带有机器学习增强力传感器的智能枕头用于压力损伤风险评估
Xinhao Xiang1, Ke Zhang1,2, Yi Qin3
1Shanghai Yangzhi Rehabilitation Hospital (Shanghai Sunshine Rehabilitation Center), School of Medicine, Tongji University, Shanghai 201619, China.
ACS applied materials & interfaces
|July 12, 2024
概括
一个新的智能枕头使用二维力传感器和机器学习来检测脊髓损伤患者的压力损伤风险. 这项技术有助于预测剪切应力,改善患者护理并降低医疗保健成本.
科学领域:
- 生物医学工程 生物医学工程
- 康复技术 康复技术 康复技术
- 传感器技术 传感器技术
背景情况:
- 长时间坐着对中风或脊髓损伤的个体构成显著的压力损伤 (PI) 风险.
- 目前通过测量接触表面压力和剪切力来评估PI风险的方法有限.
研究的目的:
- 开发一个智能缓冲系统,实时监测部的压力和剪切力.
- 利用机器学习来预测肌切割应力和评估PI风险.
主要方法:
- 集成的二维力传感器 (2D-FSs),由铁电同轴 (FCS) 和铁电薄膜 (FFS) 单元组成,以测量垂直和水平的力.
- 深度神经网络的应用用于解和分析传感器数据.
- 开发一种基因算法优化的反向传播神经网络,用于预测剪切应变.
主要成果:
- 智能枕头使用新的2D-FS设计准确地测量了同时的垂直和水平力.
- 机器学习模型有效地预测股的剪切应变,表明PI风险.
- 该系统展示了与智能护理平台集成的潜力.
结论:
- 拟议的智能枕头提供了一种新的方法来监测和减轻压力损伤风险.
- 这项技术可以提高患者的护理,特别是对于脊髓损伤的人来说.
- 通过早期风险检测,降低护理和康复成本的潜力.
