Akıllı giyilebilir kardiyo gözlem sistemi tasarımı

Abstract

Tez kapsamında, dünya üzerinde en ölümcül hastalıklar listesinde birinci sırada bulunan kardiyovasküler hastalığa sahip bireylerin izlenmesinde kullanılabilecek akıllı giyilebilir sistem (AGS) olan CVDiMo (CardioVascular Disease Monitoring) geliştirilmiştir. CVDiMo, gerçek zamanlı veri akışı, analiz ve sınıflandırma yetenekleri ile ayakta uzun süreli kardiyovasküler hastalık izleme için tasarlanmış esnek bir e-Sağlık sistemini temsil eder. Bu sistem, hastalık riski taşıyan bireylerin, zaman içinde kişiselleştirilmiş verileri ile zengin bir sağlık profili oluşturarak, kişinin anlık ve uzun vadeli risklerini değerlendirmektedir. Geliştirilen AGS, hastaların gündelik yaşamlarını engellemeden giyilebilecek sensörleri barındıran bir cihazı, sensör ölçümlerinin depolanmasına ve analizine imkan veren bir dağıtık veritabanı sistemini, ölçeklenebilir ve platform bağımsız yapıda her ortamda hasta ve doktorların erişimine olanak sağlayacak bir bulut bilişim uygulamasını ve cihaz ölçümlerinin buluta taşınmasında görev alacak mobil uygulama ile web servislerini bünyesinde barındırmaktadır.Kalbin ritim ve iletim bozukluklarının tespiti ile istemsiz hareketlerin yönetiminden sorumlu olan otonom sinir sisteminin tepkileri, kişinin fiziksel ve mental durumu göz önünde bulundurularak analiz edilmektedir. Buna bağlı olarak kişinin stres altında olduğu durumların saptanması gerçekleştirilmektedir.Sistemin testleri 30 katılımcı ile hastane ortamında metabolik sendromu olan ve olmayan olmak üzere iki farklı test grubundan alınan 6 farklı fizyolojik sinyalin analizi ile gerçekleştirilmiştir. Bireylerin dinlenme durumunda, aktivite halinde ve farklı duygular uyandıran klipleri izleme sırasındaki sinyalleri toplanmıştır. Bunun için elektrokardiyogram (EKG), nabız, galvanik deri tepkisi, vücut sıcaklık, kan basıncı, oksijen saturasyonu ve kandaki glukoz oranları ve biyokimya sonuçları hastane ortamında kaydedilerek ilişkileri değerlendirilmiştir. Fizyolojik değerlerin incelenmesine ek olarak altı dakika yürüme testi sonuçlarının ve duygu durum analizinden çıkartılan stres seviyelerinin kullanılmasıyla risk kestirimi daha yüksek bir başarım ile sağlanmıştır.

Within the scope of the thesis, a smart wearable system (SWS) called CVDiMo (CardioVascular Disease Monitoring) has been developed to be used in monitoring individuals with cardiovascular disease, which is ranked first on the list of the most deadly diseases in the world. CVDiMo represents a flexible system designed for long-term cardiovascular disease monitoring with the real-time data flow, analysis, and classification functionalities. This system creates a wealthy health profile with individualized data of users with the risk of disease over time and assesses one's immediate and long-term risks.The developed SWS will include a distributed database system that allows sensor readings to be stored, a cloud computing application that allows patients and doctors to access from any environment in a scalable and platform independent manner, and a cloud computing application that will carry device values into the cloud Mobile applications with web services.The responses of the autonomic nervous system, which is responsible for the detection of heart rhythm and conduction disturbances and the management of involuntary movements, are analyzed considering the physical and mental state of the person. In this way, it is possible to identify situations where a user is under stress.Systematic tests were performed with analysis of six different physiological signals from two different test groups, with and without metabolic syndrome in the hospital environment with 30 participants. Signals were collected for users resting, activity, and monitoring the videos that emanate different emotions. Electrocardiogram (ECG), heart rate, galvanic skin response, body temperature, blood pressure, oxygen saturation and relative glucose ratios and biochemical results were recorded and evaluated in the hospital environment. In addition to examining the physiological values of patients, using the six-minute walking test results and the stress levels deduced from the emotional state analysis achieved a higher performance in risk estimation.