Araştırma Makalesi

Deneyap kart kullanarak pozisyonel uyku apnesi tespiti ve IoT uygulaması

Cilt: 13 Sayı: 4 15 Ekim 2023
PDF İndir
EN TR

Deneyap kart kullanarak pozisyonel uyku apnesi tespiti ve IoT uygulaması

Öz

Bu çalışmada, kalp-damar hastalıkları için risk oluşturabilen, hava yollarını tıkayan ve soluma ile ilgili en yaygın hastalıklardan olan Uyku Apnesi hastalığına tanı koymada kullanılabilecek non-invaziv bir tanı yöntemi geliştirilmiştir. Bu uygulama için yerli – milli imkanlar ile geliştirilen Deneyap Kart kullanılmıştır. Pozisyon ve apne tespitinde Deneyap kart üzerinde dahili olarak bulunan üç eksenli IMU ivmeölçer sensörü (LSM6DSM) kullanılmıştır. Uyku apnesi hastalığının test ölçümlerinin gerçekleştirileceği sembolik ama gerçeğe uygun bir ortam oluşturulmuştur. Bu kapsamda ölçümlerin yapılabilmesi için plastik bir bebek maket modeli kullanılmıştır. Yapılan çalışma neticesinde hasta yatma pozisyonu, hangi yatma pozisyonda kaç dakika kaldığı, gece boyunca ne kadar pozisyon değiştirdiği, hangi pozisyonda apneye girdiği gibi hastaya ait birçok parametre başarılı bir şekilde ölçülmüş ve SD karta kaydedilmiştir. Ölçülen parametrelerin uzaktan izlenmesine imkân sağlayacak nesnelerin interneti (IoT) temelli bir sistem geliştirilerek veriler farklı ortamlara iletilerek başarılı bir şekilde izlenebilmiştir. Bu çalışma ile yerli-milli kartımız olan Deneyap Kart kullanarak bundan sonraki çalışmalara ışık tutabilecek öznel bir çalışma literatüre kazandırılmıştır.

Anahtar Kelimeler

Deneyap kart , Nesnelerin interneti , Uyku apnesi , Yatış pozisyonu

Kaynakça

  1. Adafruit. (2023). https://io.adafruit.com/harunsumbul/wippersnapper
  2. Ardıç, S., Demir, A. U., Hikmet, F., Oktay, B., Darılmaz, Y. G., Zübeyir, Y., Pınar, A., Cengiz, Ö., & Bardakçı, M. Ġ. (2015). Chronic obstructive pulmonary disease and obstructive sleep apnea symptoms: an outpatient-based population study in Turkey. Turkish Journal of Geriatrics, 15(2),142-150.
  3. Chen, E. X., Chen, Y., Ma, W., Fan, X., & Li, Y. (2022). Toward sleep apnea detection with lightweight multi-scaled fusion network. Knowledge-Based Systems, 247, 108783. https://doi.org/10.1016/j.knosys.2022.108783
  4. Demir, A.K., & Abut, F. (2018). Grid ağ topolojilerinde CoAP ve CoCoA tıkanıklık kontrol mekanizmalarının karşılaştırılması. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, 53-60. https://doi.org/10.17714/gumusfenbil.436056
  5. Deneyap Kart. (2023) https://docs.deneyapkart.org/tr/content/contentDetail/deneyap-kart
  6. Genç, Y. (2023), https://www.medikalakademi.com.tr/bebeklerde-uyku-pozisyonu-nasil-olmali/
  7. Hassan, O., Paul, T., Shuvo, M.H., Parvin, D., Thakker, R., Chen, M., Mosa, A. S. M., & Islam, S. K. (2022). Energy efficient deep learning inference embedded on FPGA for sleep apnea detection. Journal of Signal Processing Systems, 94, 609–619. https://doi.org/10.1007/s11265-021-01722-7
  8. Iber, C. (2007). The AASM manual for the scoring of sleep ve associated events : rules. terminology and technical Specification, https://ci.nii.ac.jp/naid/10024500923.
  9. Kaimakamis, E., Bratsas, C., Sichletidis, L., Karvounis, C., & Maglaveras N. (2009). Screening of patients with obstructive sleep apnea syndrome using C4.5 algorithm based on nonlinear analysis of respiratory signals during sleep. Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Minneapolis, MN, USA, 3465-3469. http://dx.doi.org/10.1109/IEMBS.2009.5334605.
  10. Komada, Y., Takaesu, Y., Nishida, S., Sasai, T., Furudate, N., & Inoue, Y. (2013). Comparison of clinical features between primary and secondary sleep-related eating syndrome. Sleep Medicine, 14S, e165–e238. https://doi.org/10.1016/j.sleep.2013.11.404

Kaynak Göster

APA
Sümbül, H. (2023). Deneyap kart kullanarak pozisyonel uyku apnesi tespiti ve IoT uygulaması. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, 13(4), 1033-1045. https://doi.org/10.17714/gumusfenbil.1262913