Tietotekniikan kehittyessä erilaisten sovellusten osuus jokapäiväisessä elämässä on kasvanut viime vuosien aikana nopeaa tahtia kaikkialla yhteiskunnassa. Tekniikan kehittyminen on myös luonut uusia keinoja ihmisten terveyden tarkkailemiseen, mittaamiseen ja valvomiseen niin henkilökohtaisella tasolla, kuin julkisessa terveydenhuollossa.
Julkisen terveydenhuollon hoitoajoista kuluu paljon erilaiseen oheistoimintaan, eikä niinkään varsinaiseen potilaan hoitoon, mikä lisää kustannuksia. Tämän takia olisikin tärkeää, että pystyttäisiin hoitamaan potilaan seurantaa helposti, nopeasti ja mahdollisimman taloudellisesti. Hengitys ja sen seuranta on yksi osa-alue, jolla kustannuksia olisi mahdollista pienentää ja helpottaa tutkimusten suorittamista.
Tässä diplomityössä on kehitetty uudenlainen menetelmä seurata potilaiden keuhkojen toimintaa helposti ja tarkasti. Kuvattu menetelmä on hankintahinnaltaan halpa ja potilasmukavuuden kannalta miellyttävä mahdollistaen näin paremman hoitomyöntyvyyden. Keuhkofunktion monitoroinnin perustana toimii kahdella etäisyyskameralla tapahtuva henkilön hengityksen seuranta. Etäisyyskameroina toimii tässä työssä kaksi Microsoftin Kinect-kameraa. Kahdella Kinect-kameralla toteutettuna ei hengityksen seurantaa ole aikaisemmin tehty.
Tavoitteena on ollut luoda kahden kameran pistepilvet yhdistämällä laajempi ja tarkempi mittaus henkilön hengityksen liikkeistä. Mittaus suoritettiin muodostamalla yhdistetystä pistepilvestä kaksi virtuaalista hengitysvyötä rintakehän sekä vatsan seudulle ja tarkkailemalla näiden hengitysvöiden alueiden tilavuuden muutosta. Saatua tulosta verrattiin spirometriasta saatuun hengitysdataan.
Työssä toteutetulla menetelmällä saavutettiin hyvät tulokset. Muodostettujen estimaattien hengityssyklien pituudet sekä tilavuudet todettiin korreloivan hyvin spirometrian vastaaviin arvoihin (R^2 = 0,9302). Tulokset osoittavat, että kuvatunlaista menetelmää voisi tulevaisuudessa olla mahdollista käyttää erilaisissa sovelluksissa. / With the development of computer science the usage of all kinds of applications has increased rapidly everywhere in the society. Development has also created new ways to monitor and measure health in personal as well as public healthcare level.
In the public healthcare a lot of time is lost to non-essential tasks that aren’t actual treatment which increases costs. Consequently it would be important to be able to monitor the patient easily, quickly and cost-efficiently. Respiration monitoring is one opportunity to decrease the costs and to ease the examination.
In this diploma thesis, a new way to monitor patients’ respiratory function easily, yet accurately is developed. The described method is cheap and convenient to patients, enabling better co-operation. The basis of monitoring respiratory function was produced by using two depth cameras for monitoring person’s chest movement. Two Kinect cameras from Microsoft were used as depth cameras. Respiration monitoring by using two Kinect cameras has not been done before.
The aim of this project was to create a better measure of persons respiration movement by combining point clouds from two cameras. From this point cloud, two virtual respiration belts were formed to monitor volume changes of two different areas. The areas were the chest and the abdomen. The results obtained were compared to the respiratory data given by spirometry.
With the proposed method good results were attained. Respiration cycle lengths and volumes of constructed estimates correlated well with the corresponding values of spirometry (R^2 = 0,9302). Results indicate that presented method could be used in different kinds of applications in the future.
| Identifer | oai:union.ndltd.org:oulo.fi/oai:oulu.fi:nbnfioulu-201408241793 |
| Date | 01 September 2014 |
| Creators | Kananen, J. (Janne) |
| Publisher | University of Oulu |
| Source Sets | University of Oulu |
| Language | Finnish |
| Detected Language | Finnish |
| Type | info:eu-repo/semantics/masterThesis, info:eu-repo/semantics/publishedVersion |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess, © Janne Kananen, 2014 |
Page generated in 0.0017 seconds