Taula de continguts:

Malaltia de Parkinson: tecnologia usable: 4 passos
Malaltia de Parkinson: tecnologia usable: 4 passos

Vídeo: Malaltia de Parkinson: tecnologia usable: 4 passos

Vídeo: Malaltia de Parkinson: tecnologia usable: 4 passos
Vídeo: Красивая история о настоящей любви! Мелодрама НЕЛЮБОВЬ (Домашний). 2024, De novembre
Anonim
Malaltia de Parkinson Wearable Tech
Malaltia de Parkinson Wearable Tech
Malaltia de Parkinson Wearable Tech
Malaltia de Parkinson Wearable Tech

Més de 10 milions de persones a tot el món viuen amb la malaltia de Parkinson (PD). Un trastorn progressiu del sistema nerviós que causa rigidesa i afecta el moviment del pacient. En termes més senzills, moltes persones patien la malaltia de Parkinson, però no es pot curar. Si l’estimulació cerebral profunda (DBS) és prou madura, hi ha la possibilitat que la PD sigui curable.

En abordar aquest problema, crearé un dispositiu tecnològic que possiblement ajudaria els hospitals a oferir als pacients amb PD una medicació més precisa i pràctica.

Vaig crear un dispositiu de tecnologia portable: Nung. Pot captar amb precisió el valor de les vibracions del pacient durant tot el dia. El seguiment i l’anàlisi del patró recurrent per ajudar els hospitals a prendre millors decisions de medicació per a cada pacient. No només proporciona dades precises als hospitals, sinó que també proporciona comoditats als pacients amb PD quan revisiten els seus metges. Normalment, els pacients recordaran els seus símptomes passats i demanaran al metge més ajustament de la medicació. No obstant això, és difícil recordar tots els detalls, de manera que l’ajust de la medicació és inexacte i ineficient. Però amb l’ús d’aquest dispositiu de tecnologia portable, els hospitals poden identificar el patró de vibracions amb facilitat.

Pas 1: electrònica

Electrònica
Electrònica

- ESP8266 (mòdul wifi)

- SW420 (sensor de vibració)

- Taula de pa

- Cavalls de pont

Pas 2: lloc web del monitor de vibracions

Lloc web del monitor de vibracions
Lloc web del monitor de vibracions

Gràficament, els hospitals poden visualitzar l’estat del pacient en directe.

1. SW420 captura les dades de vibració de l'usuari

2. Deseu les dades de temps i vibracions en una base de dades (Firebase)

3. El lloc web obtindrà les dades emmagatzemades a la base de dades

4. Emet un gràfic (eix x - temps, eix y - valor de vibració)

Pas 3: model d'aprenentatge automàtic

Model d’aprenentatge automàtic
Model d’aprenentatge automàtic

He decidit utilitzar el model de regressió polinòmica per identificar el valor de vibració mitjà més alt de l'usuari d'un període de temps diferent. El motiu pel qual els meus punts de dades no mostren una correlació evident entre l’eix x i l’eix, el polinomi s’adapta a un rang més ampli de curvatura i una predicció més precisa. Tot i això, són molt sensibles a valors atípics, si hi ha un o dos punts de dades d’anomalia, afectarà el resultat del gràfic.

x_axis = numpy.linspace (x [0], x, 50) # interval, generació y_axis = numpy.poly1d (numpy.polyfit (x, y, 5)) # dibuix x y, cinquè termes

Pas 4: Muntatge

muntatge
muntatge
muntatge
muntatge

Al final, vaig modificar alguns aparells electrònics i vaig decidir utilitzar una bateria de polímer de liti per alimentar la tecnologia portable. Això es deu al fet que és recarregable, lleuger, petit i es pot moure lliurement.

He soldat tots els aparells electrònics junts, he dissenyat la funda a Fusion 360 i l’he imprès en negre perquè tot el producte sembli senzill i mínim.

si voleu entendre més sobre aquest projecte, no dubteu a visitar el meu lloc web.

Recomanat: