バイオメディカルIoTシステムにおけるリアルタイムリモート患者モニタリングのための機械学習最適化デュアルバンドウェアラブルアンテナ

科学分野:

• 電磁学とアンテナ設計
• 生物医学工学
• 機械学習アプリケーション

背景:

• 携帯可能なアンテナは 遠隔医療監視システムに不可欠です
• アンテナの性能を最適化し,生物医学アプリケーションの安全性を確保することが重要な課題です.
• 機械学習はアンテナの設計と予測の精度を向上させる可能性を秘めています

研究 の 目的:

• 医療監視のためのデュアルバンドウェアラブルアンテナの設計と最適化.
• アンテナの性能,放射線特性,特定の吸収率 (SAR) を評価する.
• アンテナのパラメータを予測し,設計効率を改善するために機械学習を適用する.

主な方法:

• 2.4GHzと5.8GHzで動作するロジャーズ基板のダブルバンドアンテナの製造.
• CST MWSシミュレーションを用いた帯域幅,増強,放射線パターン,SAR評価を含む性能の特徴付け
• 反射係数 (S11) を予測するための監督回帰機械学習モデルの実装.

主要な成果:

• アンテナは高い放射線効率 (92%と91.7%) と適切な帯域幅を達成しました.
• SAR値は,様々な体位 (腕,胸,膝) の安全性範囲内でした.
• アンサンブル回帰MLモデルは97.79%の精度 (R二乗) を達成し,計算時間が大幅に短縮されました (70%).

結論:

• MLで最適化されたデュアルバンドウェアラブルアンテナは,リアルタイムで医療モニタリングを行う上で信頼性があり,有効です.
• この研究は,加速アンテナの設計と性能の予測におけるMLの使用を検証しています.
• 統合されたシステムは,リアルタイムで生命体信号 (心拍数,体温) をIoTプラットフォームに転送します.