Носимые устройства при болезни Паркинсона: 4 шага

2024 Автор: John Day | [email protected]. Последнее изменение: 2024-01-30 11:47

Более 10 миллионов человек во всем мире живут с болезнью Паркинсона (БП). Прогрессирующее заболевание нервной системы, которое вызывает скованность и влияет на движения пациента. Проще говоря, многие люди страдали болезнью Паркинсона, но она неизлечима. Если глубокая стимуляция мозга (DBS) достаточно развита, то есть шанс, что БП излечима.

Решая эту проблему, я буду создавать техническое устройство, которое, возможно, поможет больницам предлагать пациентам с БП более точные и практичные лекарства.

Я создал носимое техническое устройство - Нунг. Он может точно регистрировать значение вибрации пациента в течение дня. Отслеживание и анализ повторяющейся модели, чтобы помочь больницам принимать более обоснованные решения о приеме лекарств для каждого пациента. Это не только дает больницам точные данные, но и дает возможность пациентам с PD при повторном посещении врачей. Обычно пациенты вспоминают свои прошлые симптомы и просят врача скорректировать лечение. Однако трудно вспомнить каждую деталь, что делает корректировку лекарства неточной и неэффективной. Но с помощью этого носимого технического устройства больницы могут с легкостью определить характер вибрации.

Шаг 1. Электроника

- ESP8266 (модуль Wi-Fi)

- SW420 (датчик вибрации)

- Макетная плата

- перемычки

Шаг 2. Веб-сайт монитора вибрации

Графически отображая это, больницы могут визуализировать состояние пациента вживую.

1. SW420 фиксирует данные о вибрации от пользователя.

2. Сохраните данные о времени и вибрации в базе данных (Firebase).

3. Сайт получит данные, хранящиеся в базе данных.

4. Выведите график (ось x - время, ось y - значение вибрации).

Шаг 3. Модель машинного обучения

Я решил использовать модель полиномиальной регрессии, чтобы определить максимальное среднее значение вибрации пользователя за разный период времени. Причина в том, что мои точки данных не показывают очевидной корреляции между осями x и y, полином соответствует более широкому диапазону кривизны и более точному прогнозу. Однако они очень чувствительны к выбросам, если есть одна или две точки данных аномалии, это повлияет на результат графика.

x_axis = numpy.linspace (x [0], x, 50) # диапазон, поколение y_axis = numpy.poly1d (numpy.polyfit (x, y, 5)) # рисование x y, 5 n-го члена

Шаг 4: Сборка

В конце концов, я модифицирую часть электроники и решил использовать литий-полимерный аккумулятор для питания носимых устройств. Это потому, что он перезаряжаемый, легкий, маленький и может свободно перемещаться.

Я спаял всю электронику вместе, разработал корпус на Fusion 360 и распечатал его черным, чтобы весь продукт выглядел просто и минималистично.

Если вы хотите узнать больше об этом проекте, посетите мой сайт.