Nasional Mondial Ekonomi Megapolitan Olahraga Rona The Alun-Alun Kupas Splash Wisata Perspektif Wawancara Edisi Weekend Foto Video Infografis

Mahasiswa ITS Rancang Kasur Cerdas Pendeteksi Sleep Apnea

Foto : Istimewa

Saat pasien tidur, aktivitas jantung akan direkam oleh elektroda yang terpasang pada kasur cerdas. Apabila terdapat kondisi yang tidak normal ataupun keganjilan pada tubuh pasien, sinyal akan segera ditangkap dan diantarkan kepada machine learning untuk dideteksi.

A   A   A   Pengaturan Font

SURABAYA - Obstructive Sleep Apnea (OSA) atau penyakit gangguan tidur serius mengharuskan adanya deteksi gejala secara jangka panjang dengan alat yang amat kompleks. Berangkat dari masalah tersebut, mahasiswa Institut Teknologi Sepuluh Nopember (ITS) merancang I-Sleep, kasur cerdas untuk monitoring sleep apnea secara non-kontak.

Anggota tim Slumber Squad, Rima Amalia mengungkapkan, I-Sleep lahir dari keprihatinannya terhadap penanganan OSA yang selama ini cukup berisiko bagi pasien. Risiko tersebut lahir dari penggunaan puluhan kabel yang menjuntai hingga timbulnya reaksi gatal dan iritasi akibat pemakaian jangka panjang. "Dengan itu, I-Sleep hadir sebagai alat yang lebih praktis dan nyaman," terang Rima.

Rima yang menggandeng Firdausa Sonna Anggara Resta dan Mu'afa Ali Syakir dalam tim hebat ini menuturkan, inovasi yang mereka buat memiliki penggunaan dan sistem kerja yang sederhana. Nantinya, pasien hanya tinggal tidur di atas I-Sleep dan membiarkan komponen serta fitur bekerja untuk mendeteksi. "Tanpa perlu terlilit puluhan kabel," ujar dia.

I-Sleep juga dapat mendeteksi OSA secara non-kontak dengan memanfaatkan kain konduktif yang telah terintegrasi dengan machine learning. Pada kain tersebut, terdapat elektroda positif dan negatif yang terpasang secara horizontal di permukaan kasur. "Kedua elektroda ini berperan menangkap sinyal dari tubuh pasien," jelas mahasiswa angkatan 2020 itu.

Ketika pasien tidur, imbuh Rima, aktivitas jantung akan direkam oleh elektroda yang terpasang pada kasur cerdas. Apabila terdapat kondisi yang tidak normal ataupun keganjalan pada tubuh pasien, sinyal akan segera ditangkap dan diantarkan kepada machine learning untuk dideteksi. "Namun, sinyal juga perlu diolah terlebih dahulu melalui analisis mendalam," tambahnya.
Halaman Selanjutnya....


Redaktur : Selocahyo Basoeki Utomo S
Penulis : Selocahyo Basoeki Utomo S

Komentar

Komentar
()

Top