Diseño de un prototipo portable y funcional, basado en análisis de desviaciones óculo - cefálicas como método para la predicción de una convulsión en pacientes con epilepsia de tipo convulsiva en la ciudad de Bogotá

Resumen

El proyecto se focaliza en pacientes con epilepsia de tipo convulsiva, y se basa en el estudio del ojo como biomarcador antes de una convulsión. Para el análisis de las características del ojo, específicamente las posiciones y frecuencias de movimiento, se utilizaron métodos de procesamiento de información biológica y de extracción, que permiten predecir e identificar las desviaciones oculares que anteceden a una crisis. Para ello se utiliza un sensor ajustable a una gorra, que se ubica en la zona anterior de la cabeza del paciente, y se conecta a un sistema embebido (Raspberry pi4 b) en el que se encuentra el algoritmo de detección de iris y obtención de frecuencia de movimiento. Este sistema, ajustable a diferentes medidas, se ubica en el brazo de la persona, y su tamaño es de 7 cm x 7 cm x 9 cm. El dispositivo se conecta a una batería recargable con una autonomía de dos horas aproximadamente. El diseño se sustenta en la portabilidad, lo que posibilita que el paciente pueda utilizarlo en su diario vivir. Adicionalmente, cuenta con otro sistema de detección basado en el método Haar de OpenCV, que utiliza una base de datos y librerías previas para extraer las características faciales, posteriormente las características del ojo, y finalmente la ubicación de iris. Este método en cascada fue utilizado con ajustes de umbral dependiendo del tipo de luz que enfrenta el paciente y permite ajustar el sistema de forma automática, sin embargo, como cada ambiente tiene una precisión y exactitud diferentes, no inferior al 85%, permite identificar la precisión y exactitud de la detección. Para determinar los umbrales a partir de la luminosidad, más la sensibilidad y la precisión, se utilizó la curva ROC, la cual permitió identificar cuatro umbrales para cuatro tipos de ambientes, según el tipo de ambiente y las características de la imagen en luminosidad por pixeles. Luego se procedió a almacenar las coordenadas del ojo y se analizó la frecuencia del movimiento, lo que permitió establecer un umbral de 5 Hz (Gila et al., 2009) cuando se supera el umbral. Esa frecuencia corresponde al periodo preictal de la crisis, lo que indica que se envía un mensaje mediante comunicación bluetooth con un módulo de desarrollo conocido como ESP 32, conectado con la Raspberry, que activa un estímulo sonoro, luminoso y háptico. El estímulo llega al usuario, a través de una batería recargable y portable de 6 cm x 3 cm x 3 cm. Esta etapa es adaptable a la muñeca del usuario y la manija puede ser intercambiable. El proyecto cuenta con aplicación teórica y conceptual y será probado por la empresa para la cual se desarrolló el dispositivo.

Descripción

Abstract

Project is focused on seizure-type epilepsy patients using the study of the eye as a biomarker before a convulsion. For the eye characteristics analysis (position and frequency movement) it was used biological information and extraction processing methods that allows identify and predict the eye deviations before a crisis. In order to get this, an adjustable sensor attached to a cap is used. This sensor is placed in the forehead of the patient and allows to detect the iris and frequency of the movement by an algorithm connected to a soaked-up system (Raspberry pi4 b) This system, which is adjustable at different sizes, is found in patient’s arm and his size is 7 cm large x 7cm width x 9 cm depth. The device is connected to rechargeable battery which gives about 2hours of life. Design of the device was conceived thinking in patient’s daily life and how it could be friendlier to them. Additionnally, it is provided with another detection method based on Haar’s method of OpenCV. This one uses a set of data base and libraries in order to have facial recognition, further eye facts and iris positioning. This in-chain method was set by adjusting the light threshold which is automatically adjusted depending on quantity and type of light. Furthermore, with different environments of accuracy and precision of not less than 85% leads to identify accuracy of the detection. In order to determine the threshold using the light brightness, besides the sensitivity and precision, The ROC curve was used. This enables the identification of four different thresholds for every environment investigated. This according to the type of environment and the features of the image expressed in pixels. Then it continues with the storage of eye coordinates and analyzing the frequency of the movement which leads to set the threshold of 5Hz (Gila et al., 2009) when the threshold is passed. This frequency corresponds to preictal period of the crisis, this sends a Bluetooth signal using a known model like ESP 32 linked to the Raspberry. This triggers a haptico, sound and light signal. Final user receives the impulse by using a rechargeable and portable battery of 6cm large x 3 cm width x 3cm depth. The device can be adapted to the user wrist and the handle can be changeable. This project has been provided with theoretical and conceptual application that will be tested by the company for which this device was developed.

Palabras clave

Dispositivo, Marcador, Movimiento, Ojos

Keywords

Device, Marker, Movement, Eyes

Temáticas

Epilepsia
Convulsiones
Epilepsia tónico-clónica

Citación

Colecciones