灵活的无凝多模无线传感器,具有边缘深度学习,用于检测和警报步行结症状

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 可穿戴技术可穿戴技术

背景情况:

• 步态结 (FoG) 是帕金森病 (PD) 中的一个显著的运动残疾,增加了跌倒的风险.
• 目前用于管理FoG的方法有限,需要先进的监测和干预策略.
• 可穿戴传感器为PD症状的持续实时评估提供了一个有希望的途径.

研究的目的:

• 开发和验证灵活的可穿戴传感器,用于检测PD患者的FOG.
• 整合一个深度学习模型,用于设备上的FOG检测和警报生成.
• 通过减轻与FOG相关的跌倒风险来改善患者的安全和生活质量.

主要方法:

• 开发两种类型的灵活无线传感器:一个中央节点 (EEG,DL模型,听觉警报) 和腿部佩戴补丁传感器 (EMG,加速度计).
• 使用低功耗超宽带 (UWB) 收发器进行传感器间通信,以及用于制造灵活的印刷电路板.
• 用180nmCMOS技术设计定制集成电路 (IC),用于信号采集和无线传输.
• 训练了一种轻量级的深度学习 (DL) 模型,使用多模态感官数据进行设备上的推理.

主要成果:

• 可穿戴传感器表现出高检测性能,灵敏度为0.81和特异性为0.88.
• 设备上的DL模型成功检测到FoG事件并及时生成听觉警报.
• 在柔性基板上用无凝电极制造,确保长期的合规可穿.

结论:

• 开发的灵活可穿戴传感器系统有效地检测PD患者的FoG,为预防跌倒提供了一种新的方法.
• 该系统的高精度和长期磨损的潜力使其适合临床试验和改善PD患者护理.
• 基础设计方法适用于更广泛的可穿戴医疗设备用于神经退行性疾病.