设计一个可穿戴的挑战,闭环癫痫检测微系统。
是有益的,健康监控等条件的高血压、心律失常、癫痫可以不舒服,不方便由于他们所有的突出的电线。这开辟了一个可穿戴式医疗应用程序的设计者的机会。
“可穿戴电子产品需要主动医疗Jerald柳博士说,副教授的马斯达尔学院的电气工程和计算机科学的科学和技术在阿布扎比。早期发现和治疗慢性疾病的能力可能是一个强大的对策。然而,这项工作要求大量的收集和监测的数据,这是可穿戴式医疗设备。
可穿戴(无线)医疗设备要想成功,Yoo指出,他们必须节能,最低限度突兀的,一次性的。Yoo讨论节能回路的作用在可穿戴式医疗应用程序在最近的一次谈话节奏员工在圣何塞公司的总部。
医疗衣物:进入设计什么?
据世界卫生组织统计,全球约有5000万人患有癫痫症。目前,这个严重的神经紊乱包括医生采访病人诊断和管理脑电图(EEG)测试,柳说。但这些方法很难conclusive-what真正需要的是持续的监控,他说。
在他的谈话中,Yoo的挑战和技术讨论生物电路设计。作为一个例子,他强调了闭环癫痫检测微系统。建立这样一个系统调用几个关键组件。
首先是这个平台。这里,Yoo认为织物印刷电路板的引入对六年前相当的启示。直接印刷在织物导电墨水的让许多嵌入式应用程序成为可能。这项技术还提供了一个替代湿电极(可以触发皮肤敏感如果长时间穿)和干电子(高电极阻抗和,因此,更多的噪音)。设计师创建织物电路板必须解决的挑战,包括垫数量限制和问题,如热保护,静态和动态参数变化和高阻抗。
下一个是传感器I / F circuit-basically,这些设计应该使用低噪声、节能的实现电路。Yoo指出,在这里,重要的是要有一个专用直流服务器循环消除电极抵消。由于伺服回路本身提升噪音,Yoo曾与他的学生创建一个设计原型可佩带的脑电图描记器,包括一个500 hz的伺服回路的直升机噪音效率更好。
数字后端也很关键,提供特定的分类和要求能源效率。在这方面,有一些不同的脑电图癫痫检测需要注意的挑战。即intra-patient age-to-age脑电图变化和空间脑电图变化是意想不到的结果。“多次发作的模式,non-seizure非常不同。没收模式从病人几乎没有相关病人b .其他慢性疾病也有类似的问题,”他解释道。
机器学习地址变化
Yoo发现引入机器学习通过支持向量机(svm)提供了一种方法来解决这些意想不到的结果。这里有两个选项:线性SVM (LSVM),这需要有限的捕获模式但提供温和的分类精度,和非线性支持向量机(NLSVM),这需要足够的发作模式和具有较高的分类精度。在他的设计原型,Yoo的选择是使用两个LSVMs,一个训练有素的敏感性和特异性的其他培训。使用这种方法在一个系统中,他发现准确率为95%,敏感性为98%,特异性检测的性能。
最后是系统级的考虑,在这种情况下,包括癫痫检测系统基于无线供电的心电图(ECG)。Yoo和他的学生使用一个完全集成的脑电图SoC组成的1.8 v模拟前端和1.0 v数字后端有16个频道,SVM和仿真,可伸缩的脑电图处理和机器学习对特定病人的癫痫检测。他们所有的工作是使用节奏实现工具。“系统级考虑电路设计是非常重要的是,你不想烧所有的权力从模拟前端,反之亦然,”柳说。Yoo的下一步的工作是测试可穿戴脑电图设计患者。
|
|
|
|
|
|
|
|
|
|
留下一个回复