Psikolojik Tanıda Yeni Bir Dönem!
Yapay zekanın gücünü kullanarak nörolojik verilerin analizine derinlemesine katkı sağlıyoruz!
Hakkımızda
Biz Kimiz ?
Biz, sağlık teknolojileri alanında yenilikçi çözümler sunan bir ekibiz. Farklı disiplinlerden gelen uzmanlıklarımızla, zihinsel sağlıkta daha güvenilir ve etkili tanı yöntemleri geliştirmek için çalışıyoruz. Projemiz, uyku bozuklukları ve major depresif bozukluk gibi psikolojik hastalıkların tanısında devrim niteliğinde bir yaklaşım sunmayı amaçlıyor. Bu doğrultuda geliştirdiğimiz teknoloji, hastaların biyolojik verilerini, doldurdukları ölçekleri, anemnez bilgilerini ve EEG kayıtlarını yapay zeka ile analiz ederek doktorlara kapsamlı bir hasta takibi ve güçlü bir tanı destek sistemi sunar.
Projemiz
Projemiz, depresyon ve uyku bozukluğu yaşayan hastaların tedavi sürecindeki iyileşme ve psikolojik durum takibini yapabilecek ve destek tanı sistemi sunan bir yapay zeka çözümü geliştirmektedir.
Misyonumuz
Sağlık teknolojilerindeki yenilikçi çözümlerimizle bireylerin yaşam kalitesini artırmayı ve sağlık hizmetlerinin etkinliğini geliştirmeyi hedefliyoruz.
Ekibimiz
Hemşirelik, psikoloji ve yazılım mühendisliği öğrencilerinden oluşan ekibimiz, sağlık ve teknolojiyi birleştirerek projelerimizi multidisipliner bir yaklaşımla geliştiriyor.
Vizyonumuz
Yapay zeka ve sağlık teknolojilerini birleştirerek psikiyatri ve psikoloji alanında uluslararası standartlarda bilimsel ve teknolojik açıdan güçlü bir araç sunmaktır. Bireylerin yaşam kalitesini artırmayı ve sağlık alanında dijital dönüşüme öncülük etmeyi amaçlıyoruz.
Başarılarımız
TEKNOFEST 2024
5-8 Eylül tarihleri arasında Antalya'da düzenlenen TEKNOFEST 2024'te Psikolojide Teknolojik Uygulamalar yarışmasında finalist olarak yer aldık. Tam 3.485 takım arasından sıyrılarak finale kalan en iyi 32 takımdan biri olmanın gururunu yaşadık.
MEDIDEA 2025
İstanbul Medipol Üniversitesi TTO ve Medipol Meta TEKMER iş birliğiyle, 22 Şubat 2025 tarihinde MEDIDEA isimli Sağlık Fikirlerinin Yarıştığı ideathonda bizde yer alacağız.
TÜBİTAK PRODİS
Sitâre Arcturus ekibi olarak TÜBİTAK PRODİS başvuru sürecimizi başarıyla tamamladık. Projemiz, ön değerlendirme aşamalarını geçerek kabul edilmek üzere incelemeye alındı. TÜBİTAK desteğiyle sağlık teknolojileri alanındaki çalışmalarımıza daha güçlü bir şekilde devam etmeyi hedefliyoruz.
İSTANBUL TEKNOPARK GİRİŞİMCİ
Sitâre Arcturus girişim ekibi olarak İstanbul Teknopark bünyesinde projemizi başarıyla sunmuş bulunuyoruz. Değerlendirme süreçlerini başarıyla tamamladık ve girişimcilik onay aşamasına geçtik. Heyecanla, projemizi hayata geçirmek için son onay sürecinin tamamlanmasını bekliyoruz.
Takım
Emircan Akyüz
Algoritma ve Yapay Zeka Sistemleri
Aslı Karaboğa
Proje Geliştirme ve Yürütme
Osman Cevahir
Arayüz ve Web Sistemleri
Elif Arife Kaan
Klinik ÇalışmalarTeknik
Performans Sonuçları
Confusion Matrix
Yapay zeka modelinin tahmin ettiği değerlerle gerçek değerleri karşılaştırarak doğru ve hatalı sınıflandırmaları tablo halinde gösteren bir performans değerlendirme aracıdır. 1 sınıfı, major depresif bozukluğa sahip bireyi temsil ederken 0 sınıfı sağlıklı bireyi temsil etmektedir.
ROC Curve
Yapay zeka modelin doğru pozitif oranı (modelin doğru bir şekilde "Major Depresif Bozukluğa Sahip Birey" sınıfı tahmin etme oranı) ile yanlış pozitif oranını ("Sağlıklı Birey" sınıfını yanlış bir şekilde "Major Depresif Bozukluğa Sahip Birey" olarak tahmin etme oranı) farklı eşik değerlerinde görselleştirerek sınıflandırma performansını değerlendiren bir grafik araçtır.
Accuracy and F1 Score
Accuracy, modelin doğru tahminlerinin toplam tahminlere oranını (doğru tahmin yüzdesini) ölçen bir performans metriğidir. F1 Score, modelin precision (doğru pozitif tahminlerin tüm pozitif tahminlere (doğru ve yanlış tümüne) oranı) ve recall'u (doğru pozitif tahminlerin tüm gerçek pozitiflere oranı) dengeleyen ve performansı değerlendirmek için kullanılan bir harmonik ortalama metriğidir.
Verilerin Kaydedilmesi ve Ön İşleme
Bireyin ayda bir çektireceği EEG verileri, düzenli aralıklarla tasarladığımız arayüz üzerinden cevaplayacağı depresyon ölçekleri ve giyilebilir akıllı cihazlardan API teknolojisiyle gerçek zamanlı olarak elde edilen biyolojik verilerle birleştirilerek sistemimize sorunsuz bir şekilde aktarılmaktadır. Bu verilere ek olarak, bireyin hastalık geçmişi (anemnez) de arayüzümüze entegre edilerek, analizlerde kullanılmak üzere bütüncül bir veri seti oluşturulmaktadır. Veri aktarımı tamamlandıktan sonra, yüksek doğrulukta analizler elde edebilmek için veriler üzerinde bir dizi ön işleme adımı uygulanır. Bu adımlar arasında sinyal güçlendirme, özellik çıkarımı ve gürültü filtreleme gibi işlemler yer almaktadır. Özellikle EEG sinyallerinde yer alan göz hareketleri, kas aktiviteleri ve çevresel gürültüler gibi artefaktların temizlenmesi, sinyalin kalitesini artırmak ve yapay zeka analizlerinin güvenilirliğini sağlamak adına kritik bir öneme sahiptir.
Verilerin Görselleştirilmesi ve Anlamlandırılması
Veri setinin tamamlanmasının ardından, hekimlerin analiz süreçlerini kolaylaştırmak ve bireye dair anomalileri tespit etmek için çeşitli görselleştirmeler oluşturulacaktır. Topografi haritaları, beynin hangi bölgelerinin daha aktif olduğunu görselleştirirken, spektrogram haritaları EEG sinyallerini frekans domeninde temsil ederek daha detaylı bir analiz imkanı sunar. EDA sensörü ile elde edilen terleme seviyeleri, vücudun hangi aralıklarda anormal tepki verdiğini belirlemeye yardımcı olur. Stres seviyesi ölçümleriyle birleştirildiğinde, bireyin psikolojik ve fizyolojik durumu hakkında önemli bulgular sunulacaktır. Bu görselleştirmeler, verileri daha anlamlı ve anlaşılır bir hale getirerek tanı ve takip süreçlerine yenilikçi bir katkı sağlayacaktır.
Derin Öğrenme Tabanlı Kapsamlı Analiz
Veri setlerinin hazırlanması ve görselleştirme sürecinin ardından, yapay zeka tabanlı derin öğrenme modelleriyle kapsamlı analiz aşamasına geçilmektedir. Bu adımda, EEG sinyalleri, anemnez bilgileri, biyolojik veriler ve psikolojik ölçeklerden elde edilen çok boyutlu veri setleri ekibimiz tarafından geliştirilen derin öğrenme algoritmalarına aktarılır. Konvolüsyonel Sinir Ağları (CNN) gibi derin öğrenme algoritmaları, EEG sinyallerindeki patern ve anomalileri tespit ederek bireyin sağlık durumuna dair hassas tahminler yapar. Spektrogram ve topografi haritaları, analizlerin doğruluğunu artırırken, EDA sensörü ile elde edilen terleme seviyesi ve diğer biyolojik veriler de süreci daha kapsamlı hale getirir. Bu aşamada gerçekleştirilen derin öğrenme tabanlı analiz, bireyin mevcut sağlık durumunu değerlendirmekle kalmaz, aynı zamanda gelecekte oluşabilecek potansiyel riskler hakkında öngörüler sunar. Modelin sonuçları, doktorların karar verme süreçlerinde destekleyici bir rehber işlevi görerek tanı ve takip süreçlerinin etkinliğini artırır. Bu yenilikçi yaklaşım, verilerin bütüncül bir şekilde analiz edilmesini ve sağlık hizmetlerine yeni bir boyut kazandırılmasını sağlamaktadır.
Analiz Sonuçlarının Arayüzde Sunulması
Yapay zeka modelimiz tarafından gerçekleştirilen detaylı analizler, kullanıcı dostu ve modern bir arayüz aracılığıyla hekimlere sunulmaktadır. Tasarladığımız bu arayüz, bireyin biyolojik, psikolojik ve nörolojik verilerini bir araya getirerek, kapsamlı bir analiz ve değerlendirme platformu sağlar. Yapay zeka modelimizin ürettiği analizler, depresyon ve uyku bozukluğu gibi psikolojik rahatsızlıkların bütüncül bir yaklaşımla ele alınmasına olanak tanır. Bu yenilikçi teknoloji, doktorların karar verme süreçlerini optimize ederken, yapay zeka modeli tarafından sağlanan destekleyici analizler ile hem teşhis hem de tedavi süreçlerinin hızını ve doğruluğunu artırmaktadır. Böylece, bireyin sağlık durumu tüm boyutlarıyla değerlendirilebilir, uzun vadeli izleme ve etkili müdahale imkanları sağlanır. Bu yaklaşım, sağlık hizmetlerine yeni bir perspektif kazandırarak hasta ve hekim için daha etkili bir deneyim sunmaktadır.