Εφαρμογή διαχείρισης ιατρικών δεδομένων σε έξυπνα ρολόγια WearOS

Χριστοδουλέα, Ευφροσύνη; Christodoulea, Effrosyni

dc.contributor.author	Χριστοδουλέα, Ευφροσύνη	el
dc.contributor.author	Christodoulea, Effrosyni	en
dc.date.accessioned	2025-09-08T07:18:54Z
dc.date.available	2025-09-08T07:18:54Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/62373
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.30069
dc.rights	Default License
dc.subject	Αρρυθμίες	el
dc.subject	Καρδιακός ρυθμός	el
dc.subject	Υγεία	el
dc.subject	Αισθητήρες	el
dc.subject	Ηλεκτροκαρδιογράφημα	el
dc.subject	av block	en
dc.subject	ecg	en
dc.subject	Samsung galaxy watch 4	en
dc.subject	Wear os	en
dc.subject	Java	en
dc.title	Εφαρμογή διαχείρισης ιατρικών δεδομένων σε έξυπνα ρολόγια WearOS	el
heal.type	bachelorThesis
heal.classification	Yγεία	el
heal.classification	Aισθητήρες	el
heal.classification	;Eξυπνα ρολόγια	el
heal.classification	Hλεκτροκαρδιογράφημα	el
heal.classification	Aρρυθμίες	el
heal.classification	Kολποκοιλιακός αποκλεισμός	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2025-03-07
heal.abstract	Η παρούσα διπλωματική εργασία αφορά την ανάπτυξη μιας εφαρμογής για έξυπνα ρολόγια που χρησιμοποιούν το λειτουργικό σύστημα WearOS, με σκοπό τη διαχείριση και ανάλυση ιατρικών δεδομένων. Η εφαρμογή σχεδιάστηκε για να λαμβάνει και να επεξεργάζεται μετρήσεις από τους ενσωματωμένους αισθητήρες του Samsung Galaxy Watch 4, εστιάζοντας στην ανάλυση ηλεκτροκαρδιογραφήματος (ECG) για την ανίχνευση αρρυθμιών και κολποκοιλιακού αποκλεισμού (AV Block). Επιπλέον, υποστηρίζει τη μέτρηση καρδιακού ρυθμού (HR), κορεσμού οξυγόνου στο αίμα (SpO₂), ανάλυσης βιοηλεκτρικής εμπέδησης (BIA) και φωτοπληθυσμογραφίας (PPG). Η εφαρμογή λειτουργεί τοπικά στη συσκευή χωρίς την ανάγκη εξωτερικής βάσης δεδομένων, πραγματοποιώντας την ανάλυση των σημάτων σε πραγματικό χρόνο. Παράλληλα, παρέχει τη δυνατότητα αποστολής ειδοποιήσεων για υπενθύμιση μετρήσεων και στέλνει τα αποτελέσματα μέσω email στον χρήστη. Για την ανάπτυξη της εφαρμογής χρησιμοποιήθηκε η γλώσσα Java σε περιβάλλον Android Studio, ενώ οι αλγόριθμοι επεξεργασίας ECG και ανίχνευσης αρρυθμιών αναπτύχθηκαν σε Python μέσω της βιβλιοθήκης Chaquopy. Η μελέτη επικεντρώνεται επίσης στη βελτίωση της ακρίβειας των μετρήσεων μέσω κατάλληλων φίλτρων και ανάλυσης μεταβλητότητας καρδιακού ρυθμού (HRV), ενώ προτείνεται μελλοντική ενσωμάτωση τεχνητής νοημοσύνης για πιο αξιόπιστη ανίχνευση καρδιακών διαταραχών. Συμπερασματικά, η εφαρμογή προσφέρει μια ολοκληρωμένη λύση για την προσωπική παρακολούθηση υγείας, συμβάλλοντας στην έγκαιρη διάγνωση πιθανών καρδιακών παθήσεων.	el
heal.advisorName	Τσανάκας, Παναγιώτης	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.committeeMemberName	Ξύδης, Σωτήριος	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	93 σ.	el
heal.fullTextAvailability	false