| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 9.98 MB | Adobe PDF |
Advisor(s)
Abstract(s)
The monitoring of vital signals is usually carried out by sensors and electrodes. However, it may not be viable or the best solution for people with burn tissues or with more delicate skin, not to mention cases with infectious diseases, where contact should be kept to a minimum. Thus, vital signs monitoring using radar (Bio-Radar) has become a hot topic of research and development.
Several studies state that there is variability in vital signs between people. However, in the Bio-Radar area, these issues have not been addressed. In this regard, this dissertation intends to verify if it is possible to evaluate the gender, age, Body Mass Index (BMI), and Chest Wall Perimeter (CWP) through the use of radar signals, namely Bio-Radar, used to the vital signs acquisition.
In order to achieve this goal, the vital signs of 92 people (46 females and 46 males), aged between 18 and 50 years old were acquired. With this dataset, it was possible to develop a statistical study of relevant characteristics extracted from the signals. Later, three Machine Learning (ML) algorithms, namely Support Vector Machine (SVM), KNearest Neighbor (KNN) and Random Forest, were trained to identify gender, age, BMI and CWP.
Finally, the relation between the respiratory amplitude and the respiratory rhythm is analyzed.
A monitorização de sinais vitais e maioritariamente realizada com recurso a sensores e elétrodos. Contudo, pode não ser a forma mais viável ou a melhor solução para pessoas com tecidos queimados ou com pele mais delicada, assim como os casos de doenças infeciosas, onde o contacto deve ser mantido a um nível mínimo. Assim, a monitorização de sinais vitais utilizando radar (Bio-Radar) tornou-se num tema de investigação e desenvolvimento. Vários estudos indicam que existe variabilidade nos sinais vitais entre as pessoas. No entanto, na área do Bio-Radar, estas questões não têm vindo a ser abordadas. Neste sentido, esta dissertação pretende verificar se e possível avaliar o sexo, idade, Índice de Massa Corporal (IMC), e Perímetro da Caixa torácica (PCT) através da utilização de sinais de radar, nomeadamente Bio-Radar, utilizados para a aquisição de sinais vitais. Para atingir este objectivo, foram adquiridos os sinais vitais de 92 pessoas (46 mulheres e 46 homens), com idades compreendidas entre os 18 e os 50 anos. Com este conjunto de dados, foi possível desenvolver um estudo estatístico das características relevantes extraídas dos sinais. Mais tarde, três algoritmos de Machine Learning (ML), nomeadamente Support Vector Machine (SVM), K-Nearest Neighbor (KNN) e Random Forest, foram treinados para identificar o género, idade, IMC e PCT. Finalmente, e analisada a relação entre a amplitude respiratória e o ritmo respiratório.
A monitorização de sinais vitais e maioritariamente realizada com recurso a sensores e elétrodos. Contudo, pode não ser a forma mais viável ou a melhor solução para pessoas com tecidos queimados ou com pele mais delicada, assim como os casos de doenças infeciosas, onde o contacto deve ser mantido a um nível mínimo. Assim, a monitorização de sinais vitais utilizando radar (Bio-Radar) tornou-se num tema de investigação e desenvolvimento. Vários estudos indicam que existe variabilidade nos sinais vitais entre as pessoas. No entanto, na área do Bio-Radar, estas questões não têm vindo a ser abordadas. Neste sentido, esta dissertação pretende verificar se e possível avaliar o sexo, idade, Índice de Massa Corporal (IMC), e Perímetro da Caixa torácica (PCT) através da utilização de sinais de radar, nomeadamente Bio-Radar, utilizados para a aquisição de sinais vitais. Para atingir este objectivo, foram adquiridos os sinais vitais de 92 pessoas (46 mulheres e 46 homens), com idades compreendidas entre os 18 e os 50 anos. Com este conjunto de dados, foi possível desenvolver um estudo estatístico das características relevantes extraídas dos sinais. Mais tarde, três algoritmos de Machine Learning (ML), nomeadamente Support Vector Machine (SVM), K-Nearest Neighbor (KNN) e Random Forest, foram treinados para identificar o género, idade, IMC e PCT. Finalmente, e analisada a relação entre a amplitude respiratória e o ritmo respiratório.
Description
Dissertação para obtenção do Grau de Mestre em Engenharia Informática e de Computadores
Keywords
Bio-Radar Dataset Gender classification Age classification BMI classification CWP classification Machine Learning Physiological variability Radar signals Body stature variability Vital Signs Sinais radar Classificação de género Classificação de idade Classificação de IMC Classificação de PCT Variabilidade do corpo estrutural Variabilidade fisiológica
Citation
SOARES, Beatriz Lino - Study of physiological and structural variability in the acquisition of vital signs with Bio Radar. Lisboa: Instituto Superior de Engenharia de Lisboa, 2022. Dissertação de Mestrado.
Publisher
Instituto Superior de Engenharia de Lisboa