• English
    • العربية
  • English
  • تسجيل الدخول
  • جامعة قطر
  • مكتبة جامعة قطر
  •  الصفحة الرئيسية
  • الوحدات والمجموعات
  • عن المستودع الرقمي
    • الرؤية والرسالة
  • المساعدة
    • إرسال الأعمال الأكاديمية
    • سياسات الناشر
    • أدلة المستخدم
      • عرض المستودع الرقمي
      • البحث في المستودع الرقمي (البحث البسيط والبحث المتقدم)
      • ارسال عملك للمستودع الرقمي
      • مصطلحات المستودع الرقمي
عرض التسجيلة 
  •   مركز المجموعات الرقمية لجامعة قطر
  • المستودع الرقمي لجامعة قطر
  • أكاديمية
  • مساهمة أعضاء هيئة التدريس
  • كلية الهندسة
  • الهندسة الكهربائية
  • عرض التسجيلة
  • مركز المجموعات الرقمية لجامعة قطر
  • المستودع الرقمي لجامعة قطر
  • أكاديمية
  • مساهمة أعضاء هيئة التدريس
  • كلية الهندسة
  • الهندسة الكهربائية
  • عرض التسجيلة
  •      
  •  
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Iot-based fall and ecg monitoring system: Wireless communication system based firebase realtime database

    Thumbnail
    التاريخ
    2019
    المؤلف
    Al-Kababji, Ayman
    Shidqi, Lisan
    Boukhennoufa, Issam
    Amira, Abbes
    Bensaali, Faycal
    Gastli, Mohamed Sadok
    Jarouf, Abdulah
    Aboueata, Walid
    Abdalla, Alhusain
    ...show more authors ...show less authors
    البيانات الوصفية
    عرض كامل للتسجيلة
    الملخص
    Monitoring elderlies living alone has been a rising issue that caregivers are interested in solving since many elderlies are at risk of experiencing a fall. In the absence of urgent help, serious consequences may occur. This paper presents a complete communication system to monitor elderlies by checking their Electrocardiogram (ECG) and accelerometer data through a cloud-based server anytime on a mobile application ensuring that they are unharmed. This has been implemented by having a Multi-core Processing Unit (MPU), acting as a gateway, at the elderly's side monitoring signals coming from a wearable sensing device. It will classify ECG and accelerometer data using Machine Learning algorithms, stream the data upon request, alert caregivers through a mobile application and store the data on the database for further analysis in case of a fall. Fall detection had an accuracy of 95% using Extended Nearest Neighbor (E-NN) learning algorithm. 2019 IEEE.
    DOI/handle
    http://dx.doi.org/10.1109/SmartWorld-UIC-ATC-SCALCOM-IOP-SCI.2019.00267
    http://hdl.handle.net/10576/37821
    المجموعات
    • الهندسة الكهربائية [‎2850‎ items ]

    entitlement


    مركز المجموعات الرقمية لجامعة قطر هو مكتبة رقمية تديرها مكتبة جامعة قطر بدعم من إدارة تقنية المعلومات

    اتصل بنا
    اتصل بنا | جامعة قطر

     

     

    الصفحة الرئيسية

    أرسل عملك التابع لجامعة قطر

    تصفح

    محتويات مركز المجموعات الرقمية
      الوحدات والمجموعات تاريخ النشر المؤلف العناوين الموضوع النوع اللغة الناشر
    هذه المجموعة
      تاريخ النشر المؤلف العناوين الموضوع النوع اللغة الناشر

    حسابي

    تسجيل الدخول

    إحصائيات

    عرض إحصائيات الاستخدام

    عن المستودع الرقمي

    الرؤية والرسالة

    المساعدة

    إرسال الأعمال الأكاديميةسياسات الناشر

    مركز المجموعات الرقمية لجامعة قطر هو مكتبة رقمية تديرها مكتبة جامعة قطر بدعم من إدارة تقنية المعلومات

    اتصل بنا
    اتصل بنا | جامعة قطر

     

     

    Video