Gerçek Zamanlı Giyilebilir Epileptik Nöbet Uyarı Sisteminin Geliştirilmesi ve Değerlendirilmesi

Abstract

Epileptik nöbetler bireylerin güvenliğini, bağımsızlığını ve yaşam kalitesini önemli ölçüde etkilemektedir. Geleneksel izleme sistemleri klinik ortamlarda etkili olsa da, günlük kullanım için taşınabilirlikten yoksundur. Bu çalışma, gerçek zamanlı epileptik nöbet tespiti için giyilebilir bir cihaz geliştirerek bu sınırlamaları ortadan kaldırmayı, hasta güvenliğini artırmayı ve klinik izleme ile günlük yönetim arasındaki boşluğu doldurmayı amaçlamaktadır. Düşük maliyetli ve günlük kullanıma uygun olarak tasarlanan prototip, cihaza sırt bölgesine yerleştirilmesi sayesinde algılama doğruluğunu artırmakta ve yanlış alarmları en aza indirmektedir. Sistem; kontrol için Arduino Mega mikrodenetleyici, hareket algılama için jiroskop, konum takibi için GPS ve acil durum uyarıları için GSM modüllerini kullanmaktadır. Her bir bileşen entegrasyon öncesinde ayrı ayrı test edilmiştir. Cihaz, tonik-klonik nöbetleri algılama, sesli ve SMS uyarılarını doğrulama ve özel bir mobil uygulama aracılığıyla performans izleme açısından değerlendirilmiştir. Üç haftalık saha testleri, cihazın etkinliğini doğrulamış; buzzer, çevredeki kişileri uyarırken, SMS bildirimleri acil müdahaleyi hızlandırmıştır. Sistem, motor nöbetleri yüksek doğrulukla ve minimum yanlış pozitif oranıyla algılamada güvenilir performans göstermiştir. Gelecekteki geliştirmeler arasında cihazın PCB ile küçültülmesi, pil ömrünün artırılması ve kapsamlı nöbet tespiti için EEG izleme entegrasyonu yer almaktadır.

Keywords

• Epilepsi
• Giyilebilir Cihaz
• Nesnelerin İnterneti (IoT)
• Biyomedikal Mühendisliği
• Sensör Sistemi
• Gerçek Zamanlı Uyarı

Development and Evaluation of a Wearable Real-Time Epileptic Seizure Alert System

Abstract

Epileptic seizures significantly impact individuals' safety, independence, and quality of life. Traditional monitoring systems are effective in clinical settings but lack portability for daily use. This project addresses these limitations by developing a wearable device for real-time epileptic seizure detection, enhancing patient safety and bridging the gap between clinical monitoring and everyday management. The low-cost, daily-use prototype improves detection accuracy and minimizes false alarms by strategically placing the device on the back for enhanced stability and sensor performance. The system uses an Arduino Mega microcontroller for control, a gyroscope for motion detection, GPS for location tracking, and GSM for emergency alerts. Each component was individually tested before integration. The device was evaluated for detecting tonic-clonic seizures, verifying audio and SMS alerts, and monitoring performance via a custom mobile app. Field testing over three weeks confirmed its effectiveness, with the buzzer alerting nearby individuals and SMS notifications enabling faster emergency response. The system demonstrated reliable detection of motor seizures with high accuracy and minimal false positives. Future enhancements include miniaturizing the device with a PCB, improving battery life, and integrating EEG monitoring for comprehensive seizure detection.

Keywords

• Epilepsy
• Wearable Device
• IoT
• Biomedical Engineering
• Sensor System
• real-time alert

References

1. [1] W. H. Orgainization, “Epilepsy Fact Sheet,”. [Online]. Available: https://www.who.int/en/news-room/factsheets/ detail/epilepsy.
2. [2] Van de Vela A., Cuppens k., Bonroy B., et al. Non-EEG seizure-detection systems and potential SUDEP prevention: State of the art, Seizure, 2013, 22(5), pp. 345-355. doi: 10.1016/j.seizure.2013.02.012.
3. [3] Giourou, E., Stavropoulou-Deli, A., Giannakopoulou, A., Kostopoulos, G.K., and Koutroumanidis, M., Introduction to Epilepsy and Related Brain Disorders. In: Voros, N., Antonopoulos, C. (eds) Cyberphysical Systems for Epilepsy and Related Brain Disorders, Springer, Cham. 2015. doi: 10.1007/978-3-319-20049-1_2.
4. [4] Kusmakar S., Karmakar C., Yan B., Brien T., Muthuganapathy R., and Palaniswami M., Automated Detection of Convulsive Seizures Using a Wearable Accelerometer Device. in IEEE Transactions on Biomedical Engineering. 2019, 66(2), pp. 421-432. doi: 10.1109/TBME.2018.2845865
5. [5] Shamini S., Vel R., Sivasankari S., and Ramprabu G., Epilepsy Seizure Alert System using IoT, International Journal of Emerging Trends in Engineering Research, 2020, 8(9), pp. 6347-6350. doi: 10.30534/ijeter/2020/231892020
6. [6] Habtamu M., Tolosa K., Abera, K, et al. A novel wearable device for automated real-time detection of epileptic seizures. BMC Biomedical Engineering. 2023, 5(7), pp. 2-9. doi: 10.1186/s42490-023-00073-7
7. [7] Gautham V., Noushad F., Namitha B., Davis F., and Shaija J., Design and Development of a Low-Cost IoT- Enabled Smart Wearable Device for Real-Time Monitoring of Epilepsy Seizures, 1st International Conference on Trends in Engineering Systems and Technologies (ICTEST), Kochi, India. 2024. doi: 10.1109/ICTEST60614.2024.10576187
8. [8] Souleyman H., Mwangi E., and Kihato P., IoT based monitoring system for epileptic patients, Heliyon, 2022, 8(6), pp. 1-9. doi: 10.1016/j.heliyon.2022.e09618

9. [9] Ge Y., Jiang T., Gao F., et al., Epilepsy Analysis with Portable Device based Multi-modal Physiological Signals, 8th Youth Academic Annual Conference of Chinese Association of Automation (YAC), Hefei, China, 2023, pp. 154-159. doi: 10.1109/YAC59482.2023.10401652 [10]
10. [10] Waqar A. and Waqar A., Innovation in Epilepsy Management in South Asia: Design and Development of a Wearable Seizure Detection Device, Journal of Dawning Research, 2024;6, pp. 1-7. https://www.scipedia.com/public/Waqar_Waqar_2024a
11. [11] Ertuğrul Ö., Sönmez Y., Sezgin N., and Akil E., Assessment of Epileptic Seizures and Non Epileptic Seizures via Wearable Sensors and Priori Detection of Epileptic Seizures, Balkan Journal of Electrical and Computer Engineering, 2022, 10(2), pp.150-155. doi: 10.17694/bajece.1054818
12. [12] Hüseyin Y. and Güray T., Detection of Pufferfish Using Computer Vision and Deep Learning Methods, El-Cezeri Journal of Science and Engineering, 2025,12(2), pp. 218–233. doi: 10.31202/ecjse.1628790.
13. [13] Khan M., Tom M., Yasser M., Basmaji T., and Fraiwan L. Artificial Intelligence Guided Wearable Seizure Detection Device, 9th International Conference on Optimization and Applications (ICOA), AbuDhabi, United Arab Emirates, 2023, pp. 1-5. doi: 10.1109/ICOA58279.2023.10308857
14. [14] Moreira J., Bettio R., Freire A., Santos L., and Pereira, M., Elderly fall monitoring in smart homes using wearable device, Proceedings of the 30th Brazilian Symposium on Multimedia and the Web, Porto Alegre, 2024, pp. 124-132. doi.org/10.5753/webmedia.2024.241629
15. [15] Feyza A., Furkan Y., Serkan G., and et. Al, Artificial Intelligence-Supported Detection Systems on Embedded Devices, El-Cezeri Journal of Science and Engineering, 2024, 11(1), pp. 109–119. http://doi.org/10.31202/ecjse.1312555
16. [16] Abdulhamit S. and Hasan K., Multicamera-Based Indoor Localization and Path Optimization for Mobile Robots Using ArUco Markers, El-Cezeri Journal of Science and Engineering, 2025, 12(3), pp. 339–355. doi: 10.31202/ecjse.1614568.