Portal de Administração de Conferências - CEFET-MG, 19ª SEMANA DE CIÊNCIA E TECNOLOGIA DO CEFET-MG - 2023

Tamanho da fonte: 
PROTÓTIPO DE IOT WEREABLE DE BAIXO CUSTO PARA MONITORAÇÃO DE ELETROCARDIOGRAMA UTILIZANDO BLUETOOTH LOW ENERGY E AMOSTRAGEM COMPRIMIDA
Pedro de Araújo Alvarenga, Alan Mota Calegari, Anthony Chiaratti, Alexandre Rodrigues Farias

Última alteração: 2023-08-23

Resumo


Recentemente, tecnologias de sensores wearable desempenham um papel importante na observação de sinais vitais do corpo humano oferecendo suporte para analisar as condições de saúde de seus usuários. Estes dispositivos combinam tecnologias eficientes de comunicação e sistemas de detecção capazes de coletar mudanças nos sinais elétricos do corpo humano. Este trabalho tem por objetivo avaliar o consumo de energia de um dispositivo IoT wereable capaz de ler, comprimir e transmitir os dados de ECG para um aparelho smartphone utilizando BLE em modos de transmissão contínuo e intervalado. Dados do sinal de ECG simulados são amostrados a 100 ou 250 Hz de forma esparsa e aleatória e transmitidos para um servidor web para reconstrução remota utilizando Compressed Sensing (CS). O dispositivo foi construído utilizando microcontrolador ESP32 e placa de aquisição de dados AD8232 para aquisição do sinal de ECG. O dispositivo se conecta a um servidor por meio de aplicativo de smartphone. A qualidade do sinal de ECG reconstruído em diferentes CRs é avaliada em relação ao sinal original pelas métricas objetivas Root-Mean-Squared-Error (RMSE) e Percentage Root-Mean-Square Difference (PRD). As diferentes estratégias utilizadas propiciaram redução de consumo de corrente de até 50,26%, onde foi obtida economia de consumo de corrente mediante utilização de CS (até 12,00%); emprego de frequências mais baixas no oscilador do microcontrolador (12,25%); amostragem a 100 Hz ao invés de 250 Hz (8,85%) e uso da transmissão de dados intervalada ao invés da contínua (31,48%). O método utilizado para reconstrução só possuiu PRD menor que 9 eliminando até 30% dos dados.

Palavras-chave


Compressed Sensing. ECG. Consumo de Energia.