Monitoramento da frequência respiratória usando sensores de fibras ópticas de polímero integrados ao smartphone com
conectividade em nuvem
Nome: LÍVIA GONÇALVES GOMES
Data de publicação: 26/10/2023
Banca:
Nome |
Papel |
|---|---|
| ARNALDO GOMES LEAL JUNIOR | Orientador |
Resumo: A frequência respiratória (FR) é um dos importantes sinais fisiológicos usados para monitorar a saúde humana no tratamento de enfermidades e na execução de atividades físicas. Nesse contexto, existem os sensores multiparâmetros, comercialmente conhecidos e aplicados usualmente em áreas hospitalares. Sua construção não proporciona grande mobilidade ao paciente, além do custo elevado, dificultando a acessibilidade a outros ambientes. Em contrapartida, o avanço
das tecnologias apresentou o desenvolvimento de diversos outros tipos de sensores elétricos de maior portabilidade para medição desses sinais, porém a maioria é de base elétrica e eletrônica, não sendo aptos a ambientes com interferência eletromagnética. Este trabalho apresenta um sistema de frequência respiratória composto por um sensor de fibra óptica de polímero usando um smartphone como sistema interrogador, que atua na emissão e aquisição do sinal óptico. É estruturada a integração à Internet das Coisas, onde técnicas de Computação de Borda são aplicadas para o processamento local do sinal em aplicativo desenvolvido na plataforma AndroidStudio. A plataforma ThingSpeak é utilizada para armazenamento em nuvem e o aplicativo móvel ThingView para visualização online dos dados, permitindo seu acesso remoto. Para verificar a precisão do sensor, um metrônomo foi configurado com taxas de frequência específicas, utilizadas para referência. O sensor sofreu movimentos de extensão e retração, realizados de forma manual, na frequência das batidas do metrônomo nessas taxas. O sistema sensorial apresenta um erro percentual máximo de 4,5% (1,35 RPM - Respirações por Minuto) quando comparados os valores obtidos com as frequências de referência utilizadas. Além disso, foram realizados testes em voluntários para verificar o desempenho do sistema em um ambiente real, onde os voluntários foram solicitados a respirar normalmente, em estado de repouso, e também simulando a prática de exercícios físicos, em três taxas de respiração pré-estabelecidas. O maior erro percentual verificado para o estado de repouso é de 3,63% (0,8 RPM) e para o estado de movimento 5,35% (1,88 RPM). Para verificar o acesso remoto às informações, foi analisada a visualização dos dados de frequência respiratória medidos pelo sistema local no ThingView. A frequência lida no aplicativo é a mesma medida pelo sensor, sendo apresentada de forma instantânea. Além disso, as informações de medição do sinal efetuadas na semana e no mês também são disponibilizadas, isso mostra a adequação da abordagem proposta para aplicações de sensoriamento remoto com integração em nuvem.
