资料介绍
描述
第二波 Covid-19 导致的死亡人数增加
在第二波中,大多数人口稠密的国家受到了很大的影响。这些是错误率高的主要原因。
大流行期间医疗领域的挑战:
•医生/专家全心全意照顾入院患者。
•在人口稠密的国家,分析从物联网医疗设备接收到的数据需要更多的人力。
•由于缺乏互联网设施,在大流行期间评估农村地区的家庭隔离患者是一个繁琐的过程。
•对患者的严重程度进行分类需要更多的时间,并且需要更多的床位占用来分析患者状态。
解决大流行问题的技术贡献:
•由Edge Impulse 驱动的Covid 患者健康评估设备将分析患者的SpO2、心率、体温和呼吸频率。
• TinyML 模型由医学指南建议的数据集进行训练。
•与物联网设备相比,延迟最低
• 15Kb Rom – 健康评估 TinyML 模型可以在任何支持 TinyML 的微控制器上运行。
•设备将分析健康状况并分类为稳定、严重、健康:恶化
建筑学:
Covid专利健康评估设备包括:
- 使用 google colab 生成健康数据集
- Edge Impulse 中的数据采集
- Edge Impulse 中的模型训练
- 实时传感器集成
- 模型部署
医疗指南:
在下图中,0 分表示稳定,1 分表示轻度,2 分表示中等,3 分表示严重。
0分表示氧气水平>96的稳定人,其中3分表示氧气水平<90并需要ICU支持。
健康风险状态算法:
我开发了一种算法来计算基于 SpO2、呼吸频率、心率和体温的愈合指数。
SpO2 具有较高的权重 (40)、RR (30)、心率 (20) 和温度 (10)。将较高权重分配给 SpO2 的原因是 SpO2 健康参数对于识别患者的健康状况更为关键。SpO2 的风险因子为 2。
健康指数将按以下公式计算:
Health Index = ((40-((100-spo2)*2))+(30-((RR-CAL_RR)*1.5))+(20-(CAL_PULSE-pulse))+(10-((Temperature-CAL_TEMP))));
使用 google colab 生成数据集:
我为以下条件创建了 SpO2、RR、心率和温度的数据集:
- 稳定的
- 温和的
- 缓和
- 批判的
请使用下面的 GitHub 链接创建数据集。
https://github.com/Manivannan-maker/CovidPatientHealhAssessingDevice/blob/main/Healthdata.ipynb
从您的 google 帐户登录运行 google colab 中的代码。
数据集将以 .csv 格式保存在 Drive 文件夹中。
数据采集 :
该项目的单个数据集需要 3 小时的数据。所以对于 40 个数据集,要让它变得简单需要 120 多个小时,我已经接近了替代方法。
数据采集工作基于以下流程:
我已将 google colab 中的数据缓冲区复制到 Arduino 中,数据选择基于电位器位置。
基于电位器的调整,健康指数算法将从不同的数据集(稳定、轻度、中度和危急)中获取输入。我已将带有 goggle colab 数据集的数据采集代码附加为数组缓冲区。
输入:170 分钟健康指数数据
算法会将 170 分钟转换为 59 秒的数据时间范围。
输出:500ms 干扰延迟内的健康指数数据。
Edge Impulse 中的数据转发:
我已经使用数据转发命令将数据集上传到边缘脉冲。请参考以下文档。
$ edge-impulse-data-forwarder
Name
标签为“健康指数”。
数据集:健康恶化:
健康 - 稳定:
健康 - 关键:
创造冲动:
NN分类器:
在NN 分类器中,以专家模式 (keras) 编辑。
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, InputLayer, Dropout, Conv1D, Conv2D, Flatten, Reshape, MaxPooling1D, MaxPooling2D, BatchNormalization
from tensorflow.keras.optimizers import Adam
sys.path.append('./resources/libraries')
import ei_tensorflow.training
# model architecture
model = Sequential()
model.add(Flatten())
model.add(Dense(32,
activity_regularizer=tf.keras.regularizers.l1(0.00001)))
model.add(Dense(16,
activity_regularizer=tf.keras.regularizers.l1(0.00001)))
model.add(Dense(8,
activity_regularizer=tf.keras.regularizers.l1(0.00001)))
model.add(Dense(4,
activity_regularizer=tf.keras.regularizers.l1(0.00001)))
model.add(Dense(classes, activation='softmax', name='y_pred'))
# this controls the learning rate
opt = Adam(lr=0.0005, beta_1=0.9, beta_2=0.999)
# this controls the batch size, or you can manipulate the tf.data.Dataset objects yourself
BATCH_SIZE = 32
train_dataset = train_dataset.batch(BATCH_SIZE, drop_remainder=False)
validation_dataset = validation_dataset.batch(BATCH_SIZE, drop_remainder=False)
callbacks.append(BatchLoggerCallback(BATCH_SIZE, train_sample_count))
# train the neural network
model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])
model.fit(train_dataset, epochs=500, validation_data=validation_dataset, verbose=2, callbacks=callbacks)
我已经删除了所有神经网络中的“activation= Relu”,因为数据总是正值。
神经层形成如下:
模型训练:
模型部署:
选择部署中的 Arduino 并构建它。正在下载您项目的 zip 文件。
请确保将库包含在 Arduino 中。
代码集成:
将 zip 文件添加到库后,从 GitHub 下载以下应用程序代码。应用程序代码将包含 SSD1306、Max30102 接口功能。
免责声明:
该项目是基于指南和研究论文的概念验证。请不要在未经政府/医学认证批准的情况下直接在患者身上进行测试。
我开发这个原型是为了让我们为应对第三波做好准备。我相信人类很快就会战胜这场流行病。
- 使用Edge Impulse关键字识别控制笔记本电脑 0次下载
- 带有M5Stack和Edge Impulse的手势控制无人机 0次下载
- 使用Edge Impulse和Nvidia Jetson的面罩检测器 1次下载
- 使用XIAO BLE Sense&Edge Impulse的宠物活动追踪器 0次下载
- 在MaaXBoard Mini上使用Edge Impulse进行安全帽检测 0次下载
- 使用Edge Impulse在pico上进行手势识别 0次下载
- 通过Edge Impulse开始使用TinyML 1次下载
- 修补Edge Impulse为MCU创建图像、音频和运动分类模型 0次下载
- Covid19健康监测系统 0次下载
- 使用Edge Impulse识别大象活动 0次下载
- 基于LoRa的Covid 19患者监护设备 0次下载
- 多旋翼飞行器设计与控制的健康评估和失效保护 0次下载
- 基于多值输入多示例学习的颈椎健康状态评估 4次下载
- 如何使用移动APP进行健康管理系统的设计与实现 4次下载
- 变温度下Boost变换器健康状态评估方法 0次下载
- 基于XIAO的图像分类处理项目 650次阅读
- 基于Arduino的机器学习开发 798次阅读
- 远程患者监测贴片满足医疗设备所有要求的电源 258次阅读
- 安全身份验证器如何确保患者安全 221次阅读
- 患者监护中的经胸阻抗测量 1976次阅读
- 如何制作一个健身运动手环 3600次阅读
- 基于STM32设计的健康检测设备(测温心率计步) 3330次阅读
- 一种新型的传感器技术有望加速COVID-19患者的血液检测 2442次阅读
- 在Windows 10上阻止Microsoft Edge Chromium自动安装的方法 4801次阅读
- 为什么说选择OLED设备就等于选择了健康 765次阅读
- 锂电池SOH电池健康状态到底是什么 6w次阅读
- 患者连接应用中医疗设备的电源架构方法 2465次阅读
- 如何将语音识别、计算机视觉和自然语言处理结合起来帮助精神健康患者 4501次阅读
- 人工智能是如何改善健康穿戴设备的? 3521次阅读
- 如何利用测量设备来准确地评估高性能的氮化镓晶体管 3127次阅读
下载排行
本周
- 1山景DSP芯片AP8248A2数据手册
- 1.06 MB | 532次下载 | 免费
- 2RK3399完整板原理图(支持平板,盒子VR)
- 3.28 MB | 339次下载 | 免费
- 3TC358743XBG评估板参考手册
- 1.36 MB | 330次下载 | 免费
- 4DFM软件使用教程
- 0.84 MB | 295次下载 | 免费
- 5元宇宙深度解析—未来的未来-风口还是泡沫
- 6.40 MB | 227次下载 | 免费
- 6迪文DGUS开发指南
- 31.67 MB | 194次下载 | 免费
- 7元宇宙底层硬件系列报告
- 13.42 MB | 182次下载 | 免费
- 8FP5207XR-G1中文应用手册
- 1.09 MB | 178次下载 | 免费
本月
- 1OrCAD10.5下载OrCAD10.5中文版软件
- 0.00 MB | 234315次下载 | 免费
- 2555集成电路应用800例(新编版)
- 0.00 MB | 33566次下载 | 免费
- 3接口电路图大全
- 未知 | 30323次下载 | 免费
- 4开关电源设计实例指南
- 未知 | 21549次下载 | 免费
- 5电气工程师手册免费下载(新编第二版pdf电子书)
- 0.00 MB | 15349次下载 | 免费
- 6数字电路基础pdf(下载)
- 未知 | 13750次下载 | 免费
- 7电子制作实例集锦 下载
- 未知 | 8113次下载 | 免费
- 8《LED驱动电路设计》 温德尔著
- 0.00 MB | 6656次下载 | 免费
总榜
- 1matlab软件下载入口
- 未知 | 935054次下载 | 免费
- 2protel99se软件下载(可英文版转中文版)
- 78.1 MB | 537798次下载 | 免费
- 3MATLAB 7.1 下载 (含软件介绍)
- 未知 | 420027次下载 | 免费
- 4OrCAD10.5下载OrCAD10.5中文版软件
- 0.00 MB | 234315次下载 | 免费
- 5Altium DXP2002下载入口
- 未知 | 233046次下载 | 免费
- 6电路仿真软件multisim 10.0免费下载
- 340992 | 191187次下载 | 免费
- 7十天学会AVR单片机与C语言视频教程 下载
- 158M | 183279次下载 | 免费
- 8proe5.0野火版下载(中文版免费下载)
- 未知 | 138040次下载 | 免费
评论
查看更多