Respiratory Analysis for Wireless Monitoring of Untethered Patients in Smart Beds

Abstract

Tudo o que queremos alcançar, cada experiência que desejamos vivenciar e qualquer esperança de uma vida boa pressupõe, em primeiro lugar, de uma boa saúde.Não é por isso surpreendente que muitos esforços e recursos sejam investidos na melhoria da qualidade da assistência à saúde, seja por meio de estudos do corpo e da mente ou pela aplicação de novas tecnologias. Felizmente, a maioria dos sintomas que afetam a nossa saúde são representados em fenómenos fisicos, e podem portanto ser medidos. É por esta razão que cientistas de todo o mundo se esforçam para desenvolver métodos versáteis, compactos, energicamente eficientes e de baixo custo não só para a deteção destes sinais, mas também para a extração relevente dos mesmos.Essa aplicação de sensores levou ao surgimento de redes de sensores corporais que continuamente monitorizam os sinais mais relevantes para a condição fisica de um paciente ao anexar sensores diretamente ao seu corpo. Isto é feito não só para verificar a condição do paciente, mas também com a esperança de poder detectar mais cedo sinais de condições de saúde graves. Um dos exemplos desse tipo de arquitetura é o projeto WoW, que visa utilizar sensores mais confortaveis para os pacientes e extrair deles informações significativas. Assim, o principal objetivo desta dissertação é implementar formas de monitorizar a respiração de um paciente de forma fiável, visto que este sinal é um dos mais importantes em qualquer aplicação de saúde.Esta dissertação propõe 2 métodos para a monitorização da respiração dos pacientes. Para isto, é proposto um algoritmo para calcular a taxa de respiração em tempo real. No entanto, em situações de alto ruído, como por exemplo, quando um indivíduo está a andar, o método mostrou possuir algum erro.Algoritmos de extração \textit{ECG Derived Respiration} (EDR) foram também implementados para fornecer uma fonte secundária de respiração e melhorar a qualidade da taxa de respiração extraída. Esses métodos de EDR foram testados com dados recolhidos com o hardware local assim como em \textit{datasets} amplamente usados, onde os resultados dos testes realizados demonstraram ser capazes de extrair ondas muito semelhantes ao sinal de respiração original, e que o seu desempenho é equivalente ou melhor que os demais métodos de última geração testados.

For everything we want to achieve, every experience we desire, and the hope of a good life, presupposes good health in the first place.Therefore, it is not surprising that many resources are being put into improving the quality of healthcare, whether through studies of the body and mind or through the application of new technologies. Fortunately most symptoms that affect our health manifest trough physical means, and therefor can be measured. That's why scientists around the world are striving to develop low-cost, compact, energy-efficient and versatile methods to not only detect these signals, but also extract reliable information from them.This application of sensors has led to the emergence of body sensor networks that continuously monitor relevant signals by attaching sensors directly to a patient's body. This is done not only to check on the patient's condition, but also in hopes of detecting eraly on signals of more serious health conditions. One examples of this type of architecture is the WoW project, which aims to use more comfortable sensors for the patient while still extracting meaningful information from them. Thus, the main goal of this dissertation is to implement ways to reliably monitor a patient's breathing, as this is one of the most important signals in any health application.For this purpose, this dissertation proposes two methods for the monitoring of patient´s breathing are proposed. To this end, an algorithm to calculate the respiration rate in real time is proposed. However, in situations with high noise, e.g., when a subject is walking, the method this method proved to have some error. Additional EDR extraction algorithms were also implemented to provide a secondary source of respiration and improve the quality of the extracted respiration rate. These EDR methods were tested with both local hardware data and widely distributed databases. Where these methods have been shown to be capable of extracting waves very similar to the original respiration signal, and their performance is equivalent or better than the other state-of-the-art methods tested.