Research prototypeEEG · Edge AI
Epilepsy Early-Warning System
A wearable-to-edge concept for distinguishing ictal, preictal, postictal, and normal EEG states and exploring whether a useful warning can be produced before a seizure.
Project record
This page reports the maturity and evidence documented in Ethosoft's working archive. It does not imply peer review, regulatory clearance, or clinical validation.
Methods and evidence
Epilepsy Early-Warning System
A wearable-to-edge concept for distinguishing ictal, preictal, postictal, and normal EEG states and exploring whether a useful warning can be produced before a seizure.
- Data and signals
- TUH EEG records, reduced to an eight-channel configuration.
- Pipeline
- Multi-scale temporal features, channel attention and fusion, temporal context modeling, OpenBCI Cyton, Raspberry Pi, and a Flutter companion app.
- Intended workflow
- Wearable sensing, edge inference, alerts, emergency location sharing, and medication tracking.
Evidence boundary: the local brief sets a two-to-five-minute pre-seizure warning as a design target; it does not provide prospective clinical validation for that target.
Verbatim project material
Original source text
The following text is reproduced exactly from the supplied project files. It is preserved for provenance; it may be in Turkish, use Markdown notation, or contain draft statements.
epilepsi/🧠 Epilepsi Erken Uyarı Sistemi.md
**Yapay Zekâ Destekli Giyilebilir Nöbet Tahmin Platformu**
## 1. Giriş
Epilepsi, hem ülkemizde hem de dünyada yaygın şekilde görülen nörolojik bir hastalıktır. Türkiye’de yaklaşık **1 milyon** epilepsi hastası bulunduğu tahmin edilmektedir. Özellikle çocukluk çağında nöbet sıklığı günde **10’un üzerine** çıkabilmektedir.
Mevcut takip yöntemleri nöbeti _gerçekleşmeden önce_ öngöremediği için, hastaların yaşam kalitesi ciddi şekilde düşmektedir. Bu ihtiyaca cevap olarak geliştirilen **Epilepsi Erken Uyarı Sistemi**, nöbeti gerçekleşmeden **2–5 dakika önce** tahmin edebilen yapay zekâ tabanlı bir erken uyarı teknolojisidir.
---
## 2. Sistem Bileşenleri
### 2.1 Giyilebilir EEG Kafa Bandı
- Kafa bandı üzerinde **toplam 8 elektrot** bulunmaktadır.
- Elektrotlar gerçek zamanlı **EEG sinyallerini** toplar.
- Sinyaller, elektrotlara bağlı **Cyton (OpenBCI) çipi** üzerinden dijitalleştirilir.
![[Pasted image 20251202124753.png]]
### 2.2 Donanım Veri Akışı
1. **EEG sinyali** elektrotlar tarafından toplanır.
2. Sinyaller **Cyton çipi** aracılığıyla USB dongle üzerinden iletilir.
3. Dongle, veriyi **Raspberry Pi** cihazına aktarır.
4. Raspberry Pi üzerinde bulunan yapay zekâ modeli EEG verisini işler.
5. Çıktı bilgi paketi **Flutter mobil uygulamasına** gönderilir.
---
## 3. Yapay Zekâ Tabanlı Nöbet Tahmin Modeli
### 3.1 Veri İşleme
- EEG sinyalleri **5 saniyelik sekanslar** halinde işlenir.
- Bu sekanslar her **5 dakikada bir** modele gönderilir.
- İşleme süresi, kullanılan mikrokontrolcünün işlem kapasitesine göre değişebilir.
### 3.2 Model Özellikleri
- 8 kanallı EEG verisi için optimize edilmiştir.
- Yüksek frekanslı ve düşük frekanslı bileşenleri ayrı değerlendirir.
- Nöbetten önceki değişimleri 2–5 dakikalık pencerede algılar.
- Raspberry Pi üzerinde çalışabilecek şekilde **edge AI** optimizasyonu yapılmıştır.
---
## 4. Mobil Uygulama (Flutter)
### 4.1 Temel Fonksiyonlar
- **Gerçek zamanlı durum takibi**
- **İlaç kullanım takibi**
- Kullanıcının günlük EEG risk seviyesinin görüntülenmesi
- Nöbet anında **otomatik SMS gönderimi** (konum + durum bilgisi)
### 4.2 Acil Durum Modülü
Nöbet tespiti gerçekleştiğinde sistem otomatik olarak:
- Kullanıcının **konumunu** alır
- Kullanıcıya yakın kişilere **SMS bildirimi** gönderir
- Uygulama üzerinde acil durum ekranını aktif hale getirir
---
## 5. Sistem Çalışma Akış Diyagramı
```
[EEG Elektrotları]
↓
[Cyton EEG Çipi]
↓ USB Dongle
[Raspberry Pi - AI Model]
↓ Wi-Fi/Bluetooth
[Flutter Mobil Uygulama]
↓
[Acil Durum Bildirim Sistemi]
```
---
## 6. Kullanım Senaryosu
1. Kullanıcı EEG kafa bandını takar.
2. Sistem belirli aralıklarla veriyi toplar ve Raspberry Pi'a gönderir.
3. Yapay zekâ modeli EEG paternlerini analiz eder.
4. Olası nöbet tespit edilirse:
- Mobil uygulama kullanıcıyı uyarır.
- Yakınlara otomatik SMS gider.
- Kullanıcı ilaçlarını ve durumunu takip edebilir.
---
## 7. Görsel
> **Not:** Aşağıdaki görsel placeholder’dır. Raporu üretirken buraya gerçek görsel eklenecek.
```
```
---
## 8. Sonuç
Epilepsi Erken Uyarı Sistemi, nöbetleri gerçekleşmeden **dakikalar önce tahmin ederek** epilepsi hastalarının yaşam kalitesini artırmayı hedefleyen yenilikçi bir sağlık teknolojisidir.
Giyilebilir EEG sensörleri, edge AI mimarisi ve mobil uygulama entegrasyonu ile sistem, hem kullanıcılar hem de sağlık profesyonelleri için yeni bir güvenlik katmanı sağlamaktadır.
---
Hazırsanız bir sonraki raporu da aynı şekilde düzenleyebilirim.epilepsi/açıklama.txt
Epilepsi Hastaları İçin Erken Uyarı Sistemi Bu projede, TUH EEG veri kümesinden elde edilen sekiz kanallı EEG sinyalleri kullanılarak epileptik nöbet sürecinin dört farklı durumda sınıflandırılması hedeflenmiştir. Bu durumlar nöbet anını ifade eden *iktal, nöbet öncesini ifade eden **preiktal, nöbet sonrasını ifade eden **postiktal* ve sağlıklı EEG aktivitesini ifade eden *normal* sınıflarıdır. Sinyallerden anlamlı özellikler çıkarabilmek için özel olarak tasarladığımız *Çok Ölçekli Zamansal Özellik Çıkarım Modülü, kanallar arasındaki önemli ilişkileri öğrenen **Kanal Dikkat ve Füzyon Modülü* ve EEG sinyallerindeki uzun süreli değişimleri analiz eden *Zamansal Bağlam Öğrenme Modülü* kullanılmıştır. Geliştirilen yapay zekâ modeli sayesinde epileptik nöbetlerin yalnızca gerçekleştiği anın değil, nöbet öncesi ve sonrası dönemlerin de otomatik olarak tespit edilmesi amaçlanmıştır.
