Tính cần thiết của đề tài
Sau đại dịch Covid, Việt Nam đã nhận ra những giới hạn của hệ thống y tế, đặc biệt là trong việc chăm sóc và theo dõi sức khỏe bệnh nhân tại các bệnh viện Sự quá tải bệnh nhân đã làm cho công việc của nhân viên y tế trở nên khó khăn và kém hiệu quả Điều này đặt ra nhu cầu cấp thiết cho những phương pháp mới để theo dõi sức khỏe bệnh nhân một cách thuận tiện hơn, nhất là với những người mắc bệnh tim mạch cần được theo dõi liên tục Hiện tại, việc theo dõi điện tâm đồ đòi hỏi bệnh nhân phải thăm viện thường xuyên và sử dụng thiết bị y tế đắt đỏ, chỉ có thể đo trong thời gian ngắn tại cơ sở y tế
Các nghiên cứu và quan sát cho thấy có ít phương pháp để theo dõi trạng thái bệnh nhân một cách liên tục Một ví dụ là máy theo dõi Holter di động, cho phép theo dõi tim mạch trong khoảng 1-2 ngày Tuy nhiên, thiết bị này cồng kềnh và gây bất tiện trong sinh hoạt hàng ngày do nhiều điện cực và chỉ có thể truy cập dữ liệu bởi nhân viên y tế, với chi phí cao
Trong y học hiện đại, có nhiều phương pháp đo điện tâm đồ, nhưng phổ biến nhất là phương pháp sử dụng 12 điện cực gắn trên da, yêu cầu bệnh nhân bất động khi đo Phương pháp này tuy chính xác nhưng có nhược điểm là thiết bị lớn, chỉ có ở bệnh viện chuyên khoa, không tiện lợi cho việc theo dõi lâu dài Điều này hạn chế việc sử dụng cho bệnh nhân tim mạch cần theo dõi thường xuyên Để giải quyết vấn đề này, máy theo dõi Holter di động đã được phát triển, cho phép theo dõi lâu dài mà không làm gián đoạn cuộc sống hàng ngày Tuy nhiên, máy vẫn cần các điện cực và nút đo lớn, có thể gây khó chịu cho bệnh nhân và không dễ sử dụng
Với sự phát triển của IoT, các thiết bị không dây ngày càng nhỏ gọn và thuận tiện hơn, cung cấp độ chính xác cao Điều này mở ra khả năng phát triển bộ thiết bị IoT với cảm biến tích hợp, là giải pháp cho việc theo dõi sức khỏe từ xa Mục tiêu là thiết kế thiết bị IoT có thể đo ECG, phân tích nhịp tim, tích hợp cảm biến gia tốc và theo dõi không dây, cho phép bác sĩ giám sát từ xa qua các thiết bị thông dụng Điều
Luận văn tốt nghiệp này giúp giảm thời gian khám và cảnh báo sớm cho bệnh nhân
Thiết bị đo điện tim và nhịp tim được thiết kế với 2 điện cực khô gắn trên vòng đeo co giãn quanh ngực, mang lại tính di động cao và thuận tiện theo dõi sức khỏe khi di chuyển Ưu điểm này giúp bệnh nhân dễ dàng sử dụng và giám sát tình trạng sức khỏe bất cứ lúc nào, bất kể ở đâu.
Dựa nguồn ý tưởng tham khảo Đề tài này đã xây dựng một thiết bị theo dõi điện tim có tính di động Trên cơ sở ý tưởng từ đề tài trên, tôi đã có kế hoạch phát triển nâng cao hơn với tên đề tài “THIẾT KẾ BỘ THIẾT BỊ IoT NHỎ GỌN THEO dõi NHỊP TIM VÀ CẢM BIẾN TÉ NGÃ CÓ TÍCH HỢP AI ĐỂ PHÂN TÍCH VÀ CẢNH BÁO SỚM TÌNH TRẠNG BẤT THƯỜNG TRONG SỨC KHỎE TIM MẠCH” [13], tôi sẽ thực hiện với các nội dung theo thứ tự sau:
➢ Thiết kế, chế tạo mô hình phần cứng thực nghiệm
➢ Lấy dữ liệu điện tâm đồ và nhịp tim từ người đo.
➢ Tích hợp cảm biến té ngã để gửi cảnh báo đến người dùng
➢ Giao tiếp không dây giữa thiết bị đeo và IoT Gateway
➢ Dữ liệu sẽ được giao tiếp với IoT Cloud
➢ Truy xuất dữ liệu thông qua web-server, màn hình monitor và ứng dụng mobile
➢ Ứng dụng được AI vào việc phán đoán tình trạng bất thường của sức khỏe.
Các nghiên cứu liên quan
Tại Việt Nam, đã có nhiều nhà nghiên cứu và nhóm nghiên cứu đặt nền móng cho việc phát triển các mô hình ứng dụng điện tim Một số tập trung vào lĩnh vực học thuật, trong khi những nhóm khác lại hướng tới ứng dụng thực tế Từ những công trình này, tôi đã rút ra được cái nhìn toàn diện để hình thành một mô hình mới, kết hợp được những ưu điểm và khắc phục nhược điểm của các nghiên cứu trước
Dưới đây là tóm lược về một số công trình đã truyền cảm hứng cho tôi:
Sinh viên Trương Minh Khoa đã thiết kế một thiết bị đo điện tâm đồ và nhịp tim đeo quanh ngực, có thể kết nối với điện thoại thông minh để theo dõi sức khỏe tim mạch Thiết bị này nhỏ gọn, chạy bằng pin và kết nối qua Bluetooth Tuy nhiên, nó chưa có khả năng cảnh báo người dùng hoặc tích hợp hệ thống giám sát để quản lý và thông báo
Trong hội thảo “Vì một trái tim khỏe” năm 2015[14], Bệnh viện Tim Hà Nội đã
Theo thống kê đáng báo động trong luận văn tốt nghiệp, cứ ba người trưởng thành tại Việt Nam thì có một người có nguy cơ mắc bệnh tim mạch Đây là mối đe dọa nghiêm trọng đến sức khỏe cộng đồng khi mỗi năm có khoảng 200.000 người tử vong do bệnh tim mạch, chiếm 1/4 tổng số ca tử vong toàn quốc Giáo sư Phạm Gia Khải, một chuyên gia đầu ngành, nhấn mạnh tỷ lệ mắc bệnh tim mạch ở Việt Nam ở mức cao, và đáng lo ngại hơn là bệnh thường không được phát hiện cho đến khi xảy ra các biến chứng nghiêm trọng.
Đại học Bách khoa Hà Nội và Viện Dân số, Sức khỏe và Phát triển Việt Nam đã hợp tác phát triển một thiết bị di động giá rẻ để theo dõi điện tâm đồ (ECG) dựa trên hai cực dương Thiết bị này có tính di động cao, dễ sử dụng và có thể kết nối với điện thoại thông minh để ứng dụng các thuật toán xử lý thời gian thực và ước tính thông số Nhờ khả năng kết nối này, thiết bị mở ra khả năng ứng dụng trong nhiều lĩnh vực y tế khác nhau trong tương lai.
Về phần nghiên cứu thuật toán, lĩnh vực dự đoán và phát hiện bất thường trong tín hiệu ECG đã chứng kiến sự tiến bộ đáng kể, như được thấy qua nhiều nỗ lực nghiên cứu đáng chú ý Các đóng góp đáng kể trong việc phát hiện bất thường bao gồm một khung khích lệ sức khỏe dựa trên đám mây được đề xuất vào năm 2023, sử dụng các mô hình LSTM auto-encoder sâu để đạt được mức độ chính xác đáng kể lên đến 98% trong việc phát hiện bất thường và phân loại tín hiệu ECG 1-D trong thời gian thực Một nghiên cứu khác vào năm 2022 khám phá việc sử dụng phổ âm và các đặc điểm được tạo thủ công để phát hiện bất thường cấu trúc trong tín hiệu ECG, phân loại các bất thường thành các loại nhịp và nhịp tim ECG-NET, giới thiệu vào năm 2023, giới thiệu một mạng LSTM auto-encoder sâu được huấn luyện trên các tín hiệu ECG bình thường, chứng minh khả năng phát hiện bất thường mà không cần dữ liệu bất thường được gắn nhãn Ngoài ra, vào năm 2017, các nhà nghiên cứu đã sử dụng mạng LSTM sâu để phát hiện bất thường trong các tín hiệu chuỗi thời gian ECG, thể hiện hiệu suất hứa hẹn trong việc xác định các mẫu không đều
Trong lĩnh vực dự đoán tín hiệu ECG, đã có nhiều phương pháp được khám phá Một nghiên cứu vào năm 2022 nghiên cứu về hiệu quả của các kiến trúc học sâu khác nhau, bao gồm LSTMs và GRUs,[8] cho việc dự đoán giá trị ECG trong tương lai với độ chính xác cao Hơn nữa, một phương pháp kết hợp cũng được giới thiệu vào năm
2022 kết hợp mạng neural tích chập và LSTMs, cung cấp một giải pháp mạnh mẽ cho việc dự đoán tín hiệu ECG chính xác bằng cách xem xét cả thông tin không gian và
Luận văn tốt nghiệp thời gian Những nỗ lực tập thể này không chỉ phản ánh bức tranh động của phân tích tín hiệu ECG mà còn là nền tảng cho dự án hiện tại, với mục tiêu góp phần vào sự tiến hóa liên tục của các công nghệ trong việc giám sát sức khỏe tim mạch và các chiến lược can thiệp [4][5]
Những ngày này, cùng với sự tiến bộ trong khoa học và công nghệ, các ứng dụng liên quan đến vấn đề sức khỏe đang ngày càng xuất hiện, dẫn đến một cơn bão công nghệ trong lĩnh vực chăm sóc sức khỏe Vấn đề về tim mạch luôn được ưu tiên trong lĩnh vực y tế Các bệnh như suy tim và đột quỵ đang trở nên phổ biến hơn và cho thấy dấu hiệu của sự lão hóa trong việc phát sinh bệnh Phân tích tín hiệu ECG hoặc PPG thông qua sự tiến bộ trong trí tuệ nhân tạo đã trở thành một chủ đề đáng chú ý vào thời điểm hiện tại [1]
Mục tiêu đề tài
Hệ thống thu thập dữ liệu điện tâm đồ và phát hiện té ngã bao gồm thiết bị đeo nhỏ gọn và tiết kiệm pin được tích hợp cảm biến gia tốc Thiết bị này giao tiếp với IoT Gateway, giúp truyền dữ liệu và xử lý tác vụ IoT Gateway đóng vai trò như bộ trung chuyển thông tin, kết nối thiết bị đeo với cơ sở dữ liệu và người dùng thông qua tin nhắn SMS khi phát hiện té ngã bất thường Người dùng có thể theo dõi sức khỏe thông qua ứng dụng chuyên biệt và ứng dụng trên điện thoại di động.
Hệ thống sử dụng trí tuệ nhân tạo (AI) để phân tích dữ liệu điện tim, giúp phát hiện sớm các dấu hiệu bất thường về sức khỏe Đề tài nghiên cứu này đặt ra mục tiêu:
● Tìm hiểu được cơ sở lý thuyết, xây dựng được phần cứng cơ bản của hệ thống
● Xây dựng và vận hành thành công các phương pháp giao tiếp
● Thiết kế được bộ thiết bị đeo nhỏ gọn, tiết kiệm năng lượng Giao tiếp được với IoT Gateway
● Thiết kế, xây dựng được hệ thống giao tiếp cơ sở dữ liệu Cơ sở dữ liệu có thể được truy xuất để theo dõi kết quả điện tim
● Xây dựng được mô hình AI để dự đoán được kết quả của tín hiệu tim mạch
● Mô phỏng và đánh giá kết quả.
Phân tích giới hạn của bộ thiết bị, sau khi được thử nghiệm ở môi trường sinh hoạt có kết quả như sau:
● Về phạm vi truyền tải dữ liệu:
- Thiết bị hoạt động tốt, nhận đầy đủ dữ liệu, không mất tín hiệu ở phạm vi 30m với môi trường có tường và vật cản (mô phỏng 1 phòng khoa ở bệnh viện)
- Thiết bị hoạt động tốt, nhận đầy đủ dữ liệu, không mất tín hiệu ở phạm vi 50m với môi trường không vật cản
Trên lý thuyết, công nghệ Lora có thể truyền tải khoảng 4.8 km trong môi trường phức tạp Nhưng với phạm vi đề tài này, tôi chỉ dựa vào mục đích thực tế là bộ thiết bị được sử dụng trong phạm vi bệnh viện để giám sát bệnh nhân hoặc được sử dụng trong nhà riêng Do vậy, tôi chỉ đánh giá thử nghiệm thiết bị ở khoảng cách < 50m
● Về thời gian sử dụng của bộ thiết bị:
- Thiết bị sử dụng pin Li-Po (Lithium Polymer) 603450, kích thước 6 x
34 x 50 (mm) với dung lượng 1200mAh Có thể sạc lại với chu kỳ tuổi thọ khoảng 1000 lần sạc
Kết quả đo điện tim trên thiết bị mô phỏng cho thấy khoảng cách đo giữa thiết bị đeo và IoT Gateway lên tới 3m với thời lượng sử dụng thiết bị là 24 giờ.
Vì thiết bị điện tử thông thường đòi hỏi tiêu chí nhỏ gọn và pin có thể thay thế ngay lập tức nên chỉ yêu cầu thời lượng sử dụng
18 tiếng Thiết bị đeo ngực sẽ sử dụng bộ pin sạc ngoài rất thuận tiện để thay thế Phương pháp này sẽ giải quyết được vấn đề chờ đợi sạc pin trong quá trình sử dụng, cần theo dỏi bệnh nhân liên tục
● Về độ chính xác của thiết bị:
- Thiết bị sử dụng cảm biến MAX30003 của hãng Maxim Integrated Đây
Luận văn tốt nghiệp là một hãng IC của Mỹ và cảm biến ECG nêu trên là một trong những cảm biến đo tín hiệu ECG tốt nhất mà người dùng phổ thông có thể tiếp cận được.[2]
Tôi đã tiến hành thực hiện kiểm tra ECG thực tế tại một bệnh viện tư nhân có hỗ trợ đo điện tim và so sánh với kết quả thực tế lấy ra từ bộ thiết bị Khoảng cách giữa 2 lần lấy mẫu: 10 phút
Kết quả: Cụm sóng V1,V2 tương đồng với kết quả đo lấy ra từ bộ thiết bị với độ tương đồng khoảng 70~80%
Cảm biến ADXL345 là cảm biến gia tốc 3 trục có độ nhạy cao, cho phép phát hiện các thay đổi độ nghiêng dưới 1,0° Độ nhạy của cảm biến có thể được điều chỉnh từ ±2g đến ±16g, phù hợp với nhiều loại ứng dụng, từ theo dõi định hướng đến phát hiện chuyển động đột ngột Do mục đích của cảm biến là xác định sự té ngã nên độ chính xác là rất quan trọng Cảm biến ADXL345 đáp ứng nhu cầu này với khả năng phát hiện sự thay đổi độ nghiêng 1,0°, đảm bảo độ tin cậy và hiệu quả trong việc giám sát té ngã.
● Về tính kết nối, số lượng của thiết bị
- Bộ thiết bị sẽ gồm 2 phần là thiết bị cảm biến đeo ngực và thiết bị IoT Gateway
- Bộ thiết bị sẽ có thể sử dụng nhiều thiết bị cảm biến trên cùng một IoT Gateway Với đề tài hiện tại, tôi chỉ mô phỏng 1 thiết bị cảm biến và 1 thiết bị IoT Gateway
IoT Gateway sở hữu cổng kết nối mở rộng giúp gia tăng phương thức giao tiếp, tăng số lượng thiết bị kết nối, cho phép tùy biến thông số cũng như cài đặt cảnh báo theo nhu cầu người dùng Nhờ đó, người dùng có thể dễ dàng quản lý, vận hành hệ thống theo ý muốn.
• Về an toàn của hệ thống thiết bị
Do quá trình nghiên cứu và phát triển chưa hoàn thiện, thiết bị chưa được kiểm định và đánh giá độ an toàn bởi tổ chức độc lập.
- Về khía cạnh lựa chọn các linh kiện và module, mô hình được xây dựng
Luận văn tốt nghiệp dựa trên các module/cảm biến rất phổ biến, đã được đánh giá trước khi thương mại
- Về nguồn điện, mạch sử dụng nguồn điện từ pin lithium-ion có nguồn
< 5V Đối với điện áp trên, thiết bị không thể gây ra vấn đề an toàn đối với người sử dụng.
Các bước tiến hành
● Nghiên cứu cơ sở lý thuyết về các cảm biến, phương thức giao tiếp
● Xây dựng các mạch bảo vệ, mạch ổn áp và mạch giảm áp
● Nghiên cứu xây dựng mạch thiết bị đeo người (bao gồm bộ xử lý trung tâm và các cảm biến)
● Nghiên cứu xây dựng mạch IoT Gateway (bao gồm bộ xử lý trung tâm và module SIM đề giao tiếp dữ liệu)
● Mô phỏng kiểm tra kết quả quá trình hoạt động giữ các phương thức giao tiếp
● Xây dựng mô hình AI để dự đoán tín hiệu điện tim và đưa ra cảnh báo bất thường
● Đánh giá kết quả, chất lượng hệ thống và hiệu chỉnh
● Kết luận và đưa ra hướng nghiên cứu và phát triển.
Điểm mới của đề tài
● Bộ thiết bị đeo có thể giao tiếp không dây với bộ IoT Gateway để thực hiện các tác vụ khác (cảnh bảo SMS, Bluetooth, AI,…) [15]
● Bộ thiết bị đeo được xây dựng nhỏ gọn, tiết kiệm pin
● Dữ liệu cảm biến có thể truy xuất từ mạch IoT Gateway cũng như từ database
● IoT Gateway có thể giao tiếp được với hệ thống AI để đưa ra cảnh báo bất thường
● Khoảng cách truyền tải, dung lượng sử dụng pin vượt bật
Tính thực tiễn
Kết quả nghiên cứu của đề tài được sử dụng để ứng dụng trong việc giám sát y tế cơ bản, cảnh báo những bất thường của sức khỏe như nhịp tim, các trường hợp té ngã Bộ thiết bị rất dễ dàng trang bị cho hầu hết mọi người cần theo dõi sức khỏe tại nhà, nhân viên y tế dễ dàng giám sát từ xa dựa vào hệ thống IoT Gateway và màn hình hiển thị.
Phương pháp nghiên cứu
Dự án này sẽ tiến hành theo các phương pháp nghiên cứu sau đây:
➢ Phương pháp thu thập và phân tích dữ liệu: Điều này bao gồm việc thu thập thông tin từ các nguồn tài liệu, luận văn và bài báo từ cả trong nước và quốc tế
➢ Phương pháp mô hình hóa thực nghiệm và mô phỏng: Áp dụng việc xây dựng các mô hình thực nghiệm để mô phỏng các tình huống hoặc hiện tượng cần nghiên cứu
➢ Phương pháp đánh giá và tổng hợp: Sử dụng các kỹ thuật phân tích để đánh giá dữ liệu thu được và tổng hợp kết quả nhằm rút ra những kết luận có giá trị.
Nội dung đề tài
Nội dung của luận văn gồm 5 chương:
Chương 1: Tổng quan đề tài
Giới thiệu tổng quan về lĩnh vực nghiên cứu, các công trình nghiên cứu liên quan, và đề xuất hướng nghiên cứu.
Tổng quan điện tâm đồ ECG, quá trình hoạt động của tim và cảm biến nhịp tim
2.1.1 Điện tâm đồ ECG (Electrocardiogram) và hoạt động của tim
Điện tâm đồ (ECG) là một xét nghiệm đo hoạt động điện của tim Nó giúp ghi lại các tín hiệu điện nhỏ do tim tạo ra khi co bóp và giãn nở Mặc dù các tín hiệu này rất nhỏ, nhưng chúng có thể được phát hiện bằng các điện cực được đặt trên da và ghi lại trên máy ECG ECG được sử dụng để chẩn đoán các bệnh lý tim, chẳng hạn như rối loạn nhịp tim, suy tim và nhồi máu cơ tim Đây là một công cụ hữu ích giúp các bác sĩ đánh giá sức khỏe tim mạch của bệnh nhân.
Hình 2.1: Điện tâm đồ của một chu chuyển bình thường
Cơ chế hoạt động tim
Tim là một cơ quan quan trọng trong hệ tuần hoàn của cơ thể Hãy xem xét chi tiết về cấu trúc và chức năng của tim:
Tim người có 4 buồng: 2 tâm nhĩ (ở phía trên) và 2 tâm thất (ở phía dưới) Tâm nhĩ nhận máu từ tĩnh mạch (máu trở về từ cơ quan khác) và đưa máu vào tâm thất
Tâm thất bơm máu ra khỏi tim qua động mạch (đi đến cơ quan khác)
Hệ thống dẫn điện trong tim:
Tim có hệ thống tế bào dẫn điện đặc biệt để duy trì hoạt động đều đặn
Nút xoang trong tâm nhĩ phải phát ra xung điện, tạo sóng P trên điện tâm đồ Xung điện tiếp tục truyền đến nút nhĩ thất và sợi Purkinje, tạo sóng QRS và sóng T
Chu kì hoạt động của tim
Chu chuyển tim là một chuỗi những sự kiện xảy ra tại tim trong một nhịp đập hoàn chỉnh của nó Mỗi một chu chuyển tim chiếm khoảng 0,8s và bao gồm hai thời kỳ Thời kỳ tâm trương, thường gọi là giai đoạn đổ đầy thất, tâm nhĩ co đẩy máu xuống và tâm thất giãn ra để hút máu về Trong thời kỳ tâm thu, hai tâm thất co bóp tống máu từ tâm thất vào động mạch phổi (tại tâm thất phải) và động mạch chủ (tại tâm thất trái)
Hình 2.2 Chu kỳ hoạt động của tim
Hình 2.3 Các thành phần trong một nhịp tim
Trên điện tâm đồ các giai đoạn cũng thể hiện tương tự Hình dạng điện tâm đồ bình thường bao gồm các thành phần tương ứng với các hoạt động điện trong một nhịp tim Các dạng sóng được đặt tên P, Q, R, S, T và U.
2.1.2 Tổng quan về cảm biến nhịp tim MAX30003
Cảm biến MAX30003 của hãng Maxim Integrated được thiết kế, tích hợp các chức năng hoàn thiện để phát hiện nhịp tim sinh học và dạng sóng điện tâm đồ (ECG) chỉ với 1 kênh đo, cảm biến là giải pháp phù hợp cho các ứng dụng đeo tay hoặc di động với thiết kế siêu tiết kiệm năng lượng, ứng dụng trong giám sát y tế hoặc đo lường nhịp tim trong thể thao Điện áp hoạt động: 1V đến 1.8V Điện áp giao tiếp digital: 1.65V đến 3.6V
Dòng tiêu thụ: 100μA ở mức điện áp 1.8V, chế độ Ultra low power Lead-On Detect
Lý do lựa chọn: Với giá thành vừa phải (11$ ~ 250.000 vnd), tích hợp chuẩn giao tiếp SPI cho phép đơn giản hóa chương trình xử lý tín hiệu phức tạp của điện tim trên vi điều khiển, mà khâu xử lý sẽ được phần cứng của cảm biến tối ưu để giảm tải khối lượng xử lý trên vi điều khiển Ứng dụng: Ứng dụng trong các thiết bị theo dõi bất thường trong hoạt động của tim
Các thiết bị được thiết kế dán lên da bằng gel giám sát không dây trong nhà và tại bệnh viện
Vòng đeo quanh ngực cho ứng dụng đo lường nhịp tim trong thể thao
Hình 2.4 Sơ đồ cấu tạo các thành phần cảm biến MAX30003
Hình 2.5 Sơ đồ chân cảm biến MAX30003.
Luận văn tốt nghiệp Ưu điểm và các chức năng
● Tích hợp bộ đo ECG chuẩn y tế có độ phân giải cao
● Tiết kiệm năng lượng với công suất chỉ 85μW ở điện áp 1.1V
● Tích hợp phần cứng phát hiện nhịp tim và điện tâm đồ, giúp giảm thiểu tài nguyên CPU trên vi điều khiển để xử lý thuật toán
● Chế độ siêu tiết kiệm năng lượng phát hiện kênh đo được kết nối với cơ thể người (Ultra low power Lead-On detect)
● Chế độ phát hiện kênh đo được tháo khỏi cơ thể người (DC Lead-Off detect)
● Giảm thiểu tín hiệu điện tim bị yếu khi đeo ở trạng thái khô vì trở kháng da khô cao
● Có hệ số tỉ lệ loại bỏ tín hiệu cao (CMRR Common Mode Rejection Ratio) > 100dB
● Kháng trở đầu vào cao > 500MΩ
● Bộ FIFO 32 word cho phép đánh thức vi điều khiển mỗi 256ms sau khi lấy mẫu ECG
● Giao tiếp SPI tốc độ cao
● Dòng tiêu thụ ở chế độ Shutdown là 0.5μA
Các khối chức năng chính a Bộ đa hợp đầu vào Input MUX
Khối đa hợp đầu vào kênh đo bao gồm bộ lọc ESD (Electrostatic Discharge) và EMI (Electromagnetic Interference) chống xung điện áp cao do nhiễm tĩnh điện và chống nhiễu do ảnh hưởng của điện từ trường, mạch phát hiện DC Lead-Off và mạch phát hiện Lead-On, bộ điện trở phân cực kênh đo và bộ hiệu chỉnh điện áp sử dụng trong quá trình kiểm nghiệm cảm biến
Hình 2.6 Bộ đa hợp đầu vào Input MUX
Hình 2.7 Vị trí khối lọc nhiễu EMI và bảo vệ tĩnh điện ESD
Chế độ phát hiện Lead-Off (Lead-Off Detection)
Hình 2.8 Vị trí khối DC Lead-Off trong khối Input MUX
Hình 2.9 Minh họa chế độ phát hiện Lead-Off
● Mạch phát hiện Lead-Off sử dụng nguồn dòng DC sink/source Khi thực hiện kiểm tra Lead-Off, cảm biến sẽ kéo tín hiệu đầu vào ECG trên mức ngưỡng hoặc dưới ngưỡng VTH (ngưỡng này được lập cài đặt mềm có các giá trị 0.3V, 0.4V, 0.5V) Nguồn dòng DC có thể cài đặt 0nA, 5nA, 10nA, 20nA, 50nA, và 100nA tùy vào điều kiện sử dụng điện cực ở dạng khô hay ẩm và vào loại điện cực đang sử dụng
● Khi tín hiệu đầu vào 2 chân ECGP và ECGN lớn hơn ngưỡng VTH_H trong khoảng thời gian lớn hơn 115ms thì cảm biến thực hiện xuất tín hiệu mức thấp tại chân INTB
Hình 2.10 Nguyên lý phát hiện Lead-Off
Chế độ phát hiện Lead-On
● Khi cấu hình cảm biến ở trạng thái tiết kiệm năng lượng (kênh đo không nối vào khối xử lý tín hiệu), cảm biến kéo chân ECGN xuống logic 0 bằng điện trở có giá trị lớn hơn 5mΩ và kéo chân ECGP lên mức 1 bằng điện trở có giá trị lớn hơn 15MΩ Bộ so sánh trong cảm biến sẽ kiểm tra nếu chân ECGP được kéo xuống dưới ngưỡng định trước khi cả 2 điện cực chạm vào cơ thể (vì trở kháng cơ thể nhỏ hơn điện trở không khí giữa 2 điện cực) Khi trở kháng giữa ECGN và ECGP nhỏ hơn 20mΩ, một ngắt logic 0 tại chân INTB xảy ra
Hình 2.11 Vị trí bộ phát hiện Lead-On trong khối Input MUX
Hình 2.12 Minh họa chế độ phát hiện Lead-On b Bộ đo thời gian giữa 2 xung nhịp tim (R-R Detection)
Cảm biến MAX30003 tích hợp phần cứng chuyên dụng để phát hiện khoảng thời gian xảy ra 2 xung R liên tiếp nhau sử dụng thuật toán phát hiện nhịp tim Pan- Tompkins Đơn vị thời gian nhỏ nhất dùng để đo thời gian giữa 2 xung R xấp xỉ 8ms (7.8125 ms) Khi phát hiện tín hiệu R, bit RRINT trong thanh ghi STATUS được set lên 1 và thời gian giữa 2 xung R được cập nhật vào thanh ghi RTOR_REG (địa chỉ 0x25)
Hình 2.13 Minh họa khoảng thời gian giữa 2 xung R-R c Khối giao tiếp tín hiệu số
Bộ nhớ FIFO là bộ nhớ vòng kín có 32 word, mỗi word chứa 24 bit thông tin dữ liệu
Bộ nhớ FIFO được quản lý bởi 2 con trỏ read và write độc lập nhau Mỗi khi dữ liệu trong 1 word đọc xong, word đó sẽ xóa rỗng Con trỏ read sẽ cập nhật vị trí
Luận văn tốt nghiệp tại xung SCLK cạnh lên thứ 32 trong quá trình MCU sẽ gửi yêu cầu đọc dữ liệu trong bộ nhớ FIFO
Nếu con trỏ write ghi hết toàn bộ word trong bộ nhớ và bắt kịp với vị trí con trỏ read (trường hợp MCU không đọc hoặc đọc chậm dữ liệu) thì hiện tượng tràn bộ nhớ FIFO xảy ra và dữ liệu sẽ bị lỗi Một cờ báo tràn EOVF được set lên 1 trong thanh ghi STATUS Để bắt đầu lại việc đọc dữ liệu từ bộ nhớ FIFO, MCU phải gửi giá trị
0 vào thanh ghi FIFO_RST hoặc vào thanh ghi SYNCH để reset bộ nhớ
Một word 24 bit bao gồm dữ liệu có giá trị 18 bit từ bit 23 đến bit 6, các bit còn lại dùng để kiểm tra dữ liệu lấy mẫu có hợp lệ hay không bằng bit ETAG
Bảng 2.1 Cấu trúc dữ liệu của bộ nhớ FIFO
Tổng quát cảm biến gia tốc GY-291 ADXL345
Để nắm bắt được đặc điểm chuyển động của đối tượng, việc xác định các yếu tố như vị trí, vận tốc và gia tốc là cần thiết Trong thực tiễn, cảm biến gia tốc được ứng dụng rộng rãi để theo dõi chuyển động Các hệ thống tự động hóa sử dụng dữ liệu từ cảm biến gia tốc để phân tích và tích hợp vào thuật toán của mình, cho phép chúng hiểu và phản ứng với các chuyển động một cách chính xác.
Hình 2.15 Hình ảnh thực tế của module cảm biến gia tốc và chú thích
Nguyên lý hoạt động: Gia tốc kế (accelerometer):
Trong một hệ thống cảm biến gia tốc, vật m có khả năng di chuyển tự do Khi toàn bộ hệ thống được dịch chuyển, vật m sẽ theo đó mà chuyển động trong khoang, gây ra sự thay đổi về độ dãn của lò xo Sự thay đổi này cho phép chúng ta xác định được gia tốc của vật Bằng cách triển khai ba cảm biến gia tốc tương
Luận văn tốt nghiệp tự trong không gian ba chiều, dựa trên hệ trục tọa độ X, Y, và Z, ta có thể đo lường chính xác chuyển động của vật thể trong không gian ba chiều
Hình 2.16 Mô hình cảm biến gia tốc cơ bản
Tìm hiểu về cảm biến GY-291 ADXL345
Module GY-291 ADXL345 là một bộ cảm biến gia tốc ba chiều hiệu quả về năng lượng và có độ phân giải cao Nó được tối ưu hóa cho các ứng dụng di động với khả năng đo lường chính xác gia tốc trọng trường tĩnh, giúp xác định góc nghiêng, và cảm nhận được gia tốc động từ hoạt động hoặc rung động của thiết bị
Dưới đây là thông số kỹ thuật cập nhật của module ADXL345: Điện áp hoạt động: 3.3VDC hoặc 5VDC Dòng điện tiêu thụ: 23uA Độ phân giải: 10 bit, có thể mở rộng đến 13 bit Giao tiếp: Có thể thông qua SPI hoặc I2C Kích thước: 14mm x 19mm
Nhiệt độ hoạt động: Từ -40°C đến +85°C
Về sơ đồ chân kết nối:
I2C: Sử dụng cho giao tiếp I2C SPI: Khi giao tiếp qua SPI, chân CS cần được nối đất (GND)
Sơ đồ của GY-291 ADXL345
Hình 2.17 Sơ đồ nguyên lý module GY 291 ADXL345
Hình 2.18 Sơ đồ khối chức năng ADXL34
VCC = Đây là nguồn điện 5V DC
SCL = Đây là dòng Clock cho cả giao tiếp I2C và SPI
SDA = Đây là dòng Data cho cả giao tiếp I2C và SPI
XDA = Bus I2C (SDA) dùng để kết nối các cảm biến bên ngoài
XCL = Bus I2C (SCL) dùng để kết nối các cảm biến bên ngoài
ADO = Chân này dùng để chọn địa chỉ trên bus I2C
INT = Chân ngắt, dùng để xử lý các tín hiệu ngắt.
Giới thiệu về module Wifi ESP32-WROOM-32E/UE
Hình 2.19 Một số hình ảnh module Wifi ESP32-WROOM-32E Mạch ESP32 ESP-WROOM-32UE của ESPRESSIF, thế hệ kế nhiệm cho ESP32-WROOM-32, đã ngừng sản xuất và được thay thế bằng vi xử lý cải tiến ESP32-D0WD-V3 Vi xử lý này không chỉ tương thích với phiên bản trước về mặt sử dụng mà còn cung cấp độ ổn định và an ninh cao hơn, thích hợp cho các ứng dụng và nghiên cứu IoT hiện đại Phiên bản ESP-WROOM-32UE này tích hợp kết nối Anten Ipex, cho phép kết nối với các loại anten rời, nâng cao khả năng thu sóng so với phiên bản sử dụng anten PCB, đồng thời duy trì sự tương thích về hình dạng, kích thước và sơ đồ chân
ESP32-WROOM là dòng sản phẩm giá rẻ của ESPRESSIF nhưng có tiềm năng trở thành dòng SoC được ưa chuộng trong tương lai nhờ các ưu điểm sau:
Ngoại vi hỗ trợ mạnh mẽ: Với bộ ADC, UART, I2C, SPI linh hoạt, có thể ánh xạ đến bất kỳ GPIO nào, cùng với số lượng GPIO nhiều hơn ESP8266, phù hợp cho các ứng dụng đòi hỏi nhiều GPIO
Hỗ trợ BLE 5.0 long range: Điểm mạnh này giúp nó trở nên lý tưởng cho các ứng dụng kết nối BLE yêu cầu khoảng cách xa, như thu thập dữ liệu từ cảm biến, với chi phí thấp
Bộ nhớ RAM phù hợp: Đáp ứng nhu cầu của các ứng dụng IoT
ESP32-WROOM hỗ trợ chuẩn BLE 5.0 tương thích ngược với BLE 4.0 và hoạt động được với các thiết bị hiện đại Đặc biệt, ESP32 còn tích hợp ESP Now - phương thức kết nối mới.
Hình 2.20 Sơ đồ khối chức năng của chip ESP32-WROOM-32UE.
Sơ đồ chân module ESP32-WROOM-32UE
Hình 2.21 Sơ đồ chân module ESP32-C3-WROOM-02.
Khái quát về Module SIM7600CE
Module SIM7600CE 4G là một thiết bị đa chức năng hỗ trợ mạng 4G/3G/2G và có khả năng định vị toàn cầu Nó tương thích với LTE CAT4, cho phép đạt được tốc độ download cao nhất lên đến 150Mbps và còn nổi bật với khả năng tiết kiệm điện năng đáng kể Đặc điểm, tính năng
Mô-đun này có 40 chân GPIO chuẩn, tương thích với các board như Raspberry
Mô-đun Pi và Jetson Nano hỗ trợ đa dạng tính năng như thực hiện cuộc gọi, nhắn tin SMS, gửi email, kết nối mạng qua các giao thức TCP, UDP, DTMF, HTTP, FTP Về định vị, mô-đun tương thích với GPS, BeiDou, Glonass và LBS Cổng USB tích hợp giúp kiểm tra lệnh AT và thu thập dữ liệu GPS.
Ngoài ra, mô-đun bao gồm một bộ chuyển đổi USB sang UART CP2102, cùng với chân UART để kết nối với các board như Arduino hoặc STM32 Khe cắm SIM hỗ trợ cả thẻ SIM 1.8V và 3V, và có khe cắm thẻ nhớ để lưu trữ dữ liệu và tin nhắn Mô-đun cũng được trang bị giắc cắm âm thanh và bộ giải mã âm thanh cho việc thực hiện cuộc gọi
Sơ đồ khối chức năng và sơ đồ chân SIM7600CE
Hình 2.23 Sơ đồ khối chức năng của chip SIM7600CE
Hình 2.24 Sơ đồ ra chân SIM7600CE.
Khái quát về Lora - Module Lora SX1278
Công nghệ Lora, viết tắt của Long Range Radio, ban đầu do Cycleo phát triển và sau đó được Semtech mua lại vào năm 2012 Đây là một giải pháp không dây chuyên biệt cho việc truyền tải dữ liệu qua khoảng cách lớn với mức tiêu thụ năng lượng thấp, đảm bảo an ninh cho các ứng dụng M2M và IoT
Lora sử dụng công nghệ điều chế RF phù hợp cho mạng LPWAN, có thể truyền
Luận văn tốt nghiệp dữ liệu đến 5km trong môi trường đô thị và từ 10 đến 15km trong vùng nông thôn Công nghệ này nổi bật với khả năng tiêu thụ điện năng rất thấp, giúp các thiết bị sử dụng pin có thể hoạt động đến 10 năm mà không cần thay pin
Lora được áp dụng rộng rãi trong việc liên kết không dây giữa cảm biến, cổng truy nhập, máy móc, thiết bị và thậm chí là động vật và con người, với hệ thống đám mây, hỗ trợ tối ưu hóa quá trình thu thập và xử lý dữ liệu.
2.5.1 Nguyên lý hoạt động của Lora
Hình 2.25: Cấu trúc một hệ thống sử dụng LoraWAN
Công nghệ LoRa áp dụng phương pháp điều chế đặc biệt được gọi là Chirp Spread Spectrum (CSS) Phương pháp này mã hóa dữ liệu bằng cách sử dụng các xung sóng cao tần, tạo ra một tín hiệu với băng thông rộng hơn so với dữ liệu ban đầu Tín hiệu này sau đó được mã hóa thành chuỗi chirp signal và phát ra qua anten Nguyên tắc này làm giảm yêu cầu về độ phức tạp và độ chính xác của mạch thu, giúp việc giải mã và điều chế dữ liệu trở nên dễ dàng hơn LoRa không yêu cầu công suất phát cao nhưng vẫn có khả năng truyền dẫn tín hiệu xa, nhờ vào khả năng nhận diện tín hiệu ở khoảng cách lớn, kể cả khi tín hiệu yếu hơn nhiễu từ môi trường Băng tần hoạt động của LoRa dao động từ 430MHz đến 915MHz, tùy thuộc vào khu vực:
2.5.2 Ưu và nhược điểm Ưu điểm:
Hệ thống bảo mật kép với mã hóa AES, bảo vệ cả mạng lưới và ứng dụng
Không hạn chế số lượng tin nhắn gửi hàng ngày
Với gateway Lora duy nhất, bạn có thể quản lý hiệu quả hàng nghìn thiết bị đầu cuối Nhờ cảm biến tiêu thụ điện năng thấp, bạn có thể duy trì độ bền pin cho thiết bị Hơn nữa, gateway này có khả năng phủ sóng rộng lớn, có thể lên đến hàng kilomet.
Sử dụng tần số hoạt động không tính phí, không yêu cầu chi phí đầu tư ban đầu
Công nghệ Lora sử dụng tần số mở có thể chịu ảnh hưởng bởi nhiễu sóng, dẫn đến tốc độ truyền dữ liệu thấp khi áp dụng thực tế
Không phải lựa chọn lý tưởng cho các ứng dụng cần theo dõi liên tục và chính xác theo thời gian thực
Giới hạn tải trọng dữ liệu ở mức 100 byte.
2.5.3 Tìm hiểu module Lora SX1278
Module RF LoRa SX1278, với công nghệ RF tiên tiến, là giải pháp lý tưởng cho các ứng dụng giao tiếp từ xa Nó tích hợp giao thức SPI, tương thích với nhiều thiết bị và bộ điều khiển Đặc biệt, module này có khả năng hoạt động hiệu quả ở khoảng cách lên đến 5-10KM nhờ vào các phương pháp điều chế tín hiệu đa dạng
Module này được trang bị 16 chân kết nối, cho phép tích hợp dễ dàng với vi điều khiển hoặc bo mạch giao tiếp SPI khác Các chân từ 12 đến 15 hỗ trợ giao tiếp SPI, cho phép kết nối với các vi điều khiển như Arduino Uno, mở rộng khả năng ứng dụng của module
SX1278 nổi bật với các tính năng dựa trên giao thức hiện đại, giải quyết nhiều thách thức trong giao tiếp RF mà không cần thêm phần cứng bên ngoài Nó hỗ trợ chế độ truyền dữ liệu non-blocking và các phương pháp điều chế như GFSK, FSK, OOK, và GMSK
Với ăng-ten bên ngoài và modem LoRa Spectrum, SX1278 mở rộng phạm vi giao tiếp, hoạt động ở tần số 433MHz và sử dụng giao thức bán song công Module yêu cầu nguồn 3.3V và tuân theo chuẩn logic TTL
SX1278 cũng tích hợp công nghệ FIFO 256-bit, cho phép người dùng tùy chỉnh
Luận văn tốt nghiệp tỷ lệ sửa lỗi, hệ số lan truyền, và băng thông Nó hỗ trợ kênh Super Anti Jamming với khả năng chống nhiễu 56db, cho phép truyền tải nhiều tín hiệu cùng lúc mà không gây xung đột Ứng dụng của module này rất đa dạng, từ nông nghiệp đến công nghiệp, nhất là trong các dự án IoT và cấu trúc mạng hình sao hoặc mạng Mesh, làm cho SX1278 trở thành một lựa chọn đáng tin cậy trong nhiều lĩnh vực z z
Hình 2.26: Chân giao tiếp SPI
Hình 2.27: Sơ đồ khối cấu trúc bên trong các chân và ăng-ten của module
Khái quát về Machine Learning
Học Máy (Machine Learning - ML) là một nhánh của Trí Tuệ Nhân Tạo (AI), chú trọng vào việc xây dựng các thuật toán và mô hình mà qua đó máy tính có khả năng tự học hỏi và đưa ra các dự đoán hay quyết định mà không cần sự can thiệp lập trình chi tiết Điều này bao gồm việc tạo ra và phát triển các mô hình toán học cùng với các thuật toán, giúp máy tính có thể phân tích và hiểu được dữ liệu lớn, nhận diện các mô hình và từ đó, đưa ra các quyết định hoặc dự đoán một cách thông minh
Thuật toán ML có thể được huấn luyện với dữ liệu đã được gắn nhãn hoặc không, giúp chúng có khả năng phát hiện các mô hình và mối liên kết trong dữ liệu, sau đó dựa vào những kiến thức đã học để dự đoán hoặc thực hiện các hành động
Có nhiều loại thuật toán ML khác nhau, bao gồm:
➢ Học Có Giám Sát (Supervised Learning): Phương pháp này huấn luyện thuật toán ML trên dữ liệu đã được gắn nhãn, nơi mà dữ liệu đầu vào đi kèm với nhãn đầu ra hoặc giá trị mục tiêu tương ứng Đề tài của tôi sẽ sử dụng phương pháp này
➢ Học Không Giám Sát (Unsupervised Learning): Phương pháp này huấn luyện thuật toán ML trên dữ liệu không có nhãn, không có nhãn đầu ra cụ thể nào được định trước
➢ Học Tăng Cường (Reinforcement Learning): Phương pháp này liên quan đến việc huấn luyện một tác nhân để tương tác với môi trường và học hỏi từ phản hồi dưới dạng phần thưởng hoặc hình phạt.
2.6.1 Supervised Learning (Học có giám sát)
Học có giám sát là một kỹ thuật của Học máy, nơi mà mô hình được đào tạo để dự báo kết quả cho dữ liệu mới dựa trên các cặp (dữ liệu đầu vào, nhãn đầu ra) đã được xác định từ trước Những cặp này được biết đến như là dữ liệu đào tạo và nhãn, với dữ liệu là các thuộc tính đầu vào và nhãn là kết quả đầu ra tương ứng
Học có giám sát có thể được phân loại thành hai nhóm chính: Classification và Regression:
Classification (Phân loại): Trong đó mô hình được đào tạo để xác định các đối tượng vào các danh mục cụ thể Chẳng hạn, trong việc phân biệt email rác, mô hình sẽ học cách phân loại email mới là rác hoặc không
Regression (Hồi quy): Trong đó mô hình được đào tạo để dự đoán một giá trị liên tục dựa trên các thuộc tính đầu vào Ví dụ, trong việc dự đoán giá nhà, mô hình sẽ học cách ước lượng giá dựa trên các yếu tố như diện tích, số lượng phòng ngủ, và vị trí
Các ứng dụng thực tế của học có giám sát bao gồm việc phân loại ảnh, dự đoán giá chứng khoán, nhận dạng giọng nói, phát hiện gian lận tài chính, dự đoán bệnh lý, và đề xuất sản phẩm tự động
2.6.2 Những yêu cầu cần và đủ để xây dựng hệ thống Machine Learning Để xây dựng một hệ thống học máy hiệu quả, cần thực hiện một loạt các bước phức tạp và chi tiết như sau:
➢ Thu thập dữ liệu: Bước đầu tiên và quan trọng nhất là thu thập dữ liệu chính xác và đầy đủ, phản ánh đúng đặc tính của vấn đề cần giải quyết
Tiền xử lý dữ liệu là bước cần thiết để chuẩn bị dữ liệu thô cho quá trình phân tích và học máy Quá trình này bao gồm các thao tác làm sạch dữ liệu, loại bỏ nhiễu, chuẩn hóa để đảm bảo tính thống nhất của dữ liệu Tiền xử lý dữ liệu giúp tăng cường chất lượng dữ liệu, tăng độ chính xác và hiệu quả của các mô hình học máy.
➢ Chọn lựa mô hình học máy: Lựa chọn mô hình phù hợp với bài toán và dữ liệu là bước tiếp theo, đòi hỏi sự hiểu biết sâu sắc về các thuật toán học máy
➢ Huấn luyện và đánh giá mô hình: Mô hình được chọn lọc cần được huấn luyện trên tập dữ liệu đã chuẩn bị và sau đó đánh giá hiệu suất trên tập dữ liệu kiểm tra
➢ Tối ưu hóa mô hình: Điều chỉnh các tham số và áp dụng kỹ thuật tối ưu hóa để mô hình đạt hiệu suất tối ưu
➢ Triển khai hệ thống: Khi mô hình đã được tối ưu, tiến hành triển khai trên nền tảng đã chọn và đảm bảo hệ thống hoạt động ổn định và tin cậy
Thiết kế và thi công hệ thống phần cứng ( mạch điện tử )
3.1.1 Ý tương thực hiện hệ thống
Dự án này mô tả một hệ thống giám sát sức khỏe tim mạch tiên tiến, sử dụng công nghệ Internet vạn vật (IoT) để theo dõi liên tục các chỉ số quan trọng của tim
Hệ thống bao gồm các thiết bị đeo hoặc dán lên cơ thể, có khả năng thu thập dữ liệu điện tâm đồ và phát hiện các sự cố té ngã thông qua cảm biến gia tốc Thiết bị này được thiết kế nhỏ gọn, tiết kiệm năng lượng và có khả năng kết nối với cổng IoT để chuyển tiếp dữ liệu và cảnh báo người dùng về các sự cố té ngã qua tin nhắn SMS Người dùng cũng có thể theo dõi sức khỏe của mình thông qua một ứng dụng di động
Hệ thống còn tích hợp trí tuệ nhân tạo (AI) để phân tích dữ liệu điện tâm đồ và cảnh báo sớm về các vấn đề sức khỏe tiềm ẩn
Cụ thể, hệ thống bao gồm:
Các cảm biến sức khỏe: Được đeo trên người bệnh nhân, thu thập dữ liệu điện tâm đồ và thông tin về chuyển động và vị trí, bao gồm cả gia tốc kế và con quay hồi chuyển, tích hợp trên cùng một bảng mạch
Cổng kết nối (Gateway): Liên kết với cảm biến và truyền dữ liệu tới máy chủ qua giao tiếp viễn thông
Máy chủ: Chứa ít nhất một bộ lưu trữ dữ liệu và một bộ vi xử lý được cấu hình để:
- Xử lý dữ liệu từ cảm biến IoT theo thời gian thực và lưu trữ chúng
- So sánh dữ liệu điện tâm đồ với các giá trị bất thường đã lưu để đánh giá tình trạng sức khỏe tim mạch
- Phát cảnh báo khi phát hiện giá trị bất thường trong dữ liệu điện tâm đồ
Thiết bị liên kết với người dùng: Nhận thông tin giám sát sức khỏe và cảnh báo từ máy chủ, hiển thị cho người dùng
Hệ thống này cung cấp giám sát sức khỏe liên tục, cho phép phát hiện sớm các vấn đề sức khỏe Nhờ đó, người dùng được cảnh báo kịp thời và có thể tiếp cận dịch vụ chăm sóc sức khỏe chủ động, nâng cao sự an toàn và cải thiện kết quả sức khỏe.
3.1.2 Sơ đồ tổng quát & Khái quát các module và phương thức giao tiếp Phần cứng hệ thống sẽ có 2 thành phần chính
✧ Thiết bị đeo không dây tích hợp cảm biến điện tim và cảm biến gia tốc
Hình 3.1 Sơ đồ tổng quát mạch thiết bị đeo ngực (hệ thống cảm biến)
Sơ đồ khối mô tả hệ thống cảm biến giám sát tim mạch tích hợp IoT dựa trên một phát minh Trong đó, bộ vi xử lý kết nối điện và giao tiếp với cảm biến chuyển động và định vị qua giao thức I2C; đồng thời, nó cũng kết nối điện và giao tiếp với cảm biến giám sát tim mạch thông qua giao thức HSPI Ngoài ra, bộ vi xử lý này còn liên kết với mô-đun giao tiếp LoRa qua giao thức VSPI, và mô-đun LoRa này truyền tín hiệu qua sóng LoRa 433 Mhz để liên lạc với mô-đun LoRa tại cổng kết nối
Theo sơ đồ 1, hệ thống cảm biến IoT cũng bao gồm một nguồn điện cung cấp năng lượng cho các thiết bị thông qua một bộ điều chỉnh nguồn Cụ thể, nguồn này cung cấp điện áp 3,3V cho bộ vi xử lý và cảm biến chuyển động; và 1,8V cho cảm biến giám sát tim mạch
Tiếp theo, theo sơ đồ 1, bộ vi xử lý có nhiệm vụ thu nhận và xử lý dữ liệu từ
Luận văn tốt nghiệp này thiết kế một hệ thống cảm biến giám sát tim mạch và chuyển động, bao gồm cảm biến điện tâm đồ để ghi dữ liệu nhịp tim, cảm biến chuyển động và định vị để thu thập thông tin vị trí và chuyển động của người dùng Các dữ liệu này sau đó được truyền không dây tới cổng giao tiếp thông qua mô-đun LoRa và được bộ vi xử lý xử lý để điều khiển các mô-đun chức năng khác.
1 Module cảm biến gia tốc (ADXL345) giao tiếp với module ESP32 thông qua giao thức I2C Nguồn cấp cho module gia tốc là 3.3V Module cảm biến gia tốc trong mạch kết hợp với thuật toán sẽ nhận ra được sự thay đổi đột ngột của thông số trục gia tốc X,Y,Z và gửi tín hiệu 1 hoặc 0 về Gateway để xử lý và thực thi các cảnh báo
2 Module cảm biến điện tim (MAX30003) giao tiếp với module
ESP32 thông qua giao thức HSPI Nguồn cấp cho module điện tim là 1.8V
3 Module ESP32 là MCU chủ được cấp nguồn 3.3V Module sẽ đảm nhận dữ liệu nhận dữ liệu từ sensor và xử lý gói dữ liệu Từ đó,
4 Module RF Lora (SX1278) giao tiếp với module ESP32 thông qua giao thức VSPI Nguồn cấp cho module Lora là 3.3V Module Lora sẽ sử dụng sóng Lora 433 Mhz để giao tiếp với module Lora của mạch IoT Gateway.
5 Thiết bị đeo không dây còn tích hợp các mạch điều áp, giảm áp, ổn áp và bảo vệ pin để phù hợp với yêu cầu nguồn từng khối
Hình 3.2 Sơ đồ tổng quát mạch IoT Gateway (Hub)
Sơ đồ 2 mô tả cấu trúc kết nối của một hệ thống giám sát sức khỏe tim mạch tích hợp IoT dựa trên một phát minh Trong đó, vi xử lý kết nối điện và giao tiếp với mô đun SIM qua giao thức UART2; kết nối với mô đun máy chủ 280 qua giao thức UART0 Ngoài ra, vi xử lý cũng kết nối với mô đun LORA thông qua giao thức VSPI, và mô đun LORA này sử dụng tần số sóng Lora 433 Mhz để liên lạc với mô đun LORA của cảm biến Vi xử lý cũng điều khiển bộ xuất nhập gồm relay để báo động và nút vật lý để điều chỉnh các thông số điều khiển Theo sơ đồ 1, hệ thống còn bao gồm một nguồn điện cung cấp năng lượng cho các thiết bị, với điện áp 3,3V cho vi xử lý và mô đun LORA, 5V cho mô đun SIM và màn hình hiển thị, và 12V cho relay
Tiếp tục theo sơ đồ 2, vi xử lý có nhiệm vụ nhận và xử lý dữ liệu từ cảm biến
100, truyền dữ liệu đến máy chủ và điều khiển các mô đun khác Mô đun SIM gửi tin nhắn SMS cảnh báo đến người dùng Màn hình hiển thị cung cấp thông tin tổng quan về trạng thái của hệ thống, kết hợp với nút vật lý để điều chỉnh và relay để thông báo cảnh báo Hệ thống cũng kết nối với máy chủ và các thiết bị khác qua bluetooth và
1 Module ESP32 là MCU chủ được cấp nguồn 3.3V ESP32 đảm nhận việc xử lý dữ liệu và điều khiển các module chức năng
2 Module SIM7600CE giao tiếp ESP32 thông qua giao thức UART
(tập lệnh AT) Module có chức năng gửi tin nhắn SMS cảnh báo đến người dùng Nguồn 5V sẽ được cấp vào module SIM7600CE và module giao tiếp với ESP32 thông qua giao thức UART
3 Module Lora SX1278 giao tiếp truyền nhận dữ liệu với module
ESP32 thông qua giao thức SPI để xử lý chuỗi dữ liệu nhận được module Lora trên thiết bị đeo thông qua sóng Lora 433 Mhz Module Lora được cấp nguồn 3.3V
4 LCD Display để hiển thị tình trạng tổng của hệ thống thiết bị
5 Ngoài ra, Module ESP32 giao tiếp với các linh kiện phụ trợ như Relay
& Buzzer & Led thông qua các chân I/O
6 Module ESP32 phát tín hiệu Bluetooth BLE để có thể giám sát dữ liệu trên hệ thống máy tính và xử lý tín hiệu bởi AI.
3.1.3 Thiết kế khối nguồn và mạch bảo vệ nguồn
Vì MCU sử dụng trong mạch có điện áp hoạt động là 3.3V nên lựa chọn pin để cung cấp nguồn cho toàn bộ mạch là pin lithium 603450 có điện áp trung bình khoảng 3.7V, điện áp khi sạc đầy là 4.2V và khi xả cạn khoảng 2.9V Dung lượng thực tế của pin khoảng 1200 mAh
Hình 3.3 Pin 603450 - 1200 mAh Thông số kỹ thuật:
✧ Sản phẩm tùy chọn pin không mạch bảo vệ, có mạch bảo vệ loại 2 dây hoặc 3 dây (có thể có hoặc không có rắc cắm)
✧ Thời gian sạc: 0.5C (tiêu chuẩn) / 1C (sạc nhanh)
3.1.3.1 Mạch bảo vệ pin thấp áp (Mạch main sensor)
Kết quả giao tiếp được dữ liệu từ cảm biến ECG và cảm biến gia tốc
⮚ Kết quả hiển thị khi kiểm tra tín hiệu điện tim trên mạch giả lập ECG được đo từ thiết bị đeo và truy xuất ra màn hình thiết bị Ta thấy thiết bị đã cho ra dạng tín hiệu rất rõ tương đương với hình dạng tín hiệu điện tim ở cơ sở lý thuyết
Có 2 đinh R-R rất dễ xác định và áp dụng thuật toán để phân tích điện tim.[3]
Hình 4.1: Tín hiệu điện tim nhanh được truy xuất từ cảm biến Kết quả điện tim đo được từ mạch giả lập (đo bởi Osilloscope)
Hình bên dưới là kết quả truy xuất tín hiệu điện tim được đo bởi Osilloscope điện tử OWON
Kết quả cho thấy, tín hiệu điện tim đo từ mạch giả lập (mô phỏng nhịp tim nhanh) rõ ràng, dễ phân tích và biên dạng tương đồng với tín hiệu đo từ cảm biến Từ hai hình ảnh, ta có đánh giá ban đầu là tín hiệu điện tim truy xuất từ thiết bị đeo ngực tương đương với tín hiệu điện tim được lấy từ nguồn phát Điều này chứng tỏ, giá trị từ cảm biến là xác thực và có thể sử dụng tín hiệu ECG này cho các quá trình xử lý tiếp theo
Hình 4.2 ECG thực tế của chế độ nhịp tim nhanh
Kết quả của các dữ liệu cảm biến khi kiểm tra từng phần trên mạch
Dữ liệu cảm biến điện tim ECG truy xuất từ mạch thiết bị đeo
Hình 4.3 Tín hiệu ECG đo được khi khảo sát tại mạch sensor
Dữ liệu cảm biến điện tim ECG truy xuất từ IoT Gateway
Hình 4.4 Tín hiệu ECG đo được khi khảo sát tại mạch IoT Gateway
Hình 4.5 Dữ liệu cảm biến điện tim ECG truy xuất từ thiết bị Android
Ta thấy, biểu đồ ECG là tương đồng Ta sẽ thấy có sự khác nhau về biên độ Đây là sự thay đổi có chủ đích trong lúc xây dựng chương trình để thuận tiện hơn trong quá trình giao tiếp dữ liệu
4.2.1 Kết quả dữ liệu cảm biến gia tốc Đối với mô hình này, cảm biến gia tốc sẽ được xử lý trong mạch IoT Gateway, đưa ra cảnh báo bằng tin nhắn SMS
• Gửi thông tin cảnh báo té ngã, nhịp tim cao từ module SIM 7600
Hệ thống IoT Gateway sẽ thực hiện xử lý dữ liệu và đưa ra tin nhắn cảnh báo về sự thay đổi bất thường về giá trị của cảm biến gia tốc cũng như khi nhịp tim cao
Hình 4.6 Module SIM7600 gửi cảnh báo té ngã thông tin nhịp tim bất thường cho người sử dụng
Trạng thái của Hub cảnh báo nhịp tim bất thường
4.2.2 Kiểm chứng kết quả với máy đo điện tâm đồ chuyên dụng Để xác thực mô hình thiết bị đeo đo điện tim, tôi đã tiến hành thực hiện đo đạc điện tim tại cơ sở y tế tư nhân Vạn Phúc
Phương pháp: Đăng kí đo điện tim ECG tại cơ sở y tế để tầm soát sức khỏe tim mạch
Máy móc đo đạc: Máy theo dỏi bệnh nhân đa thông số Yonker – Model: YK- 8000C
Hình 4.7: Máy đo điện tâm đồ Yonker – Model: YK-8000C Thông số thiết bị: Điện tâm đồ (ECG) – 1 dây – 5 điện cực
➢ Đầu vào Cáp điện tâm đồ 3/5 dây
➢ Phần dẫn đầu I II III aVR, aVL, aVF, V
➢ Đạt được lựa chọn * 0,25, * 0,5, * 1, * 2, Tự động
➢ Tốc độ quét 6.25mm / s, 12.5mm / s, 25mm / s, 50mm / s
➢ Phạm vi nhịp tim 15-30bpm
➢ Sự chính xác ± 1bpm hoặc ± 1% (chọn dữ liệu lớn hơn)
Hình 4.8: Kết quả đo điện tâm đồ ( thiết bị chuyên dụng)
Do giới hạn về thuật toán của đề tài, ta chỉ đánh giá kết quả đo của khoảng R-
R Theo kết quả ta thấy, giá trị khoảng R-R là 750 ms Theo công thức: (1/750 x 0.001) x 60 = 80 nhịp/phút Dưới đây là kết quả đo đạc đọc từ màn hình theo dỏi của bộ thiết bị
Hình 4.9: Kết quả đo điện tâm đồ
Ta thấy, kết quả đo từ máy chuyên dụng và thiết bị là 80 bpm và 85 bpm, có sự chênh lệch ± 5 bpm Do từng thời điểm đo đạc, cơ thể ta có sự thay đổi nhẹ nên sự chênh lệch là không đáng để
Về phần biên dạng tín hiệu, hệ thống có thể thu được dạng tín hiệu tương
Luận văn tốt nghiệp đương với máy đo chuyên dụng Do vậy, ta có thể sử dụng tín hiệu trên để xử lý, phân tích bệnh tim.
