Red de sensores inalámbricos para el monitoreo de bioseñales

Adalberto Ortega Eguino; Yanosky González Tristá; Miguel Mendoza Reyes

Autores/as

Adalberto Ortega Eguino ETECSA
Yanosky González Tristá ETECSA
Miguel Mendoza Reyes ETECSA

Palabras clave:

Procesamiento de Bioseñales, Redes de Sensores Inalámbricos, Telemedicina

Resumen

El desarrollo de módulos electrónicos de bajo costo y características variadas, la disponibilidad de computadoras monoplaca, SBC, junto con el libre acceso a sus herramientas de programación, han permitido la generalización de los sistemas de monitoreo y control de variables remotas. Entre estos últimos, las redes de sensores inalámbricos, WSAN, representan un papel importante en la Internet de las cosas (IoT) debido, entre otras razones, a la facilidad de implementación y la flexibilidad que pueden ofrecer. El diseño de una red de este tipo dedicada al registro remoto de variables fisiológicas y su procesamiento debe cumplir requisitos que dependen, entre otros factores, de las características de la variable a medir y de las condiciones en las que se adquiere. La operación en tiempo real, una necesidad común en los sistemas de medición de bioseñales, es un desafío desde el punto de vista de la programación de los dispositivos, el diseño de circuitos asociados, la configuración de la red inalámbrica y otros factores que pueden modificarse y deben evaluarse en la práctica. Este trabajo presenta la evaluación del desempeño de una red WSAN para la medición y procesamiento de bioseñales, y su dependencia de las posibles configuraciones de red, tipos de señales, algoritmos de procesamiento; se analiza además la posibilidad de extender su alcance a entornos IoT. Los resultados indican la viabilidad de la propuesta y su flexibilidad para adaptarse a diferentes entornos.

Citas

Abib, J. C., & Anacleto, J. C. (2014). Improving Communication in Healthcare: A case study. 2014 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 3336–3341.

Akay, M. (1998). Time frequency and wavelets in biomedical signal processing. IEEE press.

Beevers, G., Lip, G. Y., & O’Brien, E. (2001). Blood pressure measurement. Sphygmomanometry: Factors common to all techniques. BMJ, 322, 981–985.

Díaz, D. F. D., Varela, Á. D. B., Rodríguez, A. C., & Franco, Y. O. S. (2017). Diseño de un módulo para la adquisición y transmisión inalámbrica de bioseñales. Telemática, 16(2), 39–53.

Elayan, H., Shubair, R. M., & Kiourti, A. (2017). Wireless sensors for medical applications: Current status and future challenges. 2017 11th European Conference on Antennas and Propagation (EUCAP), 2478–2482. https://doi.org/10.23919/EuCAP.2017.7928405

Electrophysiology, T. F. of the E. S. of C. the N. A. S. of P. (1996). Heart rate variability: Standards of measurement, physiological interpretation, and clinical use. Circulation, 93(5), 1043–1065.

Hunkeler, U., Truong, H. L., & Stanford-Clark, A. (2008). MQTT-S—A publish/subscribe protocol for Wireless Sensor Networks. 2008 3rd International Conference on Communication Systems Software and Middleware and Workshops (COMSWARE’08), 791–798.

Ko, J., Lu, C., Srivastava, M. B., Stankovic, J. A., Terzis, A., & Welsh, M. (2010). Wireless sensor networks for healthcare. Proceedings of the IEEE, 98(11), 1947–1960.

Kodali, R. K., & Soratkal, S. (2016). MQTT based home automation system using ESP8266. 2016 IEEE Region 10 Humanitarian Technology Conference (R10-HTC), 1–5.

Marchiando, R. J., & Elston, M. P. (2003). Automated ambulatory blood pressure monitoring: Clinical utility in the family practice setting. American Family Physician, 67(11), 2343–2350.

Merletti, R., & Parker, P. J. (2004). Electromyography: Physiology, engineering, and non-invasive applications (Vol. 11). John Wiley & Sons.

Morales, R. D. P., Morales, D. Á., & Grisales, V. H. (2009). Caracterización de señales electromiográficas para la discriminación de seis movimientos de la mano. Scientia et Technica, 2(42), Article 42.

Negra, R., Jemili, I., & Belghith, A. (2016). Wireless body area networks: Applications and technologies. Procedia Computer Science, 83, 1274–1281.

Northrop, R. B. (2001). Measurement of electrical potentials and magnetic fields from the body surface. In Noninvasive instrumentation and measurement in medical diagnosis (pp. 75–168). CRC Press.

Prutchi, D., & Norris, M. (2005). Design and development of medical electronic instrumentation: A practical perspective of the design, construction, and test of medical devices. John Wiley & Sons.

Sanei, S., & Chambers, J. A. (2013). EEG signal processing. John Wiley & Sons.

Sohraby, K., Minoli, D., & Znati, T. (2007). Wireless sensor networks: Technology, protocols, and applications. John wiley & sons.

Sörnmo, L., & Laguna, P. (2005). Bioelectrical signal processing in cardiac and neurological applications (Vol. 8). Academic Press.

Valdés, M. J. G. (2010). Desarrollo de Monitores de Paciente en Cuba. Revista Ingeniería Electrónica, Automática y Comunicaciones ISSN: 1815-5928, 31(1), 42–48.

Wang, P. (2008). The real-time monitoring system for in-patient based on zigbee. 2008 Second International Symposium on Intelligent Information Technology Application, 1, 587–590.

Weller-Fahy, D. J., Borghetti, B. J., & Sodemann, A. A. (2014). A survey of distance and similarity measures used within network intrusion anomaly detection. IEEE Communications Surveys & Tutorials, 17(1), 70–91.