Tecnología vestible para la enfermedad de Parkinson: 4 pasos

2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:39

Más de 10 millones de personas en todo el mundo viven con la enfermedad de Parkinson (EP). Trastorno progresivo del sistema nervioso que causa rigidez y afecta el movimiento del paciente. En términos más simples, muchas personas padecían la enfermedad de Parkinson, pero no es curable. Si la estimulación cerebral profunda (ECP) es lo suficientemente madura, existe la posibilidad de que la EP sea curable.

Al abordar este problema, crearé un dispositivo tecnológico que posiblemente podría ayudar a los hospitales a ofrecer a los pacientes con EP medicamentos más precisos y prácticos.

Creé un dispositivo tecnológico portátil: Nung. Puede capturar con precisión el valor de vibración del paciente a lo largo del día. Seguimiento y análisis de patrones recurrentes para ayudar a los hospitales a tomar mejores decisiones sobre la medicación para cada paciente. No solo proporciona datos precisos a los hospitales, sino que también brinda comodidad a los pacientes con EP cuando vuelven a visitar a sus médicos. Por lo general, los pacientes recordarán sus síntomas pasados y pedirán al médico un ajuste adicional de la medicación. Sin embargo, es difícil recordar cada detalle, lo que hace que el ajuste de la medicación sea inexacto e ineficaz. Pero con el uso de este dispositivo tecnológico portátil, los hospitales pueden identificar el patrón de vibración con facilidad.

Paso 1: Electrónica

- ESP8266 (módulo wifi)

- SW420 (sensor de vibraciones)

- Tablero de pruebas

- Cables de puente

Paso 2: Sitio web del monitor de vibraciones

Al graficar esto, los hospitales pueden visualizar la condición del paciente en vivo.

1. SW420 captura los datos de vibración del usuario

2. Guarde los datos de tiempo y vibración en una base de datos (Firebase)

3. El sitio web obtendrá los datos almacenados en la base de datos.

4. Genere un gráfico (eje x - tiempo, eje y - valor de vibración)

Paso 3: Modelo de aprendizaje automático

Decidí utilizar el modelo de regresión polinomial para identificar el mayor valor de vibración promedio del usuario en diferentes períodos de tiempo. La razón es que mis puntos de datos no muestran una correlación obvia entre los ejes xey, el polinomio se ajusta a un rango más amplio de curvatura y una predicción más precisa. Sin embargo, son muy sensibles a los valores atípicos, si hay uno o dos puntos de datos de anomalía, afectará el resultado del gráfico.

x_axis = numpy.linspace (x [0], x, 50) # rango, generación y_axis = numpy.poly1d (numpy.polyfit (x, y, 5)) # dibujar x y, 5 enésimo términos

Paso 4: Montaje

Al final, modifiqué algunos componentes electrónicos y decidí usar una batería de polímero de litio para alimentar la tecnología portátil. Esto se debe a que es recargable, liviano, pequeño y puede moverse libremente.

Soldaré todos los componentes electrónicos, diseñé la carcasa en Fusion 360 y la imprimí en negro para que todo el producto se vea simple y minimalista.

Si desea obtener más información sobre este proyecto, no dude en visitar mi sitio web.