đề tài nghiên cứu và phát triển hệ thống té ngã sử dụng ai và ioht

Hậu quả của việc té ngã có thể dẫnđến các chấn thương nghiêm trọng, giảm chất lượng cuộc sống và thậm chí tử vong [1].Trong bối cảnh này, việc nghiên cứu và phát triển một hệ thống phát

Ngành: Công nghệ Kỹ thuật Điều khiểnvà Tự động hóa

Ngành: Công nghệ Kỹ thuật Điều khiểnvà Tự động hóa

1 Đặt vấn đề

Vấn đề té ngã là một thách thức nghiêm trọng đối với sức khỏe, đặc biệt là ởngười cao tuổi và những người có sức khỏe yếu Hậu quả của việc té ngã có thể dẫnđến các chấn thương nghiêm trọng, giảm chất lượng cuộc sống và thậm chí tử vong [1].Trong bối cảnh này, việc nghiên cứu và phát triển một hệ thống phát hiện và dự đoán téngã sử dụng trí tuệ nhân tạo (AI) và Internet of Health Things (IoHT) trở nên cấp thiếthơn bao giờ hết [2].

Mục tiêu của đề tài là làm sao để xây dựng một hệ thống có khả năng phát hiện vàdự đoán các trường hợp té ngã một cách chính xác và kịp thời, từ đó giảm thiểu rủi rovà tổn thương cho người dùng Hệ thống này cần được tích hợp các công nghệ tiên tiếnnhất trong lĩnh vực AI và IoHT, đồng thời phải đảm bảo khả năng giám sát liên tục vàtự động điều chỉnh phù hợp với từng cá nhân [3] Những câu hỏi đặt ra bao gồm việclựa chọn các thuật toán AI phù hợp, cách tích hợp hệ thống vào IoHT, và các yếu tốmôi trường cũng như cá nhân ảnh hưởng đến việc phát hiện té ngã.

Giả thuyết cơ bản mà đề tài đặt ra là việc kết hợp AI và IoHT có thể tạo ra một hệthống phát hiện và dự đoán té ngã với độ chính xác cao Hệ thống không chỉ phát hiệnkịp thời các trường hợp té ngã mà còn có khả năng dự đoán trước nguy cơ té ngã dựatrên các tín hiệu và dữ liệu thu thập từ người dùng Điều này sẽ giúp giảm thiểu các tainạn và bảo vệ sức khỏe người dùng tốt hơn.

Lý do chọn đề tài không chỉ xuất phát từ nhu cầu thực tiễn mà còn từ tiềm năngứng dụng rộng rãi của hệ thống trong việc bảo vệ sức khỏe cộng đồng Với tỷ lệ ngườicao tuổi ngày càng tăng, việc chăm sóc sức khỏe cho nhóm đối tượng này trở thànhmột thách thức lớn Hệ thống phát hiện té ngã sẽ giúp giảm tải công việc cho nhân viêny tế và người chăm sóc, đồng thời nâng cao chất lượng cuộc sống cho người dùng Bêncạnh đó, chi phí y tế do chấn thương từ té ngã là rất lớn [4] Việc giảm thiểu các ca té

ngã không chỉ giúp tiết kiệm chi phí y tế mà còn giảm bớt gánh nặng tài chính cho giađình và xã hội.

Sự phát triển của AI và IoHT mở ra nhiều cơ hội mới trong việc cải thiện hệthống chăm sóc sức khỏe Việc nghiên cứu và ứng dụng các công nghệ tiên tiến nàytrong hệ thống phát hiện té ngã không chỉ khẳng định vai trò của công nghệ trong y tếmà còn thúc đẩy sự phát triển của các ngành công nghệ liên quan [5] Hệ thống nàykhông chỉ mang tính thực tiễn cao mà còn đáp ứng được nhu cầu cấp thiết của xã hộitrong việc bảo vệ sức khỏe và nâng cao chất lượng cuộc sống.

Tóm lại, đề tài "Nghiên cứu và phát triển hệ thống té ngã sử dụng AI và IoHT"không chỉ có ý nghĩa quan trọng về mặt khoa học mà còn mang lại nhiều lợi ích thiếtthực cho cộng đồng Việc phát triển hệ thống này sẽ góp phần tạo ra một môi trườngsống an toàn hơn cho người cao tuổi và những người có nguy cơ té ngã cao, đồng thờikhẳng định vai trò của công nghệ trong việc nâng cao chất lượng dịch vụ chăm sóc sứckhỏe.

2 Mục đính và mục tiêu nghiên cứu

Nghiên cứu này được thực hiện với mục đích nâng cao chất lượng cuộc sống vàđảm bảo an toàn sức khỏe cho người cao tuổi và những người có nguy cơ té ngã cao.Bằng cách phát triển một hệ thống phát hiện và dự đoán té ngã sử dụng trí tuệ nhân tạo(AI) và Internet of Health Things (IoHT), chúng tôi hy vọng có thể giảm thiểu các tainạn do té ngã, từ đó giúp người dùng duy trì được sự tự lập và nâng cao chất lượngcuộc sống Mục tiêu cuối cùng của nghiên cứu là góp phần tạo ra một môi trường sốngan toàn và thân thiện hơn cho cộng đồng, đặc biệt là những người cao tuổi và có nguycơ té ngã cao.

Để đạt được mục đích nâng cao chất lượng cuộc sống và đảm bảo an toàn sứckhỏe cho người cao tuổi và những người có nguy cơ té ngã cao, nghiên cứu đề ra cácmục tiêu cụ thể sau:

- Tìm hiểu các khái niệm IoHT và IoMT: Nghiên cứu các khái niệm cơ bản vàứng dụng của Internet of Health Things (IoHT) và Internet of Medical Things (IoMT)để làm nền tảng cho việc phát triển hệ thống Việc này sẽ cung cấp kiến thức chuyênsâu và cập nhật về các công nghệ tiên tiến nhất trong lĩnh vực chăm sóc sức khỏe.

- Lược khảo tài liệu liên quan đến các hệ thống đã được phát triển trong giai đoạn2020 – 2023: Phân tích và tổng hợp các nghiên cứu và phát triển gần đây trong lĩnhvực này, nhằm xác định những điểm mạnh và hạn chế của các hệ thống hiện có Từ đó,rút ra những bài học kinh nghiệm quý giá để áp dụng vào việc phát triển hệ thống mới.

- Thiết kế và thử nghiệm phần cứng đề xuất trong môi trường IoT: Nghiên cứu,lựa chọn và thiết kế phần cứng phù hợp, chẳng hạn như vi điều khiển ESP32, để tíchhợp vào hệ thống IoT Thử nghiệm phần cứng trong các điều kiện thực tế để đánh giáhiệu suất và độ bền, đảm bảo rằng hệ thống có thể hoạt động ổn định và hiệu quả trongmôi trường thực tế.

- Thể hiện tính mới và khác biệt so với các hệ thống trước đây về thiết kế, phươngpháp, và giải thuật: Tạo ra một hệ thống không chỉ cải tiến về mặt công nghệ mà còncó những điểm mới mẻ và độc đáo trong thiết kế, phương pháp và các giải thuật sửdụng Điều này nhằm nâng cao hiệu quả và độ tin cậy của hệ thống, đảm bảo rằng hệthống mới không chỉ kế thừa những ưu điểm của các hệ thống trước đây mà còn vượttrội hơn về nhiều mặt.

Những mục tiêu này không chỉ là nền tảng để tiến hành nghiên cứu mà còn là cơsở để đánh giá kết quả của dự án Việc đạt được các mục tiêu này sẽ chứng minh tínhkhả thi và hiệu quả của hệ thống phát hiện té ngã sử dụng AI và IoHT, góp phần vàoviệc bảo vệ sức khỏe và nâng cao chất lượng cuộc sống cho người dùng.

3 Lược khảo tài liệu

Trong học phần “Đồ án Tự động hóa” trước đây, chúng tôi đã nghiên cứu và thựchiện đề tài “Thiết kế hệ thống phát hiện té ngã tự động dựa trên IoHT” [6] Dự án manglại nhiều kết quả tích cực, cung cấp nền tảng vững chắc cho các nghiên cứu tiếp theocủa chúng tôi Quá trình thực hiện và phát triển hệ thống này được chia thành hai phầnchính.

Hình 1.1 Mô hình đề xuất của đề tài “Thiết kế hệ thống phát hiện té ngã tự động dựatrên IoHT”

Hình 1.2 Quá trình thực hiện Phần 1 của đề tài “Thiết kế hệ thống phát hiện té ngã tựđộng dựa trên IoHT”

Phần 1: Chúng tôi đã xây dựng một hệ thống phát hiện té ngã dựa trên mô hìnhYOLOV8n Pose, kết hợp với thiết bị nhúng như Camera IMOU và Jetson Nano Hệthống hoạt động bằng cách truyền hình ảnh từ Camera lên Cloud, sau đó sử dụngPython cùng với thuật toán YOLOV8n Pose để phân loại các hình ảnh này thành hainhãn: "normal" và "fall" Để giám sát thời gian thực, chúng tôi sử dụng Ngrok để truycập từ xa vào hệ thống và sử dụng Jetson Nano để giám sát Kết quả nhận diện đã chothấy hiệu suất đáng kể trong cả điều kiện ánh sáng ban ngày và ban đêm phức tạp.

Hinh 1.3 Kết quả nhận diện nhãn “normal” trong hai môi trường ánh sáng

Hinh 1.4 Kết quả nhận diện nhãn “fall” trong hai môi trường ánh sáng

Phần 2: Trên cơ sở những kết quả đã đạt được trong học phần "Đồ án Tự độnghóa", chúng tôi tiếp tục phát triển hệ thống này với những cải tiến quan trọng trong họcphần “Đồ án tốt nghiệp” lần này Mục tiêu chính là mở rộng tập dữ liệu huấn luyện đểbao gồm nhiều tư thế phức tạp hơn Đồng thời, xây dựng một hệ thống cảnh báo té ngãhiệu quả, có khả năng phản ứng nhanh chóng với các tình huống khẩn cấp, nhằm giảmthiểu hậu quả không mong muốn Ngoài ra, chúng tôi cũng sẽ triển khai thêm nhiềuCamera hơn để tăng cường phạm vi giám sát và loại bỏ các điểm mù trong hệ thống.

Việc phân chia nghiên cứu và phát triển thành hai giai đoạn này đã giúp chúng tôitập trung vào từng khía cạnh cụ thể của hệ thống, từ đó nâng cao hiệu quả và độ tin cậycủa hệ thống phát hiện té ngã Sự kết hợp giữa công nghệ AI và IoHT không chỉ mở ra

nhiều cơ hội mới mà còn đóng góp quan trọng vào việc bảo vệ sức khỏe và an toàn chongười dùng, đặc biệt là người cao tuổi và những người có nguy cơ té ngã cao.

Hình 1.5 Kiến trúc hệ thống phát hiện té ngã từ bài viết “Raspberry Pi Based ElderlyFall Detection System”

Ngoài ra, các nghiên cứu liên quan đến vấn đề phát hiện té ngã trước đây cũng đãđóng góp quan trọng vào lĩnh vực này Một nghiên cứu đáng chú ý là bài viết“Raspberry Pi Based Elderly Fall Detection System” của Zulfiqar Ahmad Khan vàcộng sự [7] Trong nghiên cứu này, họ đã phát triển một hệ thống phát hiện té ngã giárẻ dựa trên Raspberry Pi, mô hình Yolov5, gia tốc kế 3 trục, GSM và GPS để phát hiệnchính xác khi có sự cố té ngã xảy ra Hệ thống này đã đạt được độ chính xác lên đến99.9% khi được thử nghiệm trên tình nguyện viên Tuy nhiên, hệ thống này có thể gặpkhó khăn trong việc phát hiện té ngã trong môi trường ngoại vi [7].

Hình 1.6 Cấu trúc hệ thống phát hiện té ngã từ bài viết “Cloud-based Smart HomeEnvironment (CoSHE) for Home Healthcare”

Một nghiên cứu khác là bài viết “Cloud-based Smart Home Environment(CoSHE) for Home Healthcare” của Minh Pham và cộng sự [8] Trong nghiên cứu này,họ đã trình bày một Môi trường nhà thông minh dựa trên đám mây cho chăm sóc sứckhỏe tại nhà Hệ thống của họ thu thập các tín hiệu sinh lý thông qua các cảm biến mặckhông xâm lấn và cung cấp thông tin ngữ cảnh về các hoạt động hàng ngày và vị trítrong nhà [8] Tuy nhiên, việc thu thập dữ liệu sinh lý có thể gặp khó khăn do sự khôngchính xác của các cảm biến và sự khác biệt giữa các người dùng.

Hình 1.7 Sơ đồ khối của hệ thống phát hiện té ngã từ bài viết “Fall detection based onkey points of human-skeleton using openpose”

Bài viết “Fall detection based on key points of human-skeleton using openpose”của Chen và cộng sự cũng là một nghiên cứu đáng chú ý [9] Trong nghiên cứu này, họđã trích xuất thông tin khung xương của cơ thể người bằng OpenPose và xác định sự téngã thông qua ba thông số quan trọng: tốc độ giảm ở trung tâm của khớp hông, góc của

hình chữ nhật bên ngoài cơ thể người Phương pháp này đã đạt được tỷ lệ thành công97% trong việc nhận biết hành vi té ngã [9] Tuy nhiên, việc sử dụng OpenPose có thểđòi hỏi nhiều tài nguyên tính toán, điều này có thể làm giảm hiệu suất của hệ thốngtrong một số trường hợp.

Hình 1.8 Cấu trúc hệ thống phát hiện té ngã từ bài viết “Wireless devices to restartwalking during an episode of FOG on patients with Parkinson’s disease”

Cuối cùng, trong bài viết “Wireless devices to restart walking during an episodeof FOG on patients with Parkinson’s disease”, Punin và cộng sự đã phát triển một hệthống không dây dựa trên phần cứng không xâm lấn để thu thập dữ liệu thời gian thựctừ bệnh nhân Parkinson có các cơn FOG để kích thích tiến trình đi lại, ngăn ngừa téngã, và cải thiện lối sống của bệnh nhân [10] Tuy nhiên, hệ thống này có thể gặp khókhăn trong việc phát hiện chính xác các cơn FOG do sự khác biệt giữa các bệnh nhân.

Từ những nghiên cứu trên, chúng tôi nhận thấy việc phát hiện té ngã là một vấn

đề quan trọng và cần thiết, đặc biệt là đối với người cao tuổi và những người có tìnhtrạng sức khỏe yếu Với sự tiến bộ trong công nghệ và thuật toán, chúng tôi có thể tậndụng lợi thế của YOLO để cải thiện độ chính xác trong việc phát hiện té ngã từ cameragiám sát Chúng tôi cũng nhận thức được rằng việc phát triển dựa trên IoHT và AI sẽmang lại nhiều lợi ích cho đề tài, giúp tạo ra một hệ thống giám sát sức khỏe tự độngvà thông minh Chúng tôi hy vọng rằng, thông qua đồ án này, chúng tôi có thể gópphần vào việc phát triển công nghệ y tế, đặc biệt là trong lĩnh vực chăm sóc sức khỏecho người cao tuổi và những người có tình trạng sức khỏe yếu.

4 Đối tượng và khách thể nghiên cứu4.1 Đối tượng nghiên cứu

Chúng tôi sẽ nghiên cứu các vấn đề liên quan đến phát hiện té ngã tự động dựatrên công nghệ AI và Internet of Health Things (IoHT) Cụ thể, nghiên cứu tập trungvào việc tối ưu hóa các thuật toán nhận diện hình ảnh để phân loại các tư thế của conngười, đồng thời phát triển hệ thống cảnh báo té ngã với độ chính xác cao và khả năngphản ứng nhanh chóng.

Các hướng nghiên cứu chính bao gồm:

- Phát triển và tối ưu hóa thuật toán nhận diện hình ảnh: Nghiên cứu và cải tiếnmô hình YOLOv8n Pose để nâng cao độ chính xác trong việc phân loại tư thế "normal"và "fall" dưới các điều kiện ánh sáng khác nhau.

- Mở rộng tập dữ liệu huấn luyện: Thu thập và xây dựng tập dữ liệu phong phú,bao gồm nhiều tư thế phức tạp hơn, nhằm cải thiện khả năng nhận diện của mô hình.

- Xây dựng hệ thống cảnh báo té ngã: Thiết kế và phát triển hệ thống cảnh báo cókhả năng phản ứng nhanh chóng với các tình huống khẩn cấp, thông qua việc tích hợpnhiều cảm biến và camera để đảm bảo phạm vi giám sát toàn diện.

- Kiểm thử và đánh giá: Thực hiện kiểm thử hệ thống trong các môi trường vàđiều kiện ánh sáng khác nhau để đánh giá hiệu suất và độ tin cậy, từ đó đưa ra các cảitiến cần thiết.

- Module SIM900: Được sử dụng để gửi tin nhắn hoặc gọi điện khi phát hiện téngã, đảm bảo rằng cảnh báo khẩn cấp được truyền tải kịp thời [13].

- Roboflow: Nền tảng hỗ trợ tạo lập tập dữ liệu, bao gồm việc phân chia và gắnnhãn các hình ảnh, giúp chuẩn bị dữ liệu huấn luyện cho mô hình [16].

- Google Colab: Sử dụng để huấn luyện tập dữ liệu, giúp tối ưu hóa quá trìnhhuấn luyện và giảm thiểu yêu cầu về phần cứng mạnh mẽ [17].

Việc kết hợp giữa phần cứng và phần mềm trong nghiên cứu này không chỉ giúptăng cường hiệu quả phát hiện té ngã mà còn tạo ra một hệ thống hoàn chỉnh, linh hoạtvà có khả năng ứng dụng thực tiễn cao.

5 Phương pháp nghiên cứu

5.1 Nhóm phương pháp nghiên cứu lý thuyết

- Phương pháp phân tích và tổng hợp lý thuyết: Nghiên cứu và phân tích các tàiliệu lý luận khác nhau về hệ thống phát hiện té ngã, để hiểu toàn diện các khía cạnh vàxu hướng nghiên cứu hiện tại Từ đó, lựa chọn những thông tin quan trọng phục vụ chođề tài.

- Phương pháp mô hình hóa: Xây dựng các mô hình giả định về hệ thống pháthiện té ngã và sử dụng các mô hình này để nghiên cứu trở lại đối tượng Việc sử dụngmáy tính và các công cụ mô hình hóa giúp thu nhận và xử lý thông tin một cách nhanhchóng và chính xác.

5.2 Nhóm phương pháp nghiên cứu thực tiễn

- Phương pháp quan sát khoa học: Thu thập thông tin về hệ thống phát hiện té ngãbằng cách quan sát trực tiếp các yếu tố liên quan Điều này giúp thu thập dữ liệu thựctế về hiệu quả và hiệu suất của hệ thống.

- Phương pháp thực nghiệm khoa học: Thực hiện các thí nghiệm để kiểm chứngcác giả thuyết và đánh giá hiệu quả của hệ thống Việc thực nghiệm cho phép xác địnhcác biện pháp cải tiến và điều chỉnh hệ thống theo mục tiêu đề ra.

b) Phạm vi thời gian diễn biến của sự kiện: Nghiên cứu sẽ bao gồm các giai đoạntừ việc thu thập và huấn luyện tập dữ liệu, triển khai hệ thống phát hiện té ngã, tiếnhành các thí nghiệm để kiểm tra hiệu quả của hệ thống và đánh giá hiệu suất

c) Phạm vi nội dung cần giải quyết:

- Phát triển và tối ưu hóa thuật toán nhận diện hình ảnh: Cải thiện độ chính xáccủa thuật toán YOLOv8n Pose trong việc phân loại tư thế "normal" và "fall" dưới cácđiều kiện ánh sáng khác nhau.

- Mở rộng tập dữ liệu huấn luyện: Thu thập và xây dựng tập dữ liệu phong phúvới nhiều tư thế phức tạp hơn để nâng cao khả năng nhận diện của mô hình.

- Xây dựng hệ thống cảnh báo té ngã: Thiết kế và triển khai hệ thống cảnh báonhanh chóng phản ứng với các tình huống khẩn cấp thông qua module SIM900.

- Kiểm thử và đánh giá: Thực hiện kiểm tra hệ thống trong các môi trường vàđiều kiện ánh sáng khác nhau để đánh giá hiệu suất và độ tin cậy, từ đó đề xuất các cảitiến cần thiết.

Phạm vi nghiên cứu này đảm bảo rằng chúng tôi sẽ phát triển một hệ thống pháthiện té ngã toàn diện, có khả năng ứng dụng thực tiễn cao và đáp ứng các yêu cầu thựctế.

7 Kế hoạch thực hiện

- Thu thập và xử lý dữ liệu: 5 tuần (15/07/2024 đến 18/08/2024)

- Huấn luyện và tối ưu hóa mô hình AI: 5 tuần (19/08/2024 đến 22/09/2024)- Tích hợp hệ thống phần cứng và phần mềm: 4 tuần (23/09/2024 đến20/10/2024)

- Kiểm thử và đánh giá hiệu suất hệ thống: 2 tuần (21/10/2024 đến 03/11/2024)- Viết báo cáo và hiệu chỉnh các thông số: 2 tuần (04/11/2024 đến 17/11/2024)

8 Dự trù chi phí thực hiện đề tài (nếu có)