| Vocero |
Transcripción |
| Valerie Rennoll |
Uno de los principales objetivos del laboratorio es desarrollar nuevos sensores acústicos flexibles para su uso en el cuerpo. |
| |
Hoy hablaré sobre mi investigación sobre el uso de un diseño óptimo de experimentos para estudiar las propiedades acústicas de varios materiales poliméricos diferentes con partículas añadidas. |
| |
Los resultados de este experimento se utilizan para desarrollar un sensor de impedancia acústica adaptada. |
| |
Por lo tanto, la impedancia acústica y la atenuación son propiedades importantes que afectan la propagación del sonido. La impedancia acústica es una función de su densidad en la velocidad del sonido a través del material. |
| |
Cuando el sonido viaja de un material a otro, las diferencias en la impedancia acústica hacen que la energía se refleje en el límite. |
| |
Este desajuste de impedancia acústica entre el agua y el aire es la razón por la que, si alguien emite un sonido bajo el agua de una piscina y usted está parado al borde de esa piscina no podrá oír ese sonido. |
| |
Estas animaciones muestran cómo la impedancia acústica afecta la transmisión de los sonidos corporales. |
| |
En esta primera figura verás que el sonido emitido por tu cuerpo incide en una interfaz entre tu piel y el aire, lo que provoca que la mayor parte del sonido se refleje hacia el cuerpo, debido al gran desajuste de impedancia. |
| |
La segunda figura muestra cómo este efecto realmente se amplifica cuando un médico escucha su... |
| |
Escucha su cuerpo con un estetoscopio. La discordancia de impedancia provoca que una pequeña porción de la energía incidente se transmita al estetoscopio y, además, crea una vía donde el ruido aéreo puede distorsionar considerablemente la señal. |
| |
Esta tercera figura muestra nuestro enfoque con un sensor de adaptación de impedancia. Las impedancias están bien adaptadas, por lo que se produce muy poca reflexión de señal en la interfaz del sensor corporal y el ruido aéreo se refleja pasivamente fuera del sensor. |
| |
En general, al igualar la impedancia acústica del medio monitoreado, se puede capturar una mayor cantidad de sonido. Para ello, es necesario comprender cómo se puede fabricar un polímero para alcanzar una impedancia acústica específica. |
| |
Investigaciones anteriores habían demostrado que las nanopartículas pueden dispersarse en una matriz de polímero para controlar su impedancia acústica. |
| |
Sin embargo, la investigación existente estaba limitada en su alcance a explorar básicamente el espacio de diseño, utilizando un enfoque de un factor a la vez y centrándose en un pequeño subconjunto de factores relevantes. |
| |
Por lo tanto, decidimos ampliar la investigación previa mediante la configuración de un diseño óptimo de experimentos en JMP. Este diseño óptimo fue ideal porque queríamos considerar una combinación de factores continuos, discretos y categóricos. |
| |
Así pues, estas dos tablas ofrecen una visión general de los factores y las respuestas que incluimos en el DOE. |
| |
Después de una revisión de la literatura para considerar los factores que deberían estudiarse, elegimos incluir siete factores totales de tipo de polímero: concentración de partículas, tamaño y densidad; |
| |
Espesor de la muestra; y frecuencia y temperatura de caracterización. Como puede ver en esta tercera columna, los factores generalmente incluían ajustes bajo, alto y central. |
| |
Aunque el tipo de polímero incluía cuatro niveles, el diseño también se configuró para tener en cuenta las restricciones de factores, por lo que ciertos tipos de polímeros no podían combinarse con el tamaño de partícula más pequeño, ya que impedía su curado. |
| |
Estudiamos cuatro respuestas totales, incluida la densidad, la velocidad del sonido, la impedancia acústica y la atenuación. |
| |
El objetivo era alcanzar un valor de impedancia acústica específico con una atenuación mínima y simplemente comprender los factores que impactan la densidad en la velocidad del sonido. |
| |
Nuestro objetivo era estimar todos los efectos medios, las interacciones de segundo orden y los términos cuadráticos para generar un modelo con alta precisión predictiva. Para ello, decidimos fabricar un total de 98 muestras para tener una capacidad razonable de detección de estos efectos. |
| |
Los materiales se caracterizaron utilizando una técnica de transmisión directa en la que las propiedades acústicas desconocidas del material se obtienen a partir de la comparación con un material de referencia, en este caso agua. |
| |
Se envía una señal del transmisor al receptor y la señal capturada se compara cuando viaja solo a través del agua, en comparación con el agua y la muestra. |
| |
Entonces, dentro del espacio de diseño que exploramos, encontramos... medimos un rango de impedancias acústicas dependiendo del polímero y las propiedades de las partículas agregadas. |
| |
Descubrimos que podíamos igualar las impedancias acústicas de materiales como el agua, la piel y la madera. |
| |
Después de recopilar datos de respuesta para cada una de las 98 muestras, comparamos varios modelos candidatos reducidos, con el objetivo de obtener la mayor precisión predictiva. |
| |
Con el menor número de coeficientes del modelo. Se emplearon técnicas como la selección regresiva y la validación cruzada de K-fold. |
| |
Para obtener posibles modelos, utilizamos diversas herramientas de evaluación para elegir el modelo final. Consideramos si había valores atípicos o puntos influyentes en los datos. |
| |
si los errores fueran independientes y distribuidos normalmente con variantes constantes y una media de cero, y si hubiera una falta de ajuste significativa en el modelo. |
| |
En general, consideramos que el modelo de impedancia acústica elegido se ajustaba adecuadamente a nuestros objetivos. Este gráfico a la izquierda |
| |
muestra la gráfica real versus prevista, y se puede ver que los datos encajan muy bien a lo largo de la línea diagonal, lo que significa que los datos reales y los previstos son muy similares. |
| |
Y los residuos, como puede verse en este gráfico de la derecha, se distribuyen normalmente alrededor de cero sin un patrón definido. |
| |
El modelo final seleccionado incluyó factores significativos como el tipo de polímero, la concentración de dopante y la temperatura. El modelo presentó un valor de R² ajustado de 0,995 y un error cuadrático medio de 0,02. |
| |
Entonces, debido a que nuestro objetivo principal era fabricar un polímero con una impedancia acústica específica y una atenuación mínima, el perfilador de predicción fue realmente útil. |
| |
Para alcanzar este objetivo. En este video, pueden ver cómo el perfilador de producción indica las condiciones necesarias para alcanzar un valor de impedancia de 1,3 MRayls con una atenuación mínima. |
| |
Utilizamos el generador de perfiles de predicción para predecir las condiciones necesarias para fabricar un total de nueve polímeros con impedancia de 1, 1,3, 1,6, 1,9 y 2,2 MRayls. |
| |
El error promedio entre los valores de impedancia acústica previstos y medidos fue de sólo alrededor del 1,4%, una diferencia de alrededor de 0,05 MRayls. |
| |
Entonces, confiados en los resultados de nuestro DOE, utilizamos las condiciones específicas de fabricación del polímero al armar un sensor acústico de impedancia adaptada, al que me referiré como Hearo. |
| |
En esta imagen, se pueden ver varios dispositivos Hearo con diferentes valores de impedancia objetivo, según la aplicación de interés. Comparamos este dispositivo de adaptación de impedancia con un micrófono y un acelerómetro típicos mediante métricas de relación señal/ruido. |
| |
En estas cifras de SNR, un valor más alto indica una mayor correlación con la señal de interés y una menor correlación con el ruido aéreo. Por lo tanto, la métrica general de la señal se define tomando la diferencia entre |
| |
La coherencia con la señal del simulador menos la coherencia con el ruido. Se puede observar que Hearo, en este color anaranjado, muestra menos coherencia con el ruido. |
| |
y una mayor coherencia con la señal del simulador, lo que genera una métrica SNR general más alta en comparación con un acelerómetro y un micrófono con diafragma. |
| |
En estas demostraciones, se puede observar que esto permite a Hearo capturar una señal muy nítida del cuerpo o del instrumento sin captar ruido aéreo. Este primer video muestra a Hearo grabando sonidos cardíacos y pulmonares en un entorno doméstico. |
| |
Y el segundo vídeo muestra a Hearo grabando las campanas. |
| |
Así que realmente prevemos que este sensor podría proporcionar una forma mejorada de monitorear sonidos del cuerpo o de instrumentos. Los dispositivos típicos requieren costosos circuitos de supresión de ruido. |
| |
Entonces, en resumen, utilizamos un diseño de experimentos en JMP para comprender cómo múltiples condiciones de fabricación y caracterización impactan las propiedades acústicas de los polímeros con partículas agregadas. |
| |
El modelo obtenido del experimento demostró una alta precisión predictiva y se utilizó en el diseño de un sensor acústico de impedancia adaptada. |
| |
El sensor demuestra una mayor fidelidad de señal y reducción de ruido en comparación con los sensores existentes optimizados para la captación de sonido aéreo. Gracias por su atención y no dude en contactarme si tiene alguna pregunta. |
