110年第2學期-5697 照護物聯網 課程資訊

iLearn 公告清單

讀取中....

Teams 連結清單

讀取中....

評分方式

評分項目 配分比例 說明
期中考 40
實作一 20 ECG 波形CNN深度學習訓練準確度評分
實作二 20 病人不適動作判斷準確度評分
實作三 20 透析病人不適預測準確度評分

選課分析

本課程名額為 70人,已有17 人選讀,尚餘名額53人。

授課教師

石志雄

教育目標

教學目標:本課程計畫目標在於介紹用於照護場域之智慧醫療物聯裝置,預計以透析高齡病人照護為實驗場域,使用聯盟之Trianswer ECG及BLE模組(B-5)、影像物聯模組(B-2),進行教學,使同學可以學習到照護物聯感測器,然後將之運用於建構透析不適預測預警系統,不僅可以減少醫護負擔,同時可以減輕透析病人之不適徵狀;課程分四個進程,第一進程為教授人體常見生理訊號 (ECG、 PPG等 ),讓學生了解其背後的生理意義;並介紹相對應的 B-5 TriAnswer模組,介紹其中之電路原理。整合智慧型應用裝置與 TriAnswer,學習生理 訊號相關之處理與分析方法 ,設計使用者 操作 介面,並利用智慧型應用裝置呈現 訊號;進程二教授AI模組(B-4),本課程旨在提供學生深度學習相關知識,包含類神經網路(Neural Networks)、卷積類神經網路 (Convolutional Neural Networks)、遞歸類神經網路 (Recurrent Neural Networks)、長短期記憶模型 (Long Short Term Memory)等基本概念與設計原理,另外教授自行編寫教材如Sequential Learning/Transfer Learning,並期待學生能利用本模組教材所學解決時空間資料探勘相關問題。完成後預計安排實驗一:運用B5模組收集正常ECG訊號及不正常ECG訊號,利用B4 CNN/LSTM Sequential Learning模組進行AI學習及辨識異常ECG。進程三為教授導入本課程B-2影像物聯模組,培養學生具終端影像感測物件的部署、閘道器的網路連接以及雲端平臺伺服器之資料存取等三項技術能力。辨識及分析出影像中病人的行為,另外教授骨架萃取開源軟體(openpose),並設計緊急事件的回報機制,此時安排實驗二:透過Dashboard 儀表板顯示即時影像數據資料,辨識及分析出影像中的行為,並設計緊急事件的回報機制。進程四為進階AI導入使用於生醫照護資料分析,介紹含A-priori及貝式網路,以利找出相關影響透析不適之因子。最後安排實驗三: 透析資訊分析及訓練,結合病人影像資訊及ECG穿戴感測訊號,進行透析不適預測。依此課程進度安排,預計可有三次的實驗成果可參與成果發表會及成果彙編。

課程資訊

參考書目

1. Maneesh Rao, Internet of Things with Raspberry Pi 3, Apr. 2018.
2. Gacek, Adam, Pedrycz, Witold, ECG Signal Processing, Classification and Interpretation, Springer, 2012
3. 本計畫課程模組B-2,居家照護之影像辨識和跌倒偵測應用開發模組教材
4. 本計畫課程模組B-4 ,深度學習時空間資料探勘教材
5. 本計畫課程模組B-5,生醫穿戴式裝置開發課程教材