Digital signal analysis for detection of air bubbles on artificial thigh vessels

Abstract

Decompression sickness (DCS) occurs when divers rise to the surface exposing the body to sudden changes in pressure, generating nitrogen bubbles in tissues, causing serious bodily injury and even death. To prevent this risk, tables indicating divers’ ascent rates, descent rates, and waiting time in between decompression stops have been developed. Even with the help of such tables, decompression sickness still occurs in individuals who follow the instructions in dive tables. Therefore, prevention of DCS may be viable with a method that detects the presence of bubbles in real time. II In this thesis, we show a new method for bubble detection using a simplified human thigh prototype constructed with a piezoelectric ring (PZT) placed around it. In order to test this new method, we use two high-speed cameras, to record the bubbles produced in a bubble generator system, and pill microphones (PM) to measure disturbances in the prototype when it is in resonance. The electrical signals from the piezoelectric ring (PZT) and microphones (PM) are the inputs to a pattern recognition algorithm. In the classification stage of the pattern recognition, three classifiers are tested; the choice of classifiers are determined by the best accuracy. A neural network based classifier performed the best detection of bubbles for five classes of different diameter ranges. The detection accuracy was 98%.

La enfermedad de descompresión (DCS) ocurre cuando los buzos ascienden a la superficie exponiendo el cuerpo a cambios bruscos de presión, generando burbujas de nitrógeno en los tejidos, causando serias lesiones en el cuerpo e incluso la muerte. Para evitar este riesgo, se han desarrollado tablas que indican diversas tasas de ascenso, las tasas de descenso y el tiempo de espera durante las paradas de descompresión. La frecuente aparición de ésta enfermedad es un problema que permanece en estudio, debido a que aún ocurre a buceadores que siguen las instrucciones de la tabla de buceo. Por lo tanto, la prevención de DCS podría ser viable con un método que detecte la presencia de burbujas en tiempo real. IV En ésta tesis se describe un nuevo método para la detección de burbujas en un prototipo simplificado del muslo humano, por medio de un anillo piezoeléctrico (PZT) colocado alrededor de éste. En adición, utiliza dos cámaras de alta velocidad, que graban las burbujas provenientes del sistema generador de burbujas y también pequeños micrófonos (PM), que miden las perturbaciones dentro del prototipo cuando se encuentra en resonancia. Las señales eléctricas provenientes del anillo piezoeléctrico (PZT) y de los micrófonos (PM), son las observaciones de entrada a un patrón de reconocimiento. En la etapa de clasificación del patrón de reconocimiento, tres clasificadores son probados; la elección de dichos clasificadores se determinó por la mejor precisión. El algoritmo de redes neuronales presentó la mejor detección de burbujas para cinco clases de rangos de diámetro distintos con una precisión de 98%.