.

Kaynak kod: Makalede https://github.com/arefpz/nestapp adresi verilmektedir.

Lisans: Makale metninde açık bir yazılım lisansı belirtilmemektedir. Güncel kaynak kod deposu GPL-3.0 lisansı göstermektedir; bu bilgi mevcut depo durumuna aittir ve makalenin NESTApp v2.0 sürümüne geriye dönük lisans beyanı olarak yorumlanmamıştır.

Veri erişilebilirliği: Yazarlar bu çalışma sırasında herhangi bir veri kümesinin üretilmediğini veya analiz edilmediğini bildirmektedir.

Finansman: Sara Tremblay için Natural Sciences and Engineering Council of Canada (NSERC) Discovery Grant RGPIN-2020-05856 belirtilmiştir.

Yazar katkıları: AP, ST ve JL çalışmayı tasarlamıştır; AP ilk taslağı yazmıştır; bütün yazarlar makaleyi gözden geçirmiştir.

Çıkar çatışması: Yüklenen metinde ayrı bir çıkar çatışması beyanı tespit edilmemiştir. Bundan çıkar çatışması olmadığı sonucu çıkarılmamıştır.

Kaynak-içi dosya yapısı notu: Yüklenen PDF 17 fiziksel sayfadan oluşmakla birlikte ilk bölüm 9/9, ikinci bölüm 8/8 olarak numaralanmış iki büyük ölçüde tekrarlı makale dizgisini art arda içermektedir. Bu nedenle dosyanın 17 sayfası 17 benzersiz bilimsel içerik sayfası olarak değerlendirilmemiştir.

Kaynak-içi editoryal not: Metindeki bir gönderme “Table ??” biçiminde çözülmemiş placeholder olarak kalmıştır; ilgili tablo belgede Table 1 olarak yer almaktadır. Çalışma adı ağırlıklı olarak NESTApp biçimindeyken bazı şekil/metin alanlarında NESTAPP yazımı görülmektedir. Bu farklılıklar sessizce özgün başlığa uygulanmamıştır.

Bilimsel tasarım sınırı: Bu çalışma NESTApp'ın yazılım mimarisini ve örnek TMS-EEG preprocessing pipeline'ını tanımlamaktadır. Yeni bir katılımcı kohortu, deney grubu, klinik sonuç veya nicel algoritma benchmark'ı içermemektedir.

Bilimsel içerik sınırı: Bu Verianla makalesindeki NESTApp mimarisi, işlev listesi, TMS-EEG pipeline basamakları, zaman/frekans parametreleri, görselleştirme özellikleri ve sınırlılıklar yalnız yüklenen çalışmaya dayanmaktadır. Dış kaynaklar yalnız DOI, bibliyografik kimlik ve mevcut yazılım deposunun erişilebilirlik/lisans durumunu doğrulamak için kullanılmış; ana bilimsel içeriğe dış sonuç eklenmemiştir.