Goran Paligora TREMORSENS MOBILNA APLIKACIJA ZA VREDNOTENJE PATOLOŠKEGA TREMORJA MED UPORABO MOBILNEGA TELEFONA Diplomsko delo Maribor, avgust 2015

Transkripcija

1 Goran Paligora TREMORSENS MOBILNA APLIKACIJA ZA VREDNOTENJE PATOLOŠKEGA TREMORJA MED UPORABO MOBILNEGA TELEFONA Diplomsko delo Maribor, avgust 2015

2 TREMORSENS MOBILNA APLIKACIJA ZA VREDNOTENJE PATOLOŠKEGA TREMORJA MED UPORABO MOBILNEGA TELEFONA Študent: Goran Paligora Študijski program: Računalništvo in informacijske tehnologije - UN Mentor: izr. prof. dr. Aleš Holobar Lektorica: Monika Vengust, prof. soc. in ang.

3

4 ZAHVALA Zahvaljujem se mentorju izr. prof. dr. Alešu Holobarju za pomoč, vodenje in nasvete pri opravljanju diplomskega dela. Prav tako se zahvaljujem vsem, ki so me podpirali v času študija. i

5 TREMORSENS MOBILNA APLIKACIJA ZA VREDNOTENJE PATOLOŠKEGA TREMORJA MED UPORABO MOBILNEGA TELEFONA Ključne besede: tremor, android, mobilna aplikacija, mobilna naprava, senzor, pospeškometer UDK: : (043.2) Povzetek V diplomskem delu smo implementirali mobilno aplikacijo za detekcijo in analizo patološkega in fiziološkega tremorja med vsakdanjo uporabo mobilnega telefona. Aplikacija je omejena na mobilne naprave z operacijskim sistemom android, verzije 4.0, in vgrajenim pospeškometrom. Uporabniku omogočimo spremljanje pridobljenih podatkov iz pospeškometra v obliki grafa, ki se tekom zajema podatkov samodejno posodablja. Aplikacija omogoča pregled obdelanih podatkov in prikaz frekvenčnega spektra pridobljenih signalov, iz katerega ocenjujemo tip tremorja ter njegovo amplitudo in frekvenco. ii

6 TREMORSENS MOBILE PHONE APPLICATION FOR ASSESSMENT OF PATHOLOGICAL TREMOR IN EVERYDAY USE OF MOBILE PHONE Key words: tremor, android, mobile application, mobile device, sensor, accelerometer UDK: : (043.2) Abstract In this diploma, we implemented a mobile application for detection and analysis of pathological tremor during everyday use of a mobile phone. The application is limited to mobile devices with Android operating system version 4.0 (Ice Cream Sandwich) and a builtin accelerometer. The application allows the user to monitor the data obtained from the accelerometer in form of a graph, which is updated in real time. It provides an overview of processed data and displays the frequency spectrum of the obtained signals from which we estimate the amplitude and frequency of the tremors, as well as type of detected tremor. iii

7 KAZALO VSEBINE 1 Uvod Stanje tehnike Tremor Pregled rešitev za ocenjevanje patološkega tremorja v naravnih okoljih Delo s pospeškometri in žiroskopi v mobilnih napravah Zasnova rešitve in implementacija Android in razvojno okolje Android Studio Zasnova aplikacije TremorSens Vzorčenje Digitalni filtri Fourierova transformacija Implementacija aplikacije TremorSens Uporabniški vmesnik Način delovanja Analiza rešitve Zasnova meritev Rezultati meritev Sklep in diskusija Uporabljena Literatura iv

8 KAZALO SLIK SLIKA 3.1 PLASTI OPERACIJSKEGA SISTEMA ANDROID. VIR SLIKE [14]... 7 SLIKA 3.2 SPEKTRALNO PREKRIVANJE... 9 SLIKA 3.3 OKNO ZA NASTAVITVE SLIKA 3.4 OSNOVNO OKNO SLIKA 3.5 OKNO ZA PRIKAZ ZGODOVINE MERITEV SLIKA 3.6 OKNO ZA IZBIRO DATUMA SLIKA 3.7 OSNOVNO OKNO MED MERJENJEM SLIKA 3.8 OKNO ZA PRIKAZ ZGODOVINE MERITEV TREMORJA (PRIKAZ ZA POSAMEZNE DNI) SLIKA 3.9 PRIDOBITEV PODATKOV IZ SKUPNIH NASTAVITEV (ANG. SHARED PREFRENCES) SLIKA 3.10 KODA, KI OBRAVNAVA KLIK NA GUMB START SLIKA 3.11 ALARMMANAGER SKRBI ZA AVTOMATSKI ZAGON SERVISA SLIKA 3.12 INICIALIZACIJA SERVISA SLIKA 3.13: PROGRAMSKA KODA ZA OBDELAVO PODATKOV X-OSI IZ POSPEŠKOMETRA SLIKA 3.14 NAČRTOVANJE PASOVNOPREPUSTNEGA FILTRA V PROGRAMSKEM ORODJU MATLAB SLIKA 3.15 RAČUNANJE AMPLITUDE SIGNALA NA POSAMEZNI OSI POSPEŠKOMETRA SLIKA 3.16 ZDRUŽEVANJE AMPLITUD NA POSAMEZNIH OSEH (X, Y IN Z) V KONČNO AMPLITUDO SIGNALA SLIKA 3.17 POŠILJANJE PODATKOV REGISTRIRANIM POSLUŠALCEM SLIKA 3.18 PRIKAZ NAPREDKA NALAGANJA SLIKA 3.19 IZBIRA METODE POŠILJANJA DATOTEKE PODATKOVNE BAZE SLIKA 4.1 REZULTATI STATISTIČNE PRIMERJAVE RELATIVNE MOČI PATOLOŠKEGA IN FIZIOLOŠKEGA TREMORJA S STATISTIČNIM TESTOM ANOVA v

9 SLIKA 4.2 SPEKTER SIGNALOV IZ POSPEŠKOMETRA, KI SO BILI ZAJETI MED HOJO S TELEFONOM V ROKI (OSEBA 5) SLIKA 4.3 SPEKTER SIGNALOV IZ POSPEŠKOMETRA, KI SO BILI ZAJETI MED MAHANJEM Z ROKO LEVO-DESNO (OSEBA 5) SLIKA 4.4 SPEKTER SIGNALOV IZ POSPEŠKOMETRA, KI SO BILI ZAJETI MED SIMULACIJO FIZIOLOŠKEGA TREMORJA PRI TESTNI OSEBI SLIKA 4.5 SPEKTER SIGNALOV IZ POSPEŠKOMETRA, KI SO BILI ZAJETI MED SIMULACIJO FIZIOLOŠKEGA TREMORJA PRI TESTNI OSEBI SLIKA 4.6 SPEKTER SIGNALOV IZ POSPEŠKOMETRA, KI SO BILI ZAJETI MED SIMULACIJO PATOLOŠKEGA TREMORJA V MIROVANJU PRI TESTNI OSEBI SLIKA 4.7 SPEKTER SIGNALOV IZ POSPEŠKOMETRA, KI SO BILI ZAJETI MED SIMULACIJO PATOLOŠKEGA TREMORJA MED DOTIKANJEM NOSU PRI TESTNI OSEBI vi

10 KAZALO TABEL TABELA 1: MAKSIMALNE AMPLITUDE, NJIHOVE FREKVENCE IN RELATIVNA MOČ TREMORJA ZA POSAMEZNE OSEBE PRI SIMULACIJI PATOLOŠKEGA TREMORJA S FREKVENCO 4 HZ TABELA 2: MAKSIMALNE AMPLITUDE, NJIHOVE FREKVENCE IN RELATIVNA MOČ TREMORJA ZA POSAMEZNE OSEBE PRI SIMULACIJI PATOLOŠKEGA TREMORJA S FREKVENCO 6 HZ TABELA 3: MAKSIMALNE AMPLITUDE, NJIHOVE FREKVENCE IN RELATIVNA MOČ ZA POSAMEZNA OSEBE PRI SIMULIRANJE FIZIOLOŠKEGA TREMORJA vii

11 UPORABLJENE KRATICE PB Parkinsova bolezen Hz Hertz AOSP Android Open Source Project (odprtokodni projekt v operacijskem sistemu android) API Application Program Interface (programski vmesnik) Android SDK Android Software Development Kit (razvojno okolje operacijskega sistema android) IRO Integrirano razvijalno okolje (IDE Integrated Development Environment) XML Extensible Markup Language (razširjen opisovalen jezik) ADB Android Debug Bridge (očiščevalnik v operacijskem sistemu android) FFT Fast Fourier Transform (hitra Fourierova transformacija) JRE Java Runtime Environment (javansko izvajalno okolje) ms milisekunda IIR infinite impulse response (neskončen ipulzni odziv) IP Internet Protocol (internetni protokol) viii

12 1 UVOD Pametni telefoni postajajo vseprisotni in njihove zmogljivosti še vedno naraščajo. Zato je vedno več pozornosti usmerjene k njihovi uporabi v raziskavah in zdravstvenih okoljih. Njihovi senzorji lahko zagotavljajo velike količine podatkov o gibanju okončin, ki se lahko uporabljajo tudi v medicini. V prihodnjih letih bo večina prebivalstva imela svoj pametni telefon. Raziskave kažejo, da je bilo samo leta 2011 na svetu prodanih več kot 420 milijonov pametnih telefonov in te številke naj bi se do leta 2016 povečala na več kot eno milijardo. Naslednji korak preventivne diagnostike je razviti enostavne medicinske aplikacije, ki ustrezajo potrebam zdravnikov, bolnikov in raziskovalcev [1]. Tremor je nehotno tresenje spodnjih in zgornjih okončin in je ena najbolj razširjenih motenj gibanja. Manifestira se lahko v številnih oblikah. Ena od teh oblik je Parkinsova bolezen (PB). Na podlagi podatkov World Health Organization, je bilo leta 2004 več kot 5,2 milijona ljudi obolelih za PB. To število se bo predvidoma do leta 2020 povečalo na 40 milijonov. Zdravljenje in spremljanje tresenja še vedno predstavlja velik izziv za zdravnike, ker je tremor zelo spremenljiv in izrazito nestacionaren [1]. V časovnem razponu nekaj minut se lahko spremenita tako frekvenca kot amplituda tresenja okončin, na te sprememba pa vplivajo številni dejavniki; od razpoloženja do zaužitja alkoholnih pijač ter poživil. Zato je pomembno patološki tremor meriti v preiskovančevih naravnih okoljih in skozi daljše časovno obdobje in na ta način medicinskemu osebju ponuditi reprezentativna ovrednotenja simptomov tremorja. Cilj diplomske naloge je izdelati mobilno aplikacijo, ki lahko zazna in ovrednoti tremor med upravljanjem mobilnega telefona. Novejše mobilne naprave imajo že vgrajen pospeškometer senzor, ki ga lahko v programski aplikaciji uporabimo za zaznavanje tresenja rok. Zaznano tresenje je potrebno ovrednotiti in ločiti patološki tremor od fiziološkega tremorja (zaradi dehidracije ali stresa) in hotnih gibov. V primeru zaznanega patološkega tremorja je potrebno Stran 1

13 izračunati frekvenco in amplitudo tresenja in podatke v ustrezni statistični obliki shraniti za kasnejšo obdelavo in prikaz. V skladu z zastavljenimi cilji skušamo v diplomski nalogi potrditi naslednjo tezo: S pomočjo pospeškometra in žiroskopa, ki sta vgrajena v mobilni telefon, lahko učinkovito in natančno zaznavamo tako frekvenco kot amplitudo tremorja med naravnim upravljanjem uporabnika s telefonom. Stran 2

14 2 STANJE TEHNIKE 1. Tremor Kot smo že povedali v uvodu, je tremor nehoteno, ritmično gibanje mišic enega ali več delov telesa. Tremor je najpogostejša gibalna motnja in se lahko pojavi na enem ali več različnih delih telesa, kot so dlani, podlakti, glava oziroma vrat, obrazne mišice, jezik, trup in noge. Čeprav ni življenjsko nevaren, tremor pogosto povzroča socialno zadrego in funkcionalno invalidnost. Tremor se lahko pojavi pri kateri koli starosti, a je najpogostejši pri starejših osebah in prizadene tako moške kot ženske [2]. Pri zdravih osebah se pojavlja fiziološki tremor, patološki tremor pa je simptom zdravstvenih težah, v večini primerov nevrološkega izvora. Pojavi se lahko kot del sindroma (tremor pri PB) ali izolirano (esencialni tremor) [3]. Patološki tremor je običajno razvrščen glede na lokacijo ali obnašanje, ki določa okoliščine, v katerih se tremor pojavi. Glede na ta kriterij je tremor klasificiran v dve kategoriji: tremor v mirovanju in akcijski tremor. Tremor v mirovanje se pojavi, ko je mišica sproščena, na primer ko so roke podprte v podlakti. Tremor se lahko pojavi v roki ali prstih pacientov. Ta vrsta tremorja se pogosto pojavlja zlasti pri bolnikih s PB [2]. Frekvenca tremorja v mirovanju je med 3 in 7 Hz [4]. Akcijska oblika tremorja se pojavlja med kakršnim koli gibanjem prizadetega dela telesa. Obstaja več podvrsti akcijskega tremorja [2]. Posturalni tremor je akcijski tremor, ki se pojavi ob vzdrževanju določenega položaja prizadetega uda proti gravitacijski sili (npr. držanje roke odročeno) [2]. Frekvenca posturalnega tremorja je v območju 4 12 Hz [4]. Stran 3

15 Kinetični tremor je akcijski tremor, ki se pojavi med gibanjem dela telesa, kot na primer fleksijo in ekstenzijo zapestja [2]. Frekvenčno območje tega tremorja je med 4 in 12 Hz [4]. Intencijski tremor je kinetični termor, ki je prisoten med namenskimi gibi proti cilju, na primer ob dotikanju nosu s prstom [2]. Fiziološki tremor je prisoten v vseh normalnih in zdravih osebah in se pojavi v različnih pogojih, kot so različne izvedbe opravil (gibanja ali izometrične kontrakcije), vzdrževanje položaja telesa in celo v mirovanju [3]. Izboljšan fiziološki tremor je v bistvu enak fenomen, vendar z veliko amplitudo nihanja, ki se pojavlja v odsotnosti nevrološke bolezen. Fiziološki tremor se lahko poveča z zaužitjem poživil in drugih zdravil, prenehanjem jemanja drugih drog ali alkohola, med določenimi boleznimi (povišanim nivojem ščitničnih hormonov ali nizko raven glukoze) ter stresom in utrujenostjo [3]. Fiziološki tremor se okrepi tudi s starostjo. Frekvenčno območje za fiziološko tresenje je lahko precej široko in zajema interval od 8 do 25 Hz; izboljšan fiziološki tremor je navadno omejen na območju 8 12 Hz. Frekvenca je odvisna od tega, kje in pod kakšnimi pogoji opazimo tremor [3]. 2. Pregled rešitev za ocenjevanje patološkega tremorja v naravnih okoljih Čeprav je tremor najbolj merljiv od vseh gibalnih motenj, trenutno ni splošno sprejete metode ocenjevanja ali merjenja tremorja. V literaturi obstaja bistvena metodološka variabilnost spremljanja tremorja in ocenjevanja njegove prisotnosti. V poskusu standardiziranja vrednotenja tremora, predvsem v kliničnih preiskavah, so bile razvite številne ocenjevalne lestvice patološkega tremorja. Ena izmed starejših lestvic, ki je uporabljena še danes, je Fahn- Tolosa-Marin Tremor Rating Scale (TRS) [5]. Površinski in igelni elektromiografski (EMG) signali beležijo električne potenciale, ki jih tvorijo mišična vlakna. V primeru površinskega EMG so merilne elektrode pritrjene na kožo Stran 4

16 nad preučevano mišico. V preiskavah z igelnimi ali žičnimi elektrodami, so elektrode invazivno vstavljene v mišice, v neposredno bližino mišičnih vlaken. Analiza trajanja akcijskih potencialov motoričnih enot je lahko koristna za razlikovanja različnih bolezni. Signali EMG omogočajo elektrofiziološke teste, ki se uporabljajo za razlikovanje psihogenega od distoničnega in drugih vrst tremorja [5]. Obstaja dosti raziskav, ki kažejo, da se lahko tudi inercijski senzorji (pospeškometri in žiroskopi) uporabijo za ocenjevanje motnje gibanja. Pospeškometri in žiroskopi so običajno nameščeni na napravi, ki se lahko svobodno giblje v vse smeri. Inercijski podatki, pridobljeni iz inercijskih senzorjev, omogočajo spremljanje efekta diskinezija in preko njih je mogoče preučiti vpliv nekaterih zdravil na gibanje in funkcionalno zdravje pacientov [6] [7]. Razvite so bile številne znanstvene metode, ki s pomočjo inercijskih meritev zelo natančno merijo amplitude in frekvence patološkega tremorja, vendar so bile te metode testirane in validirane le v strogo nadzorovanih laboratorijskih razmerah [8] [9]. 2.3 Delo s pospeškometri in žiroskopi v mobilnih napravah Večina modernih pametnih telefonov ima vgrajene različne senzorje. Najbolj znani in uporabljeni senzorji so žiroskop, pospeškometer in magnetometer. Pospeškometer je elektromehanska naprava, ki meri pospeške. Pospeški so lahko statični, kot na primer gravitacijski pospešek ali dinamični (npr. gibanje ali vibracije mobilne naprave) [10]. V mobilnih napravah meri pospeškometer nagib in gibanje naprave. Prav tako je sposoben detektirati rotacijo in preproste geste, kot na primer mahanje z roko ali tresenje rok. Najpogosteje se uporablja za samodejno vrtenje zaslona na mobilnih napravah, ko uporabnik spremeni usmerjenost naprave iz pokončne v ležečo lego ali obratno [11]. Stran 5

17 Pospeškometer se uporablja tudi za igranje iger na mobilnih napravah. Obstaja dosti iger, ki uporabljajo pospeškometer za krmiljenje igralnih objektov. Nekatere primere teh iger navaja spletna stran mashable [12]. Žiroskopi merijo spremembe kotne hitrosti. Običajno se žiroskopi kombinirajo s pospeškometri, kar omogoča bolj natančno prepoznavanje gibanja v 3D prostoru. Skupaj ti senzorji zagotavljajo zaznavanja gibanja s šestimi prostorskimi stopnjami, saj ločeno merijo pospeške in kotni pospeške na oseh X, Y in Z kartezičnega koordinatnega sistema [13]. Stran 6

18 3 ZASNOVA REŠITVE IN IMPLEMENTACIJA 3.1 Android in razvojno okolje Android Studio Android je operacijski sistem, ki temelji na jedru operacijskega sistema linux. Za razvoj sistema android je odgovoren projekt Android Open Source Project (AOSP), ki je voden predvsem s strani podjetja Google. Android podpira obdelavo v ozadju in ponuja bogate knjižnice z uporabniškimi vmesniki. Podpira 2D in 3D grafiko s knjižnico OpenGL in omogoča dostop do datotečnega sistema, kot tudi dostop do vgrajene SQLite baze podatkov. Aplikacije so običajno sestavljene iz različnih vidnih in nevidnih komponent in lahko uporabljajo obstoječe komponente drugih aplikacij. Sistem android se običajno razdeli na štiri plasti, prikazane na sliki 3.1 [14]. Slika 3.1 Plasti operacijskega sistema android. Vir slike [14] Stran 7

19 Plasti operacijskega sistema razdelimo v : Aplikacijsko plast AOSP: ta plast vsebuje več privzetih aplikacij, kot so brskalnik, kamera, galerija, glasba, telefon in še več. Aplikacijsko ogrodje API, ki aplikacijam omogoča interakcijo na visokem nivoju s sistemom android. Knjižnice in izvajalno okolje sem spadajo knjižnice za številne naloge (npr. grafično upodabljanje, shranjevanje podatkov, brskanje po spletu itd.) in izvajalno okolje dalvik ter ključne javanske knjižnice za izvajanje aplikacij. Jedro operacijskega sistema linux, ki komunicira s strojno opremo. Ko razvijalec ustvarja nove aplikacije, običajno deluje na prvih dveh plasteh [14]. Razvojno okolje Android Software Development Kit vsebuje potrebna orodja za ustvarjanje, prevajanje in pakiranje aplikacij. Večina teh orodij temelji na ukazni vrstici. Primarni način za razvoj aplikacij temelji na programskem jeziku Java. Android SDK vsebuje razhroščevalni most (Android Debug Bridge - ADB), orodje, ki omogoča izvajanje aplikacij na virtualni ali realni napravi z OS android. Podjetje Google zagotavlja tudi integrirano razvijalno okolje (IRO), imenovano Android Studio, za ustvarjanje aplikacij. To razvijalno okolje temelji na razvijalnem okolju IntelliJ [15] in konfiguracijskih datotekah, ki so zapisane v jeziku XML [14]. Operacijski sistem android 5.0 uporablja novo izvajalno okolje (Android Runtime). To izvajalno okolje uporablja vnaprejšnje prevajanje. Med procesom namestitve aplikacije na napravo se koda prevede v strojno kodo, kar zagotavlja njeno hitrejšo izvajanje. To tudi izboljša življenjski čas baterije, ker se aplikacija prevede samo enkrat [14]. Logika aplikacije je napisana v programskem jeziku Java. Javanski prevajalnik pretvori izvorne datoteke v razredne zbirke in potem orodje dx, ki je dostopno v okolju android SDK, Stran 8

20 pretvori iz razrednih zbirk v datoteke v formatu.dex (dalvik executable). Pri tem postopku se optimizirajo redundantne informacije. Na koncu program AAPT (Android Asset Packaging Tool) datoteke.dex in zunanje vire projekta (slike, datoteke XML itd.) zapakira v datoteke.apk (Android Package). Nastala datoteka.apk vsebuje vse potrebne podatke za zagon aplikacije in se lahko uporabi za namestitev aplikacije na napravo preko orodja ADB [14]. 3.2 Zasnova aplikacije TremorSens Vzorčenje Digitalna obdelava signalov se izvaja v treh fazah: Analogni signal se digitalizira. To pomeni, da se vzorči in da je amplituda vsakega vzorca kvantizirana s končnim številom bitov. Ta proces se imenuje analogno-digitalna A/D pretvorba. Digitalizirani vzorci se obdelajo. Dobljene izhodne vzorce lahko pretvorimo nazaj v analogni signal preko analogne rekonstrukcije (D/A pretvorbe). Frekvenca vzorčenja, fvz, je povprečno število vzorcev, pridobljenih v eni sekundi. Izrek vzorčenja [4] navaja, da morata biti za natančno rekonstrukcijo signala x(t) iz časovnih vzorcev x(nt) izpolnjena dva pogoja [16]: Signal x(t) mora biti frekvenčno navzgor omejen, z maksimalno frekvenco fm. Frekvenca vzorčenja je vsaj dvakrat višja od maksimalne frekvence fm. Če je fvz < 2 fm, pride do spektralnega prekrivanja, ki je prikazano na sliki 3.2. Slika 3.2 Spektralno prekrivanje Stran 9

21 3.2.2 Digitalni filtri Digitalni filter je sistem, ki opravlja matematične operacije nad vzorci diskretnega signala in iz signala odstrani izbrano frekvenčno vsebino. Digitalni filter podrobno opišemo s prenosno karakteristiko, ki opiše, kako se bo filter odzval na vhodne vzorce. Oblikovanje filtra je sestavljeno iz definiranja specifikacij filtriranja in izdelave prenosne karakteristike filtra, ki ustreza specifikacijam. Prenosno karakteristiko lahko zapišemo kot: H(z) = B(z) = b 0+ b 1 z 1 +b 2 z b N z N A(z) 1+ a 1 z 1 +a 2 z a M z M (3.1) pri čemer so a(i) in b(i) koeficienti, ki določajo lastnosti H(z), in z operator zakasnitve [16] Fourierova transformacija Fourierova transformacija razgradi signal na vsoto sinusoid. Vsak pojav skozi čas ali v prostoru je mogoče opisati z naborom sinusoid, katerih lastnosti so frekvenca, amplituda in faza. Izraz Fourierova transformacija se nanaša na predstavitev signala v frekvenčni domeni [17]. Diskretna Fourierjeva transformacija (DFT) pretvori končen seznam enakomerno porazdeljenih vzorcev signala iz časovne v frekvenčno domeno. Rezultat DFT so kompleksne vrednosti, katerih absolutne vrednosti določajo amplitude sinusoid pri izbrani frekvenci [18]. Najpogosteje uporabljen algoritem DFT je algoritem hitre Fourierove transformacije (FFT), ki ima časovno zahtevnost O(n log n) [19]. 3.3 Implementacija aplikacije TremorSens TremorSens je aplikacija, ki uporablja postopke, omenjene v prejšnjem poglavju. Njen cilj je detekcija tremorja in ocenjevanje njegovih glavnih karakteristik amplitude in frekvence. Ko enkrat uporabnik zažene servis, ki skrbi za pridobitev podatkov iz pospeškometra in njihovo Stran 10

22 obdelavo, lahko uporabnik prosto uporablja svoj telefon. Ob tem ni potrebno, da je aplikacija vidna/odprta na zaslonu, temveč lahko teče v ozadju. Pomembno je, da je telefon v rokah uporabnika. Podatke (pospeške) iz pospeškometra pridobivamo z vzorčevalno frekvenco 50 Hz. Tako pridobljeni podatki se v enakih časovni intervalih obdelajo. Iz izračunane frekvence, amplitude in relativne moči signala se aplikacija odloči, ali je v tem signalu prisoten tremor. V primeru, ko je tremor zaznan, zapiše v podatkovno bazo tip tremorja in njegove karakteristike. Aplikacija loči med patološkem in fiziološkem tremorjem ter med tremorjem v mirovanju in akcijskim tremorjem. Natančnejši opis delovanja aplikacije podajamo v podpoglavju Aplikacija TremorSens je izdelana v razvojnem okolju android studio 1.3.1, JRE 1.8.0, ki podpira mobilne naprave z operacijskim sistemom android, verzije 4.0 (Ice Cream Sandwich) ali višje. Aplikacijo smo razvili in testirali na telefonu Samsung Galaxy S4, model GT'I9505, z androidom verzije Lollipop Uporabniški vmesnik Ob zagonu aplikacije se odpre glavno okno (slika 3.4). Glavno okno vsebuje dve tekstovni oznaki: eno za izpis amplitude in drugo za izpis frekvence tremorja. Sledita dva grafa, ki smo ju ustvarili s pomočjo komponente GraphView [20]. Prvi graf se posodobi vsakih deset sekund in služi prikazu izračunanega frekvenčnega spektra pridobljenega signala. Drugi graf služi za prikaz podatkov iz pospeškometra in se posodobi desetkrat na sekundo (slika 3.7). Na dnu sta dva gumba. Prvi omogoča zagon zajema podatkov s pospeškometra, drugi pa prikaže okno za pregled zgodovine in statistike meritev. Ob pritisku na gumb Start aplikacija zažene servis, ki pridobiva informacije iz pospeškometra in posodablja vsebino grafov. Start gumb se spremeni v Stop gumb, s katerim se lahko omenjeni servis ustavi. Stran 11

23 Slika 3.3 Okno za nastavitve Slika 3.4 Osnovno okno V zgornjem desnem kotu je gumb, ki odpre meni, v katerem lahko spreminjamo nastavitve. Ob izbiri se prikaže okno, ki ga prikazuje slika 3.3. Tu lahko uporabnik s pomočjo drsnikov izbere kaj želi imeti prikazano na osnovnem oknu. Po vsaki spremembi se izgled osnovnega okna spremeni, spremembe pa se trajno shranijo. Na vrhu drsnikov se nahaja drsnik s tekstom»manual Activation«. S tem drsnikom uporabnik preklaplja med ročnim in avtomatskim aktiviranjem aplikacije. Avtomatsko aktiviranje aplikacije bomo podrobneje predstavili v naslednjem poglavju. Ta drsnik je onemogočen, kadar je zagnan servis za branje vrednosti iz pospeškometra. Če želi uporabnik omogočiti avtomatsko zaganjanje, mora najprej ustaviti ta servis. Stran 12

24 Na dnu okna z nastavitvami se nahajata dva gumba, ki služita prenosu podatkovne baze na drug telefon. Omenjeno podatkovno bazo bomo podrobneje predstavili v poglavju Slika 3.5 Okno za prikaz zgodovine meritev Slika 3.6 Okno za izbiro datuma Slika 3.5 prikazuje začetni izgled okna za prikaz zgodovine meritev. Uporabnik preko standardnega dialognega okna (slika 3.6) izbere obdobje, za katerega želi pregledati meritve tremorja. Uporabnik lahko ločeno izbere prikaz podatkov o patološkem tremorju v mirovanju, patološkem akcijskem tremorju, fiziološkem tremorju v mirovanju in fiziološkem akcijskem tremorju ali pa prikaže vse naštete tipe tremorja skupaj. Ob kliku na gumb Show se prikaže graf za izbrano časovno obdobje. Ta graf prikazuje povprečno frekvenco in povprečno Stran 13

25 amplitudo tremorja za to časovno obdobje. V primeru, ko podatki za to obdobje ne obstajajo, se na dnu okna pojavi sporočilo, v katerem piše, da podatkov za to obdobje ni. Na koncu podajamo še primer izgleda prvega okna med delovanjem servisa za zajem podatkov iz pospeškometra in primer izgleda okna za prikaz zgodovine med dejansko uporabo aplikacije. Slika 3.7 Osnovno okno med merjenjem tremorja Slika 3.8 Okno za prikaz zgodovine meritev (prikaz za posamezne dni) Stran 14

26 3.3.2 Način delovanja Ob zagonu aplikacije se najprej preverijo skupne nastavitve (ang. shared prefrences) [21] aplikacije (slika 3.9), ki določajo, kaj se naj pokaže na zaslonu. Ob prvemu zagonu se privzeto prikažejo vsi v prejšnjem poglavju opisani gradniki. Funkcija validateview() posodobi izgled, če je to potrebno. Registriramo tudi dva poslušalca tipa BroadcastReceiver [22], ki služita za posodobitev grafov. V metodi OnDestroy() ta dva poslušalca odjavimo (ang. unregister). Slika 3.9 Pridobitev podatkov iz skupnih nastavitev (ang. shared prefrences) Potem, ko uporabnik zažene servis s klikom na gumb Start, se preveri, kako naj se servis zažene. Če je uporabnik izbral ročno aktiviranje, se servis zažene takoj (slika 3.10). Stran 15

27 Slika 3.10 Koda, ki obravnava klik na gumb Start Če je bil izbran avtomatski zagon servisa, se uporabi razred AlarmManager [23], ki skrbi za avtomatski zagon aplikacije (slika 3.11). Slika 3.11 AlarmManager skrbi za avtomatski zagon servisa Razred BackgroundClass skrbi za delovanje procesa v ozadju in deduje od razreda Service [24]. Da bi lahko uspešno zagnali servis, ga moramo registrirati v datoteki AndroidМanifest.xml. Ob inicializaciji razreda BackgroundClass naredimo časovnik tipa Timer [25], ki skrbi za osvežitev grafa na prvem oknu. Timer ima zakasnitev nastavljeno na 100 ms, kar pomeni, da moramo malo počakati, da se registrira poslušalec in se začnejo risati podatki. V graf dodamo nove vrednosti vsakih 100 ms. Če je servis zagnan v avtomatskem načinu, pokličemo servis StopService, v katerem ob zagonu registriramo časovnik, ki skrbi za izključitev prvega servisa. Servis BackgroundService izključimo dve minuti po inicializaciji. To pomeni, da se v avtomatskem načinu servis meritev vključi vsakih 30 minut in se izključi po dveh minutah (slika 3.12). Stran 16

28 Slika 3.12 Inicializacija servisa Pridobitev in obdelava podatkov Mehanskim gibom rok sledimo s pomočjo poslušalca Linear_Acceleration sensor [26], ki ima že vgrajen filter za odstranjevanje vpliva gravitacije. Vsakič, ko se sproži dogodek onsensorchanged, dodamo novo prebrano vrednost v polje vrednosti buffer. Vzorčevalna frekvenca je ~50 Hz. Da bi potrdili resnost vzorčevalne frekvence, smo gledali čase zajemanja podatkov in ugotovili, da se res v času od 1 s pojavi 50 vzorcev z manjšim odstopanjem od max +/- 2ms. To polje hrani zadnjih 10 s meritev in ko se napolni, se kliče servis AsyncTask [27], ki skrbi za obdelavo podatkov (servis AsyncTask smo uporabili z namenom, da ne bi preveč motili konstantnega zajema podatkov iz pospeškometra). Slika 3.13 Programska koda za obdelavo podatkov X-osi iz pospeškometra Stran 17

29 Kot prikazuje slika 3.13, pridobljene podatke za vsako os najprej filtriramo s pasovno prepustnim filtrom. Filter smo načrtovali v programskem orodju Matlab [28]. Vse frekvence, ki ne sodijo v območje 2 20 Hz, odstranimo (slika 3.14), vendar si shranimo kopijo signala in jo kasneje uporabimo za detekcijo hotnih gibov v signalu. Odstranitev hotnih gibov pripomore k uspešni detekciji tremorja, saj zoži preiskovano frekvenčno območje posnetega signala in izboljša oceno relativne moči tremorja. Surove podatke prav tako filtriramo z nizkoprepustnim filtrom z lomno frekvenco pri 2 Hz (slika 3.14). Filter je tipa IIR in drugega reda 2, je stabilen in nima linearne faze. Filter drugega reda smo izbrali zaradi manjše kompleksnosti in porabe procesorskega časa, kar se odraža tudi v porabi baterije. To je dejansko kompromis med hitrostjo zapiranja prehodnega območja filtra in porabo procesorskega časa. Butterworthovi filtri imajo počasno zapiranje prehodnega območja in ravno zaradi tega je bila lomna frekvenca filtra postavljena na 2 Hz. Na ta način odstranimo frekvenčno vsebino nad 3 Hz, ohranimo pa informacijo o hotnih gibih. Iz tako filtriranih signalov ugotavljamo prisotnost hotnih gibov uporabnika in s tem določamo tip tremorja (tremor v mirovanju ali akcijski tremor). Slika 3.14 Načrtovanje pasovnoprepustnega filtra v programskem orodju Matlab Filtrirani signal transformiramo v frekvenčni domeni z uporabo hitre Fourierove transformacije FFT. Slednjo smo izvedli s pomočjo knjižnice jtransform [29]. Ločeno smo filtrirali podatke iz vsake izmed osi pospeškometra (x, y in z) in izračunali amplitudo signala na vsaki izmed njih (slika 3.15). Stran 18

30 Slika 3.15 Računanje amplitude signala na posamezni osi pospeškometra Potem dobljene amplitude seštejemo z uporabo Pitagorovega izreka v končno amplitudo signala (slika 3.16). Polja ampx, ampy in ampz (slika 3.13) predstavljajo izračunane amplitude posamezne osi. Slika 3.16 Združevanje amplitud na posameznih oseh (x, y in z) v končno amplitudo signala Detekcija tremorja Med izračunanimi amplitudami spektra poiščemo maksimalno in s pomočjo indeksa maksimalne amplitude v polju z rezultati hitre Fourierove transformacije izračunamo frekvenco tremorja: f i = i F vz LEN (3.2) kjer je i indeks trenutnega vzorca iz polja amplitud, Fvz je vzorčevalna frekvenca in LEN je dolžina polja z amplitudami. Izračunamo še relativno moč (RM) tremorja: Stran 19

31 0,1 RM(f 0 ) = f= 0,1 P(f 0+ f) + f= 0,1 P(2 f 0 + f) 0,1 Fvz f=0 P(f) (3.3) kjer je P(f0) maksimalna amplituda, P(f) je amplituda pri frekvenci f, Fvz je vzorčevalna frekvenca, f pa je frekvenčna toleranca z vrednostjo med -0,1 Hz in +0,1 Hz. Če je vrednost maksimalne amplitude vsaj 0,4 m/s 2 in če je relativna moč te amplitude vsaj 10,8 %, se odločimo, da smo zaznali patološki tremor. Če so vrednost maksimalne amplitude vsaj 0,06 m/s 2 in če je relativna moč te amplitude med 4,5 % in 10,8 %, se odločimo, da smo zaznali fiziološki tremor. V ostalih primerih se odločimo, da tremorja nismo zaznali. Preden zapišemo tremor v podatkovno bazo, analiziramo frekvenčno vsebino na območju od 0 Hz do 2 Hz. Če je povprečje amplitud na tem območju večje od 0,8 m/s 2, smatramo, da so v signalu prisotni hotni gibi. Za pragovno vrednost 0,8 m/s 2 smo se odločili, ker je bila v večini testnih signalov s prisotnimi hotnimi gibi (mahanje z roko levo desno, dotikanje nosu in hoja za opis meritev glej poglavje 4) na tem frekvenčnem območju amplituda višja od 0,8 m/s 2 (slika 4.3 in slika 4.7). Na podlagi prisotnosti hotnih gibov opredelimo, ali je zaznani tremor akcijski ali v mirovanju. Za podatkovno bazo smo uporabili bazo SQLite [30]. Naša podatkovna baza ima eno samo tabelo Tremor s stolpci ID, čas, frekvenca, amplituda, relativna moč in tip tremorja. Za kreiranje podatkovne baze in komunikacijo z njo smo naredili razred DataBaseАdapter, ki vsebuje statični razred SQLiteOpenHelper [31]. Pridobljeni frekvenčni spekter, maksimalno amplitudo in frekvenco tudi sproti oddajamo (ang. broadcast), tako da lahko registriran poslušalec pridobi podatke za izris grafov (slika 3.17). Stran 20

32 Slika 3.17 Pošiljanje podatkov registriranim poslušalcem Prikaz podatkov za zgodovino V oknu za prikaz zgodovine meritev lahko uporabnik izbere časovni interval meritev in nato pritisne gumb Show. Izris grafa je odvisen od izbranega časovnega intervala. Če je časovni interval krajši od treh dni, prikažemo graf z urami na osi x. Vsak stolpec podaja meritve tremorja ob izbrani uri. Če je izbran interval dolg od 3 do 14 dni, prikažemo graf po dnevih, kjer vsak stolpec predstavlja izbrani dan. Če je izbran interval dolg od 2 do 10 tednov, prikažemo graf po tednih, v primeru, ko je izbran interval daljši od 10 tednov, pa prikažemo graf po mesecih. Med izrisovanjem grafa prikažemo statusno okno ProgressDialog [32], ki uporabniku prikazuje napredek pri branju podatkov iz podatkovne baze in pri pripravi grafov. V oknu za nastavitve si lahko uporabnik obstoječo podatkovno bazo prenese na drug telefon. Ob kliku na gumb Send Database (slika 3.3) podatkovno bazo preberemo, zatem pa naredimo datoteko v formatu XML, ki jo shranimo v mapo TremorSens. Ta datoteka je pripravljena za prenos na nov telefon. Uporabnik si lahko preko posebnega okna (slika 3.19) izbere način prenosa datoteke. Aplikacija ne zagotavlja nobene enkripcije podatkov, tako da mora biti uporabnik pozoren, komu pošilja podatke. Stran 21

33 V oknu za povezave (slika 3.19) se pokažejo vsi možni načini prenosa datotek, ki jih telefon podpira. Pomembno je, da oba telefona (stari in novi) podpirata izbrano metodo prenosa. Ko je datoteka uspešno prenesena, jo drugi telefon po navadi shrani v mapo ReceivedFiles ali Download (različni telefoni imajo različne mape, odvisno od načina prenosa). Ob kliku na gumb Import Database (slika 3.3) na drugem telefonu, aplikacija sama poišče datoteko in začne nalagati podatke iz datoteke v podatkovno bazo. Novi podatki se zapišejo v že obstoječo podatkovno bazo, brez da bi izbrisali trenutno obstoječe podatke. Podatkovna baza se izbriše, ko se aplikacija odstrani iz telefona. V času nalaganja podatkov se pojavi merilnik napredka (slika 3.18). Slika 3.18 Prikaz napredka nalaganja podatkovne baze Slika 3.19 Izbira metode pošiljanja datoteke Stran 22

34 4 ANALIZA REŠITVE 4.1 Zasnova meritev Aplikacija je bila testirana na telefonu Samsung Galaxy S4, z operacijskim sistemom android verzije (Lolipop) in zaslonsko ločljivostjo pikslov. Za testiranje naše aplikacije smo izvedli dve različni simulaciji tremorja na petih različnih mladih zdravih moških. V prvi simulaciji tremorja so morale testne osebe s telefonom v roki 30 sekund simulirati patološki tremor pri frekvencah 4 Hz in 6 Hz. Za zagotavljanje konstantnosti frekvence tremorja smo uporabili spletni metronom [33]. Testni subjekti so simulirali tremor med tremi različnimi opravili: v mirovanju, z odročenimi rokami in med dotikanjem nosu. Med vsakim opravilom so simulirali tremor treh različnih intenzitet (majhna, srednja in velika). Vsaka testna oseba je torej morala narediti 18 meritev simuliranega tremorja. V drugi simulaciji so testne osebe simulirale fiziološki tremor. V roki, ki so jo držale odročeno dokler so zmogle, so morale držati telefon, na roko pa je bila pripeta 5 kg utež. Vsaka oseba je ta test ponovila dvakrat, in sicer v različnih dnevih. Zaradi utrujenosti se je pri osebah po določenem času pojavil fiziološki tremor. Z namenom, da bi analizirali frekvenčni spekter hotnih gibov (brez prisotnosti fiziološkega in patološkega tremorja), smo naredili še tri teste, pri katerih je testna oseba držala telefon v roki med normalno hojo po trdi podlagi (prvi opravilo), mahala z roko v levo in v desno (drugo opravilo) in se s prsti dotikala nosu (tretje opravilo). Stran 23

35 Za prenos posnetih signalov na računalnik in za njihovo nadaljnjo analizo smo preko protokola UDP vzpostavili komunikacijo z osebnim računalnikom. Na računalnik smo namestili strežniško aplikacijo, ki čaka na povezavo na izbranih vratih protokola IP. Naša aplikacija se je povezovala s strežniško aplikacijo in preko mrežne povezave pošiljala signale na računalnik. 4.2 Rezultati meritev Pridobljene rezultate meritev smo uporabili za določanje v diplomskem delu predstavljenih pragovnih vrednosti amplitud tremorja. Slednje smo uporabili pri odločanju, ali je pridobljeni signal tremor in če je, za kakšen tremor gre. Rezultate omenjenih testov podajajo tri tabele. Tabeli 1 in 2 prikazujeta rezultate simuliranja patološkega tremorja. Spodnjo pragovno vrednost za maksimalno amplitudo tremorja smo postavili na 0,4 m/s 2, ker je bila v vseh testnih primerih najmanjša izmerjena amplituda 0,43 m/s 2. Tabela 3 prikazuje parametre fiziološkega tremorja. Relativna moč fiziološkega tremorja je bila vedno manjša od 10 %. Ko primerjamo maksimalno relativno moč fiziološkega tremorja (10 %) in minimalno relativno moč patološkega tremorja (11,6 %), vidimo, da se območji relativne moči fiziološkega in patološkega tremorja ne prekrivata. Zaradi tega smo postavili spodnjo pragovno vrednost patološkega tremorja in zgornjo pragovno vrednost fiziološkega tremorja na 10,8 %, kar je točno na polovici med izmerjeno minimalno amplitudo patološkega tremorja (11,6 %) in izmerjeno maksimalno amplitudo fiziološkega tremorja (10 %). Stran 24

36 Oseba5 Oseba4 Oseba3 Oseba2 Oseba1 Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) 4 Hz Mirovanje Dotikanje nosu Roke odročeno Mala nihanja Srednja nihanja Velika nihanja Mala nihanja Srednja nihanja Velika nihanja Mala nihanja Srednja nihanja Velika nihanja 4,0 4,0 4,1 4,2 4,1 3,9 4,1 3,9 4,0 0,5 2,9 4,2 0,9 2,1 7,9 0,7 2,3 8,12 25,7 % 23,6 % 25,5 % 25,2 % 29,1 % 28,4 % 17,7 % 28,7 % 22,2 % 4,0 4,1 4,0 4,0 4,0 4,0 4,2 4,0 4,0 0,5 3,5 6,5 1,2 3,3 7,6 0,9 3,8 7,6 22,6 % 30,9 % 27,8 % 19,6 % 30,2 % 30,7 % 35,1 % 29,6 % 34,9 % 4,1 4,1 4,1 4,0 4,0 4,2 4,0 4,0 4,0 1,0 2,4 6,7 0,7 3,3 7,6 1,2 3,8 8,0 28,6 % 27,6 % 34,9 % 14,2 % 25,5 % 25,4% 24,2 % 31,1 % 23,4 % 3,9 4,1 4,0 4,2 4,0 4,1 4,1 4,1 4,0 1,1 3,5 4,7 1,1 2,4 5,3 1,3 2,8 5,5 26,3 % 32,1 % 35,4 % 33,5 % 28,3 % 28,1 % 27,4 % 26,7 % 24,8 % 4,0 4,0 4,0 4,0 4,0 4,0 4,0 4,0 4,0 1,1 4,4 11,0 1,7 3,4 7,4 1,1 3,5 8,4 33,6 % 31,3 % 36,4 % 24,2 % 31,2 % 31,9 % 34,5 % 36,4 % 38,4 % Tabela 1: Maksimalne amplitude, njihove frekvence in relativna moč tremorja za posamezne osebe pri simulaciji patološkega tremorja s frekvenco 4 Hz 6 Hz Stran 25

37 Oseba5 Oseba4 Oseba3 Oseba2 Oseba1 Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda (m/s 2 ) Relativna moč (%) Mirovanje Dotikanje nosu Roke odročeno Mala nihanja Srednja nihanja Velika nihanja Mala nihanja Srednja nihanja Velika nihanja Mala nihanja Srednja nihanja Velika nihanja 6,1 5,9 6,2 6,2 6,0 6,0 5,9 5,9 5,9 1,6 3,5 7,6 1,0 3,2 5,9 1,8 2,7 6,6 32,7 % 36,1 % 36,4 % 11,6 % 26,6 % 22,8 % 21,9 % 22,1 % 28,3 % 6,0 5,8 6,0 5,8 5,8 5,8 6,2 6,1 6,1 1,1 2,6 4,8 1,4 3,2 6,4 1,2 2,4 8,2 19,4 % 31,3 % 22,7 % 22,5 % 29,7 % 33,6 % 34,9 % 32,8 % 23,3 % 6,0 6,1 6,1 6,1 6,0 5,9 6,0 6,2 6,0 0,4 3,6 6,7 1,8 2,4 5,0 1,5 3,8 6,7 23,0 % 15,5 % 22,8 % 15,6 % 26,2 % 20,2 % 21,2 % 23,7 % 25,0 % 5,9 6,1 5,9 6,3 5,9 6,1 6,0 6,2 5,8 1,1 3,0 5,0 1,1 3,1 5,4 1,9 3,4 6,7 19,0 % 22,5 % 22,2 % 21,3 % 25,5 % 29,5 % 25,1 % 28,0 % 28,7 % 6,0 6,0 6,1 6,2 6,0 6,2 6,0 6,1 6,0 1,3 4,2 6,4 1,9 3,2 6,0 1,7 3,1 8,2 34,6 % 37,5 % 33,1 % 28,8 % 28,9 % 30,5 % 35,5 % 36,9 % 41,1 % Tabela 2: Maksimalne amplitude, njihove frekvence in relativna moč tremorja za posamezne osebe pri simulaciji patološkega tremorja s frekvenco 6 Hz Stran 26

38 Uporabili smo še statistični test ANOVA, s katerim smo primerjali povprečne vrednosti relativnih moči izmerjenih fizioloških in simuliranih patoloških tremorjev (slika 4.1). Test je potrdil, da se relativne moči obeh tremorjev statistično značilno razlikujejo (p < ). Razlika med obema vrstama tremorja je vidna tudi v frekvenčnem spektru (slika 4.5 in slika 4.6). Slika 4.1 Rezultati statistične primerjave relativne moči patološkega in fiziološkega tremorja s statističnim testom ANOVA Test 1 Test 2 Frekvenca (Hz) Maksimalna amplituda Relativna moč (%) Frekvenca (Hz) Maksimalna amplituda Relativna moč (%) (m/s 2 ) (m/s 2 ) Oseba 1 9,1 0,06 5,0 % 9,4 0,37 10,0 % Oseba 2 3,5 0,11 9,1 % 10,1 0,33 9,9 % Oseba 3 8,8 0,06 4,5 % 10,2 0,28 5,7 % Oseba 4 8,8 0,12 6,6 % 9,2 0,12 4,9 % Oseba 5 10,3 0,17 4,4 % 13,4 0,48 5,5 % Tabela 3: Maksimalne amplitude, frekvence in relativne moči fiziološkega tremorja Stran 27

39 Na sliki 4.5 vidimo, da se na začetku spektra (nekje pri ~ 0,1 Hz) nahaja zelo velika amplituda. To je amplituda počasnega gibanja roke med opravilom dotikanja nosu. Iz slik 4.2 in 4.3 vidimo, da frekvenčna vsebina hotnih gibov večinoma ne presega meje 2 Hz. Zaradi tega smo lomno frekvenco visokoprepustnega filtra postavili na 2 Hz. Slika 4.2 Spekter signalov iz pospeškometra, ki so bili zajeti med hojo s telefonom v roki (oseba 5) Slika 4.3 Spekter signalov iz pospeškometra, ki so bili zajeti med mahanjem z roko levo-desno (oseba 5) Stran 28

40 Slika 4.4 Spekter signalov iz pospeškometra, ki so bili zajeti med simulacijo fiziološkega tremorja pri testni osebi 5 Slika 4.5 Spekter signalov iz pospeškometra, ki so bili zajeti med simulacijo fiziološkega tremorja pri testni osebi 2 Stran 29

41 Slika 4.6 Spekter signalov iz pospeškometra, ki so bili zajeti med simulacijo patološkega tremorja v mirovanju pri testni osebi 4 Slika 4.7 Spekter signalov iz pospeškometra, ki so bili zajeti med simulacijo patološkega tremorja med dotikanjem nosu pri testni osebi 5 Stran 30

42 5 SKLEP IN DISKUSIJA V času študija smo imeli možnost spoznati delovanje določenih senzorjev, tudi pospeškometra in žiroskopa. Poleg tega smo spoznali delovanje filtrov in hitre Fourierove transformacije. V diplomski nalogi smo združili omenjena znanja in razvili aplikacijo za detekcijo fiziološkega in patološkega tremorja. Diplomska naloga nam je tudi omogočila, da poglobimo naše znanje o razvoju aplikacij za operacijski sistem android. Aplikacija TremorSens je omejena na android verzije (Ice Cream Sandwich) ali višje in na mobilne naprave, ki imajo vgrajen pospeškometer. Detekcija tremorja se izvaja med vsakodnevno uporabo mobilnega telefona. Iz pospeškometra pridobivamo signal s frekvenco vzorčenja 50 Hz. Z uporabo digitalnih filtrov in hitre Fourierove transformacije analiziramo frekvenčno vsebino zajetega signala. Na podlagi te analize se aplikacija odloči, ali je dobljeni signal tremor in če je, ali je tremor fiziološki ali patološki. Pri teh odločitvah smo si pomagali s pridobljeni rezultati iz testiranj in empirično določili pragovne vrednosti za minimalne in maksimalne amplitude in relativne moči obeh vrst tremorja. Če smo ugotovili, da tremor obstaja, smo pregledali tudi frekvenčno območje signala med 0 in 2 Hz. Na tem območju smo izračunali moč signala in določili, ali je tremor zaznan v mirovanju ali med hotnimi gibi (akcijski tremor). Vse omenjene podatke smo sproti shranjevali v podatkovno bazo in jih izrisovali na zaslon mobilnega telefona. Uporabniku smo v obliki grafa omogočili pregled zgodovine meritev. Uporabnik si izbere časovni interval med dvema datuma in vrsto tremorja, ki jo želi prikazati. Po izbiri se na zaslon izriše graf s prikazom shranjenih parametrov tremorja po izbranih časovnih razdelkih. Omogočamo še prenos podatkovne baze iz enega na drug telefon. Stran 31

43 V prihodnosti želimo aplikacijo nadgraditi in omogočiti prilagajanje pragovnih vrednosti posameznemu uporabniku. Ob prvem zagonu aplikacije bi lahko uporabnika prosili naj izvede nekaj testnih opravil, iz kateri bi aplikacija pridobila podatke za prilagoditev izbranih pragovnih vrednosti in s tem izboljšala detekcijo tremorja. V avtomatskem načinu delovanja bi lahko implementirali algoritem, ki bi se učil od uporabnika, kdaj kaj dela. Glede na te informacije bi se nato odločal, kdaj je optimalno vključiti in izključiti meritve tremorja. Nadgradili bi lahko tudi prenos podatkovne baze in podprli enkripcijo podatkov. S tem bi preprečili kraje osebnih podatkov. Ne nazadnje bi bilo potrebno našo aplikacijo testirati na večji množici zdravih oseb in oseb s patološkim tremorjem. Glede na rezultate, pridobljene iz testov, lahko rečemo, da smo v uvodu zastavljeno tezo diplomske naloge v celoti potrdili. Z uporabo pospeškometra smo natančno izračunali tako frekvenco kot amplitudo tremorja med vsakodnevno uporabo mobilnega telefona. Stran 32

44 6 UPORABLJENA LITERATURA [1] Daneault, JF., Carignan, B., Codère, CÉ., Sadikot, AF., Duval, C. Using a smart phone as a standalone platform for detection and monitoring of pathological tremors Dostopno na: [25. avgust 2015] [2] Brain Resources and Information Network, Tremors. Dostopno na: [25. avgust 2015]. [3] Kragejl, V., Georgiev, D., Pirtošek, Z., Ribarič, S. Tremor. Zdrav Vestn. str , [4] Scholaropedia, Tremor. Dostopno na: [25. avgust 2015]. [5] Hess, C. W., Pullman, S. L. Tremor and Other Hyperkinet Mov. Tremor: Clinical Phenomenology and Assessment Techniques Dostopno na: [26. avgust 2015] [6] Teskey, W. J. Assessment and Attenuation of Movement Disorder Dostopno na: [26. avgust 2015] [7] Wesley J. E., Elhabiby, M., El-Sheimy, N. Inertial Sensing to Determine Movement Disorder Motion. Sensors. str [8] ResearchGate. A. Hossen. Dostopno na: [26. avgust 2015]. [9] Dr.-Ing Muthuraman Muthuraman. Publications. Dostopno na: [26. avgust 2015] [10] Livescience. Accelerometers: What They Are & How They Work. Dostopno na: Stran 33

45 [25. avgust 2015]. [11] Gsmarena. Accelerometer. Dostopno na: [25. avgust 2015]. [12] Mashable iphone Games That Use the Accelerometer. Dostopno na: [25. avgust 2015]. [13] Wikipedia. Gyroscope. Dostopno na: [25. avgust 2015]. [14] Vogella. Introduction to Android development with Android Studio - Tutorial. Dostopno na: [20. avgust 2015]. [15] Jetbrains. The Most Intelligent Java IDE. Dostopno na: [23. avgust 2015]. [16] Orfanidis, S. J. Introduction to Signal Processing. Pearson Education Inc. str [17] Wikipedia. Fourier transform. Dostopno na: [20. avgust 2015]. [18] Wikipedia. Discrete Fourier transform. Dostopno na: [20. avgust 2015]. [19] Wikipedia. Fast Fourier transform. Dostopno na: [20. avgust 2015]. [20] GraphView. GraphView - open source graph plotting library for Android. Dostopno na: [20. avgust 2015]. [21] Developers. SharedPreferences. Dostopno na: [20. avgust 2015]. [22] Developers. BroadcastReceiver. Dostopno na: [20. avgust 2015]. [23] Developers. AlarmManager. Dostopno na: [20. avgust 2015]. [24] Developers. Service. Dostopno na: Stran 34

46 [20. avgust 2015]. [25] Developers. Timer. Dostopno na: [20. avgust 2015]. [26] Developers. Motion Sensors. Dostopno na: [20. avgust 2015]. [27] Developers. AsyncTask. Dostopno na: [20. avgust 2015]. [28] Mathworks. Matlab. Dostopno na: [23. avgust 2015]. [29] Piotr Wendykier. JTransforms. Dostopno na: [20. avgust 2015]. [30] Developers. SQLiteDatabase. Dostopno na: [20. avgust 2015]. [31] Developers. SQLiteOpenHelper. Dostopno na: [20. avgust 2015]. [32] Developers. ProgressDialog. Dostopno na: [20. avgust 2015]. [33] Bestmetronome. Advanced Metronome Online. Dostopno na: [23. avgust 2015]. Stran 35

47 Stran 36

48 Stran 37

49 Stran 38

50 Stran 39