Número 2 Año 2015
actualidad de bioingeniería y biodiseño
actualidad de bioingeniería y biodiseño Número 2 Año 2015
OrganĂsmo y editor: Instituto de Bioingenieria. Universidad de Mendoza. Dir: Facultad de IngenierĂa. Paseo Dr. Emilio Descotte 750 Cp: 5500. Mendoza, Argentina. Tel: 0261 420-2017 interno 212 E-mail: apexrevistadebioingenieria@gmail.com Twitter: @ApexRevista
Editorial
C
omenzamos el Año 2015 con una nueva entrega de la revista de nuestro instituto. Son muchos los cómplices involucrados en esta empresa. Todos ellos, quien mas, quien menos, son participes necesarios, y tienen la “culpa" de que esto se halla concretado. Como cambio en este numero, hemos decidido delatar a los responsables de esta asociación licita ,nuestros ignotos columnistas, es por esta razón , que en la firma aparecerá una pequeña foto de ellos. Esto hará mas sencillo su detención para cualquier interrogatorio que deseen realizarles. Este es el segundo numero de nuestra publicación. Si anteriormente fue una gran satisfacción por ser la primera revista en salir, creo ahora, que la satisfaccion es el doble . Una nueva revista indica una continuidad pequeña , pero continuidad al fin. Pasen y vean...
1
Director Instituto de Bioingeniería. Facultad de Ingeniería. Universidad de Mendoza.
1
Gastón Jarén Bioingeniero. Mendoza, Argentina gastonjaren@gmail.com
Índice
Artículos Morphological changes in polycrystalline Fe after compression and release
8
Opinión Una mirada sobre la Visión Artificial. Bioingeniería En Equipamiento Médico: Laboratorio Para Validación Y Certificación en Mendoza. Reestructuración Division Bioingeniería Hospital “Diego Paroissien”
24
Trabajos Integradores: Oxímetro de Pulso con Arduino
36
Noticias/ agenda Congreso de Ingeniería Biomédica en Bolivia XX Congreso Argentino de Bioingeniería y IX Jornadas de Ingeniería Clínica (SABI 2015) Bio diseño 2015
46
Staff Director: Gastón Jarén Edición: Silvina Moyano Diseño editorial y tapa: Marcos Andino Coordinación: Renzo Bucca Puy
00100011100101011100 11000011010110000110 10111100010
ArtĂculos
Papers
Morphological changes in polycrystalline Fe after compression and release Nina Gunkelmann 1. Diego Tramontina 2. Eduardo Bringa 3. Herbert Urbassek 4.
2
Diego Tramontina Bioingeniero. Mendoza, Argentina diego.tramontina@gmail.com
(Received 19 November 2014; accepted 15 February 2015; published online 25 February 2015) Despite a number of large-scale molecular dynamics simulations of shock compressed iron, the morphological properties of simulated recovered samples are still unexplored. Key questions remain open in this area, including the role of dislocation motion and deformation twinning in shear stress release. In this study, we present simulations of homogeneous uniaxial compression and recovery of large polycrystalline iron samples. Our results reveal significant recovery of the body-centered cubic grains with some deformation twinning driven by shear stress, in agreement with experimental results by Wang et al. [Sci. Rep. 3, 1086 (2013)]. The twin fraction agrees reasonably well with a semi-analytical model which assumes a critical shear stress for twinning. On reloading, twins disappear and the material reaches a very low strength value.VC 2015 AIP Publishing LLC. [http://dx.doi org/10.1063/1.4913622]
Physics Department and Research Center OPTIMAS, University Kaiserslautern, Erwin-Schr€ odinger-Straße, D-67663 Kaiserslautern, Germany. 2 Instituto de Ciencias Basicas, Universidad Nacional de Cuyo, Mendoza 5500, Argentina. 3 CONICET, Mendoza 5500, Argentina. 4 Instituto de Bioingeniería, Universidad de Mendoza, Mendoza M5502BZ, Argentina 1
Papers
I. Introduction The study of metals under compression is of vital importance in the modern world for understanding geophysical and astronomical processes and for technological processes which improve material properties. In particular, the deformation behavior of iron has been studied extensively both in monocrystals1,2 as well as in polycrystals.3 Shock experiments4–6 show that Fe undergoes a structural phase transition going from the body-centered cubic (bcc) to a hexagonal close-packed (hcp) structure7 at a pressure which varies from 13GPa to more than 30GPa depending on the strain rate.8,9 This phase transition, which is usually preceded by plastic yielding, was recently examined in several simulation studies.10–13 However, there are still important issues that are not covered in our current understanding of shocks in Fe, particularly the characteristics of the structural behavior of the recovered material. Many laser-shot samples are thin, and they are destroyed during loading, precluding subsequent electron microscopy studies of the recovered material.8,9 Using dynamic diffraction, it was shown that shocked Fe single crystals transform to hcp nanocrystals during loading,14 but revert to single-crystal bcc after unloading,15–18 pointing to the large reversibility of the transformation path. The presence of grain boundaries (GB) in a polycrystal might, however, preclude such reversibility. GBs will limit the applicability of dynamic diffraction to check on reversibility, given that this method will typically average over thousands of grains in the sample. Indeed, a recent study on shocked Fe polycrystals, with a grain size in the region of tens of microns, reveals large amounts of twinning in recovered samples,19 proposing a twinning path with shear and shuffle of atoms to explain the results. In the present paper, we study homogeneous uniaxial compression and recovery of large polycrystalline iron samples. To this end, in Sec. IIIA, we analyze the stressstrain and heating behavior. The dislocation and twinning evolution are described in Sec. III B. Nearly perfect reversibility to the original bcc grains is achieved
in our simulations with a limited presence of twinning. We are able to compare our results to the experiments by Wang et al.19 and to a constitutive twinning model described previously in the literature. 20
II. Simulation Method The molecular dynamics (MD) code LAMMPS (Ref. 21) was used in this study to perform the simulations. We use a recent embedded-atom method (EAM) potential, similar to the Ackland and Mendelev potential, 22,23 but fitted specifically to provide the bcc-hcp phase transition at 13.75GPa. This potential is described in Ref. 10. Note that the Ackland potential was not developed to describe the high-temperature c phase, and the bcc structure is stable up to the melting point (at zero pressure). Our cubic sample contains approximately 2 million atoms and has an edge length of 30 nm. Sixty-four crystal grains with a mean grain size of 7.5 nm are created using a Voronoi construction scheme.24 To equilibrate our systems, we first applied an energy minimization using the conjugate gradient method, and then relaxed the sample using high-temperature annealing at 80% of the melting temperature. During high-temperature annealing, the average potential energy per atom decreased from 4.28 eV after energy minimization to 4.29 eV. The potential energy value of 4.56 eV published in our previous paper was erroneous.10 There was no significant grain growth during our annealing lasting 100 ps. Simulations were carried within the microcanonical ensemble to be able to observe plastic heating, by performing uniaxial compression along the z axis at a strain rate of 109s-1, under periodic boundary conditions, up to a final strain around 20%. After holding this strain for 10 ps at a constant pressure pzz of around 80GPa, we unloaded the sample by applying uniaxial tension at the same strain rate to achieve zero uniaxial stress. This is the condition typically achieved under unloading conditions, where typical samples maintain a residual strain. Then we continued unloading during an additional 80
ps to reach a region of tension which could be relevant to some unloading experiments. We chose an initial temperature of 10K to facilitate dislocation analysis. Samples were visualized using commonneighbor analysis (CNA)25,26 and adaptive commonneighbor analysis 27 within OVITO (Ref. 28). We also used the Crystal Analysis Tool (CAT), 27 which allows for strain and structure-type calculations, including twin detection.
III. Results A. Stress-strain and heating behavior We use the von-Mises stress to describe the driving stress for plastic activity. Using the components pij of the stress tensor, it is defined as
The stress-strain curves in nanocrystals are influenced by GB sliding as well as by dislocation activity. GB sliding is significant mostly for small grains, with grain sizes up to _15–20 nm.29 Bcc nanocrystals3,30–33 have been studied less than fcc nanocrystals and display dislocations and twins under high-strain-rate loading. Fig. 1(a) shows the stress along the loading direction. At _8% strain, the pressure reaches _15 GPa and the phase transformation begins lead-ing to tremendous hardening. There is some hysteresis dur-ing unloading, but the stress during unloading matches the loading stress as the strain approaches zero. Fig. 1(a) shows the diagonal stress components. The off-diagonal stress terms are always smaller than 0.5 GPa and are not shown. Fig. 1(a) shows no residual strain at pzz ¼ 0. This is remarkable, since in most cases, high deformation would lead to plasticity and a residual strain after unloading. There are similar results in experiments and simulations of nanocrystalline fcc samples.34,35 However, those fcc results were for small
strain deformation with recovery related to partial dislocations which are not present in bcc materials. In our samples, due to the small grain size, there are not many dislocations produced, and this could contribute to the lack of residual strain. Future simulations with much larger grain sizes which might facilitate dislocation emission33 might be able to clarify this point. Regarding plasticity in the trans-formed hcp phase, stacking faults (SFs) are reabsorbed by GBs, as it was mentioned regarding fcc nanocrystals, con-tributing to the almost complete recovery of the stress tensor. Fig. 1(b) shows the von-Mises stress. There is a quasi-elastic regime up to about 3% strain. GB sliding and disloca-tion emission (starting at 3.2 GPa) leads to a maximum in the stress and subsequent plastic relaxation. There is a sharp drop at the same time that the longitudinal pressure rapidly increases, with hardening starting at about 12% strain. Unloading shows an even faster softening, due to the rapid back-transformation to bcc. There is hardening also during unloading. The mean potential energy of the atoms, Fig. 1(c), shows a change of about 0.5%. This indicates that as expected from the lack of residual strain, recovery is extremely good, but it is not perfect due to some plasticity. In particular, plastic heating leads to a temperature increase as described below. It is difficult to identify the precise location of the phase trans-formation from bcc to hcp in the stress-strain curves because of the presence of plasticity. GB sliding and dislocation motion, together with the phase transformation, lead to plastic heating and the temperature only slightly decreases during unloading, with a kink in unloading at 5% related to the hcp-bcc back-transformation, Fig. 1(d). Note that the temperature increase of _200 K ffi 0.025 eV is similar to the increase in potential energy. The temperature increase is small and will not lead to thermally activated processes in the time scale of our simulation. We note that for the—widely used—Voter potential,36 substantially larger temperature effects have been identified in compression simulations, and this would influence the resulting recovered microstructure.10 The loading shown in Fig. 1 produces a complex micro- structure, including recovery twins, as it will
Papers
Figura 1. Evolution of the sample during uniaxial compression, recovery, and recompression versus strain. (a) Diagonal stress components, (b) von-Mises stress, (c) potential energy, and (d) temperature versus strain. Loading/unloading is denoted by arrows on the curves.
be shown in detail below. Twinning has been repeatedly related to improved mechanical properties.37 Deformation twins are often found in samples recovered from high-strain-rate deformation experiments.38–41 In the last decade, nanoscale twinning in fcc metals has been shown to improve strength without impacting on other properties like conductivity, based on experiments and simulations.19,42,43 However, there are not as many studies on twinning for bcc metals,32,44–46 nor hcp metals,47 especially at the nanoscale. To study the possible change in material properties due to twinning in our nanocrystalline Fe samples, we recom- pressed the samples. One could expect improved hardness as in twinned fcc metals.42 The relatively small amount of twin- ning in our simulations is not expected to have a large impact on mechanical properties, but in contrast to what happens in fcc samples with twins, the stress-strain curves in Fig. 1(b) reveal a vonMises stress which is low nearly up to 12% strain, with hardening at larger strains behaving nearly the same way as in the original sample. This will be analyzed in more detail below, but we note that the recompressed sample is at a slightly higher temperature, but in this case, temperature should not play a major role in dislocation motion and activation, and would modify GB sliding only slightly.33
B. Dislocation activity and deformation twinning Twinning simulations for bcc metals are challenging,48 and twin identification in highly strained bcc metals is complex.49 We have used the adaptive commonneighbor analysis and the CAT (Ref. 27) to identify defects and phase-transformed material from our uniaxial compression and recovery. CAT is able to detect twins up to high strains. At a strain of 15%, the material is almost fully transformed to a mixture of hcp and fcc, where the fcc phase appears mainly as stacking faults, as displayed in Fig. 2. The results for the compression are identical to a previous study10 where we showed that dislocations emerge just before the phase transition starts, with several mixed disloca- tions showing fast edge segments which leave behind straight screw segments. The main reason for the shear stress drop in Fig. 1(b) is the phase transition, and then hardening occurs in the close-packed phase with production of SFs inside the hcp grains. Unloading leads to a bcc nanocrystal. At a strain of 3%, near zero stress, the material is almost fully backtransformed to the bcc structure revealing several morphological features, including defects and twinning. Unloading twins nucleate from GBs, as discussed by Christian and Mahajan,37 and shown for nanocrystalline bcc Ta during loading.33 Twin boundaries appear as thin needle-like structures similar to experimental observations in polycrystalline iron.19 Note that we only
consider bcc twins in our study to compare our results with these experiments19 and ignore the formation of twins in the newly formed hcp phase. In agreement with their results, twins appear as a result of the shear developing during the reverse phase transition from hcp to bcc. We find that twins appear in the (121)[11 1] system, typical of bcc twins.50
Figura 2. Snapshots of the sample. Local atomic structures are identified by adaptive CNA and CAT.27 Pink: bcc; red: bcc vacancies and intergranular atoms; yellow: hcp; teal: fcc; blue: bcc twin boundary. (a) 0%, (b) 5%, (c) 10%, (d) 15%, (e) 20% strain (loading), (f) 15%, (g) 4%, and (h) 0% strain (unloading).
Papers
Figura 3. Snapshots of the recompressed sample. (a) 0%, (b) 3%, (c) 5%, (d) 7%, (e) 9%, (f) 11% strain. Strain values are given with respect to the unloaded state at zero stress. Circles highlight disloca- tions. Color code denotes local atom structure as in Fig. 2.
Note that the grain topology in the back-transformed sample in Fig. 2(h) is the same as in the original sample, Fig. 2(a). GB free volume and GB sliding are sufficient to accom- modate the transformation process without distorting the rel- ative grain-grain orientations. This is consistent with the lack of residual strain and the small final change in potential energy, see Fig. 1(c). This is also consistent with the back- transformation to a single crystal observed in experiments and simulations.15–18 Fig. 3 shows snapshots of the recompressed sample. A few dislocations—marked by circles—can be seen around 3–5% strain before the phase transition from bcc to hcp takes place. However, the recovered nanocrystal has experienced significant relaxation compared to the original crystal, and is able to deform with very low shear stress. Twins disappear during recompression and at 10% strain, the material is fully transformed to the hcp phase. Stacking faults in the hcp phase represent
a finite amount of fcc phase as observed in the compression of the initial sample. This is the reason why hardening occurs similarly to the case of initial compression. To give a more detailed description of twin formation, we analyzed the atomic motion during the bcchcp-bcc phase transition. To this end, Fig. 4 shows the displacement path of a small set of atoms within a twin structure after recovery. The hcp phase forms by compression of the ½00¯1] bcc axis, see Fig. 4(b), accompanied by atomic displacements. In Fig. 4(c), the atoms are sheared either along ½2¯1¯10]hcp or ¯2110]hcp resulting in bcc twins. This process is similar to the shear-shuffle mechanism proposed by Wang et al.,19 where shear-ing takes place along ½11¯20]hcp or ½¯1¯120]hcp resulting in bcc lattices with ð¯112Þbcc twinned relationship. The twins display three-fold-symmetry, strongly indicating that they arise from
the intermediate hcp-phase which also has this symmetry.19 Recently, non-equilibrium MD simulations of shocks in sin- gle crystals using a Modified Analytic EAM potential (MAEAM) were performed,13 and a similar bcc-hcp transfor- mation path was found; in addition, they analyzed ramp com- pression of single crystals with a similar result.11 Fig. 5(a) shows the evolution of the phases analyzed by CAT.27 As expected, we observe a steady decrease in the
Figura 4. Transformation path of the bcc-hcp-bcc phase transition. The (100)bcc plane corresponding to ð11¯20Þhcp is in the plane of the paper. Snapshots show selected atoms belonging to a twin at (a) 0 ps, at (b) 320 ps during the back-transformation of the hcp phase, and at (c) 360 ps after the back-transformation to the bcc phase; in the last stage, a twin boundary (highlighted in blue) has formed. Arrows denote the displacement of the atoms with respect to the initial con- figuration. Squares denote the unit cells of the bcc phase which is deformed during the process. Atoms are compressed along the ½00¯1]bcc axis to create the hcp primitive cell. During recovery, corresponding to (b), the atoms are sheared either along ð2¯1¯10Þhcp or ½2110] hcp resulting in bcc twins of ð112Þbcc twin plane. Color code denotes local atom structure as in Fig. 2.
Papers
Figura 5. Evolution of (a) phase fraction and (b) twin and stacking-fault (SF) fractions versus strain.
0
0.05
0.1
0.15
0.2
0.25
Strain (a)
Strain (b)
bcc phase with higher strain. The material transforms to close-packed phases, primarily to hcp, but there is also a finite amount of fcc. The evolution of the phases is mainly driven by strain so that the behavior is similar for loading, unloading, and recompression. We define the twin fraction as the number of atoms forming twin boundaries with respect to the total number of atoms; and similarly the stacking-fault fraction as the relative number of atoms found in stacking-fault positions. It is difficult, for the large number of grains we use, to define a volumetric twin fraction, or an areal twin fraction for a given cross-section of the sample as often done in microscopy. Fig. 5(b) shows the twin fraction and the stacking-fault fraction versus strain for both compression, recovery and recompression. We note that there is a finite bcc twin fraction even at zero strain before compression of the sample which decreases to nearly zero during the compression of the sample. However, these atoms identified as belonging to twin boundaries are actually part of the structure of some GBs in the initial GB network, as seen in Fig. 2(a). We observe that the twin fraction inside the bcc grains increases during recovery while the amount of stacking faults decreases. Detailed inspection of the
sample confirms that these are indeed twins. On reloading, these twins disappear; this fact suggests that twin formation/detwinning are driven by inversion of the shear stress. This is expected from the process of detwinning during unloading as reported for fcc materials,51 bcc nanowires,46 and nanoindentation in Ta.45 Since unloading occurs from a compressed state, there is no twin-induced GB cracking52 or cracking-induced twinning.33 Fig. 6 presents the twin fraction as obtained by CAT from our simulations. We compare our results on twinning to a constitutive model that has been proposed by Johnson and Rohde,20 including dislocation slip and deformation twinning. In this model, the volume fraction of twinned material results from the growth of pre-existing twin platelets via
where a0¼0.006 is the initial fraction of twins, the exponent m assumes the value m¼3 for volumetric and m¼2 for aerial growth, tm is the characteristic time and vm is the dimensionless growth rate increasing linearly with stress s:
Figura 6. Twin fraction as obtained by simulation (symbols) compared to an analytical model using two different growth models, Eqs. (3) and (5), versus strain.
where s0 is the threshold stress for twinning. s depends on time t during the compression and recovery phase. To defines, we use here the shear stress often used for the analysis of shock simulations53 Strain
It is similar to the von-Mises stress, Eq. (1), if offdiagonal terms are neglected, but it can assume positive or negative values, in this case depending on loading or unloading. As mentioned above, the non-diagonal stress components are small in all stages of our simulations. Since the twin fraction we measure is related to twin boundary surface, we use the model, Eq. (2) with m¼2. The model by Johnson and Rohde20 was developed for cases where twinning is driven by shear stress. In contrast, in our case, twinning is triggered by the phase transformation. Equation (2) is solved using the trapezoidal integration rule.54 Fig. 6 shows that the agreement between the model and our data is only mediocre. We therefore improve the model by assuming a simplified, constant twin growth above a threshold stress sd:
Here, we also describe detwinning. We note that the model by Johnson and Rohde20 was meant to fit twinning at much lower shock pressures and strain rates, for polycrystalline Fe samples with much larger grain sizes, and close agreement with our results should not be expected. Similar to Ref. 55, we used the characteristic time tm as fit parameter. By least-squares fitting, the best fit is tm ¼ 3.5 ns comparable to laser-shock experiments where the characteristic time of loading duration and unloading is in the order of 1 ns.55 We fit also the threshold stress and the parameter a and obtain a best fit of s0 ¼ 0.4 GPa, sd ¼ 0.1 GPa, and a ¼ 2.3. Since the phase transformation helps to drive twinning, this threshold stresses are lower than shear values near 2 GPa for simulations of twinning in defective single crystals under shock loading53 or homogeneous compressive loading.56
Papers
The fitted threshold stress s0 is actually close to typical experimental values used for twinning in Fe and other bcc metals which are usually smaller than 0.5 GPa.38,55,57 Note, however, that in our simulation, we employ both higher strain rate and smaller grain sizes than in most experiments. High strain rate is not expected to increase the twinning threshold stress.58 However, if one would consider a Hall- Petch (HP) type model for the influence of grain size on twinning,40,57,58 the threshold value should actually be much higher for our 7.5 nm grains; this can be shown as follows. Meyers et al.57 derived an expression for the dependence of the threshold stress for twinning on the average grain size d:
Inserting a value of d ¼ 7.5 nm as applicable for our simula- tion and the constants S0 ¼ 450 MPa and k ¼ 100 MPa mm0.5 for bcc iron,57 Eq. (6) predicts s0 ¼ 37 GPa, which is consid- erably higher than our value of 0.4 GPa. This calculation demonstrates that the HP slopes from lm-sized grains are typically not applicable to nanoscale grains.59 Fig. 6 presents the comparison between MD values and the constitutive relations from above, Eqs. (2)–(5). Note that the twin fraction is plotted versus strain instead of time because the quantities are proportional. The number of twins increases during the recovery of the sample with smaller strain values. Our model equation (5) and the measured val- ues are in good agreement so that the twin fraction increases at a strain of 10% during unloading, coincident with the onset of the hcp-bcc back-transformation and decreases again during recompression.The agreement between the predicted values by Johnson and Rohde and the measured MD values is not convincing. We follow that the twin evolution is not driven by shear stress but depends mainly on the phase transformation. A further reason why the model might not offer good agreement with the MD results is that the scenario in our simulation is
somewhat different from that studied in the model. In our case, twins are nucleated from GBs, and then grow. There is no growth of a simple twin lamella isolated in a single-crystal matrix, as assumed in most models for twin growth like the one by Sandoval et al.60 or the one by Florando et al.,41 which also incorporate dislocation-twin competition.41 In contrast, in our case, twins are generated due to the phase transition so that twin nucleation may be important, as in hcp metals.61 However, twin nucleation stress is small for bcc iron46 and we only consider bcc twins in our study. In our study, we find that the a– phase transformation exerts a decisive influence on the twinning and detwinning under compression and release. We performed an analogous simulation for our poly-crystalline specimen, where we used a potential which is very similar to the Ackland potential used up to now, but which does not allow for phase transformation. 62 Then we find that the number of bcc twins increases under compression and decreases during release; in other words, the twin fraction simply increases with strain in the material. This behavior is totally different from our finding in Fig. 6. This comparison demonstrates that the possibility of phase transformation in real Fe is decisive for the morphological changes found.
IV. Summary We analyzed the response of polycrystalline a-iron to ho- mogeneous uniaxial loading and unloading in order to describe the dislocation activity and deformation twinning in recovery simulations of high strain-rates. After recovery, nearly the same nanocrystal as before loading is re-established. This fact is supported by a negligibly small difference in average poten- tial energy before compression and after recovery, and small plastic heating. Our result is also consistent with experiments for single-crystal Fe, where the single crystal is recovered despite the fact that a polycrystal was created during load- ing.15,17,18 This is consistent with the fact that twinning is reversed alongside with phase transformation. Even though we have violent events (phase
transformation, plasticity), the original structure is preserved because twinning and detwin- ning are solely driven by the phase transformation. Our analysis shows that recovery leads to twinning inside the recovered bcc grains. The structure of the twins is in good agreement with the experimental results by Wang et al.,19 and the twin forma- tion path also agrees with the one they proposed. On reload- ing, the twins disappear. The evolution of twins can be fairly described by a modified version of the constitutive model by Johnson and Rohde20 and is driven by the phase transforma- tion from bcc to hcp and vice-versa. We note that in metals, shock-induced hardening is related to an increased dislocation density,39 even for nano- crystals with a grain size of tens of nm.34 Here the simulated grain size precludes significant dislocation storage, and hard- ening can be neglected. The lack of residual hardening, together with significant GB relaxation due to the back- transformation, leads to a recovered nanocrystal which has extremely low strength upon recompression. This complex scenario might also occur in experiments for small nanocrystals. Future simulations will cover larger grain sizes, and non-equilibrium MD shock recovery simulations of nano- crystals, where the transient wave profile might change the unloaded microstructure.
Acknowledgments This work has been supported by the Deutsche Forschungsgemeinschaft via the Sonderforschungsbereich 926. Eduardo M. Bringa acknowledges support from CONICET, SeCTyP (U.N. Cuyo), and PICT-2009-0092. Simulations were performed at the High Performance Cluster Elwetritsch (Elwetritsch, RHRK, TU Kaiserslautern, Germany).
Papers
Referencias
1J. L. Shao, S. Q. Duan, A. M. He, C. S. Qin, and P. Wang, J. Phys.: Condens. Matter 21, 245703 (2009). 2V.V. Stegailov and A.V.Yanilkin, Sov. Phys. - JETP 104, 928 (2007). 3J. B. Jeon, B.-J. Lee, and Y. W. Chang, Scr. Mater. 64, 494 (2011). 4J. C. Boettger and D. C. Wallace, Phys. Rev. B 55, 2840 (1997). 5B. J. Jensen, G. T. Gray III, and R. S. Hixson, J. Appl. Phys. 105, 103502 (2009). 6R. F. Smith, J. H. Eggert, R. E. Rudd, D. C. Swift, C. A. Bolme, and G. W. Collins, J. Appl. Phys. 110, 123515 (2011). 7W. Pepperhoff and M. Acet, Constitution and Magnetism of Iron and its Alloys (Springer, Berlin, 2001). 8R. F. Smith, C. A. Bolme, D. J. Erskine, P. M. Celliers, S. Ali, J. H. Eggert, S. L. Brygoo, B. D. Hammel, J. Wang, and G. W. Collins, J. Appl. Phys. 114, 133504 (2013). 9J. C. Crowhurst, B. W. Reed, M. R. Armstrong, H. B. Radousky, J. A. Carter, D. C. Swift, J. M. Zaug, R. W. Minich, N. E. Teslich, and M. Kumar, J. Appl. Phys. 115, 113506 (2014). 10N. Gunkelmann, E. M. Bringa, K. Kang, G. J. Ackland, C. J. Ruestes, and H. M. Urbassek, Phys. Rev. B 86, 144111 (2012). 11K. Wang, S. Xiao, M. Liu, H. Deng, W. Zhu, and W. Hu, Proc. Eng. 61, 122 (2013). 12N. Gunkelmann, E. M. Bringa, D. R. Tramontina, C. J. Ruestes, M. J.Suggit, A. Higginbotham, J. S. Wark, and H. M. Urbassek, Phys. Rev. B 89, 140102 (2014). 13K. Wang, S. Xiao, H. Deng, W. Zhu, and W. Hu, Int. J. Plast. 59, 180 (2014). 14J. A. Hawreliak, D. H. Kalantar, J. S. St₏olken, B. A. Remington, H. E. Lorenzana, and J. S. Wark, Phys. Rev. B 78, 220101 (2008). 15B. El-Dasher, W. MoberlyChan, J. McNaney, J. Hawreliak, and H. Lorenzana, in American Physical Society Meeting Abstracts L23.00003, Bulletin of the American Physical Society, 2007,Vol. 52. 16K. Kadau, T. C. Germann, P. S. Lomdahl, and B. L. Holian, Phys. Rev. B 72, 064120 (2005). 17W. MoberlyChan, B. S. El-Dasher, and G. H. Campbell, Microsc. Microanal. 15, 364 (2009). 18W. MoberlyChan, private communication (2014). 19S. J. Wang, M. L. Sui,Y. T. Chen, Q. H. Lu, E. Ma, X.Y. Pei, Q. Z. Li, and H. B. Hu, Sci. Rep. 3, 1086 (2013). 20J. N. Johnson and R. W. Rohde, J. Appl. Phys. 42, 4171 (1971). 21S. Plimpton, J. Comput. Phys. 117, 1 (1995). 22M. I. Mendelev, S. Han, D. J. Srolovitz, G. J. Ackland, D.Y. Sun, and M. Asta, Philos. Mag. 83, 3977 (2003). 23G. J. Ackland, M. I. Mendelev, D. J. Srolovitz, S. Han, and A. V. Barashev, J. Phys.: Condens. Matter 16, S2629 (2004). 24A. Frøseth, H.Van Swygenhoven, and P. Derlet, Acta Mater. 53, 4847 (2005). 25D. Faken and H. Jonsson, Comput. Mater. Sci. 2, 279 (1994). 26H. Tsuzuki, P. S. Branicio, and J. P. Rinoi, Comput. Phys. Commun. 177, 518 (2007). 27A. Stukowski, Modell. Simul. Mater. Sci. Eng. 20, 045021 (2012). 28A. Stukowski and K. Albe, Modell. Simul. Mater. Sci. Eng. 18, 085001 (2010). 29M. A. Meyers, A. Mishra, and D. J. Benson, Prog. Mater. Sci. 51, 427 (2006).
30A. Latapie and D. Farkas, Phys. Rev. B 69, 134110 (2004). 31D. Farkas and B. Hyde, Nano Lett. 5, 2403 (2005). 32R. E. Rudd, Mater. Sci. Forum 633–634, 3 (2009). 33Y. Tang, E. M. Bringa, and M. A. Meyers, Mater. Sci. Eng., A 580, 414 (2013). 34E. M. Bringa, A. Caro,Y. Wang, M.Victoria, J. M. McNaney, B. A. Remington, R. F. Smith, B. R. Torralva, and H.Van Swygenhoven, Science 309, 1838 (2005). 35Z. Budrovic, H.Van Swygenhoven, P. M. Derlet, S.Van Petegem, and B. Schmitt, Science 304, 273 (2004). 36R. J. Harrison, A. F.Voter, and S.-P. Chen, in Atomistic Simulation of Materials: Beyond Pair Potentials, edited by V.Vitek and D. J. Srolovitz (Plenum Press, New York, 1989), p. 219. 37J. W. Christian and S. Mahajan, Prog. Mater. Sci. 39, 1 (1995). 38L. E. Murr, M. A. Meyers, C.-S. Niou,Y. J. Chen, S. Pappu, and C. Kennedy, Acta Mater. 45, 157 (1997). 39M. A. Meyers, H. Jarmakani, E. Bringa, and B. A. Remington, in Dislocations in Solids, edited by J. P. Hirth and L. Kubin (Elsevier, 2009),Vol. 13, Chap. 89, pp. 91–197. 40C. H. Lu, B. A. Remington, B. R. Maddox, B. Kad, H. S. Park, S. T. Prisbrey, and M. A. Meyers, Acta Mater. 60, 6601 (2012). 41J. N. Florando, N. R. Barton, B. S. El-Dasher, J. M. McNaney, and M. Kumar, J. Appl. Phys. 113, 083522 (2013). 42L. Lu, X. Chen, X. Huang, and K. Lu, Science 323, 607 (2009). 43K. Lu, L. Lu, and S. Suresh, Science 324, 349 (2009). 44Y. T. Zhu, X. Z. Liao, and X. L. Wu, Prog. Mater. Sci. 57, 1 (2012). 45C. J. Ruestes, A. Stukowski,Y. Tang, D. R. Tramontina, P. Erhart, B. A. Remington, H. M. Urbassek, M. A. Meyers, and E. M. Bringa, Mater. Sci. Eng., A 613, 390 (2014). 46A. Cao, J. Appl. Phys. 108, 113531 (2010). 47Q.Yu, L. Qi, K. Chen, R. K. Mishra, J. Li, and A. M. Minor, Nano Lett. 12, 887 (2012). 48R. Zhang, J. Wang, I. Beyerlein, and T. Germann, Philos. Mag. Lett. 91, 731 (2011). 49A. Higginbotham, M. J. Suggit, E. M. Bringa, P. Erhart, J. A. Hawreliak, G. Mogni, N. Park, B. A. Remington, and J. S. Wark, Phys. Rev. B 88, 104105 (2013). 50Y. Tang, E. M. Bringa, and M. A. Meyers, Acta Mater. 60, 4856 (2012). 51C. J. Shute, B. D. Myers, S. Xie, S.-Y. Li, T. W. Barbee, Jr., A. M. Hodge, and J. R. Weertman, Acta Mater. 59, 4569 (2011). 52Y. Zhang, P. C. Millett, M. Tonks, and B. Biner, Scr. Mater. 66, 117 (2012). 53D. Tramontina, P. Erhart, T. Germann, J. Hawreliak, A. Higginbotham, N. Park, R. Ravelo, A. Stukowski, M. Suggit,Y. Tang et al., High Energy Density Phys. 10, 9 (2014). 54R. L. Burden and J. D. Faires, Numerical Analysis (Thompson, 2005). 55T. de Ress´eguier and M. Hallouin, J. Appl. Phys. 84, 1932 (1998). 56D. Tramontina, C. Ruestes,Y. Tang, and E. Bringa, Comput. Mater. Sci. 90, 82 (2014). 57M. A. Meyers, O.V€ohringer, and V. A. Lubarda, Acta Mater. 49, 4025 (2001). 58R. W. Armstrong, W. Arnold, and F. J. Zerilli, J. Appl. Phys. 105, 023511 (2009). 59S. D. Antolovich and R. W. Armstrong, Prog. Mater. Sci. 59, 1 (2014). 60L. A. Sandoval, M. P. Surh, A. A. Chernov, and D. F. Richards, J. Appl. Phys. 114, 113511 (2013). 61X.Y. Lou, M. Li, R. K. Boger, S. R. Agnew, and R. H. Wagoner, Int. J. Plast. 23, 44 (2007). 62G. J. Ackland, D. J. Bacon, A. F. Calder, and T. Harry, Philos. Mag. 75, 713 (1997).
Temas de interĂŠs general
Opini贸n
Una mirada sobre la Visi贸n Artificial
Gabriel Quintero Bioingeniero. Mendoza, Argentina gabriel.quintero.suarez@gmail.com
En los últimos años hemos experimentado una enorme conmoción debido a la tecnología. Prácticamente y sin darnos cuenta, todos los aspectos de nuestra vida están atravesados por la tecnología. Desde teléfonos que dejaron de ser simplemente “teléfonos” hasta comunicaciones intercontinentales increíblemente sencillas. Nuestra existencia late al ritmo de los bits y de la vorágine de información en la que nos sumergimos día a día. Una de los frutos que ha dado la tecnología y que hace unos años parecía “cosa del futuro” es la visión artificial. Estamos, poco a poco, enseñándole a ver a las computadoras. Desde sistemas telemétricos como el reconocimiento de la huella digital o el iris hasta sofisticados sistemas de seguridad aeroportuaria comienzan a ser parte de nuestra cotidianeidad. Pero, ¿Qué es realmente la visión artificial? Sin duda alguna no es simplemente procesar una imagen, resaltar algún rasgo que nos interesa o embellecer una fotografía no es precisamente lo que que aquí nos atañe. La visión artificial tiene como fin último tomar decisiones a partir de una imagen o un video. Es un conjunto de procesos por el cual un sistema de informático, como podría ser una pc, puede “darse cuenta” de que está sucediendo en la o las imágenes y tomar una decisión basada en esa información. En este sentido la extracción de características juega un papel muy importante en esta rama. Nos estamos acostumbrando a ver sistemas que reconocen nuestro rostro o incluso disparar una cámara fotográfica al sonreír. El deporte también se está valiendo de estas técnicas al realizar complejos análisis basados en las imágenes, pudiendo aumentar el rendimiento deportivo en niveles donde de otra forma sería muy difícil correr el listón del límite humano. Otra área que está comenzando a gozar de las mieles de la visión artificial es la medicina. Cada vez más se realizan inferencias automáticas sobre imágenes médicas e incluso se sugieren posibles diagnósticos.
Las posibilidades son infinitas, impulsadas, cada vez más, por la constantemente creciente velocidad de los procesadores. El Instituto de Bioingeniería de la Universidad de Mendoza (IBio) ha hecho también sus experiencias en el desarrollo de estos sistemas. Una temática a la que ha prestado gran interés es al seguimiento de puntos específicos dentro de un video, técnica conocida con tracking. Actualmente se está trabajando en el desarrollo innovador de un algoritmo que puede seguir un punto aunque desaparezca del video durante algunos cuadros, haciendo inferencias de donde es más probable que el punto se encuentre y “reenganchándolo” cuando el punto sea visible nuevamente. Estas técnicas tienen en cuenta no solo la relación espacial que tienen entre si los distintos puntos de una imagen, sino también su evolución temporal. Otro aspectoen el que se ha indagado desde el IBio es el del reconocimiento de patrones dentro de una imagen. Esto permite extraer características y en base a ellas tomar decisiones para realizar alguna tarea. Se a trabajado muy intensamente en el desarrollo de algoritmos de reconocimiento automático de la pupila para realizar investigaciones sobre el comportamiento de la misma. Como podemos ver, la visión artificial es una disciplina que, si bien está en su adolescencia, ya aprendió a andar desde hace tiempo y se está haciendo presente cada vez más en nuestra vida cotidiana. Es una actividad que requiere mucho conocimiento y capital humano, pero es relativamente económica en cuanto a la infraestructura necesaria para desarrollar sistemas complejos. La visión artificial aun tiene mucha tela para cortar y es una actividad que está muy lejos temporalmente de agotarse. Incluso desde una provincia del oeste argentino en la Universidad de Mendoza se trabaja y se desarrollan sistemas que hace pocos años pensábamos que eran del futuro lejano.
Opinión
Bioingeniería En Equipamiento Médico: Laboratorio Para Validación Y Certificación en Mendoza
Celina Ríos
Celina Rios Bioingeniera. Mendoza, Argentina ricelina@gmail.com
Es problemático que un equipo médico no opere adecuadamente por cualquier razón. Pero puede ser incluso muy riesgoso para el paciente que los equipos funcionen sin que exista una verificación, un mantenimiento cotidiano y procesos necesarios que validen y certifiquen a los mismos para que estos operen de manera segura, dentro del rango especificado, e incluso a nivel normativo. En el marco de la convocatoria FIN-SET 2013 (“Aportes no Reembolsables para el Financiamiento de Proyectos de Fortalecimiento de las Capacidades de Prestación de Servicios Tecnológicos”) otorgados por el FONTAR, para abordar dicha necesidad, la Universidad de Mendoza resultó beneficiada con $3.008.253,73. El dinero se destinó a la creación de un Laboratorio para la validación y posterior certificación de equipos médicos en Instituciones de Salud en la provincia de Mendoza. Por medio de los fondos obtenidos, se logró abastecer al Laboratorio con equipos de validación importados desde EE.UU. marca“FLUKE”. De esta forma se apunta a contar con tecnología de vanguardia y última generación para poder brindar un servicio apropiado, de gran calidad y acorde a los requerimientos necesarios para trabajar en el sector de la salud. Un factor distintivo a destacar es que además de contar con instalaciones propias para la prestación del servicio, se podrá a disposición de las Instituciones de la Salud un laboratorio móvil. Dicho laboratorio permitirá que las entidades no prescindan de sus equipos y puedan contar con ellos en todo momento y ante cualquier eventualidad. La creación de este Laboratorio, a cargo de profesionales de la Bioingeniería egresados de la Universidad de Mendoza, representa un avance importante para dicha carrera. Se debe recalcar que los futuros profesionales tendrán la posibilidad de contar con las instalaciones apropiadas para capacitarse en el uso y funcionamiento de los equipos de Electromedicina, considerada como una fuente laboral para profesionales de este área. A su vez, también les permitirá a los estudiantes avanzados en la carrera cumplir con las horas de Prácticas Profesionales Supervisadas.
Opinión
Reestructuración Division Bioingeniería Hospital “Diego Paroissien”
Matías Cantón Bioingeniero. Mendoza, Argentina maticanton@hotmail.com
Dentro de los Hospitales de la Región Metropolitana Sur, (departamentos de: Godoy Cruz, Maipú y Luján de Cuyo), en el departamento de Maipú, encontramos al Hospital Regional Diego Paroissien. Este nosocomio es importante, tanto para el departamento, como para el contexto sanitario de la provincia, por ser un hospital general de mediana complejidad con maternidad (la segunda a nivel provincial). La dotación de éste es de 92 camas de sala común, 5 unidades de terapia intensiva y 15 neonatológicas. La división bioingeniería se funda en el año 2004 aproximadamente, la cual depende directamente del Jefe de Departamento de Gestión Tecnológica y a su vez de la Gerencia Administrativa. Desde esa fecha hasta fines del año 2012, se encontraba tercerizada al IRB (Instituto Regional de Bioingeniería), perteneciente a la U.T.N. (Universidad Tecnológica Nacional). La clase de mantenimiento convenido era de nivel 1 (se define como aquel que puede realizar con los insumos, herramientas, recursos humanos e instrumental disponibles en la institución hospitalaria, sin necesidad alguna del traslado al exterior del equipo y o instrumental sujeto a reparación). En Julio de 2012 se firma un convenio con la Universidad de Mendoza, para que los estudiantes de la Carrera de Bioingeniería, hagan sus pasantías en el Hospital. Las autoridades de dicho nosocomio, deciden rescindir el contrato e incorporan personal propio en este sector. Los principales motivos que llevaron a tomar esta decisión es que los servicios asistenciales no se encontraban satisfechos con la labor prestada. El laboratorio de la división tenía serias falencias de orden y gestión. No se poseía un inventario actualizado del equipamiento, los repuestos nuevos estaban mezclados con los viejos, no se llevaban a cabo planes de mantenimiento preventivo/ predictivo ni verificaciones, entre otras problemáticas. Siendo alumno de la carrera de Bioingeniería de la Universidad de Mendoza, ingreso como primer pasante del mencionado convenio. La Ing. Carina Garzuzi, Jefa del Departamento de Gestión Tecnológica, con mi colaboración, nos hacemos cargo de la División Bioingeniería.
Dicha gestión lleva a cabo las siguientes actividades, en forma progresiva: • Inventario: relevamiento de todos los equipos médicos, identificándolos, estableciendo su propiedad, operatividad, criticidad, antigüedad, estado general, información técnica existente y principal usuario del mismo (técnico, enfermero o médico). • Análisis de riesgo del equipamiento médico según lo recomendado por la OMS (Organización Mundial de la Salud), a partir del cual se establecen las prioridades de Mantenimiento. • Implementación de software de gestión del mantenimiento y de stock de repuestos. • Clasificación y ordenamiento de repuestos. • Calibración de instrumentos de medición disponibles. • Creación de formularios y protocolos de mantenimiento preventivo, correctivo y verificaciones de rutina (Figura 4). • Planificación de verificaciones y mantenimientos preventivos. • Reacondicionamiento del laboratorio de la división incorporando herramientas manuales, osciloscopio digital y panel de gases medicinales (Figuras 1, 2 y 3). • Diseño e instalación de un sistema de Back-Up de a ire comprimido medicinal. • Capacitaciones al personal en el uso de equipamiento como respiradores, desfibriladores, incubadoras y servocunas entre otros. • Remodelación de scialítica a iluminación a LED. • Recuperación de monitores multiparamétricos, incubadoras, centrífugas, electrocardiógrafos y oxímetros de pulsos dados de baja. • Implementación de convenios con hospitales que poseen verificadores de equipos médicos. • Normalización de los paneles de gases del hospital a norma DISS (Diameter Index Safety System). • Etiquetado del equipamiento para facilitar su identificación y operatividad. • Habilitación de una nueva cama para UTI. • Generación de pliegos y recomendaciones a las autoridades del nosocomio en la compra de aparatología médica. • Cambio de enchufes en los equipos de quirófanos
Opinión
para poder utilizar la red IT (Isolated Ground). • Puesta en funcionamiento de 6 respiradores almacenados y sin mantenimiento desde 2009. Obteniendo mi título de grado en bioingeniería me desempeño actualmente como Jefe de la mencionada División. Teniendo como colaborador al Sr. Guillermo Castillo estudiante avanzado de dicha carrera. Gracias a todo el conocimiento y apoyo brindado por esta casa de altos estudios, especialmente, al director de la carrera, el Bioing. Gastón F. Jarén y a las autoridades del nosocomio se pudo lograr la esperada reestructuración.
Figura 1. Antes.
Figura 2. Después.
Figura 3. Después.
Figura 4. Planilla de mantenimiento.
Trabajos Integradores
Trabajos Integradores
Oxímetro de Pulso con Arduino
Laudadío Pablo Tomás Instituto de Bioingeniería Facultad de Ingeniería - Universidad de Mendoza
Palabras clave:
Key words:
oxímetro, pulso, Arduino, fotopletismografía
oximeter, pulse, Arduino,photoplethysmography.
Resumen
Abstract
En este trabajo se implementó una placa Arduino para medir y calcular porcentajes de oxígeno en sangre, y también las pulsaciones por minuto de una persona. El método utilizado es por Fotopletismografía, siendo muy conveniente por no ser invasivo.
This paper implemented an Arduino board to measure and analyse oxygen saturation, and the beats per minute of a person. The method used is Photoplethysmography and is very convenient because it is not invasive.
Trabajos Integradores
I. Introducción
III. La ley de Beer-Lambert
El proceso de oximetría de pulso es un método no invasivo, que permite estimar en tiempo real la saturación arterial de oxígeno en sangre (SpO2) de un paciente, obteniendo así información sobre su estado cardiorrespiratorio. Esto permite prescindir de otras técnicas como la gasometría arterial (que requieren el procesado de las muestras de sangre en el laboratorio) [1]. Esta técnica permite prevenir situaciones en las que por ausencia de oxígeno el paciente corre el riesgo de sufrir un daño irreversible en las células con mayor gasto metabólico (como las del sistema nervioso o las cardiacas). Gracias a su naturaleza no invasiva, su fiabilidad y su rápida respuesta, la medida del oxímetro se convierte en una de las mejores herramientas para monitorización de la función respiratoria. Por estas razones, se ha convertido en la primera opción para el seguimiento de enfermos que necesitan un control constante de la concentración de oxígeno, siendo fundamental en el campo de la anestesiología y presente, a día de hoy, en gran parte de quirófanos y salas de monitorización [2],[3].
Las bases de esta ley residen en que las sustancias químicas existentes en la sangre poseen características específicas de absorción de radiación electromagnética, cuyas propiedades han sido determinadas en análisis espectrofotométricos para distintas fuentes de luz monocromáticas. El modelo de oximetría asume que en sangre solo existen dos tipos de hemoglobina: la hemoglobina oxigenada y desoxigenada (la sangre de un adulto normalmente contiene cuatro especies de hemoglobina distintas: oxihemoglobina (HbO2), desoxihemoglobina (RHb), carboxihemoglobina (COHb) y metahemoglobina (MetHb) [5]; la validez del modelo reside en el hecho de que el porcentaje de oxígeno unido a la COHb y MetHb son despreciables, salvo en condiciones patológicas). Por tanto la saturación de oxígeno en sangre (SaO2) vendrá dada por:
II. Fundamentos de la Oximetría La hemoglobina provee a la sangre de un mecanismo inherente que permite transportar de oxígeno hacia las células. Por esta razón, determinar el porcentaje de hemoglobina combinada con oxígeno es, en general, un buen indicador del estado respiratorio del paciente. Como pigmento respiratorio, la hemoglobina cambia de color con la oxigenación, siendo de un color rojo brillante cuando se encuentra oxigenada y rojo oscuro en el caso contrario (generalmente propios de la sangre arterial y venosa respectivamente, Fig. 1). Fig. 1. Detalle de muestras de sangre venosa y arterial Así las técnicas de oximetría se basan en el análisis de la potencia luminosa transmitida a través de los tejidos, en función de las propiedades de absorción del compuesto a caracterizar (hemoglobina con oxígeno en sangre). Estos principios vienen dados por la ley de Beer-Lambert [4].
Dado que el modelo de oximetría considera que las pérdidas por absorción se deben a la HbO2 y RHb [6], el sistema ha de utilizar dos longitudes de onda distintas para caracterizar estas sustancias. Considerando el espectro de absorción se han de seleccionar las longitudes de onda para que a ninguna de las emisiones las sustancias (RHb o HbO2) se presenten opacas y que éstas últimas tengan a su vez propiedades de absorción distintas. Además, es deseable la elección de una zona del espectro que presente una respuesta plana en la curva de absorción para evitar efectos dispersivos. Considerando la curva de absorción de la Fig. 2 para la RHb o HbO2, se han utilizado en el diseño dos fuentes led: una en la zona de los rojos a 660nm y la otra en los infrarrojos a 940nm. La alternativa sería utilizar una fuente láser, sin embargo, se ha desechado para no incrementar el coste del sistema.
Figura 1. Detalle de muestras de sangre venosa y arterial.
Figura 2. Coeficientes de extinción de los tipos de
Figura 3.Intensidad transmitida en función del ciclo
hemoglobina presentes en la sangre.
cardíaco [7].
Volviendo a los principios de la ley de Beer-Lambert, si la absorción de un medio es uniforme, la intensidad de luz que lo atraviesa se puede caracterizar en todo el recorrido. Así, la intensidad de luz I, emitida a una intensidad de desde la fuente vendrá dada por:
Donde a es el coeficiente de absorción del medio en función de la longitud de onda, la concentración del medio que provoca la atenuación y la longitud de la trayectoria rectilínea y sin efectos dispersivos. El principal problema de la expresión anterior reside en la dificultad para determinar la intensidad incidente, la longitud del medio atravesado y la absorción constante de otros elementos (hueso, tejidos, sangre venosa, etc). Este inconveniente puede corregirse teniendo en cuenta la naturaleza pulsátil de las arterias y planteando un sistema de ecuaciones que elimine las dependencias
Trabajos Integradores
anteriores. La cantidad de luz que se recibe es función del diámetro d de las arterias y arteriolas, que durante un ciclo cardiaco varía entre un mínimo dmin durante la diástole y un máximo dmax durante la sístole (Fig. 3). Realizando el cociente de las intensidades mínimas L I y máximas H I recibidas en un ciclo cardiaco, se puede simplificar eliminando los parámetros anteriores no conocidos:
De este modo, la expresión anterior queda en función de la absorción de la HbO2 y RHb. La componente variable del diámetro arterial 8d se elimina introduciendo las relaciones de intensidad recibida para la otra longitud de onda emitida. De este modo se define la relación de absorbancias Ros como:
IV. Estructura del Hardware El diseño del trabajo se dividió notablemente en el desarrollo del Hardware adecuado para un correcto tratamiento de la señal y en el Software. Se tomó desde un principio el dispositivo Arduino como nexo de estos dos. A su vez, el desarrollo del Hardware se divide en las siguientes etapas: Generación de pulsos para los LEDs
Adquisición de datos del fotodiodo
Muestreo y división de las señales R/IR
Envió de Datos a la PC
Amplificación
Etapa de filtrado
A. Generación de Pulsos para los LEDs Utilizando la información de las ecuaciones (1) y (3) es posible relacionar con SaO2. Por lo que finalmente, la saturación de oxígeno vendrá dada por:
Por medio de dos salidas digitales de la placa Arduino programamos un pulso para encender el LED rojo y otro para encender el LED infrarojo. Los mismos pasan por un puente H ya que estos dos LEDs se encuentran conectados en forma antiparalela dentro de la pinza.
B. Adquisición de Datos del Fotodiodo Teniendo en cuenta que el Fotodiodo reacciona ante la luz a la que es sometido variando la corriente que terminales, se aplicó un Amplificador de Transimpedancia para convertir la variación de corriente en variación de tensión. Para dicho propósito se utilizó un Amplificador Operaciónal LT1001 con el circuito sugerido por el fabricante (Fig 4).
Figura 4. Amplificador de Transimpedancia.
C. Muestreo y División de las Señales R / IR Luego de adquirir la señal del fotodiodo, es necesario discriminar que parte de la señal corresponde a la excitación del fotodiodo por el LED Rojo, y cual corresponde al LED Infra-Rojo. Para este propósito se utilizaron dos componentes de muestreo y retención controlados por dos salidas digitales de la Placa Arduino. Las mismas son diferentes a las que encienden los LEDs pero corresponden a una pequeña porción de estas (Fig. 5)
D. Etapa de Filtrado La eliminación de señales de ruido es una de las etapas más importantes, pero el propósito de esta etapa es también eliminar el componente de atenuación continua en nuestra salida ya que no aporta información útil. Para ello se utilizó un filtro Butterworth Pasabanda inferior de 2do Orden con topología Sallen & Key con frecuencias de corte 0,5Hz y frecuencia de corte superior de 5Hz.
E. Amplificación Luego de pre procesar las señales, estas son acondicionadas para lograr una correcta lectura en la PC. Con este fin se aplicó al diseño un amplificador con ganancia variable, la cual puede ajustarse en tiempo real para obtener la mejor señal para cada paciente. Además, esta etapa cuenta con un sumador para que la totalidad de la señal se encuentre en el rango de tensión positiva y pueda ser tomada correctamente por la PC.
E. Envío de Datos a la PC Aquí es donde toma principal importancia la placa Arduino ya que la señal es ingresada por dos pines de Entrada Analógica (uno para la señal del LED Rojo y otra para la del Infra-Rojo), luego las mismas son transmitidas por el puerto serie a la PC que procesará dichas Señales.
Figura 5. Salida programada del Arduino para cada Pin.
Trabajos Integradores
V. Estructura del Software
VI. Conclusiones
Una vez que los datos son ingresados a la PC, estos son procesados por una aplicación desarrollada en Python. La misma se encarga de tomar conjuntos de datos de atenuación del LED Rojo y del Led InfraRojo para compararlos y aplicar las formulas correspondientes. Además, brinda la posibilidad de observar la gráfica de dichos datos (Curva fotopletismográfica, Fig. 6)
El trabajo resulto muy productivo en lo personal en cuanto a la experiencia de investigar y resolver los inconvenientes que se presentaron. Uno de los aspectos más importantes del proyecto fue poder utilizar una placa Arduino para transmitir los datos a la PC (entre otras cosas), ya que esto amplía posibilidades como agregar módulos de conexión inalámbrica o también una pantalla que muestre directamente los resultados. Este proyecto se encuentra en un estado básico en cuanto a funciones y características, pero existen múltiples opciones de mejoras a futuro.
Figura 6. Aplicación desarrollada en Python para calcular y mostrar los resultados.
VII. Consideraciones A Futuro Como se mencionó anteriormente, el proyecto posee muchos aspectos a mejorar, llevando al mismo a ser más portable y con libertad de movimiento para la persona que hace uso del mismo. Para empezar, sería ideal un tamaño más pequeño del hardware con una transmisión inalámbrica de los datos a la PC. A su vez, para que esto pueda ser llevado a cabo, hay que rediseñar los circuitos para que puedan funcionar alimentados con una fuente unipolar y no bipolar como lo hace el hardware actual. Con esta mejora podría aplicarse una fuente portátil (pilas o baterías) con todas las ventajas que esto conlleva. Además, sería importante agregar una tercera medición del detector entre el momento en que se apaga el LED Rojo y se prente el Led Infrarrojo para obtener la cantidad de luz ambiente en el detector y restarla de las otras dos señales. Esto nos dará una lectura más precisa que lleva a un resultado más fiable. Por otro lado, puede agregarse al dispositivo mediciones de actividad eléctrica del corazón ECG para obtener resultados más completos en forma simultánea..
Agradecimientos El autor agradece a los compañeros: Avecilla Federico, Nonino Abel; y a los Ingenieros: Antonio Eduardo, Azor Jesús Rubén, Fontana Daniel, Hernández Scarso Carlos y Iacono Lucas, por la colaboración en este trabajo.
Referencias
[1] ALMAGUER – “Oximetría de pulso versus gasometría arterial” – Revista Española de Investigaciones Quirúrgicas;Vol.XII nº:2 (93-96) 2009. [2] ÁLVAREZ RÍOS - “Programa de actualización continua para anestesia” – Disponible en: http://www.drscope.com [3] SCOPE - “Fisiología pulmonar y anestesia en el paciente crítico” Programa de Actualización Continua en Especialidades Médicas, 2005 [4] NEIL TOWNSEND, “Pulse Oximetry Notes”, Medical Electronics 2001 [5] BRANDAN, AGUIRRE – “Hemoglobina” – Cátedra de Bioquímica – Facultad de Medicina UNNE – 2008. [6] SEVERINGHAUS, KELLEHER - “Recent Developments in Pulse Oximetry” - Anesthesiology: June 1992 - Volume 76. [7] WEBSTER J C – “Design of Pulse Oximeter” - New York: Taylor & Francis Group, 1997
Noticias / agenda
Noticias / agenda
Congreso de Ingeniería Biomédica en Bolivia
Los Capítulos Estudiantil y Profesional de la Sociedad "Engineering in Medicine & Biology Society" del IEEE Sección Bolivia están organizando la primera versión del CIBB (Congreso de Ingeniería Biomédica Bolivia) que se realizará del 23 al 25 de Abril de 2015 en la Universidad Católica Boliviana “San Pablo” regional La Paz con la presencia de expositores distinguidos e invitados del exterior destacados en el área de la Bioingeniería. El evento constará de ponencias en paralelo durante los tres días del evento, finalizando con una feria de empresas en el almuerzo y posterior del tercer día del mismo. Los expositores vendrán desde distintos países, entre los cuales están Argentina, España, Estados Unidos, México, Bolivia y más.
Contacto: Ing. Rudy Guaráz Villegas 70549746 Adriana Mamani Lazarte 79605234 Daniela Aguirre Miranda 70669530 Mariana Murillo Delgadillo 70558649
https://es-es.facebook.com/events/767982139923217
La Paz, Bolivia.
23 al 25 de Abril 2015
XX Congreso Argentino de Bioingeniería y IX Jornadas de Ingeniería Clínica (SABI 2015) La Sociedad Argentina de Bioingeniería y el Grupo de Análisis, Desarrollos e Investigaciones Biomédicas (GADIB) de la FRSN, invita a participar del XX Congreso Argentino de Bioingeniería y IX Jornadas de Ingeniería Clínica (SABI 2015), a realizarse los días 28, 29 y 30 de octubre 2015, en el Hotel Colonial, en nuestra ciudad. La recepción de trabajos científicos se extenderá hasta el próximo 26 de mayo. El Congreso Esta edición del XX Congreso Argentino de Bioingeniería y IX Jornadas de Ingeniería Clínica contará con la participación de prestigiosos conferencistas de relevancia nacional e internacional, quienes disertarán sobre temáticas como: Procesamiento de señales en epilepsia, Tratamiento y monitoreo de la enfermedad de Alzheimer, Ingeniería Clínica, Neurociencias y Bioingeniería, entre otras. En el marco del Congreso se realizará la V edición de SABI Estudiantil y por primera vez InnovaSABI, en el que se presentarán prototipos y diseños de dispositivos relacionados a la Bioingeniería, realizados tanto por alumnos de la carrera o afines, como también investigadores y público en general. En simultáneo, se realizará una exposición de empresas del sector y un Track de Bioinformática organizado en forma conjunta con Asociación Argentina de Bioinformática y Biología Computacional A2B2C.
Los objetivos de SABI 2015 son: Propiciar un ámbito académico y científico de difusión y discusión de trabajos y experiencias en el ámbito de la Bioingeniería. Divulgar en la comunidad científica, asistencial y en la sociedad en general las soluciones tecnológicas que impactan en la salud y calidad de vida en general. Establecer relaciones de intercambio y cooperación entre estudiantes y profesionales de la Bioingeniería en Argentina y Latinoamérica, articulando las actividades que favorezcan la investigación, desarrollo tecnológico, transferencia e innovación. Recepción de trabajos La recepción de trabajos científicos para participar de SABI 2015 se extenderá hasta el próximo 26 de mayo. Los idiomas oficiales para la presentación son el español y el inglés. En todos los casos el Abstract deberá estar en inglés indicando en el mismo los objetivos, métodos, resultados y conclusiones. Además, se seleccionaran trabajos para ser publicados en la "Journal of Physics Conference Series". Aquellos interesados en esta publicación deberán presentar su trabajo en inglés. Por otra parte, la recepción de trabajos para SABI Estudiantil, se extiende hasta el 3 de agosto. Más información en www.sabi2015.gadib.com.ar
Noticias / agenda