Visualización de la estación de trabajo en tiempo real de todos los pacientes en una unidad de cuidados intensivos. Comentarios en tiempo real al teléfono del médico y concepto de ambulancia inteligente
Monitoreo en tiempo real de las condiciones de salud y parámetros generales del cuerpo humano en una estación de trabajo particular de una unidad de cuidados intensivos. Una solución escalable y segura basada en IoT que reducirá las posibilidades de errores humanos mientras realiza un seguimiento de los parámetros de pacientes individuales. Cualquier anomalía repentina en los parámetros de monitoreo activará una alarma en la estación de trabajo en particular junto con una visualización local de las acciones sugeridas que debe tomar de inmediato el encargado/enfermera de la estación de trabajo.
Metas
- Adquisición de datos de sensores y visualización en nodo rojo
- Detectar anomalías en los parámetros y generar una alarma junto con valores en tiempo real en el teléfono del médico en cuestión.
- Ambulancia inteligente.
Adquisición de datos de sensores y visualización en node-red
He usado 2 sensores por ahora para adquirir los datos de los parámetros de salud del cuerpo humano.
Parámetros a monitorear
- Latido del corazón
- Temperatura corporal
El compilador en línea mbed se usa para generar el archivo bin para DISCO_L475VG_IOT01A para recopilar el sensor. Se están creando URI de recursos separados para los LED y para leer los pines analógicos de la MCU.
LED de estado normal /3201/1/5853
LED de estado anómalo /3201/0/5853
Botón de alarma /3201/2/5853
Sensor de frecuencia cardíaca /3303/4/5700
Sensor de temperatura /3303/3/5700
El SDK de la nube de python-mbed se usa para obtener los valores de los parámetros de la nube de Pelion y hacer que el sistema operativo llame al intermediario MQTT para enviar los valores al nodo MQTT de nodo rojo mediante el comando de publicación.
Los mismos parámetros se usan en tiempo real para enviar los valores como parámetros de predicción para el modelo de aprendizaje automático entrenado. La salida del modelo ML viene en 0 o 1, o 0 = estado anormal y 1 = estado normal. El estado también se envía haciendo llamadas al sistema operativo a un nodo MQTT separado de node-red.
El estado de todos los pacientes se muestran en una table.
Se visualizan los estados de los pacientes en estado anormal
Detección de anomalías en los parámetros y activación de una alarma junto con comentarios en tiempo real en el teléfono del médico en cuestión
Se envía una notificación en tiempo real al médico interesado del paciente en particular. El médico puede visualizar los parámetros en tiempo real en diferentes redes.
Visualización en tiempo real en Blink
Ambulancia Inteligente
La idea es eliminar la pérdida de tiempo después de que llega un paciente crítico a la emergencia de un hospital. Esto se puede hacer de manera eficiente, utilizando el tiempo de viaje en una ambulancia. Los parámetros de salud del paciente se pueden enviar al hospital, en tiempo real durante todo el tiempo que tarda en llegar al hospital. Esto dará suficiente tiempo a los médicos para tomar algunas medidas antes de que llegue el paciente.
La ambulancia también tiene un seguimiento de ubicación en vivo desde el extremo del hospital.
Los parámetros también se almacenan en una base de datos relacional, MySql, para referencia futura de datos críticos de salud.
Alcance futuro
Visualización local de acciones sugeridas por modelos entrenados.
Seguridad de datos.
Disponibilidad de esta tecnología en hospitales semiurbanos.
Actualmente estoy trabajando en las mejoras.
Sé el primero en comentar