Wykorzystanie komputerów SBC do akwizycji i przetwarzania sygnałów biomedycznych

• Autorzy: Pendowski Jakub , Sieczkowski Krzysztof

Identyfikatory

DOI

10.15199/59.2025.1.4

Warianty tytułu

EN

Use of SBC computers for biomedical signal acquisition and precessing

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono projekt systemu przeznaczonego do akwizycji i przetwarzania sygnałów biomedycznych. System składa się z sensora pomiarowego, komputera jednopłytkowego – SBC (ang. SingleBoard Computer) oraz urządzenia do obserwacji wyników pomiaru. Komputer SBC odpowiada za komunikację z sensorem PPG (ang. Photoplethysmogram) oraz realizuje proces przetwarzania pozyskanego sygnału w celu obliczania pulsu badanej osoby. Proces przetwarzania obejmuje filtrację sygnału oraz detekcję wybranych punktów charakterystycznych. Dodatkowo, jako iż komputer SBC pełni rolę serwera danych, wyniki pomiarów są udostępniane w czasie quasi rzeczywistym w aplikacji webowej, dostępnej z poziomu dowolnego urządzenia podłączonego do tej samej sieci lokalnej. Artykuł przedstawia uzyskane wyniki badań testowych potwierdzających poprawne funkcjonowanie systemu oraz porównanie ich z wynikami uzyskanymi z innych urządzeń, tj. pulsoksymetru oraz opaski sportowej.

EN

The article presents the design of a system intended for the acquisition and processing of biomedical signals. The system consists of a measurement sensor, a Single-Board Computer (SBC ), and a device for observing the measurement results. The SBC is responsible for communication with the PPG (Photoplethysmogram) sensor and performs processing of the acquired signal to calculate the pulse rate of the subject. The processing includes signal filtering and the detection of selected characteristic points. Additionally, since the SBC acts as a data server, the measurement results are made available in near real-time through a web application, accessible from any device connected to the same local network. The article presents the results of test studies confirming the correct functioning of the system and compares them with results obtained from other devices, such as a pulse oximeter and a smartband.

Słowa kluczowe

PL

komputer jednopłytkowy; przetwarzanie sygnałów biomedycznych; aplikacja webowa; sygnał PPG

EN

single-board computer; biomedical signal processing; web application; PPG signal

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2025
• Tom: nr 1
• Strony: 28--33
• Opis fizyczny: Bibliogr. 15 poz., rys., wykr.

Twórcy

autor

Pendowski Jakub

• Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego, Warszawa

autor

Sieczkowski Krzysztof

• Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego, Warszawa

Bibliografia

• [1] Raspberry Pi, „Investor relations - Raspberry Pi,” [Online]. Available: https://investors.raspberrypi.com. [Data uzyskania dostępu: 2024].
• [2] Á. Solé Morillo, J. Lambert Cause, V.-E. Baciu, B. da Silva, J. C. García-Naranjo i J. Stiens, „PPG EduKit: An Adjustable Photoplethysmography Evaluation System for Educational Activities,” 11 Luty 2022.
• [3] M. Shokrekhodaei, S. Quinones, R. Martinek i H. Nazeran, „A Robust PPG-based Heart Rate Monitor for Fitness and eHealth Applications,” Wrzesień 2018.
• [4] Y. Luo, R. H. Hargraves, A. Belle, O. Bai, X. Qi, K. R. Ward, M. P. Pfaffenberger i K. Najarian, „A Hierarchical Method for Removal of Baseline Drift from Biomedical Signals: Application in ECG Analysis,” 20 Maj 2013.
• [5] SciPy, „SciPy documentation,” 21 Sierpień 2024. [Online]. Available: https://docs.scipy.org/doc/scipy/index.html.
• [6] SciPy, „find_peaks,” 21 Sierpień 2024. [Online]. Available: https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.find_peaks.html.
• [7] Mouser Electronics, „MAX30102 Pulse Oximeter & Heart-Rate Sensor,” 2024. [Online]. Available: https://www.mouser.pl/new/analog-devices/maxim-max30102efd-sensor/.
• [8] Plotly, „Plotly Python Graphing Library,” 2024. [Online]. Available: https://plotly.com/python/.
• [9] Dash, „Dash Documentation & User Guide,” 2024. [Online]. Available: https://dash.plotly.com.
• [10] S. Sarpal, „Difference between IIR and FIR filters: a practical design guide,” 28 Kwiecień 2020. [Online]. Available: https://www.advsolned.com/difference-between-iir-and-fir-filters-a-practicaldesign-guide/.
• [11] AspenCore, „Butterworth Filter Design,” 2024. [Online]. Available: https://www.electronics-tutorials.ws/filter/filter_8.html.
• [12] N. Boukhennoufa, Y. Laamari, R. Benzid, “Signal Denoising Using A Low Computational Translation-Invariant-Like Strategy Involving Multiple Wavelet Bases:Application To Synthetic And Ecg Signals”, Metrol. Meas. Syst., Vol. 31 (2024) No. 2, pp. 259–278. DOI: 10.24425/mms.2024.148548
• [13] M. Szmajda, M. Chyliński, J. Sacha, J. Mroczka, „Three Methods For Determining Respiratory Waves From Ecg (Part I)”, Metrol. Meas. Syst., Vol. 30 (2023) No. 4, pp. 821–837. DOI: 10.24425/mms.2023.147956
• [14] M. Szmajda, M. Chyliński, J. Sacha, J. Mroczka, „Three Methods For Determining The Respiratory Waves From Ecg (Part Ii)”, Metrol. Meas. Syst., Vol. 31 (2024) No. 1, pp. 51–71. DOI: 10.24425/ mms.2023.148544
• [15] M. A. Prucnal, A. G. Polak, „Single-Channel Eeg Processing For Sleep Apnea Detection And Differentiation”, Metrol. Meas. Syst., Vol. 30 (2023) No. 2, pp. 323–336. DOI: 10.24425/mms.2023.144866

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).