KAUNO TECHNOLOGIJOS UNIVERSITETAS ELEKTROS IR ELEKTRONIKOS FAKULTETAS ELEKTRONIKOS INŽINERIJOS KATEDRA

Transcription

1 KAUNO TECHNOLOGIJOS UNIVERSITETAS ELEKTROS IR ELEKTRONIKOS FAKULTETAS ELEKTRONIKOS INŽINERIJOS KATEDRA ŽMOGAUS BIOLOGINIO AMŽIAUS NUSTATYMO ĮRENGINIO DUOMENŲ VALDYMO KŪRIMAS Sistemos aprašymas KAUNAS, 2015

2 Pagrindinis sveikatos apsaugos sistemos iššūkis yra lėtinių susirgimų prevencija ir ankstyvoji diagnostika siekiant užkirsti kelią ligų progresavimui. Šiuolaikinė medicina yra stipriai specializuota, dėl ko išsamus žmogaus sveikatos būklės įvertinimas yra prieinamas tik specializuotose įstaigose, ilgai trunkantis ir brangus. Šiuo projektu siekiama sukurti naują, neinvazinį sisteminės organizmo sveikatos būklės įvertinimo prietaisą, paremtą kraujotakos sistemos, nervinės sistemos ir metabolinių procesų įvertinimu. Sistema apjungs skirtingus medicininėje praktikoje naudojamus diagnostikos metodus, ir pateiks vartotojui pagrindinius jo organizmo veiklos rodiklius, kurie atspindės jo biologinį amžių, t.y. jo sveikatos būklę bendrame populiacijos kontekste. Pasirinkti analizės metodai remiasi fotopletizmografijos ir fluorescencinės spektroskopijos principais, kurie yra neinvaziniai, todėl sistema bus saugi naudoti be specializuoto personalo. Projektas numato pirmąjį kūrimo etapą skirtingų daviklių integravimą į bendrą sistemą ir programinės įrangos sukūrimą duomenų valdymui. Vėliau šios sistemos pagrindu bus sukurta vartotojo sąsaja, ištobulinti algoritmai klinikinių rodiklių analizei. Numatyta duomenų analizę atlikti serveryje nuotoliniu būdu, kas leistų centralizuotai atnaujinti programinę įrangą ir suteiktų papildomą intelektinės nuosavybės apsaugą. Tai leistų apjungti skirtingų medicinos įstaigų gautus duomenis siekiant atlikti didelės apimties klinikinius tyrimus. Darbo uždaviniai: 1. Duomenų perdavimo protokolų analizė. 2. Duomenų surinkimo posistemės funkcinio modelio sudarymas. 3. Duomenų surinkimo ir pradinio apdorojimo algoritmų sudarymas. 4. Posistemės testavimas ir dokumentacijos paruošimas. Pagrindiniai parametrai: 1. Sąsajos:- RS485, RS-232, USB Maitinimas 230 V. 3. Maksimalus kaupiamų duomenų kiekis vienos sesijos metu 5 MB. 4. Saugykla turi tenkinti ACID reikalavimus.

3 DUOMENŲ PERDAVIMO PROTOKOLŲ ANALIZĖ 1. Ryšio struktūra Komunikacijos tarp žmogaus biologinio amžiaus nustatymo įrenginio (BANĮ) ir informacijos surinkimo įtaisų realizuotos panaudojant RS485 sąsają. Naudojant šią sąsają duomenis galima perduoti iki 1200 m atstumu (100 kbit/s sparta). BANĮ valdiklis (MSP430F5438A) perduoda duomenis per USART. USART signalas konvertuojamas į diferencinį EIA485 standarto signalą (1 pav.) 1 pav. RS485 signalo forma Kiekvienas BANĮ esantis tinkle turi savo adresą. Linijos pabaigoje turi būti prijungtas linijos suderinimo rezistorius (~200 omų). Apibendrinta ryšio linijų struktūra pateikta 2 pav. MSP430F5438A MSP430F5438A... MSP430F5438A TX DE RE RX TX DE RE RX TX DE RE RX MAX485 MAX MAX485 A B A B A B ZONOS KONCENTRATORIUS RS485 R 2 pav. Komunikacijų tarp informacijos surinkimo įtaisų ir BANĮ struktūra

4 Konfigūruojant šią sistemą labai svarbu užtikrinti, kad į vieną ryšio liniją nebūtų sujungti keli BANĮ turintys tą patį adresą, nes jei BANĮ vienu metu pradeda siųsti duomenis, linija užtrumpinama, krenta įtampa, galimi BANĮ restartavimai ar net gedimai.

5 2 Apsikeitimo duomenimis protokolas Duomenų perdavimui iš informacijos surinkimo įtaiso į BANĮ ir atvirkščiai, realizuotas protokolas, naudojantis paketo pradžios ir pabaigos identifikavimą, 16-os bitų CRC. Informacijos surinkimo įtaisų užklausos paketo struktūra pateikta 3 pav. Pradžios simboli BANĮ adresas Komandos kodas Duomenys CRC LB CRC HB Pabaigos simbolis 0xC0 0x01-0xFA 1 baitas 1-4 baitų 1 baitas 1 baitas 0xC1 3 pav. informacijos surinkimo įtaiso užklausos struktūra BANĮ atsakymo paketo struktūra pateikta 4 pav. Pradžios BANĮ simboli adresas 0xC2 0x01-0xFA Komandos kodas Duomenys CRC LB CRC HB Pabaigos simbolis 1 baitas 1-16 baitų 1 baitas 1 baitas 0xC3 4 pav. BANĮ atsakymo struktūra Protokole naudojamas 16-os bitų CRC, nes jis leidžia: 100% aptikti vieno bito klaidas; 100% aptikti gretimų dviejų bitų klaidas; 100% aptikti bet kokias klaidas 16-os bitų plotyje; 100% aptikti visas dviejų bitų klaidas kurios skiriasi tiksliai per bitų (praktiškai visas 2-jų bitų klaidas). 16-os bitų CRC klaidos neaptikimo tikimybė 1/(2 16 ) = 1.5E-5. Nustatant svarbius BANĮ parametrus be CRC gali būti naudojamas duomenų invertavimas. Tai dvigubai padidina perduodamų duomenų kiekį ir sumažina greitį, tačiau gerokai sumažina klaidingo duomenų perdavimo tikimybę.

6 Jei neteisingo bito atsiradimo N paketuose yra P be, tai tikimybė, kad persiųstas invertuotas paketas bus priimtas kaip geras: P I = P be N P be N ; (1) Čia P be N tikimybė, kad i-tasis bitas bus neteisingas. Jei duomenų invertavimas naudojamas kartu su CRC, tai tikimybė, kad neteisingas paketas bus priimtas kaip geras: P Eror = P I P CRC ; (2) čia P CRC tikimybė neaptikti klaidos naudojant CRC. Duomenų perdavimo patikimumą galima gerokai padidinti, jei duomenų perdavimo algoritmas klaidos atveju turi galimybę pakartoti užklausą n kartų. Tada vidutinis duomenų perdavimo sutrikimų intensyvumas: 1 t t... t n n v ; (3) t p čia i i-ojo siuntimo sutrikimo intensyvumas; ti i-ojo perdavimo trukmė; t p perdavimo be kartojimų trukmė. Jei sutrikęs perdavimas gali būti pakartotas, tai perdavimo trukmė t t ; v p t v 2 vt p t. (4) Tikimybė, kad perdavimo metu įvyks k sutrikimų p ( m k) n iti k! n it i i1 i1 p e k ; (5) čia m sutrikimų skaičius.

7 Tikimybė, kad sutrimo atveju užteks laiko rezervo užklausą pakartoti } ) {( m p l t k t t p ; (6) čia t l leidžiama perdavimo trukmė; t m vidutinė perdavimo trukmė. Tada teisingo duomenų perdavimo tikimybė ! k m p l t n i i i t k t t p e k t P n i i i. (7) Žinant leistiną perdavimo trukmę ir žinant vidutinę perdavimo trukmę galima suskaičiuoti teisingo duomenų perdavimo tikimybę. CRC naudojamo protokole skaičiavimo paprogramės kodas pateiktas IV priede.

8 3 Eksperimentinis ryšio tarp informacijos surinkimo įtaiso ir BANĮ tyrimas Realizavus duomenų perdavimo protokolą informacijos surinkimo įtaise ir BANĮ, buvo atliktas eksperimentinis linijos patikimumo tyrimas. Tirta 15 m ilgio ryšio linija su prie jos prijungtais dviem BANĮ. BANĮ paeiliui buvo siunčiamos komandos ir gaunami atsakymai. Eksperimento metu gautų oscilogramų pavyzdžiai pateikti 5 8 pav. 5 pav. Komunikavimo tarp informacijos surinkimo įtaiso ir BANĮ paketai 6 pav. Komunikavimo tarp informacijos surinkimo įtaiso ir BANĮ paketas

9 7 pav. Komunikavimo tarp informacijos surinkimo įtaiso ir BANĮ baitai 8 pav. Komunikavimo tarp informacijos surinkimo įtaiso ir BANĮ frontas Iš oscilogramų matyti, kad naudojant 15 m ilgio liniją ir perduodant duomenis b/s greičiu signalai linijos galuose iškraipomi labai nežymiai, pagrindiniai signalo fronto

10 pradžioje matyti slopstantys periodiniai svyravimai. Šie iškraipymai neturi jokios įtakos priimamo signalo dekodavimo kokybei.

11 4 Duomenų surinkimo posistemės funkcinis modelis Sudarytos duomenų surinkimo posistemės funkcinio modelio struktūra pateikta 9 pav. 9 pav. Duomenų surinkimo posistemės funkcinio modelio struktūra

12 5 Paciento duomenų pobūdis ir duomenų nuskaitymas Žmogaus biologinio amžiaus nustatymui naudojamos kelios technologijos, generuojančios skirtingus signalus. Tipinis fotopletizmografijos įtaiso registruojamas signalas pateiktas 10 pav. 10 pav. fotopletizmografijos įtaiso registruojamas signalas 11 pav. Valdiklyje sukauptas fotopletizmografijos įtaiso registruojamas signalas Šis signalas perduodamas valdikliui, kuriame duomenys vidurkinami ir sukaupus 128 baitų porciją (11 pav.) perduodami į informacijos apdorojimo serverį, kuriame atliekama analizė.

13 3,00E-01 2,50E-01 2,00E-01 1,50E-01 1,00E-01 5,00E-02 0,00E+00-4,00E+00-3,00E+00-2,00E+00-1,00E+00 0,00E+00-5,00E-02 1,00E+00 2,00E+00 3,00E+00 4,00E+00-1,00E-01-1,50E-01-2,00E-01 CH1 Volt CH2 Volt 12 pav. Valdiklyje sukaupto fotopletizmografijos signalo sklaida 1,50E-01 1,00E-01 5,00E-02 0,00E+00-2,80E+00-2,70E+00-2,60E+00-2,50E+00-2,40E+00-2,30E+00-2,20E+00-2,10E+00-2,00E+00-5,00E-02-1,00E-01-1,50E-01 CH1 Volt CH2 Volt 13 pav. Vienos pulsinės bangos signalo sklaida Panaudojant matematinį paketą MATLAB buvo sukurta serveryje funkcionuojanti programinė įranga skirta pulsinės bangos parametrų analize (tekstas 2.priede)

14 A, V time, ms 14 pav. Realūs signalai, gauti atlikus eksperimentą 3.6 Find All Peaks u t 15 pav. Realių signalų maksimalių verčių aptikimas

15 A, V time, ms 16pav. Signalai nufiltruoti Hanningo filtru pav. Realus ir nufiltruotas signalas

16 3.5 3 u t 18pav. Nufiltruotų signalų maksimalių verčių aptikimas Iš padarytų eksperimentų, galima teigti, kad jutiklių sistema pulsą fiksuoja gerai. Ši sistema nereikalauja daryti pertraukų tarp matavimų, kad atsistatytų fiziologiniai organizmo, kraujagyslių veiksniai.

17 IŠVADOS 1. Naudojant RS485 sąsają duomenis galima perduoti iki 1200 m atstumu (100 kbit/s sparta). 2. Apsikeitimo duomenimis protokolas užtikrina patikimą duomenų nuskaitymą ir leidžia eliminuoti klaidingus duomenis atsirandančius dėl įvairių trikdžių. 3. Dviejų baitų CRC panaudojimas duomenų perdavimo protokole įgalina ženkliai sumažinti klaidos tikimybę.

18 PRIEDAS 1 unsigned int Crc16Calc(unsigned char x, unsigned int Crc) { int g=0x1021; unsigned char i; } for(i=0;i<8;i++) { if(!(crc&0x8000)) { if(!(x&0x80)) Crc<<=1; else Crc=(Crc<<1)^1; } else { if(!(x&0x80))crc=(crc<<1)^g; else Crc=(Crc<<1)^g^1; } x<<=1; } return(crc);

19 PRIEDAS 2 Matlab kodas pulsinės bangos patametrų analizei. clc clear all close all M = csvread('ggggg22222.csv',2,0) t=m(:,1); u1=m(:,2); u2=m(:,3); %%%%%%%%%% piku paieska %%%%%%%%%%%%%%%%%%%%% %[pks, kurpikai] = findpeaks(u); [pks1, kurpikai1]=findpeaks(u1,'minpeakheight',3); [pks2, kurpikai2]=findpeaks(u2,'minpeakheight',3); for i1=1:length(kurpikai1) k1 = kurpikai1(i1) kurpikai1(i1) = t(k1) end for i2=1:length(kurpikai2) k2 = kurpikai2(i2) kurpikai2(i2) = t(k2) end %%%%%%%%%% piku paieska %%%%%%%%%%%%%%%%%%%%% 0]) figure(1) plot(t,u1,'r') plot(t,u2,'b') %stem(min(t):(max(t)-min(t))/(length(pks)-1):max(t), pks, 'Color', [1 0 plot(kurpikai1, pks1, 'k^','markerfacecolor', [1 0 0]) plot(kurpikai2, pks2, 'k^','markerfacecolor', [0 0 1]) ss2=statelevels(u2); xlabel('t'); ylabel('u') title('find All Peaks'); %%%%%%%%%% signalu atvaizdavimas %%%%%%%%%%%%%%%%%%%%% sig1= u1; sig2= u2; figure (2) plot(t,sig1,'r',t,sig2,'b') xlabel('time, ms'); ylabel('a, V'); %%%%%%%%%% filtras %%%%%%%%%%%%%%%%%%%%% fil1 = sgolayfilt(u1,1,7);

20 fil2 = sgolayfilt(u2,1,7); %%%%%%%%%% filtuotu signalu atvaizdavimas %%%%%%%%%%%%%%%%%%%%% figure (3) plot(t,sig1,'r',t,fil1,'g',t,sig2,'b',t,fil2,'y') xlabel('time, ms') ylabel('a, V'); %%%%%%%%%%%%%%%%%%%%%% filtuotu signalu piku paieska %%%%%%%%%%%%%%%%%%%%%%%%%%%% [pks12, kurpikai12]=findpeaks(fil1,'minpeakheight',3); [pks22, kurpikai22]=findpeaks(fil2,'minpeakheight',3); for i=1:length(kurpikai12) k12 = kurpikai12(i) kurpikai12(i) = t(k12) end for i=1:length(kurpikai22) k22 = kurpikai22(i) kurpikai22(i) = t(k22) end %%%%%%%%%%%%%%%%%%%%%% filtuotu signalu piku atvaizdavimas %%%%%%%%%%%%%%%%%%%%%%%%%%%% figure (4) plot(t,fil1,'r',kurpikai12, pks12, 'k^','markerfacecolor', [1 0 0]) plot(t,fil2,'b',kurpikai22, pks22, 'k^','markerfacecolor', [0 0 1]) %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('t'); ylabel('u') title('find All Peaks '); %%%%%%%%%%%%%%%%%%%%%% filtuotu signalu piku apdorojomas %%%%%%%%%%%%%%%%%%%%%%%%%%%% tt=kurpikai22-kurpikai12 for i = 2:length(kurpikai12) kurpikai12_v(i-1)=kurpikai12(i)-kurpikai12(i-1) end for i = 2:length(kurpikai22) kurpikai22_v(i-1)=kurpikai22(i)-kurpikai22(i-1) end vv=kurpikai12_v-kurpikai22_v

21 figure (6) plot(kurpikai12_v,'r') plot(kurpikai22_v,'b') %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('n'); ylabel('t') figure (7) stem(vv,'r') %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('n'); ylabel('t') figure (8) stem(kurpikai12_v,'r') stem(kurpikai22_v,'b') %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('n'); ylabel('t') z = mean(tt) % vidurkis figure (5) hist(tt) %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('t'); ylabel('n') l = median(tt)% mediana %%%%%%%%%%%%%%%%%%%%%%%%DifferentiationDifferentiationDifferentiationDi fferentiationdifferentiationdifferentiation%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %plot(length(t)-1,ud,'r') n=length(t); ud1=diff(u1); udf1=diff(fil1); tttttt=t(1:599) figure (26)

22 plot(ud1,'r') %%%%%%%%%% filtras %%%%%%%%%%%%%%%%%%%%% udf1 = sgolayfilt(ud1,3,15); udff1 = sgolayfilt(udf1,5,19); figure (27) plot(t(1:599),udf1,'r') plot(t(1:599),udff1,'b') ud2=diff(u2); udf2=diff(fil2); figure (28) plot(ud2,'r') udf2 = sgolayfilt(ud2,3,11); udff2 = sgolayfilt(udf2,5,19); figure (29) plot(t(1:599),udf2,'r') plot(t(1:599),udff2,'b') %%%%%%%%%% filtuotu signalu atvaizdavimas %%%%%%%%%%%%%%%%%%%%% [pks1, kurpikai1_d]=findpeaks(udff1,'minpeakheight',0.043); [pks2, kurpikai2_d]=findpeaks(udff2,'minpeakheight',0.050); for i1=1:length(kurpikai1_d) k1 = kurpikai1_d(i1) kurpikai1_d(i1) = t(k1) end for i2=1:length(kurpikai2_d) k2 = kurpikai2_d(i2) kurpikai2_d(i2) = t(k2) end %%%%%%%%%%%%%%%%%%%%%% filtuotu signalu piku atvaizdavimas %%%%%%%%%%%%%%%%%%%%%%%%%%%% figure (44) plot(t(1:599),udff1,'r',kurpikai1_d, pks1, 'k^','markerfacecolor', [1 0 0]) plot(t(1:599),udff2,'b',kurpikai2_d, pks2, 'k^','markerfacecolor', [0 0 1]) %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('t');

23 ylabel('u') title('find All Peaksdddddddddddddddddddddddddddddd'); %%%%%%%%%%%%%%%%%%%%%% filtuotu signalu piku apdorojomas %%%%%%%%%%%%%%%%%%%%%%%%%%%% tt=kurpikai2_d-kurpikai1_d(2:8) for i = 2:length(kurpikai1_d) kurpikai1_d_v(i-1)=kurpikai1_d(i)-kurpikai1_d(i-1) end for i = 2:length(kurpikai2_d) kurpikai2_d_v(i-1)=kurpikai2_d(i)-kurpikai2_d(i-1) end vv=kurpikai1_d_v(2:7)-kurpikai2_d_v figure (97) plot(kurpikai1_d_v,'r') plot(kurpikai2_d_v,'b') %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('n'); ylabel('t') figure (98) stem(vv,'r') %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('n'); ylabel('t') figure (99) stem(kurpikai1_d_v,'r') stem(kurpikai2_d_v,'b') %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('n'); ylabel('t') z = mean(tt) % vidurkis figure (100) hist(tt) %plot(kurpikai1, pks1, 'y^','markerfacecolor', [0 1 0]) xlabel('t'); ylabel('n') l = median(tt)% mediana

24 %skaiciavimai ind0=1; ind1=1; ind2=1; ind3=1; k0=0; k1=0; k2=0; k3=0; t0=0; t1=0; t2=0; t3=0; delta0=0; delta2=0; sign0=kurpikai12; sign1=kurpikai1_d; sign2=kurpikai22; sign3=kurpikai2_d; figure (2000) plot(sign0,'r'); plot(sign1,'b'); plot(sign2,'g'); plot(sign3,'y'); %randam skirtumus tarp A0 ir A1 piku ir tarp A2 ir A3 %tarp diferencijuotu max skirt13=sign3-sign1(2:8); %tarp pulsu maximimu skirtumas skirt02=sign2-sign0; %skaiciavimai kraujo spaudimo vid13=mean(skirt13) vid02=mean(skirt02) %su etaloniniu matuokliu pamatavus sistolinis spaudimas 125 Psist_etalonas=125; Pdiast_etalonas=77; %randam F kintamaji F=Psist_etalonas/vid02 % Naudojam pasiulytas skaiciavimo metode pasiulytas formules Pvid=F*vid02 Psist=F*vid13 %randam diastolini spaudima Pdiast=(Pvid*3-Pvid)/2 sign01=sign0-sign1; sign23=sign2(2:8)-sign3; figure (3000) stem(sign01,'r'); stem(sign23,'b')