Technologie portable pour la maladie de Parkinson : 4 étapes

2024 Auteur: John Day | [email protected]. Dernière modifié: 2024-01-30 09:05

Plus de 10 millions de personnes dans le monde vivent avec la maladie de Parkinson (MP). Trouble progressif du système nerveux qui provoque une raideur et affecte les mouvements du patient. En termes plus simples, de nombreuses personnes souffraient de la maladie de Parkinson, mais elle n'est pas curable. Si la stimulation cérébrale profonde (DBS) est suffisamment mature, il y a une chance que la MP soit curable.

En abordant ce problème, je créerai un appareil technologique qui pourrait éventuellement aider les hôpitaux à offrir aux patients atteints de la MP des médicaments plus précis et plus pratiques.

J'ai créé un appareil technologique portable - Nung. Il peut capturer avec précision la valeur de vibration du patient tout au long de la journée. Suivi et analyse des tendances récurrentes pour aider les hôpitaux à prendre de meilleures décisions en matière de médicaments pour chaque patient. Non seulement il fournit des données précises aux hôpitaux, mais il apporte également des commodités aux patients en MP lorsqu'ils consultent leur médecin. Habituellement, les patients se souviendront de leurs symptômes passés et demanderont au médecin un ajustement supplémentaire de la médication. Cependant, il est difficile de se rappeler chaque détail, ce qui rend l'ajustement du médicament imprécis et inefficace. Mais avec l'utilisation de cet appareil technologique portable, les hôpitaux peuvent facilement identifier le modèle de vibration.

Étape 1: Électronique

- ESP8266 (module wifi)

- SW420 (capteur de vibrations)

- Planche à pain

- Cavaliers

Étape 2: Site Web du moniteur de vibrations

En traçant ce graphique, les hôpitaux peuvent visualiser l'état du patient en direct.

1. SW420 capture les données de vibration de l'utilisateur

2. Enregistrez les données de temps et de vibration dans une base de données (Firebase)

3. Le site Web obtiendra les données stockées dans la base de données

4. Générez un graphique (axe des x - temps, axe des y - valeur de vibration)

Étape 3: Modèle d'apprentissage automatique

J'ai décidé d'utiliser le modèle de régression polynomiale pour identifier la plus grande valeur de vibration moyenne de l'utilisateur sur différentes périodes. La raison étant que mes points de données ne montrent pas de corrélation évidente entre les axes x et y, le polynôme s'adapte à une plage de courbure plus large et à une prédiction plus précise. Cependant, ils sont très sensibles aux valeurs aberrantes, s'il y a un ou deux points de données d'anomalie, cela affectera le résultat du graphique.

x_axis = numpy.linspace(x[0], x, 50) # range, génération y_axis = numpy.poly1d(numpy.polyfit(x, y, 5)) # draw x y, 5 nième termes

Étape 4: Assemblage

À la fin, j'ai modifié quelques appareils électroniques et j'ai décidé d'utiliser une batterie lithium-polymère pour alimenter la technologie portable. C'est parce qu'il est rechargeable, léger, petit et peut se déplacer librement.

J'ai soudé tous les composants électroniques ensemble, conçu le boîtier sur Fusion 360 et l'ai imprimé en noir pour que l'ensemble du produit ait l'air simple et minimal.

si vous voulez en savoir plus sur ce projet, n'hésitez pas à consulter mon site web.