110年第2學期-5697 照護物聯網 課程資訊

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

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。

基本資料

選修課，學分數：0-3
上課時間：一/6,7,8[ST436]
修課班級：資工碩1,2
修課年級：年級以上
選課備註：物聯網、資訊科技應用。大四可選

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