Analiza wybranych modalności rejestracji ruchu dla monitorowania pacjentów

mgr inż. Magdalena Smoleń

Promotor: Prof. dr hab. inż. Piotr Augustyniak
Dyscyplina: Biocybernetyka i Inżynieria Biomedyczna


Rozprawa dotyczy różnorodnych metod pozyskiwania sygnałów motorycznych człowieka oraz możliwości ich zastosowania w celach monitoringu osób chorych i nie w pełni sprawnych w miejscu zamieszkania.

Głównym problemem badawczym i celem pracy była jednoczesna akwizycja wybranych sygnałów motorycznych człowieka, ekstrakcja wektorów cech najtrafniej opisujących zadane ruchy oraz określenie wzajemnych korelacji zebranych tą drogą informacji. W opisywanych badaniach zastosowano równocześnie wiele metod pomiaru sygnałów ruchowych człowieka: sensory optoelektroniczne, wizyjne, elektromiograficzne, akcelerometryczne i nacisku.

Doświadczenia przeprowadzone z użyciem wielu czujników o tak odmiennym charakterze pozwoliły na znalezienie zakresu ich wymienności i wybór najodpowiedniejszego z nich dla konkretnego przypadku zastosowania praktycznego.

Otrzymane wyniki badań i końcowe opracowanie ich rezultatów jednoznacznie potwierdziły tezę pracy:

„Analiza ruchu człowieka zarejestrowanego z wykorzystaniem różnych modalności prowadzi do zbieżnych wniosków, które mogą być wykorzystane w monitorowaniu pacjentów w ich miejscu zamieszkania”.

Możliwe jest bowiem rozpoznawanie wybranych czynności ruchowych życia codziennego człowieka ze znacznym prawdopodobieństwem (93,1-99,3%) przy użyciu różnorodnych pojedynczych sensorów oraz ich 2-, 3- czy 4-elementowych grup.

Przedstawione w pracy wielomodalne rejestracje ruchu wydają się mieć niebagatelne znaczenie, zwłaszcza w przypadku domowego monitoringu osób będących w trakcie rekonwalescencji, czy też osób nie w pełni sprawnych.

Pełna wersja autoreferatuautoreferat_ms.pdf

- Augustyniak P, Smoleń M, Broniec A, Chodak J (2010) Data integration in multimodal home care surveillance and communication system. Information Technologies in Biomedicine, Springer-Verlag, Advances in Intelligent and Soft Computing 69:391–402

- Kańtoch E, Smoleń M, Augustyniak P, Kowalski P (2011) Wireless body area network system based on ECG and accelerometer pattern, Computing in Cardiology CinC 2011, Hangzhou, Chiny, 2011, ss. 245–248

- Mikrut Z, Pleciak P, Smoleń M (2012) Combining pattern matching and optical flow methods in home care vision system. Information Technologies in Biomedicine, Springer-Verlag, Lecture Notes in Computer Science 7339:537–548

- Mikrut Z, Smoleń M (2011) A neural network approach to recognition of the selected human motion patterns. Automatyka 2011, 15 (3):535–543

- Sidek KA, Khalil I, Smoleń M (2012) ECG biometric in different physiological conditions using robust normalized QRS complex, Computing in Cardiology CinC 2012, Kraków, Polska, 2012, ss. 97–100

- Smoleń M (2008) Kawiarnia naukowa – jej rola i perspektywy rozwoju w odniesieniu do inżynierii biomedycznej. Inżynieria Biomedyczna, 14(3):68-74

- Smoleń M (2009) Analysis of EEG activity during sleep. Pol J Med Phys Eng 2009, 15(2):65–75

- Smoleń M, Czopek K, Augustyniak P (2010a) Non-invasive sensors based human state in nightlong sleep analysis for home-care, Computing in Cardiology CinC 2010, ss. 45–48

- Smoleń M, Czopek K, Augustyniak P (2010b) Sleep evaluation device for home-care. Information Technologies in Biomedicine. Springer-Verlag, Advances in Intelligent and Soft Computing 69:367–378

- Smoleń M, Kańtoch E, Augustyniak P, Kowalski P (2012) Wearable patient home monitoring based on ECG and ACC sensors, IFMBE Proc. vol. 37, 5th European Conference of the International Federation for Medical and Biological Engineering, Budapeszt, Węgry, 2011, ss. 941–944