聪明的伤口水化监测使用生物传感器和模糊推理系统

文摘

皮肤伤口轻微或慢性可能治愈不同的时间期限。但是,这种治疗的时间可能不容易预测疗愈是受到不同因素的影响,如年龄、营养、药物治疗,和环境。尽管有这些因素,伤口在愈合过程中也扮演了重要的角色特征。伤口伤口特征包括伤口大小,类型,伤口内部和外部环境,体温,身体氧化,伤口水化,和感染。因此,监测伤口愈合的伤口也需要仔细考虑的特征。尽管医疗领域包含检测和监测疾病的许多应用程序,伤口护理领域需要高效的技术和传感系统识别的伤口生物标志物如温度、血压、氧、使用生物传感器和感染伤口的地位。在目前的研究中,我们提供一个伤口护理解决方案基于biosensor-based传感系统测量基本的生物标志物,视为重大创伤特点,即。,body temperature and body oxygenation, and design a fuzzy inference system to predict their effect on wound hydration, which ultimately recommends necessary actions to boost healing.

1。介绍

皮肤伤口轻微或慢性愈合时间。这个时间可能不同小和慢性伤口。小伤口可以花更少的时间治疗慢性伤口可能需要更长的时间,而时间完全愈合。但这并不是一个静态的现象,即。,minor skin wound may also take longer duration to heal up as the healing process is affected by many factors, i.e., environment, age, nutrition, and medication. Despite these, wound local characteristic may also have an effect on healing. Wound characteristics are wound location, wound environment (external and internal), wound type, wound density, wound hydration, body temperature, oxygenation level, and infection. Traditional wound care requires regular clinical visit. However, current era technology invention demands more easy and efficient wound monitoring based on sensors [1),设备,分析模块,和病人2在病人监测站点而不是clinical-centric伤口。

对于伤口环境虽然没有明确的定义,它可以被定义为环境外伤口面积和环境下伤口。所以,皮肤伤口环境技术可以分为两个主要类型,外部环境和内部环境。外部环境意味着在伤口周围的区域,和内部环境意味着环境下伤口面积。任何改变外部环境间接地影响内部伤口环境(3]。外部环境包括周围的温度、湿度、空气质量、压力、尘埃粒子,水化气体(氧气、二氧化碳),等等,而内部环境包括体温、皮肤湿度,身体氧化,和感染。所有这些内部因素影响伤口愈合。

近年来,许多衣物被用于医疗领域。这套可帮助诊断疾病的身体特征作为输入。应该足够聪明,然而,这些衣物读取数据从病人身体疾病监测和药物反应和分析其价值观和评估临床试验疗效[4]。许多卫生保健解决方案使用的传感器系统检测各种医疗条件;尽管这些系统有许多优点,例如,低成本和容易访问,他们也面临着许多问题例如,嘈杂的输入,闪电条件对传感器数据的影响,和声音的数据分析算法(5]。

监控伤口愈合过程中,需要测量伤口特征(最重要的生物标记)和分析这些因素,以确保内部环境持有积极的价值观,增强愈合过程。在当前的研究中,我们提出一个方法来衡量主要生物标志物的生物传感器连接Arduino单片机和分析影响水化水平使用模糊推理系统。该系统可以实现推荐必要的行动,促进伤口愈合。

剩下的论文结构如下:部分2描述了领域相关研究工作的皮肤伤口愈合,内部/外部环境对伤口愈合的影响,和伤口特征效果;部分3描述了在皮肤伤口愈合伤口的特点及其作用的系统。这一节还描述了该生物传感系统的结构和配置,提出了模糊推理系统;部分4提供详细的实验及其结果和讨论展示该方法的性能测试和结果;和部分5提出了该研究的结论。

2。文献综述

信息技术扮演着重要的角色在日常生活中所面对的问题提供解决方案在几乎所有的领域。促进医学领域,许多研究人员提出的医疗保健应用程序用于监视和控制不同的疾病。在本节中,我们将讨论这样的医疗保健应用程序尤其关注不同的皮肤疾病和他们的解决方案。

基斯特et al。6)设计的一个框架,即测量伤口评估;这个框架可以用来设计高效的伤口评估系统。他们在拟议的框架,提供了一个描述伤口护理的临床方面和提供了良好的文学讨论临床伤口的术语,概念,伤口护理实践标准和指导方针。所有伤口概念和讨论的框架开发伤口评估系统的设计提供有效的依据。框架的基本目的是改善伤口评估工具和技术的准确性和可靠性。

一个IoT-based之一Meena和Indumathi提出的应用程序7)可以检测出皮肤癌。这个应用程序是有效与bioscopy方法相比。他们使用支持向量机和数字图像处理的图像分类。他们的分类方法是基于粒子群优化算法。这有效的算法有能力区分癌症皮肤正常。为了验证提出方法的工作,他们做了实验,并获得97%准确的结果。他们数据库细节发送到物联网平台通过ESP8266 wifi模块,从这些细节可以共享与医生和Twitter用户也通过Thingspeak物联网平台通过邮件id。他们的系统保证安全传输通过使用MYSQL查询和应用程序的用户界面(API)键。

齐射et al。8)研究生物医学传感器在伤口愈合的作用。他们讨论病人生活是影响急性和慢性伤口。伤口的愈合过程经过大量的生化过程;因此,生物医学传感器可用于监测伤口愈合和检测感染。在他们提出的研究中,他们强调了生物传感器在伤口愈合的不同阶段的作用。研究表明,这些传感器可以监控,让伤口愈合过程,它促进病人通过个人护理提高他/她的健康。

Guinovart et al。9设计一个IoT-based耐磨电位传感器监测pH值的伤口。他们提出的设备由丝网印刷pH电位传感器嵌入到绷带。他们使用制造传感器的电聚合聚苯胺(PANi)进行pH敏感聚合物,它们结合丝网印刷制作方法的实施参考和工作电极。他们提出的酸碱绷带传感器显示响应在相关范围(5.5 8),值得注意的选择性的生理水平的最常见离子的存在。拟议的方法中使用的传感器显示良好的弹性,可重复性和再现性。结果表明,该装置成功地评估。

RoyChoudhury et al。10)使用一种尿酸biosensor-based可穿戴设备监控伤口愈合。这个设备能够识别UA水平的伤口。UA作为生物标志物,作为一个强大的伤口愈合的因素。他们固定技术用于电化学分析表明,阳离子聚合物的裹入酶(PVA-SbQ)矩阵可以提供一个增强的响应。他们做了实验,获得了稳定的反应在体温,所以他们提出生物传感器显示了潜在的连续监测。他们的研究得出的结论是,从伤口液提供了一种检测UA演进dressing-embedded生物传感器系统在嵌入式平台上伤口护理。

3所示。伤口愈合的背景

不同临床研究人员定义人体伤口愈合的生物过程,是通过四个精确、高度进行编程阶段:止血,炎症扩散和重构。它是必要的,所有这些阶段序列成功完成治疗。但是,这并不总是可能的许多因素影响一个或多个阶段,造成不当或受损的伤口愈合11]。

伤口可能显著影响伤口愈合的一些特点,例如,大小伤口,伤口类型,伤口位置,伤口水化,伤口温度、氧化、坏死组织和浸渍。在本节中,我们将突出的角色主要生物标志物在愈合过程如图1。

3.1。伤口愈合阶段

伤口愈合是由四个命令阶段如下面所讨论的:(1)阶段1。止血是第一阶段的伤口愈合伤口后立即开始出现;在此阶段,血管压缩和减少血流量在损伤部位。为了防止血液流动,血凝块形成最终防止进一步的失血。(2)第二阶段。炎症导致开放伤口周围的血管输送新鲜的营养和氧气的伤口愈合。这种增加的氧气水平引发了巨噬细胞,白细胞,进入伤口,抵御感染,愈合过程监督,并发送信使,称为生长因子,需要医治伤口。巨噬细胞是伤口周围的液体。(3)第三阶段。第三阶段的治疗被称为扩散。它是增长和重建阶段。在此阶段,血液细胞有助于建立新的组织来取代受损的组织。在这个阶段,身体产生一种叫做胶原蛋白的蛋白质,它就像一个平台,支持修复过程。(4)第四阶段。重构是最后伤口愈合阶段,炎症逐渐移除和胶原蛋白被删除。新组织称为瘢痕组织代替旧/受损组织。疤痕组织和正常组织没有满员。他们可能需要几个月,甚至一年,获得完整的强度(11]。

所有的伤口愈合阶段都需要氧气。甚至急性缺氧(血氧不足)促进伤口愈合。它诱发氧恢复(组织氧化)慢性缺氧会损害治疗(12]。

3.2。温度和氧气在治疗阶段

3.2.1之上。温度

可能会影响伤口愈合的最重要的因素是温度。这个因素被认为是至关重要的,因为它可能直接或间接影响其他伤口的特点。愈合过程包含一系列的化学和酶的行为可能被不正常的温度范围内。正常体温的伤口护理教育机构接受所有酶和细胞功能所必需的。任何温度的增加和减少负面影响伤口愈合的过程。不同的研究显示温度的内部环境以及外部环境影响伤口愈合。温度,推动了身体内部血管的血管活性的分子,促进血管舒张(血管扩张降低血压)或血管收缩(血管收缩的现象,从而增加血压)(3]。

人体的正常体温正常功能取决于温度是必要的适当的体内运转的每一个系统,与体内的每一个活动依赖于一个适当的温度。因此,没有人能否认温度的重要性伤口和伤口愈合。人体保持一个恒定的体温37°C (±0.5°C)虽然有许多变化发生在环境温度。简而言之,人体温度可以定义热能量之间的平衡提供从核心和灌注和能源损失环境通过传导、辐射、蒸发、对流。皮肤温度受到内部和外部(环境)的影响因素。伤口愈合是受温度影响体温可能影响局部血流量和淋巴细胞外渗;此外,温度是决定伤口慢性感染的早期指标(13]。

3.2.2。氧化

伤口愈合的各个阶段都需要适量的氧气,以确保正常愈合的伤口。在伤口愈合,身体需要细菌国防、细胞增殖、胶原合成,和血管生成。据《英国皮肤病学》杂志,氧气的主要作用是产生能量的能力。受伤的细胞繁殖的需要适当的能量水平。适量的能量取决于氧气。缺氧发生在缺乏适当的氧气,可以减缓甚至停止康复过程。

权力等。13]研究了氧对伤口愈合的影响,他们定义的氧气在伤口愈合的关键因素。所有的生物组织需要氧气和营养生长良好。在皮肤损伤的情况下,组织受损和他们需要健康的再生治疗过程中。所以,皮肤伤口要求适量的氧气对健康复苏。伤口愈合需要正常的氧气水平(即。normoxia)。这些不同的条件发生在伤口愈合的所有阶段。

(1)增加了细胞代谢和能源生产。氧生物合成等酶促过程至关重要,运动,和运输,对细胞的生存至关重要。作品的主要酶氧三磷酸腺苷(ATP)是有用的化学能量。活跃的细胞过程,ATP提供燃料,在伤口愈合过程中,受损组织需要增加能量。这样的能量是由超级代谢状态。此外,这样的能量全部来自氧化代谢的需氧量增加愈合组织(14]。

(2)胶原蛋白的生产和开发。氧气是至关重要的,妥善组织胶原蛋白,这是皮肤的主要成分,占70 - 80%(干重没有水),和作为皮肤的结构支架。组织胶原蛋白是打包成纤维(如链绳),相互交织,可以在多个方向拉伸没有撕裂(胶原纤维编织类似于织物)

(3)预防感染。皮肤损伤发生时,微生物冷容易进入皮肤的基本组织。复制这些生物可能会引发感染。伤口感染的状况和严重程度可以通过分析微生物的状态检查的形式复制,污染,殖民,局部感染殖民和/或侵入性传播感染。污染意味着当时生物出现在伤口,伤口上的复制生物称为殖民。中级阶段微生物的复制和局部组织发生的反应的开始被称为局部感染/关键的殖民。复制的生物在与后续宿主损伤称为侵入性感染伤口。手术伤口,感染可引起严重的并发症。氧化机制破坏细菌的白细胞可以帮助伤口。可以由细胞内氧自由基和分子氧。 So, proper oxygen amount is helpful in removing bacteria from the surgical wound site [15]。第二阶段的治疗过程,称为炎症,扮演着一个重要的角色在污染微生物的去除。在炎症、伤口周围血管开放提供新鲜的养分和氧气到伤口愈合。这种更高层次的氧气水平引发了巨噬细胞,白细胞,进入伤口,抵御感染,愈合过程监督,并发送信使,称为生长因子,需要医治伤口。巨噬细胞是伤口周围的液体。

(4)诱导血管生成。新血管的形成从现有的一个叫做血管再生。身体组织的增长和发展依赖于血管生成,它起着至关重要的作用,在伤口愈合过程中受损组织的生长。在血管生成,提高氧气水平发挥了积极作用在增加新血管生长的速度和质量。(一)适当的血液中氧气的含量是必要的正确的胶原蛋白合成(b)血管生长具有良好的氧含量增加(c)更多的氧气在受伤组织更能促进血管生成,和更高的氧,可以存放更多的胶原蛋白来提高治疗(16]

3.3。连接的氧气和温度与伤口水化

像其他伤口特点,伤口水化在伤口愈合也起着重要的作用。医学领域的研究人员认为,伤口水化状态在伤口愈合中起着至关重要的作用,和这样的一个系统需要检测水化状态(17]。

水化对人体的正常功能是至关重要的水分在身体的免疫系统中发挥作用,消除毒素从身体适量的液体。水化支持快速伤口愈合由于以下事实:(一)液体是必要提供氧伤口(b)液体营养运输伤口细胞至关重要(c)液体作为溶剂对维生素、矿物质、葡萄糖和氨基酸(d)液体也从细胞消除浪费(e)水合作用帮助皮肤对抗毒素

由于脱水快速失去体重会影响血液的身体温度和氧气水平。体温脱水效果如下:(一)身体核心温度上升由于缺乏出汗(b)体温保持在里面可能会引起严重的并发症,比如中暑(c)脱水也会影响身体的氧气(d)脱水会导致血容量减少(e)低血容量严重脱水可能导致低血压进而减少体内的氧气

4所示。建议的方法

在本节中,我们将讨论我们提出了系统设计的结构和工作监控测量伤口愈合的伤口的特点和与他们的标准水平,确保积极的伤口愈合。我们提出了一个系统来衡量两个伤口愈合伤口的主要生物标志物监测通过分析伤口水化水平。提出的方法是描绘在图2。它由两个主要组件:(1)Biosensor-based感应系统感应伤口生物标志物(2)模糊推理系统来预测生物标志物对伤口水化的影响

提出了系统的总体工作进行以下步骤:(1)由生物传感器传感系统测量伤口生物标志物(2)定义标准生物标记值(3)提出系统设计规则(4)设计一个模糊系统设计基于规则伤口水化程度的识别

4.1。生物传感器传感系统的硬件设计

在第一阶段的系统,我们测量伤口用的样子生物传感系统特征。在伤口的特点,我们选择体温和血氧水平。我们设计了Arduino UNO-based电路测量伤口的特点。测量伤口的特点中,我们使用一个生物传感系统。该系统是基于样子电路由以下组件:(1)Arduino UNO单片机(2)MAX30100心率传感器模块(3)LM35温度传感器

以下4.4.1。Arduino UNO单片机

BM传感系统的设计电路,我们使用Arduino UNO开源单片机板我们附生物传感器测量伤口的特点。这个单片机模拟销(见图63)和14个数字针连接传感器,这些针可以通过使用Arduino IDE编程。Arduino IDE可以用于编程Arduino板附件后系统上的针板系统。B型USB电缆用于连接Arduino董事会与系统。

4.1.2。MAX30100心率传感器模块

MAX30100在我们设计电路,用于测量血氧水平。MAX30100心率监测器和脉搏血氧仪传感器。它可以检测脉搏血氧仪,给输出热点₂和心率的帮助下它的组件,例如,two LEDs, a photodetector, optimized optics, and a low-noise analog signal processor. It required 1.8 V and 3.3 V power supplies for operation as shown in Figure4。MAX30100的一些特征如下:(1)非常低的功率要求其工作(从1.8 V至3.3 V)(2)它具有超低关闭当前(0.7μ一个类型)(3)它可以输出数据非常快

4.1.3。LM35温度传感器

在我们的设计电路,LM35传感器用于测量体温(见图5)。LM35温度传感器,输出温度°C可进一步转化为°F按要求。与LM35温度可以更准确地测量热敏电阻。LM35低自动加热装置,防止空气中的温度上升。在的范围−55°C到150°C。10 mV的输出电压变化应对每个°C在环境温度上升/下降,即。,其比例因子是0.01 V /°C。接口LM35和MAX30100 Arduino单片机板很简单。

4.2。模糊推理系统设计

在我们的系统,我们使用模糊推理机制的识别伤口水化水平基于体温和身体供氧水平通过使用生物传感器。

模糊推理系统是基于模糊逻辑的机器可能原因像人类,这些系统可以处理所有可能性数字值之间是和否。像人类一样,模糊系统(见图6)可以处理所有类型的输出的可能性,例如,是的,的确是的,可能是的,不能说等等。模糊逻辑可以处理各种大小和范围的输入。用简单的单词,我们可以说模糊逻辑可以处理模糊集(18]。

模糊集是一组简单的元素,每个元素分配一个等级的会员在0和1之间。我们可以说,如果一个是一个模糊集在宇宙吗X,那么存在一个隶属函数μA(x)的设置一个μA(x):X⟶[0,1],在那里μA(x)= 1,如果x完全是在一个,μA(x)= 0,如果x不在一个,0 <μA(x)< 1x部分是在一个。

模糊推理系统包括以下组件。

规则库:它包含工作规则if - then模糊系统的形式。规则可以包含一个以上的条件,通过使用逻辑连接。

数据库:模糊规则使用一些函数称为隶属度函数来预测输出。这个成员函数被放置在数据库中。(算法1)。(一)决策单元。模糊系统是应用于输入映射到这些操作的决策规则(b)模糊化接口单元。提供输入值模糊逻辑在脆量模糊化;这些脆量转化为模糊量(c)去模糊化接口单元。反模糊化的过程,即,conversion from fuzzy quantities to crisp quantities.

4.2.1。准备语言变量的系统

语言变量包含自然语言值而不是数值。语言变量分为一组语言术语(19]。在我们的系统,我们阅读的温度和血氧值;这两个变量的值都为标准在自然语言中定义的表1和2。因此,我们定义两个语言变量提出了模糊系统。

(一)体温过低:正常体温是98.6°F (37°C)。如果温度下降从正常范围,那么这个条件低体温发生在病人的身体平衡的热量损失和热量增加,导致危险的低体温。在低体温,体温低于95°F (35°C)。(b)高热:如果温度很高但不一样导致发烧,那么这种情况叫做高热。这种情况可能发生中暑,药物反应等。(c)体温过高:高温度范围为41.5°C (106.7°F)引起高烧,这种情况叫做高烧。

温度(t)是一个语言变量定义了体温的人患有皮肤伤口。

语言的温度(t)={低体温正常,高热,体温过高}。氧化(O)是一个语言变量用于处理血氧饱和度水平,和语言方面的氧化(O) ={正常,血氧不足,更高的}。

4.2.2。隶属函数

成员函数量化语言术语,表示模糊集通过绘制图表。一般来说,模糊集Y论域上的隶属函数X被定义为μY:X⟶[0,1]。论域范围的所有可能值输入。的每个元素X映射到一个值在0和1之间。这种映射称为成员值或隶属程度。它量化元素的隶属程度X对模糊集Y。

许多类型的隶属函数是根据系统的要求:(一)单例(b)高斯(c)梯形(d)三角(e)分段线性

在我们提出FIS系统,我们使用梯形隶属函数(参见图7)。(描述的梯形隶属函数20.以下方程: 在哪里x代表真正的变量论域内的一部分,一个,b,c,d代表x坐标的梯形按照以下顺序:一个<b<c<d。

4.2.3。规则库的模糊系统

选择隶属函数后,下一步在设计一个模糊系统规则库的模糊系统的建设。这个规则库负责控制输出变量。提供了if - then规则格式;如果部分叫做/前提条件,然后部分称为结论。我们使用规则表中提到的3对我们提出金融中间人。

4.2.4。模糊化

定义规则库之后,模糊化发生在两个步骤。

不分明化的输入模糊规则的评估,然后使用模糊操作结合单个规则为了得到最终结果的输出被称为推理机制。有三个基本操作的模糊集和经典集,即。、工会、交叉和互补。

模糊集A和B是由隶属函数定义的μ一个和μB,分别。并集A, B定义隶属函数的宇宙中给出以下方程:方程(2)。

十字路口:定义了模糊隶属函数的交点两组以下方程:

补充:赞美是如果可以定义模糊集的隶属函数,给出以下方程:

4.2.5。去模糊化

模糊性是为了获取值时,属于模糊集,它转换成清晰的输出。这可以通过使用输出变量的隶属函数。下面列出了最常用的去模糊化算法:(一)重心(b)单例的重心(c)留下最最大(d)对大多数最大

在我们的系统,我们使用重心去模糊化方法在1985年由Sugeno。这种方法是使用最广泛的研究人员去模糊化的模糊输出生成。用数学表达这种技术(21] 在哪里代表defuzzified输出,μi(y)代表聚合会员功能,x是用来表示一个输出变量方程(9)。

Defuzzified方法齿轮如图8。在这里,x设在代表了输出变量x和聚合会员情节y设在由μ。

5。实现

我们设计了一个模糊推理系统水化水平通过生物标志物检测体温和热点₂水平由Arduino UNO读取电路作为输入到系统。拟议的FIS设计及其工作在这一节中解释。

5.1。Biosensor-Based传感系统的实现

我们实现了一个传感系统通过硬件部分中提到4.1。我们需要测量两个参数如温度和氧气的血液,我们设置一些标准(已定义的)。这类传感器校准标准描述为下面。

5.1.1。体温

人体温度变化的时候。有温度的标准值伤口特征可以确定如表所示1。

5.1.2中。氧化

血氧饱和度是称为氧化。我们使用预定义的氧化来测量氧含量的标准范围。(一)正常:正常血氧饱和度水平在80年和100年之间毫米汞(毫米汞柱)。脉氧仪传感器正常读数血氧水平通常介于95和100%。(b)血氧不足:如果血氧水平低于正常水平,那么这种情况被称为血氧不足。这种情况需要解决。低水平的氧会导致更高的血氧不足。血氧不足会造成严重的健康问题令人不安的人体组织和器官。如果MAX30100阅读的血氧饱和度低于95%,它将被视为低如表所示2。(c)氧过多:如果氧气水平高于正常水平,> 100%时,它将被视为氧过多。这种情况发生在人氧气补充。

5.1.3。提出了生物传感器电路描述

我们设计了一个生物传感器系统设计一个电路基于Arduino UNO与LM35 MAX30100。LM35用于体温和MAX30100是用来测量心率和血氧水平热点₂。完成接口的细节提出电路给出了表4。

我们记录的值与LM35体温和心率与MAX30100 +氧化水平。

5.2。传感器校准图表

在我们建议的系统中,在阅读生物标记物通过生物传感器,我们必须使用一些学习技术来预测伤口水化使用生物标记范围和推荐合适的动作加快伤口愈合。我们使用了MATLAB模糊推理系统来实现这个目标。设计一个模糊系统,我们定义系统的工作规则表3。

5.3。使用MATLAB和Simulink实现模糊推理系统

我们使用了MATLAB和Simulink设计提出FIS系统。拟议的FIS基本组件及其功能如前一节所述被使用在MATLAB中实现模糊工具箱。在该系统中,两个输入变量定义温度和热点₂。一个输出变量被定义为hydration-level,使用Mamdani推理方法。拟议的FIS模型如图9。我们定义的梯形隶属函数利用表中所示的配置设置温度5。

拟议的系统变量的隶属函数温度后应用设置表中提到的5如图10。

第二个输入变量热点₂中提到的,我们应用配置表6应用梯形隶属函数。

拟议中的热点系统变量的隶属函数₂在应用设置表中提到的6如图11。

我们定义一个输出变量水化水平。输出的隶属函数有四个情节,即水分,温和滋润,脱水,轻度脱水。定义的成员函数如图水化水平12。

经过配置的输入和输出变量以及它们的隶属度函数,我们定义的规则提出金融中间人通过使用MATLAB模糊工具箱的规则编辑器。拟议的规则如表所示7。生成规则的性能可以被规则查看器的MATLAB模糊工具箱。规则查看器如图13和14显示工作FIS的规则集。

6。实验和结果

我们提供500种不同输入情况下该系统以检查该生物传感器系统的准确率和金融中间人。我们收集输入数据来自5个不同的病人皮肤伤口有不同伤口水化水平通过提出biosensor-based Arduino UNO电路和提供这些输入情况下,提出了预测FIS伤口水化水平。在本节中,我们描述的实验设计,选择5从每个病人数据实例。这些选择输入数据实例表所示6。

6.1。数据收集

提出系统的工作由实验检查5个不同的病人患有皮肤上的伤口。我们收集的数据在不同的时间间隔通过提出若系统。我们从每个病人收集100个实例在不同的时间间隔,选择5实例不同间隔从每个情况如表所示8。

6.2。数据采集

我们进行数据采样,以减少输入数据的大小;对于抽样,我们选择了随机抽样方法选择输入数据情况下数据的5种不同的病人。每个病人数据包含100个实例;我们选择5个输入值随机的基础上从每一种情况下,每个输入实例拥有平等的机会选择;每个输入实例有1/100的机会在选定的数据(22]。

6.3。计算的意思

我们选择5随机输入实例;接下来,我们计算的实例来获得一个实例值随机选择样本。的意思是样品的样品数据的算术平均数。用于计算的公式的意思是,所使用的也是Sattar et al。23,以下方程: 在哪里X_我=笔输入样本和实例N=总没有。实例的样品/样本大小。

通过应用均值公式,计算样本数据在图14。计算的意思是给定的表7。

6.4。数据分析计算使用提出FIS水化水平

在获得每个样本的平均值,这些意味着两个输入变量的值是提议给FIS水化水平。

平均值的案例1 =[36.2,95.24],2 =[36.6,96.1],3 =[34.14,93.06],4 =[37.78,96.1],和案例5 = [39.18,92.2];我们提供的这些实例提出FIS为了预测给定实例的水化程度。获得规则查看器如图15强调了在给定图生成水化水平15,这表明,提出FIS预测水化水平86例1的温度是36.2和氧饱和度是95.24。在这里,温度和氧气都是在正常水平。FIS-predicted水化水平足够精确,能够支持我们的假设对水化水平正常温度和氧饱和度范围(24]。同样,例2显示正常的体温和血氧饱和度,并提出系统预测水化水平的86.6%,表明正常水化水平,支持我们的假设。案例3显示低温值和高氧饱和度值而案例4显示逆值,即:、高温值和低氧值;对于这两种情况下,提出金融中间人表示50%水化水平显示轻度水化水平匹配与我们的假设。在最后一种情况下,气温值非常高,血氧饱和度水平非常低;因此,该系统显示低水化水平值,即:,只有36.5%,说明身体的轻微脱水程度。

6.5。系统的准确率

在前一节中,我们讨论了FIS的详细工作5日选择实例从每个病人输入实例数据表各有大小100。验证系统的整体性能,我们将讨论FIS-predicted响应所有输入实例(25]。所有结果都阐述了表7。在表9,高清列代表水化,磁流体动力代表温和滋润,DHD代表脱水,MDHD代表轻度脱水。要计算准确率的每种情况下,我们使用以下公式:

表9表明案例1输入实例提出FIS产生不支持预期的结果只有一个实例,因此显示99%的准确率,对于第二种情况只有两个实例提出输出与预期输出不匹配。

在这里,系统显示总体准确率97% %。案例3有4个实例显示不同的比预期的输出,和系统准确率为96%,和案例4的高错误率作为输出6输入实例与预期输出不匹配;因此,系统显示,94%准确率。准确性图表给出了所有用例图16表明,该FIS显示只有一些小错误的预测。我们计算系统总体准确率所有实验通过以下方程: 在哪里X_我代表了每个实验的准确率N是完全没有。的实验。

系统的平均精度为97%的案例研究。

拟议的FIS表面视图给出了图16在这x设在显示输入温度,y设在显示第二个输入热点₂,z设在显示了水化输出水平。在图所示的精度17。

我们获得的精度水平,即。,97年%, is satisfactory with current experiments, but in future, improvements could be made by increasing the number of working rules based on particular wound type and other biomarker effects on wound hydration.

7所示。结论

对伤口愈合伤口特性有显著的影响。有几个因素在伤口愈合;大多数生物标志物。,temperature, body oxygen saturation level, and wound moisture level. These biomarkers can not only influence wound healing but also show correlation with other wound characteristics as well, i.e., temperature and oxygen levels correlated with wound hydration levels and vice versa. For efficient wound monitoring system, it is necessary to focus on these biomarkers. In current research, we proposed a smart wound hydration monitoring technique based on biosensors. Our proposed solution consists of Arduino-based circuit to sense body biomarkers by suing biosensors LM35 and MAX30100 for temperature and oxygenation levels, respectively; after sensing biomarker levels, the system can predict wound hydration level by applying the proposed fuzzy inference system. The designed fuzzy inference system facilitates wound healing by predicting wound hydration levels; in case of low hydration levels, patients should increase their liquid in take for faster wound healing. The proposed system acts as a wound guard as it enables patients to monitor their wound condition. By using it, the patients can avoid harmful wound conditions by taking precautions in time. Therefore, our proposed system plays an active role in health care of patients at their home and acts as an efficient IoT application of healthcare domain like other IoT applications. Here, the proposed system provides an efficient way to boost healing at patient center. In future, smart wound monitoring systems should focus on identification of other wound characteristics in order to facilitate patient-centric efficient wound monitoring.

数据可用性

使用的数据来支持这个研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

引用

1. b . m . s .布朗阿什利,a . Koh“慢性伤口监控:可穿戴技术当前的调料,进步,和未来前景,”在生物工程和生物技术前沿》第六卷,p。2018。视图:出版商的网站|谷歌学术搜索
2. b . Farahani f . Firouzi诉Chang m . Badaroglu n不变,和k . Mankodiya”向fog-driven物联网电子健康:承诺和挑战医学和医疗物联网的“未来一代计算机系统卷,78年,第676 - 659页,2018年。视图:出版商的网站|谷歌学术搜索
3. c·r·克鲁斯k . Nuutila c . c . y . Lee et al .,“愈合伤口的外部微环境,”伤口修复和再生,23卷,不。4、456 - 464年,2015页。视图:出版商的网站|谷歌学术搜索
4. a . k . Yetisen j·l·Martinez-Hurtado Unal, a . Khademhosseini和h的屁股,“这套在医学上,“先进材料,30卷,不。33岁的ID 1706910条,2018年。视图:出版商的网站|谷歌学术搜索
5. 大肠Agu的彼得森p d强大et al .,“智能手机作为一个医疗设备:评估推动者,好处和挑战,”《2013年IEEE国际研讨会的物联网网络和控制(IoT-NC),IEEE - 52页。新奥尔良,洛杉矶,美国,2013年6月。视图:出版商的网站|谷歌学术搜索
6. D·h·基斯特c . k .鲍尔林a·w·埃文斯,g . l . Mackean c .洞穴和l . D’索萨”内容:测量:提出评估框架为伤口评估、开发最佳实践建议”伤口修复和再生,12卷,不。s1, pp. s1-s17, 2004年。视图:出版商的网站|谷歌学术搜索
7. x j .之一Meena s Indumathi,“一个安全的基于物联网的皮肤癌检测方案利用支持向量机和粒子群优化算法,”国际工程研究和科学与技术杂志》上》第六卷,没有。2、30 - 40,2017页。视图:谷歌学术搜索
8. p .齐鸣,诉Dini f . Di弗朗西斯科和m . Romanelli“生物医学传感器在伤口愈合中的作用。”伤口的药卷。8日,15日,2015页。视图:出版商的网站|谷歌学术搜索
9. t . Guinovart g . Valdes-Ramirez j . r . 5 f·j·安德拉德和j·王,“绷带高pH值基于可穿戴电位传感器监测伤口”电分析,26卷,不。6,1345 - 1353年,2014页。视图:出版商的网站|谷歌学术搜索
10. s . RoyChoudhury y Umasankar, j .日航et al .,“持续的监控伤口愈合的使用可穿戴的尿酸酶生物传感器,”电化学学会》杂志上,卷165,不。8日,B3168-B3175, 2018页。视图:出版商的网站|谷歌学术搜索
11. 郭和洛杉矶DiPietro,”影响伤口愈合的因素。”牙科研究杂志》,卷89,不。3、219 - 229年,2010页。视图:出版商的网站|谷歌学术搜索
12. h . m . Kimmel a Grant, j . Ditata“伤口愈合中氧的存在。”伤口:的临床研究和实践,28卷,不。8,264 - 270年,2016页。视图:谷歌学术搜索
13. gdp, z摩尔,t·奥康纳“pH值测量,渗出物击伤的成分和温度测量系统的审查,”伤口护理杂志》,26卷,不。7,381 - 397年,2016页。视图:出版商的网站|谷歌学术搜索
14. c·k·森,“伤口愈合要点:要有氧气,”伤口修复和再生,17卷,不。1队,2009页。视图:出版商的网站|谷歌学术搜索
15. f . Gottrup”,氧气在伤口愈合和感染,”世界日报的手术,28卷,不。3、312 - 315年,2004页。视图:出版商的网站|谷歌学术搜索
16. 通用戈迪略和c·k·森,”回顾氧气在伤口愈合的重要作用,“《美国的手术,卷186,不。3、259 - 263年,2003页。视图:出版商的网站|谷歌学术搜索
17. m . b . Dreifke和a·c·Jayasuriya马什尔·贾亚苏瑞亚a . a . Jayasuriya“当前伤口愈合过程和潜在的护理,材料科学与工程:C48卷,第662 - 651页,2015年。视图:出版商的网站|谷歌学术搜索
18. j .示教程模糊逻辑丹麦技术大学自动化系,国王,丹麦,1998年,技术报告。
19. j·b·Awotunde o . e . Matiluko, o . w . Fatai“医疗诊断系统使用模糊逻辑,”非洲计算与信息通信技术杂志》上,7卷,不。2、99 - 106年,2014页。视图:谷歌学术搜索
20. p . Biswas s Pramanik,公元前义理,“基于距离测量的MADM策略与间隔梯形neutrosophic数字。无限的研究”Neutrosophic集和系统,19卷,2018年。视图:谷歌学术搜索
21. b·萨瓦尔Bajwa, s .拉姆赞·b·拉姆赞•和m . Kausar”设计和应用基于模糊逻辑的智能建筑,火灾监测和预警系统”对称,10卷,不。11,615年,页2018。视图:出版商的网站|谷歌学术搜索
22. h . Sattar i s Bajwa,美国f .戴尔“open-skin伤口监测空气质量智能传感系统,”电子产品,8卷,不。7,801年,页2019。视图:出版商的网站|谷歌学术搜索
23. h . Sattar i s Bajwa r . Ul-Amin et al .,“医疗、智能和智能环境监测系统”应用科学,9卷,不。19日,第4172页,2019年。视图:出版商的网站|谷歌学术搜索
24. h . Sattar i s Bajwa r·阿明et al。”IoT-based智能伤口监测系统”,IEEE访问7卷,第144515 - 144500页,2019年。视图:出版商的网站|谷歌学术搜索
25. f . Gonzalez-Landero Garcia-Magarino, r . Amariglio, r . Lacuesta“智能橱柜在家庭环境评估记忆,”传感器,19卷,不。11,2552年,页2019。视图:出版商的网站|谷歌学术搜索

版权

版权©2019希娜Sattar等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。