Εξατομικευμένα συστήματα υγείας με χρήση αισθητήρων (e-health)

Personalized healthcare with sensors usage (e-health) (Αγγλική)

  1. MSc thesis
  2. ΚΩΣΤΕΛΕΤΟΥ, ΜΑΡΙΑ
  3. Συστήματα Κινητού και Διάχυτου Υπολογισμού (ΣΔΥ)
  4. Σεπτέμβριος 2016 [2016-09]
  5. Ελληνικά
  6. 117
  7. Γκουμόπουλος, Χρήστος
  8. Μαγκλογιάννης, Ηλίας | Καμέας, Αχιλλέας
  9. αισθητήρες | sensors | εξατομικευμένα συστήματα υγείας | personalized health care | ανίχνευση άγχους | stress detection
  10. 6
  11. 2
  12. 59
  13. Περιέχει εικόνες.
    • Η παρούσα εργασία μελετά τις παραμέτρους που ανιχνεύουν το άγχος σε άτομα μεγαλύτερης ηλικίας (άνω των 50 ετών). Από τη βιβλιογραφία, γίνεται φανερό ότι τα άτομα αυτά αντιμετωπίζουν σοβαρά θέματα άγχους λόγω των προβλημάτων υγείας που ξεκινούν να εμφανίζονται σε αυτή την ηλικία, λόγω των οικογενειακών τους υποχρεώσεων και λόγω της συνταξιοδότησής τους. Για το σκοπό της εργασίας χρησιμοποιήθηκε ένα ασύρματο σύστημα αισθητήρων που αποτελείται από έναν αισθητήρα ECG κι έναν αισθητήρα GSR. Επίσης, αναπτύχθηκε μια εφαρμογή Android που επικοινωνεί με τους αισθητήρες και μια Web εφαρμογή στην οποία ο συμμετέχων εκτελεί το πείραμα κι αποθηκεύονται οι μετρήσεις. Το πείραμα που εκτελέσθηκε αποτελούνταν από δυο φάσεις ηρεμίας και δύο φάσεις τεστ πρόκλησης άγχους. Από την επεξεργασία των μετρήσεων προέκυψε ότι οι συμμετέχοντες είχαν αυξημένη καρδιακή συχνότητα στις φάσεις των τεστ και μικρότερη στις φάσεις της ηρεμίας, που δηλώνει κατάσταση άγχους. Αντίστοιχη συμπεριφορά είχαν κι οι μετρήσεις της γαλβανικής αντίδρασης. Τα δεδομένα των μετρήσεων θα μπορούσαν να οδηγήσουν στην δημιουργία κανόνων, έπειτα από κατάλληλη επεξεργασία μέσω αλγορίθμων μηχανικής μάθησης.
    • This paper studies the parameters that detect stress in older people (over 50 years old). From the literature, it becomes obvious that these people have severe anxiety issues because of health problems that start to appear at this age, their family obligations and their retirement. For the purpose of this research, a wireless sensor system was used consisting of an ECG sensor and a GSR sensor. Also, an Android application was developed that communicates with the sensors and a Web application on which the participant performs the test and the measurements are stored. The experiment that was performed, consisted of two relaxing phases and two anxiety phases that induced stress via test. The analysis of the measurements showed that participants had an increased heart rate in the test phases and decreased during the phases of rest, which indicates stress situation. A similar behavior was also seen in the galvanic reaction measurements. The measurement data could result in the creation of rules that will detect stress, after a proper processing with machine learning algorithms.
  15. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.