Psikolojik Tanıda Yeni Bir Dönem!
Yapay Zekanın Gücünü Kullanarak Nörolojik Verilerin Analizine Derinlemesine Katkı Sağlıyoruz!
Yapay Zekanın Gücünü Kullanarak Nörolojik Verilerin Analizine Derinlemesine Katkı Sağlıyoruz!
Biz, sağlık teknolojileri alanında yenilikçi çözümler sunan bir ekibiz. Projemiz, EEG verilerini spektrogram haritalarına çevirerek psikolojik hastalıkların tanısında devrim niteliğinde bir yaklaşım getirmeyi amaçlamaktadır. Farklı disiplinlerden gelen uzmanlıklarımızla, zihinsel sağlıkta daha güvenilir ve etkili tanı yöntemleri geliştirmek için çalışıyoruz.
EEG verilerini yapay zeka ile analiz ederek psikolojik hastalıkların tanısında yenilikçi bir çözüm sunuyoruz. Beyin dalgalarını spektrogram haritalarına dönüştürüp derin öğrenme ile değerlendiren bir sağlık asistanı geliştirmeyi hedefliyoruz.
Psikolojik hastalıkların tanısında yapay zeka destekli yenilikçi yöntemlerle daha doğru teşhisler sunmak ve bireylerin yaşam kalitesini arttırmaktır.
Hemşirelik, psikoloji ve yazılım mühendisliği öğrencilerinden oluşan ekibimiz, sağlık ve teknolojiyi birleştirerek projelerimizi multidisipliner bir yaklaşımla geliştiriyor.
Sağlık teknolojilerinde öncü bir rol üstlenerek, psikolojik hastalıkların teşhisinde yeni standartlar belirlemek ve bireylerin ruh sağlığını güçlendirmektir.
Uygulamanın ilk adımı, hastanın beyin aktivitelerinin elektroensefalografi (EEG) yöntemiyle kaydedilmesi ve bu verilerin işlenmesidir. Bu süreçte, sinyalin kalitesini artırmak ve analizlerin doğruluğunu maksimize etmek için artefaktlar (göz hareketleri, kas aktiviteleri ve çevresel gürültüler) dikkatlice temizlenir. Artefaktların etkin bir şekilde giderilmesi, yapay zeka tabanlı modelimizin doğru ve güvenilir analiz yapabilmesi için kritik bir adımdır. Depresyon gibi nöropsikiyatrik bozukluklar, özellikle frontal lobda bulunan prefrontal korteks bölgesiyle yakından ilişkilidir. Bu nedenle Sitâre Arcturus ekibi olarak, çalışmalarımızda Fp1, Fp2 ve Fpz EEG kanallarına odaklanmaktayız. Yeterli veri sağlanamaması durumunda diğer kanalların analizine de başvurulmaktadır.
İkinci aşamada, kaydedilen EEG verileri, Fourier dönüşümü ile frekans bileşenlerine ayrılır ve bu bileşenlerin zamana bağlı dağılımı görselleştirilerek bir spektrogram oluşturulur. Fourier dönüşümü, sinyalin karmaşık yapısını çözümleyerek frekans bileşenlerini ortaya çıkarır ve her bileşenin gücünü hesaplar. Bu analiz, sinyalde gizli kalmış paternleri ve anormallikleri tespit etmeyi kolaylaştırır. Spektrogram, EEG sinyalinin zaman içindeki frekans değişikliklerini görsel olarak sunarak, doktorların ve uzmanların beyin aktivitesini daha net bir şekilde incelemesine olanak tanır.
Oluşturulan spektrogram haritaları, ekibimiz tarafından geliştirilen yapay zeka modeli ile analiz edilir. Bu model, EEG sinyallerinde depresyon gibi nöropsikiyatrik rahatsızlıkların ayırt edici paternlerini tespit edebilmektedir. Yapay zeka, sinyallerdeki belirli anormallikleri ve paternleri tanıyarak, doktorlara klinik karar süreçlerinde destek sağlar. Bu yöntem, geleneksel teşhis yöntemlerine kıyasla daha hızlı ve güvenilir sonuçlar sunarak, depresif bozukluk gibi durumların erken teşhis edilmesine katkıda bulunur.
Yapay zeka modelimiz tarafından yapılan analizler sonucunda elde edilen veriler, kullanıcı dostu bir arayüz aracılığıyla doktorlara sunulur. Analiz sonuçları, anlaşılır bir şekilde görselleştirilerek, uzmanların klinik değerlendirmelerini daha verimli bir şekilde yapmalarına olanak tanır. Uygulama, analiz sonuçlarını grafiksel olarak sunarken, hem EEG sinyallerini hem de bunların frekans boyutundaki değişimlerini aynı ekranda göstermektedir. Böylece, uzmanlar, sinyaldeki değişiklikleri kolayca takip edebilir ve sonuçlara hızlı bir şekilde ulaşabilirler.