Technologie nošení Parkinsonovy choroby: 4 kroky

2025 Autor: John Day | [email protected]. Naposledy změněno: 2025-01-13 06:57

Více než 10 milionů lidí na celém světě žije s Parkinsonovou nemocí (PD). Progresivní porucha nervového systému, která způsobuje ztuhlost a ovlivňuje pohyb pacienta. Jednoduše řečeno, mnoho lidí trpělo Parkinsonovou nemocí, ale není vyléčitelná. Pokud je hluboká mozková stimulace (DBS) dostatečně zralá, existuje šance, že PD bude vyléčitelná.

Řešením tohoto problému vytvořím technologické zařízení, které by případně mohlo nemocnicím pomoci nabídnout pacientům s PD přesnější a praktičtější léky.

Vytvořil jsem nositelné technologické zařízení - Nung. Dokáže přesně zachytit hodnotu vibrací pacienta po celý den. Sledování a analýza opakujících se vzorců, které pomáhají nemocnicím přijímat lepší rozhodnutí o léčbě pro každého pacienta. Nejenže poskytuje nemocnicím přesná data, ale přináší pacientům s PD také pohodlí, když znovu navštíví lékaře. Pacienti si obvykle vybaví své předchozí příznaky a požádají lékaře o další úpravu léků. Je však těžké si vybavit každý jednotlivý detail, takže úprava léků je nepřesná a neúčinná. Ale s využitím tohoto nositelného technologického zařízení mohou nemocnice snadno identifikovat vibrační vzor.

Krok 1: Elektronika

- ESP8266 (wifi modul)

- SW420 (snímač vibrací)

- prkénko

- Propojovací vodiče

Krok 2: Web s vibračním monitorem

Když si to představíme, nemocnice mohou naživo vizualizovat stav pacienta.

1. SW420 zachycuje data o vibracích od uživatele

2. Uložte data o čase a vibracích do databáze (Firebase)

3. Web získá data uložená v databázi

4. Vytvořte graf (osa x - čas, osa y - hodnota vibrací)

Krok 3: Model strojového učení

Rozhodl jsem se použít polynomiální regresní model k identifikaci největší průměrné hodnoty vibrací uživatele z různých časových období. Důvodem je, že moje datové body nevykazují zjevnou korelaci mezi osou x a y, polynom vyhovuje širšímu rozsahu zakřivení a přesnější predikci. Jsou však velmi citlivé na odlehlé hodnoty, pokud existuje jeden nebo dva anomálie datových bodů, ovlivní to výsledek grafu.

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

Krok 4: Sestavení

Na konci upravím pár elektronik a rozhodl jsem se použít lithium polymerovou baterii k napájení nositelné technologie. Je to proto, že je dobíjecí, lehký, malý a může se volně pohybovat.

Spojil jsem veškerou elektroniku dohromady, navrhl jsem pouzdro na Fusion 360 a vytiskl jej černě, aby celý produkt vypadal jednoduše a minimálně.

pokud se chcete o tomto projektu dozvědět více, neváhejte se podívat na mé webové stránky.