Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "GGGhhheeennnaaaiiimmm ZZZooouuuhhhiiirrraaaTaaalllhhhaaa AAAooouuuiiiccchhhaaa"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Item
    HomeCare AI: Smart Home System for Healthcare
    (university of eloued جامعة الوادي, 2024-06-03) GGGhhheeennnaaaiiimmm ZZZooouuuhhhiiirrraaaTaaalllhhhaaa AAAooouuuiiiccchhhaaa
    لرعاية الصحية والتنبؤ بها. ن يركز هذا العلل عل تطوير نظام اللن منت الشياء )IoT( مع أجهزة استشعار مختلفة مثل MAX30102 يدمج النظام تقنية إنت الوقت الفع كل عن تخطيط ك وAD8232 وPIR SR501 وDHT11 وMQ2، لجلع البيانات ن القلب ECGوSPO2 والحركة ودرجة الحرارة والرطوبة ووجود الغاز. يتم نقل هذه البيانات إل والتحليل. النظلة الساسية السحابية مثل Ubidots وArduino IoT Cloud وBlynk للتصور دا CNN وLSTM، للتنبؤ علوة عل ذلك، يستخدم النظام خوارزميات التعلم العليق، وتحديد ء عل البيانات اللجلعة. يتم تقييم أداء هذه النلاذج باستخدام بقيم تخطيط القلب بناء ا واعددا لللراقبة الصحية اللستلرة والكشف اللبكر مجلوعة بيانات عدم انتظام نربات القلب MIT-BIH، ملا يحقق معدلت دقة محًء مليةDans le développement dun système de maison intelligente pour une surveillance et une prédiction améliorées des soins de santé, le système intègre la technologie Internet des objets (IoT) avec divers capteurs tels que le MAX30102, l’AD8232, le PIR SR501, le DHT11 et le MQ2, pour collecter des données en temps réel sur lECG, le SPO2, le mouvement, la température, lhumidité et la présence de gaz. Ces données sont ensuite envoyées sur des plateformes cloud comme Ubidots, Arduino IoT Cloud et Blynk pour la visualisation et lanalyse. En outre, le système utilise des algorithmes de deep learning, en particulier les CNN et LSTM, pour prédire les valeurs ECG à partir des données collectées. La performance de ces modèles est évaluée à laide de lensemble de données MIT-BIH sur larythmie, ce qui permet datteindre des taux de précision supérieurs à 90 %. Le système proposé démontre une solution prometteuse pour la surveillance continue de la santé et la détection précoce des problèmes de santé potentiels dans le milieu familial.

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback