Technika nosenia Parkinsonovej choroby: 4 kroky

2024 Autor: John Day | [email protected]. Naposledy zmenené: 2024-01-30 11:55

Viac ako 10 miliónov ľudí na celom svete žije s Parkinsonovou chorobou (PD). Progresívna porucha nervového systému, ktorá spôsobuje stuhnutosť a ovplyvňuje pohyb pacienta. Zjednodušene povedané, mnoho ľudí trpelo Parkinsonovou chorobou, ale nie je vyliečiteľné. Ak je hlboká mozgová stimulácia (DBS) dostatočne zrelá, existuje šanca, že PD bude vyliečiteľný.

Riešením tohto problému vytvorím technologické zariadenie, ktoré by prípadne mohlo pomôcť nemocniciam ponúkať pacientom s PD presnejšie a praktickejšie lieky.

Vytvoril som nositeľné technologické zariadenie - Nung. Dokáže presne zachytiť hodnotu vibrácií pacienta počas celého dňa. Sledovanie a analýza opakujúceho sa vzoru, ktorý nemocniciam pomôže lepšie sa rozhodnúť o liekoch pre každého pacienta. Nielenže poskytuje nemocniciam presné údaje, ale prináša pohodlie aj pacientom s PD, keď sa vracajú k svojim lekárom. Pacienti si zvyčajne spomenú na svoje predchádzajúce symptómy a požiadajú lekára o ďalšiu úpravu liekov. Je však ťažké spomenúť si na každý jeden detail, takže úprava lieku je nepresná a neúčinná. Ale s použitím tohto nositeľného technologického zariadenia môžu nemocnice ľahko identifikovať vibračný vzor.

Krok 1: Elektronika

- ESP8266 (wifi modul)

- SW420 (snímač vibrácií)

- Breadboard

- prepojovacie vodiče

Krok 2: Webová stránka s monitorom vibrácií

Ak to zhrnieme, nemocnice môžu vizuálne zobrazovať stav pacienta.

1. SW420 zachytáva údaje o vibráciách od používateľa

2. Uložte údaje o čase a vibráciách do databázy (Firebase)

3. Webová stránka získa údaje uložené v databáze

4. Vytvorte graf (os x x - čas, os y - hodnota vibrácií)

Krok 3: Model strojového učenia

Rozhodol som sa použiť polynomiálny regresný model na identifikáciu najväčšej priemernej hodnoty vibrácií používateľa z iného časového obdobia. Pretože moje dátové body neukazujú zjavnú koreláciu medzi osou x a y, polynóm vyhovuje širšiemu rozsahu zakrivenia a presnejšej predikcii. Sú však veľmi citlivé na odľahlé hodnoty, ak existuje jeden alebo dva údajové body anomálie, ovplyvní to výsledok grafu.

x_axis = numpy.linspace (x [0], x, 50) # rozsah, generácia y_axis = numpy.poly1d (numpy.polyfit (x, y, 5)) # draw x y, 5 nth terms

Krok 4: Zostavenie

Na konci upravím niekoľko elektroník a rozhodol som sa použiť lítium -polymérovú batériu na napájanie nositeľnej technológie. Je to preto, že je nabíjateľný, ľahký, malý a môže sa voľne pohybovať.

Všetku elektroniku som spájkoval, navrhol som puzdro na Fusion 360 a vytlačil ho čiernou farbou, aby celý produkt vyzeral jednoducho a minimalisticky.

Ak sa chcete dozvedieť viac o tomto projekte, navštívte moju webovú stránku.