Android-drivna sensorer övervakar vitala tecken och mer

I science fiction-filmer från Aliens till Avatar vet befälhavare på basstationen alltid när framtidens soldater blir förda av fientliga – eftersom deras vitala tecken övervakas i realtid. Att göra det med dagens teknik är en utmaning, inte minst eftersom att samla in och överföra all data som kan samlas in av ens en handfull rörelse- och vitala-sensorer skulle vara en enorm belastning på batterikraft och trådlös bandbredd.

Genom att utrusta användarnas kläder och kroppar med ett nät av flera sensorer – så kallade smart dust – som rapporterar till en Android-driven telefon, banar forskare en väg med öppen källkod för att förverkliga drömmen om medicinsk övervakning som alltid är på. Deras arbete har redan gjort det möjligt för dem att mäta hur mycket testpersonerna tränar, hur bra deras hjärtan mår och hur mycket luftföroreningar de utsätts för.

De resulterande uppgifterna har ett antal tillämpningar:

• Införlivande av historiska data och realtidsdata om vitala tecken i permanenta journaler
• Informera automatiskt en patient när den ska justera sin hjärtmedicin
• Förvandla träning och dagliga aktivitetsnivåer till en tävling i Foursquare-stil
• Tillåt användare att undvika platser och tider på dygnet då luftföroreningarna är värst

Teknologin (pdf) beskrivs i en artikel som ska levereras i slutet av juni vid 2010 års I internationell konferens om Pervasive technologys for assistive environment i Samos, Grekland. Den beskriver en hierarki av bearbetningssteg som gör övervakning av vitala tecken dygnet runt (som andning och hjärtfrekvens) realistisk med tanke på batterilivsproblem och bandbreddsbegränsningar för mobiltelefoner

Treskiktsarkitektur av DexterNet-systemet med exempel hårdvara, kommunikation och mjukvaruimplementering.

Denna hierarki, känd som DexterNet, inkluderar sekventiell bearbetning på varje nivå av den involverade hårdvaran: sensorerna, kända som kroppssensorlager , smartphonen eller personligt nätverkslager , och slutligen i molnet eller globalt nätverkslager som säkerhetskopierar och gör slutbehandling av alla användarens data. Syftet med bearbetning i enheten i varje lager är att minska mängden information som överförs trådlöst mellan varje enhet.

Den lägsta nivån i denna hierarki, individuella sensorer på användarens lemmar och bål, kan samla in data om ett antal parametrar: rörelse i 3 axlar (förverkligad med en tre-axlig accelerometer och ett två-axligt gyroskop), hjärt-EKG, nivåer av luftburna partiklar och, för andningsrörelser, elektrisk impedans pneumografi .

För att minska frekvensen med vilken dessa sensorer måste kommunicera med användarens smartphone (och mängden information de måste sända) är dessa sensorer kapabla till grundläggande signalbehandlingsalgoritmer över en programmeringsdefinierbar tidsperiod, inklusive minimum, maximum, medelvärde och medelvärden för någon speciell parameter.

Två typer av sensorer användes, en, känd som TelosB , är ungefär lika stor som ett USB-minne och har en Texas Instruments-processor som ofta finns i inbyggda applikationer och 10 000 integrerat RAM-minne. Den andra, Intels SHIMMER-sensor , driver TinyOS operativsystem designad speciellt för fjärrsensorer, väger endast 15 gram och är inte mycket större än en fjärdedel .

Ledda av Edmund Seto från School of Public Health vid UC Berkeley kunde de inblandade forskarna ytterligare integrera data som samlats in från de trådlösa sensorerna med data som samlats in av telefonerna själva. Genom att kombinera plats, tid på dygnet och luftkvalitetsdata, till exempel, kunde forskarna skapa kartor över användarnas dagar som lyfter fram platserna och tidpunkterna då de exponerades för de största nivåerna av luftföroreningar.

Eftersom telefoner och sensorer kan kommunicera med varandra trådlöst via Bluetooth är antalet sensorer som kan bäddas in både på en användare och i hans eller hennes miljö praktiskt taget obegränsat. I en applikation lade forskarna in en sensor i den digitala badrumsvågen för användare och deras blodtrycksmätare för att kvantifiera dagliga förändringar relaterade till för mycket vätskeretention hos patienter. De resulterande uppgifterna gjorde det möjligt för deras algoritmer, bearbetade av servern som smarttelefonen skickar sina data till, att föreslå möjliga modifieringar av dosen av blodtrycksmedicin.

Seto et al. citerade Android-plattformen som en unik möjliggörare av deras arbete, inte bara för att Android-telefoner, som alla smarta telefoner, är ganska kapabla bärbara datorer i sig. Eftersom Android är öppen källkod kunde forskarna utvecklas ovanpå det med hjälp av SPINE-plattformen för fjärranalys, och lägga till sin egen API, känd som WAVE (inte att förväxla med Googles Wave). I kombination ger dessa forskningsplattformar dem fritt spelrum att experimentera.

Hittills är den enda nackdelen med att använda Android-plattformen i detta arbete, noterar forskarna, att den inte kan lokalisera användare inomhus. Forskarna spenderar en del av sin tidning på att försöka återuppfinna hjulet genom att spekulera om sätt att åstadkomma detta genom användning av Wifi-noder och till och med visuell igenkänning av inre utrymmen med telefonens kamera, utan att någonsin inse, tydligen, att Skyhook Wireless redan har ett API och en internationell databas med wifi-nätverk som kan åstadkomma detta.

Dölj