XiaoMi-AI文件搜索系统
World File Search System穿戴
引用本文：Shubhi Jain (2024) 使用深度学习技术的智能可穿戴心脏健康监测系统。健康信息学前沿
摘要 每年，患心血管疾病 (CVD) 的人口比例急剧上升。根据世界卫生组织 (WHO) 的数据，这种疾病每年导致数百万人死亡，这令人心碎。可穿戴技术的显著进步为提供许多有效应对这一疾病的智能方法创造了机会。此外，早期发现 CVD 可以改善药物治疗并加快临床专业人员的治疗过程。这个问题的严重性促使我们提出了一款集成深度学习 (DL) 和物联网 (IoT) 技术的可穿戴智能手表。DL 模型采用变压器编码器设计，用于预测心脏健康状况。为此，使用了来自 MIT-BIH 数据库的心电图 (ECG) 数据。从准确性和执行时间方面评估模型的有效性。此外，将模型的输出与卷积神经网络 (CNN) 模型进行了比较。所提出的模型在 2500 个测试样本上实现了 98.04% 的最高准确率。所提出的模型部署在云端。 ECG 传感器固定在手表上，用于收集人体 ECG 信号并将其发送到云端。云端使用部署的 DL 模型分析数据并预测心脏健康状况。如果心脏健康异常，云端会立即向注册的手机号码发送警报。所提出的智能可穿戴手表可以帮助个人监测健康状况并改善生活质量。
BiomedBench：适用于低功耗可穿戴设备的 TinyML 生物医学应用基准套件
摘要 — 近几十年来，随着芯片制造技术的进步，使用 mW 范围内的低复杂度 ML 可以实时监测患者，生物医学领域的低功耗可穿戴设备的设计受到了广泛关注。尽管应用和硬件设计研究取得了进展，但该领域缺乏系统的硬件评估方法。在这项工作中，我们提出了 BiomedBench，这是一个新的基准套件，由完整的端到端 TinyML 生物医学应用程序组成，用于使用可穿戴设备实时监测患者。每个应用程序在典型的信号采集和处理阶段都有不同的要求，包括不同的计算工作量以及活动时间和空闲时间之间的关系。此外，我们对五个最先进的低功耗平台的能效评估表明，现代平台无法有效地针对所有类型的生物医学应用。BiomedBench 作为开源套件发布，旨在标准化硬件评估并指导 TinyML 可穿戴领域的硬件和应用程序设计。
为太空医学制造可穿戴健康解决方案Quad Chart
宇航员佩戴的这些非侵入式蓝牙传感器将实时测量生物标志物并报告当前健康状况，同时警告未来可能出现的负面健康问题，以便进行干预。该传感器将通过抛物线飞行和国际空间站 (ISS) 进行测试。
可穿戴设备在慢性病监测和患者护理中的作用：全面评论
可穿戴健康设备在慢性病管理中变得至关重要，因为它们提供了实时监测和个性化护理。本评论探讨了他们在医学领域的有效性和挑战，包括心脏病，呼吸健康，神经病学，内分泌学，骨科，肿瘤学和心理健康。详尽的文献搜索确定了针对可穿戴设备对患者预后影响的研究。在心脏病学中，可穿戴设备已被证明可有效监测高血压，检测心律不齐和有助于心脏康复。 在呼吸健康中，这些设备可增强哮喘管理和对关键参数的持续监测。 神经系统应用包括癫痫发作检测和帕金森氏病的管理，可穿戴设备在改善患者预后方面表现出令人鼓舞的结果。 在内分泌学中，可穿戴技术进步甲状腺功能障碍监测，生育能力跟踪和糖尿病管理。 骨科应用程序包括改进的术后恢复和康复，而可穿戴设备有助于肿瘤学早期并发症检测。 心理健康益处包括焦虑检测，创伤后应激障碍管理以及通过可穿戴生物反馈减轻压力。 总而言之，可穿戴健康设备通过增强实时监测和患者参与来管理慢性疾病的变革潜力。 尽管依从性和结果取得了重大改善，但具有数据准确性和隐私的挑战仍然存在。在心脏病学中，可穿戴设备已被证明可有效监测高血压，检测心律不齐和有助于心脏康复。在呼吸健康中，这些设备可增强哮喘管理和对关键参数的持续监测。神经系统应用包括癫痫发作检测和帕金森氏病的管理，可穿戴设备在改善患者预后方面表现出令人鼓舞的结果。在内分泌学中，可穿戴技术进步甲状腺功能障碍监测，生育能力跟踪和糖尿病管理。骨科应用程序包括改进的术后恢复和康复，而可穿戴设备有助于肿瘤学早期并发症检测。心理健康益处包括焦虑检测，创伤后应激障碍管理以及通过可穿戴生物反馈减轻压力。总而言之，可穿戴健康设备通过增强实时监测和患者参与来管理慢性疾病的变革潜力。尽管依从性和结果取得了重大改善，但具有数据准确性和隐私的挑战仍然存在。但是，通过持续的创新和协作，我们都可以成为最大化可穿戴技术在医疗保健中的好处的解决方案的一部分。
CeQur 改进型可穿戴胰岛素输送装置获得 FDA 批准
IQVIA 对 26,000 多名 2 型糖尿病患者的分析数据显示，许多人未能有效控制糖尿病。只有略多于 21% 的患者达到了 ADA 推荐的 A1C 目标（低于 7%）。A1C 是对患者过去三个月血液中葡萄糖含量的平均值的测试。这些数据表明，需要更有效、更方便的胰岛素输送方法，这凸显了 CeQur 解决方案的价值，该解决方案应能提高用药依从性。
可穿戴神经设备在工作场所监测方面面临的挑战：欧盟法律视角
本文探讨了使用神经技术（尤其是可穿戴神经设备）监测员工认知能力、注意力水平和情绪反应的新兴工作场所监测实践。本文旨在通过对欧盟近期在工作场所实施神经监测的立法进行详细分析，评估此类实践在欧盟法律框架内的合法性，重点关注《通用数据保护条例》（GDPR）和《欧盟人工智能法案》（AI Act）。此外，本文还讨论了现行法规是否充分解决了神经技术在工作场所的使用问题，或者是否过于严格。它提出了一个问题，即确保法规具有足够的灵活性，以允许在劳动领域合法实施神经技术，确保工人的安全，同时保护工人的权利。总体而言，本文对神经技术进步与劳资关系的交集提供了见解，并激发了关于创新与工人权利之间公平平衡的批判性讨论。
可穿戴电子纺织品的闭环回收
可穿戴的电子纺织品（电子纹理）正在通过创新应用来改变个性化的医疗保健。然而，将电子设备集成到纺织品中，以使电子废物的迅速增长的电子废物（电子废物）和纺织品回收迅速增长，这是由于混合材料所需的复杂的回收和处理过程，包括纺织品纤维，电子材料和组件。在这里，通过融合了基于石墨烯的电子纹理的热 - 自由解析，以将其转换为石墨烯样的电式回收粉末，以据报道可穿戴电子纹理的第一个闭环回收。然后，一种可伸缩的干燥涂层技术用于再现基于石墨烯的可穿戴电子纹理，并将其潜在的医疗保健应用作为捕获电动员电脑（ECG）信号和温度传感器的可穿戴电极。此外，基于再生石墨烯的纺织品超级电容器强调了它们作为可持续储能设备的潜力，保持了显着的耐用性并在1000个周期后保持≈94％的电容，而面积电容为4.92 MF CM-2。这种可持续的闭环回收电子纹理的回收展示了其重新利用为多功能应用的潜力，从而促进了一种圆形方法，从而在极度阻止了环境影响负面影响并减少了土地填充。
用于人体的自供电可穿戴物联网传感器……
随着物联网 (IoT) 的出现，自供电可穿戴传感器已广泛应用于各种人机界面 (HMI) 领域，包括制造业、医疗保健、生物医药和汽车。然而，这些传感器尚未在建筑行业内得到系统和科学的审查。本研究旨在对用于 HMI 的自供电可穿戴 IoT 传感器进行系统的文献综述和科学映射分析，以发现主流研究主题、研究差距和未来的研究方向。使用 PRISMA 方法、科学计量分析和定性讨论，从 Scopus 数据库中检索了 113 篇期刊文章，使用 VOSviewer 进行分析，并进一步研究主流主题、研究差距和未来研究方向。结果显示，通过对关键词、国家和文档的共现分析，可以得出重要结论。此外，本研究确定了四个主要研究主题：（1）TENG、PENG 和其他电源；（2）用于传感的可穿戴、柔性、可拉伸和触觉电子器件；（3）工业 4.0； （4）HMI设备和系统。在对这些主题进行定性讨论的基础上，还确定了相应的研究差距和未来的研究方向。最终，本综述将帮助建筑领域的学者和从业者更好地理解现有的知识体系，并为未来的研究奠定基础。
通过 EEG-PPG 增强可穿戴癫痫发作检测...
摘要 — 本文介绍了 B RAIN F USE N ET，一种基于脑电图 (EEG) 与光电容积描记法 (PPG) 和加速度计 (ACC) 信号的传感器融合的新型轻量级癫痫检测网络，适用于低通道数可穿戴系统。B RAIN F USE N ET 利用灵敏度-特异性加权交叉熵 (SSWCE)，这是一种结合了灵敏度和特异性的创新损失函数，可解决严重不平衡数据集的挑战。对于仅使用四个通道的基于 EEG 的分类，B RAIN F USE N ET - SSWCE 方法成功检测到 CHB-MIT 数据集上 93.5% 的癫痫发作事件（基于样本的灵敏度为 76.34%）。在 PEDESITE 数据集上，仅考虑 EEG 数据时，我们分别表现出基于样本的灵敏度和假阳性率 60.66% 和 1.18 FP/h。此外，我们证明，整合 PPG 信号可将灵敏度提高到 61.22%（成功检测到 92% 的癫痫发作事件），同时将假阳性数量降低到 1.0 FP/h。最后，当还考虑 ACC 数据时，对于基于样本的估计，灵敏度增加到 64.28%（成功检测到 95% 的癫痫发作事件），假阳性数量下降到仅 0.21 FP/h，而当考虑基于事件的估计时，每天的误报少于一次。BRAIN FUSE N ET 资源友好，非常适合在低功耗嵌入式平台上实施，我们
使用可穿戴数据了解血糖趋势的时间变化和季节性变化
尽管糖尿病的患病率日益增长，但血糖趋势的季节性变化仍然在很大程度上未被研究。为了解决这一差距，我们的目标是通过分析9个月至4.5岁的137名患者（2至76岁，主要是1型糖尿病）的深入采样血糖数据（主要是1型糖尿病）来研究血糖趋势的时间变化。从连续葡萄糖监测数据的91,000天后，我们发现血糖控制在假期左右显着降低，在已经很差血糖对照的患者中，新年的日期下降最大（即在目标范围内<55％的时间）。我们还观察到血糖趋势的季节性变化，在11月至2月（即美国中途和冬季，在美国）的月份，患者的血糖控制较差，并且在4月至8月（即中期和夏季）和夏季和夏季的几个月中更好地控制了血糖。这些见解对于告知有针对性的干预措施的洞察力至关重要。