Teknologi Wearable Penyakit Parkinson: 4 Langkah

2024 Pengarang: John Day | [email protected]. Terakhir diubah: 2024-01-30 09:53

Lebih dari 10 juta orang di seluruh dunia hidup dengan penyakit Parkinson (PD). Gangguan sistem saraf progresif yang menyebabkan kekakuan dan mempengaruhi pergerakan pasien. Dalam istilah yang lebih sederhana, banyak orang menderita penyakit Parkinson tetapi tidak dapat disembuhkan. Jika stimulasi otak dalam (DBS) cukup matang maka ada kemungkinan PD dapat disembuhkan.

Dengan mengatasi masalah ini, saya akan membuat perangkat teknologi yang mungkin dapat membantu rumah sakit untuk menawarkan pengobatan yang lebih akurat dan praktis kepada pasien PD.

Saya membuat perangkat teknologi yang dapat dipakai – Nung. Ini dapat secara akurat menangkap nilai getaran pasien sepanjang hari. Melacak dan menganalisis pola berulang untuk membantu rumah sakit membuat keputusan pengobatan yang lebih baik untuk setiap pasien. Tidak hanya memberikan data yang akurat ke rumah sakit, tetapi juga memberikan kemudahan bagi pasien PD ketika mereka mengunjungi kembali dokter mereka. Biasanya, pasien akan mengingat gejala masa lalu mereka dan meminta dokter untuk penyesuaian pengobatan lebih lanjut. Namun, sulit untuk mengingat setiap detail, sehingga membuat penyesuaian obat tidak akurat, dan tidak efisien. Tetapi dengan penggunaan perangkat teknologi yang dapat dipakai ini, rumah sakit dapat mengidentifikasi pola getaran dengan mudah.

Langkah 1: Elektronik

- ESP8266 (modul wifi)

- SW420 (sensor getaran)

- Papan tempat memotong roti

- Kabel jumper

Langkah 2: Situs Web Monitor Getaran

Dengan grafik ini, rumah sakit dapat memvisualisasikan kondisi pasien secara langsung.

1. SW420 menangkap data getaran dari pengguna

2. Menyimpan data waktu dan getaran ke database (Firebase)

3. Website akan mendapatkan data yang tersimpan di database

4. Keluarkan grafik (sumbu x - waktu, sumbu y - nilai getaran)

Langkah 3: Model Pembelajaran Mesin

Saya telah memutuskan untuk menggunakan model Regresi Polinomial untuk mengidentifikasi nilai getaran rata-rata terbesar pengguna dari periode waktu yang berbeda. Alasannya karena titik data saya tidak menunjukkan korelasi yang jelas antara sumbu x dan y, polinomial cocok dengan rentang kelengkungan yang lebih luas dan prediksi yang lebih akurat. Namun sangat sensitif terhadap outlier, jika terdapat satu atau dua titik data yang anomali akan mempengaruhi hasil grafik.

x_axis = numpy.linspace(x[0], x, 50) # range, generasi y_axis = numpy.poly1d(numpy.polyfit(x, y, 5)) # draw x y, suku ke-5

Langkah 4: Perakitan

Pada akhirnya, saya memodifikasi beberapa elektronik dan memutuskan untuk menggunakan baterai polimer lithium untuk memberi daya pada teknologi yang dapat dipakai. Hal ini karena dapat diisi ulang, ringan, kecil dan dapat bergerak bebas.

Saya telah menyolder semua elektronik bersama-sama, merancang kasing pada Fusion 360 dan mencetaknya dalam warna hitam untuk membuat keseluruhan produk terlihat sederhana dan minimal.

jika Anda ingin memahami lebih lanjut tentang proyek ini, silakan kunjungi situs web saya.