Wearable-Technologie für Parkinson-Krankheit - Gunook

2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:15

Weltweit leben mehr als 10 Millionen Menschen mit der Parkinson-Krankheit (PD). Eine fortschreitende Erkrankung des Nervensystems, die Steifheit verursacht und die Bewegung des Patienten beeinträchtigt. Einfacher ausgedrückt, viele Menschen litten an der Parkinson-Krankheit, die jedoch nicht heilbar ist. Wenn die Tiefe Hirnstimulation (DBS) ausgereift genug ist, besteht die Chance, dass Parkinson heilbar ist.

Indem ich dieses Problem anspreche, werde ich ein technisches Gerät entwickeln, das Krankenhäusern möglicherweise dabei helfen könnte, PD-Patienten genauere und praktischere Medikamente anzubieten.

Ich habe ein tragbares technisches Gerät entwickelt – Nung. Es kann den Vibrationswert des Patienten den ganzen Tag über genau erfassen. Nachverfolgen und Analysieren wiederkehrender Muster, um Krankenhäusern zu helfen, bessere Medikationsentscheidungen für jeden Patienten zu treffen. Es liefert nicht nur genaue Daten für Krankenhäuser, sondern bietet auch PD-Patienten Komfort, wenn sie ihren Arzt erneut aufsuchen. Normalerweise erinnern sich Patienten an ihre früheren Symptome und bitten den Arzt um eine weitere Anpassung der Medikation. Es ist jedoch schwierig, sich an jedes einzelne Detail zu erinnern, was die Medikationsanpassung ungenau und ineffizient macht. Aber mit diesem tragbaren technischen Gerät können Krankenhäuser das Vibrationsmuster leicht erkennen.

Schritt 1: Elektronik

- ESP8266 (WLAN-Modul)

- SW420 (Vibrationssensor)

- Steckbrett

- Überbrückungsdrähte

Schritt 2: Vibrationsmonitor-Website

Durch die grafische Darstellung können Krankenhäuser den Zustand des Patienten live visualisieren.

1. SW420 erfasst die Schwingungsdaten des Benutzers

2. Speichern Sie die Zeit- und Schwingungsdaten in einer Datenbank (Firebase)

3. Die Website erhält die in der Datenbank gespeicherten Daten

4. Ausgabe eines Diagramms (x-Achse - Zeit, y-Achse - Schwingungswert)

Schritt 3: Modell für maschinelles Lernen

Ich habe mich entschieden, das Polynomial Regression-Modell zu verwenden, um den größten durchschnittlichen Vibrationswert des Benutzers aus verschiedenen Zeiträumen zu ermitteln. Der Grund dafür ist, dass meine Datenpunkte keine offensichtliche Korrelation zwischen der x- und y-Achse zeigen, Polynomanpassungen einen größeren Krümmungsbereich und eine genauere Vorhersage. Sie reagieren jedoch sehr empfindlich auf Ausreißer. Wenn ein oder zwei Anomaliedatenpunkte vorhanden sind, beeinflusst dies das Ergebnis des Diagramms.

x_axis = numpy.linspace(x[0], x, 50) # Bereich, Generation y_axis = numpy.poly1d(numpy.polyfit(x, y, 5)) # x y, 5 n-te Terme zeichnen

Schritt 4: Montage

Am Ende modifiziere ich ein paar Elektronik und beschloss, einen Lithium-Polymer-Akku zu verwenden, um die tragbare Technologie mit Strom zu versorgen. Dies liegt daran, dass es wiederaufladbar, leicht und klein ist und sich frei bewegen kann.

Ich habe die gesamte Elektronik zusammengelötet, das Gehäuse auf Fusion 360 entworfen und in Schwarz ausgedruckt, damit das gesamte Produkt einfach und minimal aussieht.

Wenn Sie mehr über dieses Projekt erfahren möchten, besuchen Sie meine Website.