პარკინსონის დაავადების ტარების ტექნიკა: 4 ნაბიჯი

2024 ავტორი: John Day | [email protected]. ბოლოს შეცვლილი: 2024-01-30 10:15

მსოფლიოში 10 მილიონზე მეტი ადამიანი ცხოვრობს პარკინსონის დაავადებით (PD). პროგრესული ნერვული სისტემის დარღვევა, რომელიც იწვევს სიმკაცრეს და გავლენას ახდენს პაციენტის მოძრაობაზე. უფრო მარტივად რომ ვთქვათ, ბევრს აწუხებდა პარკინსონის დაავადება, მაგრამ ის არ იკურნება. თუ ტვინის ღრმა სტიმულაცია (DBS) საკმარისად მომწიფებულია, მაშინ არსებობს შანსი განკურნებადი.

ამ პრობლემის გადასაჭრელად, მე შევქმნი ტექნიკურ მოწყობილობას, რომელიც შესაძლოა დაეხმაროს საავადმყოფოებს PD პაციენტებს შესთავაზონ უფრო ზუსტი და პრაქტიკული მედიკამენტები.

მე შევქმენი ტარებადი ტექნიკური მოწყობილობა - ნუნგი. მას შეუძლია ზუსტად აღწეროს პაციენტის ვიბრაციის მნიშვნელობა მთელი დღის განმავლობაში. თვალყურის დევნება და გაანალიზება განმეორებითი ნიმუშისათვის, რათა დაეხმაროს საავადმყოფოებს მიიღოს უკეთესი მედიკამენტები თითოეული პაციენტისთვის. არა მხოლოდ ის აწვდის ზუსტ მონაცემებს საავადმყოფოებს, ის ასევე მოაქვს კომფორტს PD პაციენტებისთვის, როდესაც ისინი ექიმებს გადახედავენ. ჩვეულებრივ, პაციენტები გაიხსენებენ თავიანთ წარსულ სიმპტომებს და ექიმს სთხოვენ მედიკამენტების შემდგომ კორექტირებას. ამასთან, ძნელია გავიხსენოთ თითოეული დეტალი, რითაც წამლების კორექტირება ხდება არაზუსტი და არაეფექტური. ამ ტარებადი ტექნიკური მოწყობილობის გამოყენებით, საავადმყოფოებს შეუძლიათ ადვილად განსაზღვრონ ვიბრაციის ნიმუში.

ნაბიჯი 1: ელექტრონიკა

- ESP8266 (wifi მოდული)

- SW420 (ვიბრაციის სენსორი)

- პურის დაფა

- ჯუმბერის მავთულები

ნაბიჯი 2: ვიბრაციის მონიტორის ვებსაიტი

ამის გამოსახატავად, საავადმყოფოებს შეუძლიათ პირდაპირ წარმოაჩინონ პაციენტის მდგომარეობა.

1. SW420 იძენს ვიბრაციის მონაცემებს მომხმარებლისგან

2. დაზოგეთ დრო და ვიბრაციის მონაცემები მონაცემთა ბაზაში (Firebase)

3. ვებგვერდი მიიღებს მონაცემთა ბაზაში შენახულ მონაცემებს

4. გამოაქვეყნეთ გრაფიკი (x ღერძი - დრო, y ღერძი - ვიბრაციის მნიშვნელობა)

ნაბიჯი 3: მანქანათმცოდნეობის მოდელი

მე გადავწყვიტე გამომეყენებინა პოლინომიური რეგრესიის მოდელი, რათა დამედგინა მომხმარებლის უდიდესი საშუალო ვიბრაციის მნიშვნელობა სხვადასხვა პერიოდის განმავლობაში. მიზეზი არის ის, რომ ჩემი მონაცემების რაოდენობა არ აჩვენებს აშკარა კორელაციას x და y ღერძებს შორის, პოლინომი შეესაბამება მრუდის ფართო სპექტრს და უფრო ზუსტ პროგნოზს. თუმცა, ისინი ძალიან მგრძნობიარენი არიან გარეგანი მონაცემების მიმართ, თუ არსებობს ერთი ან ორი ანომალიის მონაცემთა წერტილი, ეს იმოქმედებს გრაფიკის შედეგზე.

x_axis = numpy.linspace (x [0], x, 50) # დიაპაზონი, თაობა y_axis = numpy.poly1d (numpy.polyfit (x, y, 5)) # დახაზვა x y, 5 მე -5 ტერმინი

ნაბიჯი 4: შეკრება

დასასრულს, მე შევცვალე რამდენიმე ელექტრონიკა და გადავწყვიტე გამოვიყენო ლითიუმის პოლიმერული ბატარეა ტარებადი ტექნოლოგიის გასაძლიერებლად. ეს არის იმის გამო, რომ ის არის დატენვის, მსუბუქი წონის, მცირე ზომის და შეუძლია თავისუფლად გადაადგილება.

მე შევაერთე ყველა ელექტრონიკა ერთად, შევქმენი კორპუსი Fusion 360 – ზე და დავბეჭდე იგი შავად, რათა მთლიანი პროდუქტი მარტივი და მინიმალური იყოს.

თუ გსურთ გაიგოთ მეტი ამ პროექტის შესახებ, შეგიძლიათ შეამოწმოთ ჩემი ვებ გვერდი.