Kostnader i samband med arbetsrelaterade skador är ett problem i samhället. Ett sätt att bedöma arbetsbelastning är genom att mäta hjärtfrekvensen, vilket kan göras med hjälp av olika mätmetoder. Syftet med denna studie var att jämföra mätning av hjärtfrekvens för två metoder – aktivitetsarmband (Fitbit Charge 2) och smarta kläder – med mätningar från ett pulsband (Zephyr HxM). Fysiska tester gjordes på 12 personer (tre kvinnor och nio män) med varierande åldrar och innebar simulering av fem olika yrkesgrupper: kontorsarbetare, målare, brevbärare, styckare och byggarbetare. Därtill bedömdes även arbetsaktiviteternas arbetsbelastning utifrån mätvärdena från pulsbandet.Resultatet visade på god korrelation och överrensstämmelse mellan smarta kläder och pulsbandet, medan aktivitetsarmbandets korrelation och överensstämmelse varierade med aktiviteternas intensitet där bäst resultat påträffades vid låg intensitet samt vid aktiviteter som inte involverade armrörelse. Arbetsbelastningen för kontorsarbete bedömdes som lätt arbete, måleri och styckning bedömdes som lätt till måttligt arbete medan brevbäring och byggarbete varierade från lätt till tungt arbete beroende på testperson.Slutligen konstaterades att aktivitetsarmbandet inte duger i syfte att bedöma arbetsbelastningen på arbetsplatser utan kompletterande metoder. Smarta kläder har däremot potential att på längre sikt kunna förebygga skador.

På grund av det höga trycket på akutmottagningar räcker inte resurserna till och patienter får vänta länge på att få vård. Situationen är ännu värre i utvecklingsländer där det redan finns brist på resurser. För att handskas med detta problem behöver dagens akutmottagningar utvecklas och innovationer göras för att effektivisera användandet av resurser. Målet med detta arbete blev därför att utveckla en multifunktionell diagnostisk enhet som skulle kunna mäta flera vitalparametrar och som samtidigt var billig, kompakt, tidseffektiv och användarvänlig. För att uppnå målet analyserades vitalparametrarna kroppstemperatur, pulsfrekvens, andningsfrekvens, blodtryck och syremättnad samt deras mätmetoder. På grund av projektets begränsade resurser gjordes bedömningen att endast ett teoretiskt förslag på ett instrument som uppfyllde ovanstående krav skulle framställas. Analysen visade att endast pulsfrekvens, blodtryck och syremättnad kan mätas med samma instrument som fortfarande var billigt, kompakt, tidseffektivt och användarvänligt. Instrumentet som mäter dessa tre parametrar är en modifierad variant av en multivåglängds fotopletysmograf. För kroppstemperatur och andningsfrekvens föreslogs det att redan existerade billiga och användarvänliga metoder skulle användas, nämligen digital termometer respektive att observera patientens andning under en minut. Arbetet resulterade i att det togs fram figurer, flödesscheman och ett kretsschema för den multifunktionella diagnostiska enheten som skulle kunna användas för att bygga en prototyp. Därutöver evaluerades pulsoximeterns användarvänlighet då det föreslagna idén skulle vara av samma utseende som pulsoximeter. Det resulterande förslaget på diagnostisk enhet bedömdes vara till viss del anpassad för att kunna användas på akutmottagningar i Bangladesh och är anpassad för hur vården är uppbyggd där idag och dess rutiner.

Photoplethysmogram (PPG) signals detect blood volume variations during the heart cycle. They are useful to track physiological parameters of an individual, such as heart rate, heart rate variability or oxygen saturation. They are typically obtained using smart wearables and pulse oximeters, but our goal is to create remote PPG (rPPG) signals from video cameras. Since the signals obtained from a video camera are the RGB channels, we carried out an empirical study of the performance of each channel. RGB channels can be used to generate rPPG signals, but also as input to other processes that do so. As reference ground truth, we use contact PPG (cPPG) readings from pulse oximeters in the fingertip. In terms of several metrics, including dynamic time warping (DTW), Pearson’s correlation coefficient, root mean squared error (RMSE), and Beats-per-minute Difference (|∆BPM|), the green channel produced the best results, followed by the blue and red channels. Despite the green channel consistently outperforming the blue and red channels, the outcomes varied greatly depending on the dataset. We also applied different methods to obtain rPPG signals from the RGB channels, including CHROM-based rPPG, local group invariance (LGI), and plane-orthogonal-to-skin (POS). These techniques were contrasted with our novel technique based on a machine learning approach. For that, we made use of a variety of architectures, including convolutional neural networks and long short-term memory. The results were favourable for the ML approach in terms of DTW, r and |∆BPM|. / Fotopletysmogram (PPG)-signaler upptäcker variationer av blodvolym under hjärtcykeln. De är användbara för att spåra fysiologiska parametrar för en individ, såsom hjärtfrekvens, hjärtfrekvensvariabilitet eller syremättnad. De erhålls vanligtvis med smarta bärbara sensorer och pulsoximetrar, men vårt mål är att skapa fjärr-PPG (rPPG)-signaler från videokameror. Eftersom signalerna erhållna från en videokamera är RGB -kanalerna genomförde vi en empirisk studie av prestandan för varje kanal. RGB-kanaler kan användas för att generera rPPG-signaler, men också som input till andra processer som gör det. Som referens använder vi kontakt-PPG (cPPG) avläsningar från pulsoximetrar i fingertoppen. När det gäller flera mätvärden, inklusive Dynamic Time Warping (DTW), Pearsons korrelationskoefficient, Root Mean Squared Error (RMSE) och Beats-Per-minut-skillnaden (|∆BPM|). Uppnåddes bästa resultat med den gröna kanalen, följt av de blå och röda kanalerna. Trots att den gröna kanalen konsekvent överträffade de blå och röda kanalerna varierade resultaten mycket beroende på datasetet. Vi använde också olika metoder för att erhålla rPPG-signaler från RGB-kanalerna, inklusive CHROM-baserad rPPG, lokal gruppinvarians (LGI) och plan-ortogonal-till-hud (POS). Dessa tekniker kontrasterades med vår nya teknik baserat på en maskininlärningsstrategi. För det använde vi en mängd olika arkitekturer, inklusive konvolutionella neurala nätverk och LSTM-nätverk. Resultaten var gynnsamma för ML-metoden när det gäller DTW, R och |∆BPM|.

Trötthet i trafiken är ett stort problem i samhället. Det är särskilt farligt att trött framföra tunga lastbilar i trafiken eftersom dessa fordon är stora och har ofta livsavgörande roller vid inblandning i trafikolyckor. För att angripa problemet har det i denna rapport studerats kring vilket sömnstadie som är lämpligast att vakna under, i syfte att vakna pigg och alert samt vilka typer av tekniker och metoder som är lämpliga för att portabelt kunna detektera Rapid-Eye-Movement. Tidigare arbeten och studier har gjorts som påvisar att uppväckning i REM-sömn är optimalt för att känna sig alert. De valda metoderna är baserade på varianter av väletablerade tekniker som används för identifiering av sömnsteg. Elektrookulografi används för att mäta ögonrörelser med hjälp av fyra elektroder som är placerade på huvudet. Kroppsrörelser upptäcks genom en accelerometer som fästs på armen. Pulsmätningar görs och används för att räkna ut pulsvariansen under sömnen. Målet är att skapa en prototyp som ska känna av när användaren är i REM-sömn och sedan väcka användaren. Detta arbete är uppdelat i två inbyggda system som görs mellan två olika examensarbeten. Resultatet blev tre sensorer som fungerar individuellt. På grund av tidsbrist och en längre felsökning blev prototypen inte färdigställd. Innan sensorerna kan tillämpas i en produkt krävs det att ytterligare tester genomförs under monitorering av en sömnspecialist. / Tiredness in traffic is a major problem in society. It is especially dangerous to drive heavy trucks when tired because these vehicles are large and often have vital roles when involved in traffic accidents. To address the problem, this degree project has studied which sleep stage is most appropriate to wake up during, in order to wake up sharp and alert, and what types of techniques and methods are suitable for portable detection of Rapid-Eye-Movement. Previous work and studies have been done which indicates that awakening during REM sleep is optimal for feeling alert. The chosen methods are based on variants of well-established techniques that are used to identify sleep stages. Electrooculography is used to measure eye movements using four electrodes placed on the head. Body movements are detected by an accelerometer attached to the arm. Pulse measurements are made and used to calculate the pulse variation during sleep. The goal is to create a prototype which will know when the user is in REM sleep and then wake the user up. This work is divided into two embedded systems that are made between two different degree projects. The result was three sensors that worked individually. Due to lack of time and a longer troubleshooting, the prototype was not completed. Before the sensors can be used in a product, additional tests are required under the supervision of a sleep specialist.