Tecnologia indossabile per la malattia di Parkinson: 4 passaggi

2024 Autore: John Day | [email protected]. Ultima modifica: 2024-01-30 09:59

Più di 10 milioni di persone in tutto il mondo convivono con la malattia di Parkinson (MdP). Disturbo progressivo del sistema nervoso che provoca rigidità e influenza il movimento del paziente. In termini più semplici, molte persone soffrivano del morbo di Parkinson ma non è curabile. Se la stimolazione cerebrale profonda (DBS) è abbastanza matura, allora c'è la possibilità che la PD sia curabile.

Affrontando questo problema, creerò un dispositivo tecnologico che potrebbe aiutare gli ospedali a offrire ai pazienti affetti da PD farmaci più accurati e pratici.

Ho creato un dispositivo tecnologico indossabile: Nung. È in grado di acquisire con precisione il valore di vibrazione del paziente durante il giorno. Tracciamento e analisi di schemi ricorrenti per aiutare gli ospedali a prendere decisioni migliori sui farmaci per ogni paziente. Non solo fornisce dati accurati agli ospedali, ma offre anche comodità ai pazienti affetti da PD quando visitano nuovamente i loro medici. Di solito, i pazienti ricorderanno i loro sintomi passati e chiederanno al medico un ulteriore aggiustamento del farmaco. Tuttavia, è difficile ricordare ogni singolo dettaglio, rendendo così la regolazione del farmaco imprecisa e inefficiente. Ma con l'uso di questo dispositivo tecnologico indossabile, gli ospedali possono identificare facilmente il modello di vibrazione.

Passaggio 1: elettronica

- ESP8266 (modulo wifi)

- SW420 (sensore di vibrazioni)

- Tagliere

- Ponticelli

Passaggio 2: sito Web di monitoraggio delle vibrazioni

Rappresentando questo grafico, gli ospedali possono visualizzare le condizioni del paziente in tempo reale.

1. SW420 acquisisce i dati di vibrazione dall'utente

2. Salvare i dati di tempo e vibrazioni in un database (Firebase)

3. Il sito web otterrà i dati memorizzati nel database

4. Genera un grafico (asse x - tempo, asse y - valore di vibrazione)

Passaggio 3: modello di apprendimento automatico

Ho deciso di utilizzare il modello di regressione polinomiale per identificare il valore di vibrazione medio più grande dell'utente in un diverso periodo di tempo. La ragione è che i miei punti dati non mostrano un'ovvia correlazione tra l'asse x e y, il polinomio si adatta a una gamma più ampia di curvatura e una previsione più accurata. Tuttavia, sono molto sensibili agli outlier, se sono presenti uno o due punti dati di anomalia, ciò influenzerà il risultato del grafico.

x_axis = numpy.linspace(x[0], x, 50) # range, generazione y_axis = numpy.poly1d(numpy.polyfit(x, y, 5)) # draw x y, 5 n-esimi termini

Passaggio 4: assemblaggio

Alla fine, ho modificato alcuni componenti elettronici e ho deciso di utilizzare una batteria ai polimeri di litio per alimentare la tecnologia indossabile. Questo perché è ricaricabile, leggero, piccolo e può muoversi liberamente.

Ho saldato insieme tutta l'elettronica, progettato la custodia su Fusion 360 e stampata in nero per rendere l'intero prodotto semplice e minimale.

se vuoi saperne di più su questo progetto, non esitare a dare un'occhiata al mio sito web.