一个完全集成的,独立的可伸缩设备平台,具有用于康复的内传感器自适应机器学习

科学领域:

• 生物医学工程 生物医学工程
• 可穿戴技术可穿戴技术
• 机器学习 机器学习

背景情况:

• 对生命和肌肉活动的持续监测对于术后喉治疗至关重要.
• 现有的方法缺乏无线连续分析能力,直接从喉皮肤.

研究的目的:

• 设计和验证一个完全集成的,独立的可伸缩装置,用于无线监测和分析喉活动.
• 从各种生理信号中实现基于机器学习的运动和语音特征的分类.

主要方法:

• 开发一个可伸缩的设备平台,使用修改的复合液凝,以实现低接触阻抗和粘附.
• 集成三轴宽带加速度计,用于测量身体运动和生理振动.
• 使用2D类序列特征提取器与完全连接的神经元进行数据处理和分类.

主要成果:

• 该设备实现了高质量,长期监测肌肉电信号.
• 精确测量大体运动和微妙的生理活动/振动.
• 机器学习对运动/语音特征的分类超过了90%的准确性,适应了杂的数据和新的主题.

结论:

• 开发的可伸缩设备为喉活动提供无线监控和机器学习分析.
• 这项技术为可穿戴皮肤接口系统为远程监测和治疗评估铺平了道路.
• 潜在的应用包括管理各种疾病,需要持续的生理评估.