Розробка системи моніторингу життєвих показників людини
Автор: Кубик Назар Васильович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Кубик Н.В., Корпильов Д.В. (керівник). Розробка системи моніторингу життєвих показників людини. Магістерська кваліфікаційна робота – Національний університет «Львівська політехніка», Львів, 2024. Розширена анотація. Сучасна медицина потребує ефективних та надійних засобів для моніторингу життєвих показників людини, особливо в умовах надання невідкладної допомоги, догляду за пацієнтами у реанімаційних відділеннях та у віддалених медичних установах. Традиційні методи контролю життєвих показників, такі як вимірювання артеріального тиску, пульсу, температури та рівня кисню в крові, часто потребують безпосереднього контакту з пацієнтом, що може бути незручним або неможливим у певних ситуаціях. Інноваційні технології, такі як mmWave датчики, дозволяють здійснювати безконтактний моніторинг, що забезпечує більшу зручність, швидкість і точність вимірювань. Використання платформи ESP32 у поєднанні з mmWave датчиком DFRobot SEN0395 відкриває нові можливості для розробки інтелектуальних систем моніторингу, які можуть бути інтегровані в різноманітні медичні та побутові пристрої. Така система може значно покращити якість медичного обслуговування, особливо в умовах пандемій, коли необхідно мінімізувати фізичний контакт між пацієнтом і медичним персоналом. Крім того, подібні системи можуть знайти своє застосування в домашніх умовах для постійного контролю за станом здоров’я людей із хронічними захворюваннями або літніх людей. Наукова новизна роботи проявляється у розробці нових алгоритмів обробки даних, отриманих від mmWave-датчика DFRobot SEN0395, які забезпечують підвищену точність і надійність у визначенні таких життєвих показників, як частота серцевих скорочень, дихання, виявлення падінь та аналіз стану сну. У роботі вперше запропоновано поєднання безконтактної технології вимірювання з компактною платформою ESP32, що дозволяє створювати автономні та мобільні системи для моніторингу здоров’я. Інтеграція IoT-технологій із такими системами відкриває нові перспективи у створенні компактних та енергоефективних рішень, які здатні працювати в реальному часі, підтримуючи бездротове з’єднання. Окремої уваги заслуговує інноваційний підхід до безконтактного моніторингу, що є надзвичайно важливим для пацієнтів у критичному стані або в умовах, де фізичний контакт небажаний, наприклад, у випадках інфекційних захворювань. Практична значимість роботи полягає у створенні системи, яка може бути застосована в різних галузях охорони здоров’я, включаючи стаціонарні та домашні умови. Розроблена система дозволяє ефективно вирішувати завдання моніторингу життєвих показників у реальному часі, сприяючи ранньому виявленню критичних станів та оптимізації догляду за пацієнтами. Використання платформи ESP32 і mmWave-датчика забезпечує високу доступність і можливість інтеграції з існуючими IoT-мережами, що робить систему перспективною для серійного виробництва. Крім того, ця технологія може бути адаптована для інших сфер, таких як спорт, моніторинг фізичного стану персоналу в небезпечних умовах роботи або відстеження стану літніх людей, що проживають самостійно. Об’єкт і предмет дослідження Об’єкт дослідження: Об’єктом дослідження є інтелектуальні системи моніторингу життєвих показників людини, зокрема ті, що використовують сучасні технології безконтактного вимірювання параметрів здоров’я. Ці системи включають комплекс апаратних і програмних засобів, що дозволяють отримувати, обробляти та аналізувати дані про стан здоров’я пацієнтів у реальному часі. Предмет дослідження: Предметом дослідження є розробка і впровадження системи моніторингу життєвих показників людини на основі mmWave датчика DFRobot SEN0395 та платформи ESP32. Зокрема, дослідження охоплює питання розробки алгоритмів обробки даних, архітектури системи, а також методів забезпечення надійності та точності отримуванихпоказників, таких як частота серцевих скорочень, дихання, виявлення падінь і моніторинг стану сну. Об’єктом дослідження є інтелектуальні системи моніторингу життєвих показників людини, що використовують сучасні технології безконтактного вимірювання параметрів здоров’я. Такі системи складаються з апаратних і програмних засобів, які дозволяють отримувати, обробляти та аналізувати дані про стан здоров’я пацієнтів у реальному часі. Предметом дослідження є розробка та впровадження системи моніторингу на основі mmWave-датчика DFRobot SEN0395 і платформи ESP32, з акцентом на створенні алгоритмів обробки даних, архітектури системи та забезпечення надійності й точності вимірювань. Особлива увага приділяється таким показникам, як частота серцевих скорочень, дихання, виявлення падінь і моніторинг стану сну. Дипломна робота містить: 91 ст., __ рис., _ табл., 80 посилань на використані джерела. Ключові слова: інтелектуальна система моніторингу, життєві показники людини, безконтактне вимірювання, mmWave-датчик, DFRobot SEN0395, платформа ESP32, алгоритми обробки даних, частота серцевих скорочень, дихання, виявлення падінь, моніторинг сну, IoT-технології, енергоефективність, реальний час, телемедицина. Перелік використаних літературних джерел: 1. Espressif Systems. (2021). ESP32 Series Datasheet. 2. DFRobot. (2022). SEN0395 mmWave Human Presence Detection Sensor Datasheet. 3. Wu, X., Zou, H., Wang, L., Huang, K., & Xie, L. (2020). mmWave Radar Sensing: Opportunities and Challenges. IEEE Transactions on Biomedical Engineering, 67(11), 2927-2938. 4. Kim, J., Lee, K., & Choi, H. (2019). Non-contact Vital Sign Monitoring using mmWave Radar. Sensors, 19(6), 1494. 5. Li, X., Wang, Z., & Guo, Y. (2020). Design and Implementation of an IoT-based Health Monitoring System using ESP32 and Sensors. IEEE Access, 8, 56089-56100. 6. Zhou, Y., Zhang, W., & Jiang, H. (2021). Energy-Efficient IoT-Based System for Real-Time Health Monitoring using mmWave Sensors and ESP32. IEEE Internet of Things Journal, 8(4), 2356-2365. 7. Wang, J., Liu, Y., & Wang, P. (2021). Real-time Vital Sign Monitoring Using mmWave Radar and ESP32: Design and Implementation. International Journal of Distributed Sensor Networks, 17(3), 1-12. 8. Singh, S., Tripathi, P., & Maheshwari, P. (2020). Applications of mmWave Radar in Healthcare: A Comprehensive Review. Journal of Medical Systems, 44(5), 93. 9. Patil, R., & Mahajan, A. (2019). mmWave Radar for Chronic Disease Monitoring: An Analysis of Effectiveness. Medical Engineering & Physics, 69, 56- 63. 10. Zhang, Y., & Xu, W. (2021). Signal Processing Algorithms for mmWave Vital Sign Monitoring Systems. IEEE Transactions on Signal Processing, 69, 589-600. 11. Chen, T., Li, S., & Huang, Q. (2020). Machine Learning Techniques for Improving mmWave Sensing in Health Monitoring Applications. Pattern Recognition, 102, 107252.