Công nghệ có thể đeo được cho bệnh Parkinson: 4 bước

2024 Tác giả: John Day | [email protected]. Sửa đổi lần cuối: 2024-01-30 13:30

Hơn 10 triệu người trên thế giới đang sống chung với bệnh Parkinson (PD). Tình trạng rối loạn hệ thần kinh tiến triển gây cứng khớp và ảnh hưởng đến vận động của người bệnh. Nói một cách dễ hiểu hơn, nhiều người đã bị bệnh Parkinson nhưng không chữa được. Nếu kích thích não sâu (DBS) đủ trưởng thành thì sẽ có cơ hội chữa được bệnh PD.

Bằng cách giải quyết vấn đề này, tôi sẽ tạo ra một thiết bị công nghệ có thể giúp các bệnh viện cung cấp cho bệnh nhân PD những loại thuốc thực tế và chính xác hơn.

Tôi đã tạo ra một thiết bị công nghệ có thể đeo được - Nung. Nó có thể nắm bắt chính xác giá trị rung động của bệnh nhân trong suốt cả ngày. Theo dõi và phân tích mô hình lặp lại để giúp bệnh viện đưa ra quyết định dùng thuốc tốt hơn cho từng bệnh nhân. Nó không chỉ cung cấp dữ liệu chính xác cho bệnh viện mà còn mang lại sự tiện lợi cho bệnh nhân PD khi họ đến khám lại với bác sĩ. Thông thường, bệnh nhân sẽ nhớ lại các triệu chứng trước đây của họ và yêu cầu bác sĩ điều chỉnh thuốc thêm. Tuy nhiên, rất khó để nhớ lại từng chi tiết nhỏ, do đó làm cho việc điều chỉnh thuốc không chính xác và không hiệu quả. Nhưng với việc sử dụng thiết bị công nghệ có thể đeo được này, các bệnh viện có thể xác định kiểu rung một cách dễ dàng.

Bước 1: Điện tử

- ESP8266 (mô-đun wifi)

- SW420 (cảm biến rung)

- Bảng bánh mì

- Dây nhảy

Bước 2: Trang web theo dõi độ rung

Bằng cách vẽ biểu đồ này, các bệnh viện có thể trực quan hóa tình trạng của bệnh nhân.

1. SW420 thu thập dữ liệu rung động từ người dùng

2. Lưu dữ liệu thời gian và rung động vào cơ sở dữ liệu (Firebase)

3. Trang web sẽ lấy dữ liệu được lưu trữ trong cơ sở dữ liệu

4. Xuất biểu đồ (trục x - thời gian, trục y - giá trị rung)

Bước 3: Mô hình học máy

Tôi đã quyết định sử dụng mô hình Hồi quy đa thức để xác định giá trị rung động trung bình lớn nhất của người dùng trong khoảng thời gian khác nhau. Lý do là các điểm dữ liệu của tôi không cho thấy mối tương quan rõ ràng giữa trục x và trục y, đa thức phù hợp với phạm vi độ cong rộng hơn và dự đoán chính xác hơn. Tuy nhiên, chúng rất nhạy cảm với các ngoại lệ, nếu có một hoặc hai điểm dữ liệu bất thường sẽ ảnh hưởng đến kết quả của đồ thị.

x_axis = numpy.linspace (x [0], x, 50) # dải ô, thế hệ y_axis = numpy.poly1d (numpy.polyfit (x, y, 5)) # vẽ x y, số hạng thứ 5

Bước 4: Lắp ráp

Cuối cùng, tôi sửa đổi một vài thiết bị điện tử và quyết định sử dụng pin lithium polymer để cung cấp năng lượng cho công nghệ đeo trên người. Điều này là do nó có thể sạc lại, trọng lượng nhẹ, nhỏ và có thể di chuyển tự do.

Tôi đã hàn tất cả các thiết bị điện tử lại với nhau, thiết kế vỏ trên Fusion 360 và in nó ra màu đen để làm cho toàn bộ sản phẩm trông đơn giản và tối thiểu.

nếu bạn muốn hiểu thêm về dự án này, vui lòng xem trang web của tôi.