EPIWEB: A web-based application for detecting and predicting epileptic seizures

Abstract

This dissertation explores the major obstacles presented by epilepsy, a neurological disorder that causes frequent seizures. The study presents EPIWEB, a user-friendly web platform devised to improve the identification and forecasting of epileptic seizures. By utilizing web development, data analysis, and machine learning techniques, EPIWEB delivers an easy-to-use interface to create, arrange, and scrutinize EEG data. EPIWEB provides researchers with key tools for visualising raw EEG data, extracting features, and utilising classification algorithms. EPIWEB's architecture, grounded in the Django framework and tailored for scalability, guarantees smooth data processing integration. Importantly, the platform emphasises user authentication and data protection to secure sensitive patient information. This dissertation explores in detail the core concepts that form the basis of predicting epileptic seizures. It encompasses the analysis of EEG signals, feature extraction, and an extensive evaluation of past research, including the important EPILAB project. This work addresses potential risks and implements strategies to mitigate challenges arising from the ambitious project scope and evolving requirements. EPIWEB undergoes thorough validation against functional requirements, demonstrating its capacity and potential in analyzing and predicting epileptic seizures. The platform's proficiency in managing patient data, conducting research, and displaying EEG information is convincingly demonstrated. In conclusion, EPIWEB shows potential for advancing the field of epileptic seizure detection and prediction. Its noteworthy attributes makes it a valuable resource for academics and professionals in this pivotal field.

Esta dissertação explora as principais adversidades levantadas pela epilepsia, um distúrbio neurológico que causa a frequente ocorrência de convulsões. O estudo apresenta o EPIWEB, uma plataforma web de fácil utilização desenvolvida para melhorar a deteção e a previsão de crises epilépticas. Ao recorrer a Web Development, análise de dados e técnicas de aprendizagem computacional, o EPIWEB oferece uma interface amigável para criar, organizar e analisar dados de EEG e estudos sobre eles. O EPIWEB fornece a investigadores ferramentas importantes para visualizar dados brutos de EEG, extrair features e modelar algoritmos de classificação. A arquitetura do EPIWEB, baseada na framework Django, garante uma fácil integração dos algoritmos de processamento de dados. É importante realçar que a plataforma permite a autenticação de utilizadores e a proteção de dados para proteger os dados dos pacientes. Esta dissertação explora em detalhe os conceitos fundamentais que formam a base da previsão de crises epilépticas. Abrange a análise de sinais EEG, extração de características e uma exploração do atual estado de arte, incluindo o importante projeto EPILAB. Ao longo do trabalho são abordados potenciais riscos para a implementação e as estratégias para mitigar os desafios decorrentes do desenvolvimento promissor do projeto e dos seus requisitos. O EPIWEB passa por uma validação cuidada face aos requisitos funcionais, demonstrando potencial na análise e previsão de crises epilépticas. A eficiência da plataforma na gestão de dados de pacientes, na construção de estudos e na exibição gráfica de informações de EEG é demonstrada de forma convincente. Concluindo, o EPIWEB mostra potencial para contribuir no campo da detecção e previsão de crises epilépticas. As suas capacidades revelam um recurso valioso para fins académicos e profissionais neste campo da epilepsia.