Thiết kế hệ thống đánh giá thăng bằng cơ thể

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Thiết kế hệ thống đánh giá thăng thể NGUYỄN THU PHƯƠNG Ngành: Kỹ thuật Y sinh Giảng viên hướng dẫn: TS Trần Anh Vũ Viện: Điện tử - Viễn thông Hà Nội, 01/2022 TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Thiết kế hệ thống đánh giá thăng thể NGUYỄN THU PHƯƠNG Ngành: Kỹ thuật Y sinh Giảng viên hướng dẫn: TS Trần Anh Vũ Viện: Điện tử - Viễn thông Chữ ký GVHD Hà Nội, 01/2022 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn: Nguyễn Thu Phương Đề tài luận văn: Thiết kế hệ thống đánh giá thăng thể Chuyên ngành: Kỹ thuật Y sinh Mã số SV: CB190191 Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa nội dung luận văn theo biên họp Hội đồng ngày 29/12/2021 - Chỉnh sửa lỗi văn bản, soạn thảo, sửa lỗi ảnh mờ, loại bỏ phần trống cuối trang - Gộp chương 3-4 giúp cân đối luận văn Ngày 25 tháng 01 năm 2022 Giảng viên hướng dẫn Tác giả luận văn TS Trần Anh Vũ Nguyễn Thu Phương CHỦ TỊCH HỘI ĐỒNG GS TS Nguyễn Đức Thuận LỜI CẢM ƠN Trong trình học tập Trường Đại học Bách Khoa Hà Nội, thầy cô trang bị cho kiến thức chuyên sâu, giúp trưởng thành học tập nghiên cứu khoa học Tôi xin gửi lời biết ơn đến tất thầy cô, đặc biệt tới thầy cô Bộ môn Công nghệ điện tử Kỹ thuật Y Sinh tận tình giảng dạy, truyền đạt cho tơi kiến thức quý báu suốt thời gian học tập trường Với lịng kính trọng biết ơn sâu sắc, xin bày tỏ lời cảm ơn chân thành tới TS Trần Anh Vũ – Giảng viên Bộ môn Công nghệ điện tử Kỹ thuật Y Sinh người thầy dành nhiều thời gian hướng dẫn, tận tình bảo định hướng cho tơi suốt q trình nghiên cứu hồn thành luận văn Xin cảm ơn người anh chị, người bạn, người em nhóm nghiên cứu Lab iBME đồng hành, giúp đỡ thời gian nghiên cứu hồn thành luận văn Tơi xin gửi lời biết ơn đến toàn bệnh nhân, bác sĩ, điều dưỡng Bệnh viện Y học Cổ truyền Bộ Công An Bệnh viện Lão khoa Trung ương, nhiều tình nguyện viên Trường Đại học Bách khoa Hà Nội giúp đỡ nhóm nghiên cứu thử nghiệm thiết bị thu thập data Cuối cùng, xin gửi lời cảm ơn sâu sắc tới gia đình, bạn bè, đồng nghiệp, người thân – người bên cạnh động viên, chia sẻ giúp đỡ tơi q trình học tập – nghiên cứu sống Xin trân trọng cảm ơn! HỌC VIÊN Ký ghi rõ họ tên Nguyễn Thu Phương TÓM TẮT NỘI DUNG LUẬN VĂN Rối loạn thăng trạng thái thường xuyên xảy với người, đặc biệt với người lớn tuổi Khi rối loạn thăng xảy thường xuyên, triệu chứng nhiều loại bệnh nguy hiểm Ở Việt Nam, bác sĩ ln mong muốn có hệ thống đánh giá thăng bằng, giúp hỗ trợ bác sĩ chẩn đốn bệnh, theo dõi tình trạng hồi phục bệnh nhân Luận văn “Thiết kế hệ thống đánh giá thăng thể” sau hồn thành đưa hệ thống có khả theo dõi khả thăng bệnh nhân, phân loại người có rối loạn thăng người khơng có rối loạn thăng dựa thơng số có ý nghĩa Sau q trình dài nghiên cứu với hệ thống đánh giá thăng dựa điểm rơi trọng tâm, đồng thời thử nghiệm với thuật tốn SVM, tơi thu nhiều kết đáng ý, trình bày chương sau luận văn HỌC VIÊN Ký ghi rõ họ tên Nguyễn Thu Phương MỤC LỤC DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT i DANH MỤC HÌNH VẼ ii DANH MỤC BẢNG BIỂU iv CHƯƠNG ĐẶT VẤN ĐỀ 1.1 Tổng quan rối loạn thăng 1.2 Phương pháp chẩn đoán rối loạn thăng 1.2.1 Phương pháp định tính 1.2.2 Phương pháp định lượng 1.3 Phân tích đề xuất giải pháp 13 1.3.1 Phân tích số kiểm tra thăng thể .13 1.3.2 Đề xuất giải pháp 17 1.3.3 Sử dụng trọng tâm thể - phương pháp để đánh giá rối loạn thăng .18 CHƯƠNG HỆ THỐNG ĐÁNH GIÁ THĂNG BẰNG 19 2.1 Các hệ thống đánh giá thăng có: 19 2.2 Hệ thống đề xuất 22 2.3 Thiết kế phần cứng 23 2.3.1 Ý tưởng thiết kế 23 2.3.2 Phương pháp 23 2.3.3 Sơ đồ khối 24 2.3.4 Thiết kế khí .25 2.3.5 Thiết kế hệ thống thu nhận liệu 30 2.3.6 Kết nối phần cứng 40 2.3.7 Hiệu chuẩn hệ thống 42 2.4 Thiết kế phần mềm 45 2.4.1 Yêu cầu thiết kế phần mềm 45 2.4.2 Hệ thống sở liệu (CSDL) 47 2.4.3 Giao diện phần mềm 51 CHƯƠNG THU THẬP VÀ XỬ LÝ DATA 58 3.1 Thu thập liệu xử lý liệu thô 58 3.1.1 Thu thập liệu 58 3.1.2 Xử lý liệu thô 59 3.2 Thuật toán SVM (Support Vector Machine) 64 3.2.1 Mục đích sử dụng thuật toán SVM 64 3.2.2 Siêu mặt phẳng (hyperplane) lề (margin) SVM 65 3.2.3 Soft-margin SVM .67 3.3 Sử dụng thuật toán SVM để phân loại hai nhóm người có khơng có rối loạn thăng 71 CHƯƠNG KẾT QUẢ VÀ THẢO LUẬN 73 4.1 Kết sử dụng independent sample T-test 73 4.2 Kết phân loại với thuật toán SVM 75 KẾT LUẬN 78 DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT Ký hiệu viết tắt RLTB BPPV CDP Giải thích Rối loạn thăng Chóng mặt tư lành tính (Benign paroxysmal positional vertigo) Computerulo Dynamic Posturography (CDP) CSDL Cơ sở liệu SVM Support Vector Machine RBF Radial Basis Function CoG Trọng tâm thể người i DANH MỤC HÌNH VẼ Hình 1.1 Hệ thống tiền đình Hình 1.2 Stereocilia tạo tín hiệu Hình 1.3 Nghiệm pháp ngón tay mũi Hình 1.4 Nghiệm pháp gót chân đầu gối Hình 1.5 Bộ máy thính giác người Hình 1.6 Kiểm tra thính lực trẻ sơ sinh 10 Hình 1.7 Kiểm tra rung giật nhãn cầu điện cực 10 Hình 1.8 Kiểm tra rung giật nhãn cầu kính video 11 Hình 1.9 Thử nghiệm ghế xoay 11 Hình 1.10 Kiểm tra tư di động (DGI Test) 12 Hình 1.11 Kiểm tra tư với thiết bị hỗ trợ 12 Hình 1.12 Kiểm tra Computerised Dynamic Posturography (CDP) 13 Hình 1.13 Kiểm tra chức vận động tập vượt chứng ngại vật 15 Hình 1.14 Tư kiểm tra Rưmberg thơng thường 16 Hình 1.15 Tư kiểm tra Römberg biến thể 16 Hình 2.1 Giao diện biểu mẫu iBalance Premium 21 Hình 2.2 Tóm tắt quy trình iBalance Premium 21 Hình 2.3 Sơ đồ phương pháp phân tích điểm rơi trọng tâm thể 24 Hình 2.4 Sơ đồ khối thiết bị phần cứng 25 Hình 2.5 Thiết kế khí thiết bị 26 Hình 2.6 Bảng điều khiển 26 Hình 2.7 Mơ hình hộp Mica sau cắt ghép 27 Hình 2.8 Hình minh họa Mica gồm nhiều chủng loại màu sắc 28 Hình 2.9 Hình ảnh hệ thống sau hồn thành 30 Hình 2.10 Giới thiệu Strain Gauge 33 Hình 2.11 Mơ tả hoạt động Loadcell 34 Hình 2.12 Cảm biến khối lượng loadcell 35 Hình 2.13 Mạch cầu cân Wheatstone 36 Hình 2.14 Bộ ADC 24 bit HX711 37 ii Hình 2.15 Arduino UNO R3 38 Hình 2.16 Mạch nguyên lý thiết bị 40 Hình 2.17 Mơ hình kết nối Loadcell HX711 41 Hình 2.18 Mơ hình kết nối HX711 Arduino 41 Hình 2.19 Đóng hộp hệ thống thu nhận xử lý liệu 42 Hình 2.20 Thang chia khoảng cách theo trục xOy mặt thiết bị 43 Hình 2.21 Sơ đồ chức phần mềm 46 Hình 2.22 Sơ đồ CSDL 48 Hình 2.23 Bảng thông tin bệnh nhân CSDL 51 Hình 2.24 Giao diện đăng nhập 52 Hình 2.25 Giao diện Trang chủ 52 Hình 2.26 Giao diện thơng tin cá nhân Bệnh nhân 53 Hình 2.27 Biểu danh sách bệnh nhân 54 Hình 2.28 Biểu đo trạng thái thăng người đo 54 Hình 2.29 Kiểm tra tình trạng dinh dưỡng người đo 55 Hình 2.30 Đồ thị quỹ đạo điểm rơi trọng tâm trình đo 56 Hình 2.31 Các thơng số thơng báo đánh giá khả thăng 56 Hình 2.32 Biểu Theo dõi bệnh nhân 57 Hình 2.33 Đồ thị thể thay đổi thông số “mean velocity” bệnh nhân 57 Hình 3.1 Giao diện người dùng Hệ thống đánh giá thăng 59 Hình 3.2 Một file excel bao gồm liệu thô 60 Hình 3.3 File excel liệu có chứa liệu lỗi 61 Hình 3.4 Tập liệu nhãn lớp khơng gian 2D 66 Hình 3.5 Mô phân loại với SVM thô 67 Hình 3.6 “Slack variables” “soft-SVM” 68 Hình 3.7 Kernel SVM 70 Hình 4.1 Kết sử dụng “Independent sample T-test” cho thông số “mean distance” 74 iii 3.2.3 Soft-margin SVM Đối với tập liệu gần với tuyến tính (ví dụ, tốn X-O), khơng khả thi để tìm hyperplane để phân loại hồn tồn nhóm mà khơng có phân loại sai, nhắc “soft-margin SVM” có thêm biến ξi Xem xét kiểu phân loại cho thấy hiệu SVM thơ (hình 3.5) Trong trường hợp đầu tiên, tập liệu phân tách tuyến tính tất điểm phân loại xác, có điểm nằm gần siêu phẳng khiến cho margin nhỏ Điểm gọi nhiễu Giả sử điểm bị bỏ qua, biên độ trở nên lớn đạt ranh giới tốt Trong trường hợp thứ hai, liệu phân tách phi tuyến tính, số điểm nằm gần ranh giới nên bỏ qua để tạo margin tốt Có nghĩa sau tách ra, số điểm nằm sai số điểm không nằm vùng lý tưởng chúng Hình 3.5 Mơ phân loại với SVM thơ 67 Trong soft-margin SVM, margin lớn nhất, đồng nghĩa với biểu thức sau bé nhất: ||𝑤||2 + 𝐶 ∑𝑁 𝑛=1 ξn C số dương ξ=[ξ1,ξ2,…,ξN] đồng thời 𝑦𝑛 (𝑤 𝑇 𝑥𝑛 + 𝑏) ≥ − ξn Ý nghĩa “slack variable” thể hình 3-2 Đối với điểm khơng dán nhãn xác (x1, x3): ξn>1 Đối với điểm dán nhãn xác, lại khơng nằm vùng phù hợp: 1>ξn>0 Đối với điểm khác: ξn=0 Một tham số cần xem xét C, C chọn người dùng cơng cụ tính tốn Tham số C xác định mức độ người dùng muốn để tránh phân loại nhầm Tham số C lớn, SVM thu nhỏ ∑𝑁 𝑛=1 ξn , chọn hyperplane nhỏ hơn, hyperplane đảm bảo phân loại điểm xác Ngược lại giá trị tham số C nhỏ, khiến tối ưu hóa việc tìm kiếm hyperplane có margin lớn hơn, hyperlane phân loại sai nhiều điểm Tham số C xác định ảnh hưởng quan trọng ||w|| Hình 3.6 “Slack variables” “soft-SVM” Một phương pháp khác để giải vấn đề soft-margin SVM sử dụng đối ngẫu Lagrangia (Lagrangian duality) Phương trình “Lagrangian duality” (3-13) 68 Trong đó: N số lượng điểm tập liệu Xn vectơ đặc trưng điểm thứ n Yn thể cho điểm thứ n, biểu diễn dạng -1 λn hệ số Lagrangian tương ứng với điểm thứ n Việc chuyển đổi toán SVM ban đầu thành tốn kép có cách giải vấn đề “soft-margin SVM” trở thành tối đa hóa Thay giải w theo ràng buộc phân loại, toán trở thành việc học tham số λi cho đặc trưng phân loại chúng Tất tham số λ khác chọn làm thông số vectơ hỗ trợ (support vectors ) sử dụng để tính toán hệ số (w b) hyperplane Giả sử M = {n: