Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2 2023

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

The application of machine learning on the sensors of smartphones to detect falls in real-time

Benba Achraf, Akki Mouna, Sandabad Sara

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2023

T. 13, nr 2

50--55

With the increasing prevalence of smartphones, they now come equipped with a multitude of sensors such as GPS, microphones, cameras, magnetometers, accelerators, and more, which can simplify our daily lives. When it comes to healthcare, smartphones can become indispensable.The detection of geriatric falls is crucial as even the slightest injury can havefatal consequences. Therefore, we proposed the use of accelerometers in our research to detect falls in the elderly. Our project involved the development of an automated, continuous, and reliable monitoring system that would generate a list of elderly people at risk of falling and present it on a webpage for emergency services. This approach aimed to minimize the long-term impacts and save lives promptly. We started by developing a mobile application and used MATLAB to classify the falls as either "fall" or "not fall." Finally, we created a webpage that would facilitate communication between the mobile application and MATLAB.

Wraz z rosnącąpopularnością smartfonów są one wyposażone w wiele czujników, takich jak GPS, mikrofony, kamery, magnetometry, akceleratory i inne, które mogą uprościć nasze codzienne życie. Jeśli chodzi o opiekę zdrowotną, smartfony mogą stać się niezastąpione. Wykrywanie upadków geriatrycznych ma kluczowe znaczenie, ponieważ nawet najmniejszy uraz może mieć śmiertelne konsekwencje. Dlatego zaproponowanowykorzystanie w naszych badaniach akcelerometrów do wykrywania upadków osób starszych. Nasz projekt polegał na opracowaniu zautomatyzowanego, ciągłego i niezawodnego systemu monitoringu, który generowałby listę osób starszych zagrożonych upadkiem i prezentował ją na stronie internetowej służb ratowniczych. Podejście to miało na celu zminimalizowanie długoterminowych skutków i szybkie ratowanie życia. Rozpoczęto od opracowania aplikacji mobilnej i za pomocą MATLABa sklasyfikowano upadki jako „upadek” lub „nie upadek”. Ostatecznie stworzono stronę internetową, która ułatwiłaby komunikację między aplikacją mobilną a MATLABem.

Implementation of an artificial intelligence-based ECG acquisition system for the detection of cardiac abnormalities

Benba Achraf, El Attaoui Fatima Zahra, Sandabad Sara

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2023

T. 13, nr 1

22--25

The electrocardiogram (ECG) is a common test that measures the electrical activity of the heart. On the ECG, several cardiac abnormalities can be seen, including arrhythmias, which are one of the major causes of cardiac mortality worldwide. The objective for the research community is accurate and automated cardiovascular analysis, especially given the maturity of artificial intelligence technology and its contribution to the health area. The goal of this effort is to create an acquisition system and use artificial intelligence to classify ECG readings. This system is designed in two parts: the first is the signal acquisition using the ECG Module AD8232; the obtained signal is a single derivation that has been amplified and filtered. The second section is the classification for heart illness identification; the suggested model is a deep convolutional neural network with 12 layers that was able to categorize five types of heartbeats from the MIT-BIH arrhythmia database. The results were encouraging, and the embedded system was built.

Elektrokardiogram (EKG) to powszechny test, który mierzy aktywność elektryczną serca. W zapisie EKG można zauważyć kilka nieprawidłowości serca, w tym arytmie, które są jedną z głównych przyczyn śmiertelności sercowej na całym świecie. Celem społeczności naukowej jest dokładna i zautomatyzowana analiza układu sercowo-naczyniowego, zwłaszcza biorąc pod uwagę dojrzałość technologii sztucznej inteligencji i jej wkład w obszar zdrowia. Celem tych wysiłków jest stworzenie systemu akwizycji i wykorzystanie sztucznej inteligencji do klasyfikacji odczytów EKG. System ten składa się z dwóch części: pierwsza to akwizycja sygnału za pomocą modułu EKG AD8232; uzyskany sygnał jest pojedynczą pochodną, która została wzmocniona i przefiltrowana. Druga sekcja to klasyfikacja identyfikacji chorób serca; sugerowany model to głęboka konwolucyjna sieć neuronowa z 12 warstwami, która była w stanie sklasyfikować pięć typów uderzeń serca z bazy danych arytmii MIT-BIH. Wyniki były zachęcające i zbudowano system wbudowany.