การพัฒนาแผ่นรองนอนอัจฉริยะเพื่อลดโอกาส การเกิดแผลกดทับสำหรับผู้ป่วยติดเตียงโดยใช้ เทคโนโลยีการเชื่อมต่อของสรรพสิ่ง

Abstract

แผลกดทับเป็นปัญหาที่พบบ่อยในผู้ป่วยที่นอนติดเตียงต้องนอนท่าเดิมเป็นประจำเป็นระยะเวลาต่อเนื่องกัน อาการนี้อาจนำไปสู่การเสียชีวิตได้หากเกิดภาวะแทรกซ้อนร้ายแรง ดังนั้นเพื่อลดโอกาสในการเกิดแผลกดทับโครงการนี้จึงนำเสนอแผ่นรองนอนอัจฉริยะสำหรับติดตามและแนะนำท่าทางการนอนของผู้ป่วยติดเตียงนำเอาเทคโนโลยีและองค์วามรู้ทางด้าน Internet of Things (IoT) มาประยุกต์ใช้ แผ่นรองนอนใช้ชุดเซ็นเซอร์วัดแรงกดเพื่อวัดแรงกดที่ส่วนต่าง ๆ ของร่างกายผู้ป่วยที่กดลงบนแผ่นรองนอนแผ่นนี้ใช้อัลกอริทึมการจำแนกร่วมกับชุดเซ็นเซอร์วัดแรงกดเพื่อตรวจจับตำแหน่งการนอนหลับ สุดท้ายข้อมูลตำแหน่งการนอน ระยะเวลาการนอนอุณหภูมิและความชื้นของผู้ป่วยจะถูกนำมาใช้ร่วมกันเพื่อพิจารณาว่าถึงเวลาที่ผู้ป่วยต้องเปลี่ยนตำแหน่งการนอนหรือไม่ และการแจ้งเตือนผ่านแอพพลิเคชั่น LINE จะถูกส่งไปยังผู้ดูแล จากผลการทดลองระบบที่นำเสนอให้ประสิทธิภาพที่น่าพอใจมาก โดยสามารถตรวจจับตำแหน่งการนอนหลับของผู้ป่วยด้วยความแม่นยำสูงกว่า 90% และเซ็นเซอร์ทั้งหมดทำงานได้อย่างถูกต้อง

Pressure sores are frequently found in bed-bound patients who regularly have to sleep on the same positions for a continuous and long period of time. This symptom can lead to fatality if some serious complications occur. Therefore, to reduce the opportunity of bedsore occurrences, this project presents an intelligent bed pad for monitoring and suggesting the sleeping patterns of bed-bound patients. It is based on machine-learning techniques and IoT technology. The bed pad utilizes a set of force sensors to measure the pressures that the different body parts of the patient have pressed on the pad. Then, a classification algorithm is deployed to detect the current sleeping position of the patient. Finally, the patient’s sleeping position, sleeping time duration, temperature and humidity data are used together to determine whether it is time for the patients to change their sleeping position. LINE notifications will be sent to caregivers. Based on the experimental results, the proposed system gives very satisfactory performance. It can detect the patient’s sleep position with the accuracy of 90% and above, and all sensors are working accurately.