AIoT智能物聯網

 

1019 IEI banner

 

徵才廠商 本班介紹 活動議程 專題介紹 歷屆成果展

 

 

 

company

 

 

 

IEI course

 

iei+mes student

 


  2018-10-19 13:00-13:30   來賓報到  
   
  13:30-14:00  

來賓致詞、專題指導老師致詞

大合照

   
  14:00-15:00  

學員進行專題簡報

► 運動手環
► 紅外線熱像儀
► 智慧電子臂式血壓計
► 智能心電儀

   
  15:00-15:10   休息茶敘時間
   
  15:10-16:30   成果展示、學員與廠商交流時間
   
  16:30   結訓、賦歸
       

活動時間

107年10月19日 (五) 下午1:00~4:30

活動地點

集思交通部會議中心2樓(台北市中正區杭州南路一段24號)
PS. 若您為開車前往,請停於會館旁之「岳洋停車場」,並於活動結束後,至活動報到處領取免費停車券即可(觀看地圖)。

廠商徵才聯絡方式

張小姐 Email住址會使用灌水程式保護機制。你需要啟動Javascript才能觀看它 | (02)2316-7732

運動手環
組員:黃O音、何O賢、周O吉、林O翰、林O翔、徐O盈、許O超、江O霖
摘要

透過智能健康手環,可觀察智慧健康管理的生活模式及智慧照護用途對生醫的貢獻,也能透過實作的研究建構提供長輩建議幫助。

本專題以學術論文為參考,利用PPG穿透式紅外線感測器及G-sensor加速感測器,將上述兩者的數據傳輸至ARM Cortex-M0晶片,經過演算法處理後,資料會顯示在OLED,同時透過BLE傳送至APP介面。

在APP介面上,除了測量心率及步數外,也可換算出步行距離、BMI等資訊,並將相關資訊上傳FireBase資料庫存成歷史紀錄,以利管理健康的生活模式。

 Sports belt

智能心電儀
組員:鄭O正、蔡O倫、劉O智、陳O仲、莊O崴
摘要

在大數據時代,AI透過IoT滲透到行動裝置帶起各個產業,我們將技術運用在醫療領域,結合生理感測技術落實醫療智慧輔助診斷,做為遠距照護基石,提升診斷效率、降低照護成本。

智慧心電儀透過專案管理技巧運用MS Project進行WBS分工、動態排程掌握進度。分為前端技術(html+css+javascript)、後端技術(python tornado serve)、非關聯資料庫mongoDB (node.js)及AI CNN演算組成。

ECG生理感測數據透過ARM經ADC轉換,使用有線(USB)或無線(BLE)傳輸,前端接收資料使用Moving-avg濾波演算進行低通濾波,使用JavaScript技術呈現動態ECG,UI介面使用html、css、JavaScript技術撰寫Web及App兩種介面,以Cordova整合進入手機App。後端透過Python以Tornado及Pymongo連接MongoDB,並以HA(High Availability)系統架構保證數據儲存。AI輔助診斷使用Python Tensorflow、OpenCV以CNN模型將二維圖像做Deep Learning,經過11 hidden layer運算,對7種心電圖類型進行分類診斷,最終可將診斷數據、畫面呈現給醫療人員進行輔助診斷。

 Electrocardiograph

智慧電子臂式血壓計
組員:藍O泓、詹O如、辜O豪
摘要

高血壓是心臟病、中風、腎臟病、眼疾等疾病之重大危險因子,世界高血壓聯盟估計全球約有18%人口(9百40萬)死亡的主要原因與高血壓有關。然而高血壓通常沒有明顯症狀,一般都只能透過血壓計來量測血壓的讀數之後,再藉由量測出的數值來判斷使用者是否患有高血壓,血壓計的發展至今已經超過一個世紀,主要包含收縮壓、舒張壓以及脈搏數的功能,但在一般會大眾平時使用的血壓計,大部分都純粹只做量測紀錄,並沒有在數據分析這一個部分做更多的琢磨,因此我們決定除了藉由這次的機會研發製作出我們自己的血壓計外,再加入物聯網(IOT)的概念,結合智慧型手機、平板等手持式終端設備與雲端運算以及大數據分析之應用,終能構築出一套完整的醫聯網。

並且加入智慧演算法,可以得知數據與有在運動的數據相似度有多遠, 可以讓人增加運動並且記錄的動力。使用了壓力感測電路偵測血壓讓MCU做控制並且傳輸(藍芽&USB)至手機(APP)&PC(PYTHON)在從PC(PYTHON&HTML)&手機(APP)將數據上傳雲端(DB)資料庫做儲存。可在網頁(JAVA.HTML)&手機(APP)&PC(PYTHON)顯示歷史數據方便查詢血壓與心率的變化,即時做預防並改善。

 Electronic arm

紅外線熱像儀
組員:宋O謙
摘要

應用電腦影像處理(結合紅外線熱影像與可視光影像),來輔助醫療診斷。

本專題在Windows上,使用Visual Studio的VC++作為開發平台,引用openCV的函式庫,對影像來源進行各種matrix運算、色階調整、影像疊加,產生目標的融合影像。並利用Python中Deep Learning的Keras套件,配合Oxford Visual Geometry Group的影像辨認模型,比較原始的熱影像與光影像與處理過的融合影像,發現該技術對提昇影像辨認率,具有相當大的潛力。

希望導入電腦數位影像處理,可以提昇醫療影像診斷的精確性與效率性。

 Infrared camera