Teknologi Pakai Penyakit Parkinson: 4 Langkah

2024 Pengarang: John Day | [email protected]. Diubah suai terakhir: 2024-01-30 11:06

Lebih daripada 10 juta orang di seluruh dunia hidup dengan penyakit Parkinson (PD). Gangguan sistem saraf yang progresif yang menyebabkan kekakuan dan mempengaruhi pergerakan pesakit. Secara sederhana, banyak orang menderita penyakit Parkinson tetapi tidak dapat disembuhkan. Sekiranya rangsangan otak dalam (DBS) cukup matang maka ada kemungkinan PD dapat disembuhkan.

Dengan mengatasi masalah ini, saya akan membuat alat teknologi yang mungkin dapat membantu hospital memberikan pesakit PD ubat yang lebih tepat dan praktikal.

Saya mencipta peranti teknologi yang boleh dipakai - Nung. Ia dapat menangkap nilai getaran pesakit dengan tepat sepanjang hari. Menjejaki dan menganalisis corak berulang untuk membantu hospital membuat keputusan ubat yang lebih baik untuk setiap pesakit. Bukan hanya memberikan data yang tepat kepada hospital, ia juga memberi kemudahan kepada pesakit PD ketika mereka berjumpa dengan doktor mereka. Biasanya, pesakit akan mengingat simptom masa lalu mereka dan meminta doktor untuk penyesuaian ubat selanjutnya. Walau bagaimanapun, sukar untuk mengingat setiap butiran, sehingga membuat penyesuaian ubat tidak tepat, dan tidak efisien. Tetapi dengan penggunaan alat teknologi yang boleh dipakai ini, hospital dapat mengenal pasti corak getaran dengan mudah.

Langkah 1: Elektronik

- ESP8266 (modul wifi)

- SW420 (sensor getaran)

- Papan roti

- Wayar pelompat

Langkah 2: Laman Web Monitor Getaran

Dengan menunjukkannya, hospital dapat melihat keadaan pesakit secara langsung.

1. SW420 menangkap data getaran dari pengguna

2. Jimat masa dan data getaran ke pangkalan data (Firebase)

3. Laman web akan mendapatkan data yang disimpan dalam pangkalan data

4. Keluarkan grafik (paksi-x - masa, paksi-y - nilai getaran)

Langkah 3: Model Pembelajaran Mesin

Saya telah memutuskan untuk menggunakan model Regresi Polinomial untuk mengenal pasti nilai getaran purata terbesar pengguna dari jangka masa yang berbeza. Sebab titik data saya tidak menunjukkan hubungan yang jelas antara paksi x dan y, polinomial sesuai dengan kelengkungan yang lebih luas dan ramalan yang lebih tepat. Walau bagaimanapun, mereka sangat sensitif terhadap outliers, jika terdapat satu atau dua titik data anomali, ia 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, istilah ke-5

Langkah 4: Perhimpunan

Pada akhirnya, saya mengubahsuai beberapa elektronik dan memutuskan untuk menggunakan bateri polimer lithium untuk memberi tenaga kepada teknologi yang boleh dipakai. Ini kerana ia boleh dicas semula, ringan, kecil dan boleh bergerak dengan bebas.

Saya telah menyatukan semua elektronik, merancang casing pada Fusion 360 dan mencetaknya dengan warna hitam agar keseluruhan produk kelihatan sederhana dan minimum.

jika anda ingin mengetahui lebih lanjut mengenai projek ini, sila lihat laman web saya.