BASINÇ YARA OLUŞUMUNU ÖNLEMEK İÇİN YATIŞ POZİSYON TESPİTİNİ SAĞLAYACAK GİYİLEBİLİR SENSÖR SİSTEMİ VE DERİN AĞ MİMARİSİNİN GELİŞTİRİLMESİ

Abstract

Bası yaraları, uzun süre yatmak veya oturmak zorunda kalan bireylerde kan dolaşımının bozulması sonucu ortaya çıkan ciddi sağlık sorunlarından biridir. Yaşlanan nüfus ve hareketsiz yaşam tarzları, bu yaraların görülme sıklığını artırmaktadır. Bu çalışmada, yatış pozisyonlarını izleyip uyarılar sunan, giyilebilir sensör teknolojileri ve derin öğrenme algoritmalarını birleştiren bir sistem geliştirilmiştir. Sistem, hastanın göğüs ve bacak bölgelerine yerleştirilen üç adet kablosuz IMU sensörü (atalet ölçüm birimi) aracılığıyla pozisyon takibi gerçekleştirmektedir. Sensörlerden gelen veriler, pozisyon ve yönelim açılarının yüksek doğrulukla belirlenmesini sağlayan veri füzyon algoritmalarıyla işlenmiştir. Geliştirilen makine öğrenmesi ve derin öğrenme temelli algoritmalar, yatış pozisyonunun %88-%99 doğrulukla tespit edilebileceği gösterilmiştir. Geliştirilen sistem bası yaralarının takibine yönelik bireysel sağlık hizmetlerini iyileştirmek ve sağlık çalışanlarının iş yükünü hafifletmek için yenilikçi bir yaklaşımdır. Anahtar Kelimeler: Bası yarası önleme, Yatış pozisyon takibi, Atalet sensör verisi, Derin öğrenme, Veri sınıflandırmaPressure ulcers are one of the serious health issues that arise due to impaired blood circulation in individuals who are required to remain in a lying or sitting position for prolonged periods. The aging population and sedentary lifestyles have increased the prevalence of these wounds. In this study, a system combining wearable sensor technologies and deep learning algorithms was developed to monitor lying positions and provide alerts. The system tracks positions through three wireless IMU sensors (inertial measurement units) placed on the chest and legs of the patient. Data from the sensors is processed using data fusion algorithms that ensure high accuracy in determining position and orientation angles. Machine learning and deep learning-based algorithms developed in this study demonstrated that lying positions can be detected with an accuracy of 88%-99%. The developed system offers an innovative approach to improving personalized healthcare services for the management of pressure ulcers and reducing the workload of healthcare professionals. Keywords: Pressure injury prevention, Lying position detection, Inertial sensor data, Deep learning, Data classification