Trí tuệ nhân tạo trong chuyển đổi số ứng dụng hỗ trợ thu thập chỉ số đường huyết của thai phụ

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH NGUYỄN PHẠM THANH TÂM TRÍ TUỆ NHÂN TẠO TRONG CHUYỂN ĐỔI SỐ: ỨNG DỤNG HỖ TRỢ THU THẬP CHỈ SỐ ĐƯỜNG HUYẾT CỦA THAI PHỤ Chuyên ngành: KHOA HỌC MÁY TÍNH Mã chuyên ngành: 60.48.01.01 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2020 Cơng trình hồn thành Trường Đại học Cơng nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học: PGS.TS Huỳnh Trung Hiếu Người phản biện 1: TS Huỳnh Khả Tú Người phản biện 2: TS Lê Nhật Duy Luận văn thạc sĩ bảo vệ Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Công nghiệp thành phố Hồ Chí Minh ngày 30 tháng 05 năm 2020 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS Huỳnh Tường Nguyên - Chủ tịch Hội đồng TS Huỳnh Khả Tú - Phản biện TS Lê Nhật Duy - Phản biện TS Đặng Thị Phúc - Ủy viên TS Phạm Thị Thuyết - Thư ký (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CÔNG NGHỆ THÔNG TIN HUỲNH TƯỜNG NGUYÊN HUỲNH TRUNG HIẾU BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Phạm Thanh Tâm MSHV: 17112881 Ngày, tháng, năm sinh: 28/02/1986 Nơi sinh: Đồng Tháp Chuyên ngành: Khoa học máy tính Mã chuyên ngành: 60480101 I TÊN ĐỀ TÀI: Trí tuệ nhân tạo chuyển đổi số: Ứng dụng hỗ trợ thu thập số đường huyết thai phụ NHIỆM VỤ VÀ NỘI DUNG: - Nghiên cứu giải pháp số hóa liệu (digitalization) - Tiền xử lý liệu dựa yêu cầu ứng dụng AI thực prototype giải pháp AI - Ứng dụng xử lý thu thập liệu từ Phiếu theo dõi số đường huyết thai phụ - Phân tích kết quả đưa hướng phát triển II NGÀY GIAO NHIỆM VỤ: 06/09/2019 III NGÀY HOÀN THÀNH NHIỆM VỤ: 06/03/2020 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS Huỳnh Trung Hiếu Tp Hồ Chí Minh, ngày … tháng 06 năm 2020 NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TRƯỞNG KHOA CÔNG NGHỆ THÔNG TIN LỜI CẢM ƠN Để hoàn thành luận văn thạc sĩ này, tơi xin bày tỏ cảm kích đặc biệt tới cố vấn tơi, Phó giáo sư Tiến sĩ Huỳnh Trung Hiếu - Người định hướng, trực tiếp dẫn dắt cố vấn cho suốt thời gian thực đề tài nghiên cứu khoa học Tôi xin gửi lời cảm ơn đến thầy tất cả tấm lịng biết ơn Đề tài hỗ trợ một phần Sở Khoa học Cơng nghệ Thành phố Hồ Chí Minh theo Quyết định số 1131/QĐ-SKHCN Hợp đồng số 06/2018/HĐ-QKHCN Tôi xin gửi lời cảm ơn chân thành đến thầy Lê Nhật Duy – Phó khoa Cơng nghệ thơng tin hướng dẫn giúp đỡ biểu mẫu quy trình hồn thành đề tài luận văn từ bắt đầu đăng ký đề cương đến bảo vệ luận văn Tơi xin trân trọng cảm ơn Phịng quản lý Sau đại học giúp đở thủ tục cần thiết để hoàn thành luận văn Sau cùng, tơi xin tỏ lịng biết ơn đến Trung tâm Cơng nghệ thông tin Truyền thông Đồng Tháp – Cơ quan nới công tác, tạo điều kiện thời gian, cơng việc để tơi hồn thành luận văn thạc sĩ Xin chân thành cảm ơn tất cả người quý quan! i TÓM TẮT LUẬN VĂN THẠC SĨ Sự phát triển công nghệ số mang lại lợi ích đáng kể nhiều lĩnh vực khác đời sống xã hội Mợt cơng nghệ đóng vai trị quan trọng hoàn thiện chuyển đổi số OCR (Optical Character Recognition) Nó cho phép chuyển đổi hình ảnh, text dạng đánh máy viết tay, tài liệu scan vào dạng text mà máy tính đọc soạn thảo Trong lĩnh vực y tế, chuyên gia cần quản lý lượng lớn liệu bệnh nhân tăng liên tục Sẽ rất hữu ích thơng tin lưu trữ sở liệu Với công cụ xử lý OCR, trích x́t liệu từ cấu trúc lưu trữ vào sở liệu, từ giúp cho việc truy x́t, tìm kiếm, phân tích dễ dàng sau Trong luận văn này, kết hợp tiếp cận AI hỗ trợ việc trích x́t thơng tin, chuyển đổi liệu từ dạng phi cấu trúc sang dạng cấu trúc, lưu trữ vào sở liệu để phục vụ cho bước xử lý Mục tiêu nghiên cứu phát triển giải pháp tích hợp trí tuệ nhân tạo việc rút trích thơng tin từ form, nhằm tăng tính tự đợng đợ xác q trình chuyển đổi số Nâng cao hiệu quả q trình số hóa liệu thu thập lĩnh vực y tế Sản phẩm đề tài hoàn thành giúp chuyên gia thực dự án nghiên cứu có yêu cầu thu thập, phân tích theo dõi diễn tiến thay đổi số sức khỏe mợt cách nhanh chóng, tiết kiệm thời gian nhập liệu thủ cơng Ngồi việc triển khai thu thập liệu cho việc giám sát bệnh đái tháo đường thai kỳ, hệ thống hỗ trợ việc thu thập trực quan hóa liệu bệnh khác mợt số tốn khác Hỗ trợ việc tích hợp liệu từ nhiều nguồn khác ii LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu bản thân Các kết quả nghiên cứu kết luận luận văn trung thực, không chép từ bất kỳ mợt nguồn bất kỳ hình thức Việc tham khảo nguồn tài liệu (nếu có) thực trích dẫn ghi nguồn tài liệu tham khảo quy định Học viên (Chữ ký) Nguyễn Phạm Thanh Tâm iii MỤC LỤC MỤC LỤC iv DANH MỤC HÌNH ẢNH vi DANH MỤC BẢNG BIỂU viii DANH MỤC TỪ VIẾT TẮT ix MỞ ĐẦU 1 Đặt vấn đề Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Cách tiếp cận phương pháp nghiên cứu Ý nghĩa thực tiễn đề tài CHƯƠNG TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU CHƯƠNG CƠ SỞ LÝ THUYẾT 2.1 Tổng quan Tesseract-ocr: 2.1.1 Lịch sử: 2.1.2 Kiến trúc hoạt động: 11 2.1.3 Huấn luyện liệu Tesseract: 12 2.1.4 Q trình h́n luyện ngơn ngữ font mới: 14 2.1.5 Tiến trình nhận dạng sử dụng Tesseract OCR: 17 2.2 Định vị ký tự CTPN (Connectionist Text Proposal Network): 19 2.2.1 Giới thiệu CTPN: 19 2.2.2 Kiến trúc CTPN: 20 2.2.3 So sánh kết quả với mô hình khác: 21 2.3 Nhận dạng chữ viết tay OCR: 22 2.4 Thư viện OpenCV: 23 2.4.1 Giới thiệu thư viện OpenCV: 23 2.4.2 Phiên bản opencv opencv 2: 23 2.4.3 Hough Line Transform: 27 iv 2.5 Tập liệu chữ số viết tay MNIST: 31 2.6 Thư viện TensorFlow: 32 2.7 Giới thiệu công cụ lập trình mơi trường vận hành Ứng dụng hỗ trợ thu thập số đường huyệt thai phụ: 33 2.7.1 Anaconda Jupiter: 33 2.7.2 Visual studio Xamarin: 34 2.7.3 Môi trường cài đặt vận hành: 35 CHƯƠNG PHƯƠNG PHÁP NGHIÊN CỨU 36 3.1 Mô hình kiến trúc hệ thống: 37 3.2 Phân tích thiết kế hệ thống thu thập số đường huyết thai phụ: 39 3.2.1 Sơ đồ Usecase: 41 3.2.2 Sơ đồ Hoạt động: 42 3.2.3 Sơ đồ Tuần tự: 44 3.2.4 Sơ đồ Class: 46 3.3 Lược đồ trình xử lý form nhập liệu ảnh phiếu theo dõi số đường huyết thông qua phần mềm di động: 47 CHƯƠNG THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 53 4.1 Thực nghiệm: 53 4.1.1 Tiền xử lý liệu: 53 4.1.2 Nhận dạng thông tin cá nhân bệnh nhân từ ảnh chụp: 54 4.1.3 Nhận dạng thông tin số đường huyết từ ảnh chụp: 60 4.1.4 Lưu trữ thông tin thu thập vào sở liệu trích x́t thơng tin: 62 4.2 Đánh giá kết quả: 63 KẾT LUẬN VÀ KIẾN NGHỊ 66 TÀI LIỆU THAM KHẢO 67 PHỤ LỤC 71 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN 73 v DANH MỤC HÌNH ẢNH Hình 2.1 Ví dụ mợt đường sở dạng cong 17 Hình 2.2 Ví dụ việc cắt ký tự bị dính 18 Hình 2.3 Quá trình nhận dạng từ 18 Hình 2.4 Kiến trúc Connectionist Text Proposal Network (CTPN) 20 Hình 2.5 Left: RPN proposals Right: Fine-scale text proposals 21 Hình 2.6 CTPN cho kết quả xác với hình ảnh bao gồm đa kích thước text đa ngôn ngữ 22 Hình 2.8 Kết quả Canny edge detection ảnh khác ngưỡng cao thấp set 150 100 27 Hình 2.9 Mợt điểm (x0, y0) mặt phẳng hình ảnh (bảng a) ngụ ý nhiều dòng đường thẳng tham số hóa mợt ρ θ khác (bảng b); đường điểm ngụ ý mặt phẳng (ρ, θ), ghép với tạo thành mợt đường cong có hình dạng đặc trưng (bảng c) 29 Hình 2.10 Phép biến đổi Hough tìm thấy nhiều dịng hình ảnh Có dịng mong muốn tìm thấy có dịng khơng mong muốn 29 Hình 2.11 Những hình ảnh mẫu từ tập liệu test MNIST 31 Hình 2.12 Giao diện Anaconda 33 Hình 2.13 Giao diện Jupiter Notebook 34 Hình 2.14 Cơng nghệ mobile Xamarin 35 Hình 3.1 Mơ hình kiến trúc hệ thống thu thập liệu đường huyết 37 Hình 3.2 Phần thông tin cá nhân bệnh nhân phiếu theo dõi 37 Hình 3.3 Bảng liệu viết tay số đường huyết bệnh nhân đo hàng ngày 38 Hình 3.4 Sơ đồ Usecase hệ thống thu thập liệu đường huyết 41 Hình 3.5 Sơ đồ hoạt đợng nhận dạng text đánh máy 42 Hình 3.6 Sơ đồ hoạt đợng nhận dạng chữ số viết tay 43 Hình 3.7 Sơ đồ trình tự gửi ảnh 44 Hình 3.8 Sơ đồ trình tự nhận dạng text chữ số viết tay số đường huyết 45 Hình 3.9 Sơ đồ lớp hệ thống tiếp nhận liệu đường huyết 46 Hình 3.10 Icon ứng dụng sau cài đặt điện thoại 48 Hình 3.11 Màn hình splashscreen ứng dụng 49 Hình 3.12 Giao diện chức lấy ảnh phiếu theo dõi 50 Hình 3.13 Load gửi ảnh phiếu theo dõi 51 Hình 3.14 Thơng báo hoàn thành việc gửi phiếu theo dõi 52 Hình 4.1 Lọc nhiễu làm mượt hình ảnh 53 vi Hình 4.1 Kết quả định vị text CTPN 57 Hình 4.2 Tọa độ vùng chứa text ảnh sau định vị CTPN 58 Hình 4.3 Các ảnh vùng chứa text sau cắt từ ảnh phiếu theo dõi gốc 59 Hình 4.4 Kết quả nhận dạng chữ đánh máy Tesseract OCR 59 Hình 4.5 Chuyển đổi hình ảnh chử số viết tay tính tốn Contour 60 Hình 4.6 Xác định dịng cợt bảng phiếu theo dõi 61 Hình 4.7 Kết quả nhận dạng ký tự số viết tay thư viện TensorFlow 62 Hình 4.8 Web service phục vụ truy xuất liệu số đường huyết số hóa 63 vii Hình 4.4 Các ảnh vùng chứa text sau cắt từ ảnh phiếu theo dõi gốc Bước 3: Đây bước xác nhận chữ đánh máy Tesseract OCR Công cụ cho kết quả gồm dịng text chưa thơng tin bệnh nhân với dịng text chứa thơng tin khơng mong muốn Hình 4.5 Kết quả nhận dạng chữ đánh máy Tesseract OCR Bước 4: Cuối trình nhận dạng đọc kết quả text nhận dạng từ Tesseract OCR xuất phân tích tìm thơng tin cá nhân bệnh nhân như: tên, mã bệnh nhân, ngày sinh…nhập vào sở liệu hệ thống hỗ trợ tiếp nhận 59 4.1.3 Nhận dạng thông tin số đường huyết từ ảnh chụp: Bước 1: mục tiêu bước định vị ô ký tự bảng chứa số đường huyết Việc định vị thực thông qua việc xác định đường ngang dọc bảng từ tiến đến tính tốn tọa đợ ô ký tự thông qua việc tính giao điểm đường thẳng ngang dọc Thư viện OpenCV với hàm HoughLine giúp tìm kiếm dịng cợt bảng hình ảnh phiếu theo dõi Bước 2: hệ thống tiến hành cắt vùng hình ảnh chứa ô ký tự bảng phiếu theo dõi Bước 3: giai đoạn hệ thống chuyển ảnh bảng vào mơ hình nhận dạng chữ số viết tay mạng nơ ron tập liệu huấn luyện MNIST Quy trình nhận dạng gồm bước bản sau:  Chuyển hình ảnh chưa số dạng Gray Hình 4.6 Chuyển đổi hình ảnh chử số viết tay tính tốn Contour  Sử dụng hàm cv2.findContours OpenCV để tính tốn biên bao bợc ký tự số  Điều chỉnh kích thước ảnh ký tự số dạng Gray kích thước 28x28 pixel  Dùng Api Keras có thư viện TensorFlow để nhận dạng hình ảnh ký tự số truyền vào hàm model.predict() Bước 4: Cuối trình nhận dạng đọc kết quả ký tự nhận dạng chuyển vào sở liệu hệ thống hỗ trợ tiếp nhận 60 Hình 4.7 Xác định dịng cợt bảng phiếu theo dõi 61 Hình 4.8 Kết quả nhận dạng ký tự số viết tay thư viện TensorFlow 4.1.4 Lưu trữ thông tin thu thập vào sở liệu trích xuất thơng tin: Tất cả liệu sau nhận dạng từ hình ảnh phiếu theo dõi lưu vào sở dử liệu SQL Server Web service QLDLYTService cung cấp api truy xuất liệu số đường huyệt bệnh nhân thu thập thông qua phần mềm di động nhận dạng trích x́t dự liệu số hóa từ hình ảnh phiếu theo dõi số đường huyết thai phụ 62 Hình 4.9 Web service phục vụ truy xuất liệu số đường huyết số hóa 4.2 Đánh giá kết quả: Tập liệu 30 mẫu ảnh chụp 30 phiếu theo dõi số đường huyết Kết quả chạy thực tế nhận dạng 30 mẫu sau: Bảng 4.1 Bảng tổng hợp kết quả nhận dạng tập liệu 30 mẫu Kết nhận dạng ký Kết nhận dạng Kết nhận dạng tự in dòng cột bảng số liệu chữ viết tay Mẫu 01 100% 100% 42.857% Mẫu 02 100% 100% 58.929% Mẫu 03 100% 100% 50% Mẫu 04 100% 100% 66.964% Mẫu 05 100% 100% 17.857% Mẫu 06 100% 100% 32.143% Mẫu 07 100% 96.15% Null Mẫu 08 100% 100% 21.429% Mẫu 63 Mẫu 09 100% 100% 18.182% Mẫu 10 100% 100% 14.05% Mẫu 11 100% 100% 26.786% Mẫu 12 100% 100% 73.214% Mẫu 13 100% 100% 25.893% Mẫu 14 100% 50% 1.786% Mẫu 15 100% 100% 16.964% Mẫu 16 100% 100% 46.429% Mẫu 17 100% 100% 93.75% Mẫu 18 100% 100% 20.536% Mẫu 19 100% 100% 20.536% Mẫu 20 100% 76.92% 4.46% Mẫu 21 100% 100% 71.429% Mẫu 22 100% 88.46% Null Mẫu 23 100% 88.46% Null Mẫu 24 100% 100% 56.25% Mẫu 25 100% 100% 23.214% Mẫu 26 100% 100% 64.286% Mẫu 27 100% 100% 57.143% Mẫu 28 100% 100% 64.286% Mẫu 29 100% 100% 11.607% Mẫu 30 100% 100% 54.464% 64 Từ kết quả chạy thực nghiệm tập dự liệu 30 mẫu ảnh chụp phiếu theo dõi chụp điện thoại chất lượng ảnh không đồng nhất chữ viết tay khác Có thể đưa đánh giá sơ bộ cho hệ thống sau:  Đối với việc nhận dạng dòng text đánh máy Tesseract tỷ lệ xác cao nên bản đáp ứng yêu cầu toán Tuy nhiên, phải cẩn thận xét kích thước vùng biên hình ảnh nhận dạng ảnh hưởng đến kết quả nhận dạng có ký tự bị cắt biên  Còn nhận dạng chữ số viết tay tỷ lệ xác chưa cao chữ số viết tay ký tự thường liền nét dính vào nên ảnh hưởng đến kết quả nhận dạng khơng xác MNIST tập nhận dạng cho ký tự số rời rạc  Có nhận dạng sai chiếm tỷ lệ lớn số “1” số “4”, số “9” số “0” cách viết tay người dùng gây nhầm lẫn  Một số mẫu cho tỷ lệ nhận dạng xác cao 93.75% có mẫu khơng thể nhận dạng khơng thành cơng Đây ảnh hưỡng chất lượng ảnh đầu vào 65 KẾT LUẬN VÀ KIẾN NGHỊ Luận văn trình bày tổng quan phương pháp số hóa liệu Trong luận văn tập trung vào việc nghiên cứu ứng dụng AI để số hóa liệu chuyển liệu từ dạng phi cấu trúc sang có cấu trúc Luận văn ứng dụng kết quả nghiên cứu vào thực tế qua việc thực module hỗ trợ thu thập thông tin sức khỏe: ứng dụng giám sát thai phụ đái tháo đường thai kỳ Bên cạnh kết quả đạt luận văn tồn mợt số hạn chế:  Khả nhận dạng chữ số viết tay có ký tự viết liên tục liền kề chưa thể thực Thực tế việc viết tay ký tự dính vào phổ biến Nên ứng dụng chưa thể đáp ứng thực tế Hướng phát triển thêm đề tài:  Cần phải cải tiến việc tách ký tự để nhận dạng xác Có thể dùng phương pháp phân tích histogram image để tách ký tự  Cần nghiên cứu thếm vấn đề tiền xử lý liệu ảnh đầu vào để giải một số trường hợp không nhận dạng thành cơng Có thể training lại tập MNIST để tăng đợ xác nhận dạng mẫu viết tay thực tế Tiếp tục nghiên cứu cải tiến phương pháp ứng dụng AI số hóa bóc tách liệu nhiều Form liệu khác 66 TÀI LIỆU THAM KHẢO [1] M Fitzgerald et al Embracing Digital Technology: A New Strategic Imperative Cambridge, MA: MIT Sloan Management Review, 2013 [2] J Ross et al “Designing Digital Organizations,” MIT Center for IS Research Vol 406, 2016 [3] G Westerman et al Digital Transformation: A Roadmap for Billion-Dollar Organizations Cambridge, MA: MIT Sloan Management, pp 1–68, 2011 [4] E Zinder and I Yunatova “Synergy for digital transformation: person’s multiple roles and subject domains integration,” Digital Transformation and Global Society St Petersburg, Russia: Springer Pp 155–168, 2016 [5] T Hess et al “Options for formulating a digital transformation strategy,” MIS Q Executive Vol 15, no 2, pp 123–139, 2016 [6] J Reis et al “Digital transformation: a literature review and guidelines for future research,” in WorldCIST’18, pp 411-421, 2018 [7] M.D Ganis et al “Neural network-based systems for handprint OCR applications,” IEEE Transactions on Image Processing Vol 7, no 8, pp 1097-112, 2018 [8] C Malon et al “Mathematical symbol recognition with support vector machines,” Pattern Recognit Letters Vol 29, no 9, pp.1326–1332, 2008 [9] N.V Rao et al “Optical character recognition technique algorithms,” Journal of Theoretical and Applied Information Technology Vol 83, no 2, 2016 [10] M.K Mahto et al “Combined horizontal and vertical projection feature extraction technique for Gurmukhi handwritten character recognition,” International Conference on Advances in Computer Engineering and Applications, pp 59–65, 2015 [11] Q Ye and D Doermann “Text detection and recognition in imagery: A survey,” IEEE transactions on pattern analysis and machine intelligence Vol 37, no 7, pp 1480-1500, 2015 67 [12] K.A Hamad and K Mehmet “A Detailed Analysis of Optical Character Recognition Technology,” International journal of Applied Mathematics, Electronics and Computers Vol 4, Special Issue, pp 244-249, 2016 [13] Huỳnh Nguyễn Khánh Trang “Đái tháo đường thai kỳ: Tầm soát – Chuẩn đoán – Quản lý.” Internet: http://www.bvhungvuong.vn/upload/tailieu/Dai_thao_ duong_thai_ky-tieu-duong-trong-thai-ky.pdf April 27, 2018 [14] Phạm Thị Minh Trang Huỳnh Nguyễn Khánh Trang “Khảo sát yếu tố nguy thai phụ đái tháo đường thai kỳ bệnh viện Hùng Vương,” Tạp chí Y học Thành phố Hồ Chí Minh Số 17, tập 1, trang 72-77, 2013 [15] M Ghulam et al “A Facial-Expression Monitoring System for Improved Healthcare in Smart Cities,” IEEE Access Vol 5, pp 10871-10881, 2017 [16] M.S Hossain ‘‘A patient’s state recognition system for healthcare using speech and facial expression,’’ J Med Syst Vol 40, no 12, pp 272:1–272:8, Dec 2016 [17] M.S Hossain ‘‘Cloud-supported cyber-physical localization framework for patients monitoring,’’ IEEE Syst J Vol 11, no 1, pp 118–127, Mar 2017 [18] S.M Riazul Islam et al “The Internet of Things for Health Care: A Comprehensive Survey,” IEEE Access Vol 3, pp 678-708, 2015 [19] G Acampora et al “A survey on ambient intelligence in healthcare,” Proceedings of the IEEE Vol 101, no 12, pp 2470–2494, 2013 [20] M Chen et al “Body area networks: A survey,” Mobile networks and applications Vol 16, no 2, pp 171–193, 2011 [21] B Latr´e et al “A survey on wireless body area networks,” Wireless Networks Vol 17, no 1, pp 1–18, 2011 [22] Y.D Lee and W.Y Chung “Wireless sensor network based wearable smart shirt for ubiquitous health and activity monitoring,” Sensors and Actuators B: Chemical Vol 140, no 2, pp 390–395, 2009 [23] G Virone et al, “An advanced wireless sensor network for health monitoring,” Transdisciplinary Conference on Distributed Diagnosis and Home Healthcare (D2H2), pp 2–4, 2006 68 [24] C Otto et al “System architecture of a wireless body area sensor network for ubiquitous health monitoring,” Journal of mobile multimedia Vol 1, no 4, pp 307–326, 2006 [25] A Darwish and A.E Hassanien, “Wearable and implantable wireless sensor network solutions for healthcare monitoring,” Sensors Vol 11, no 6, pp 5561– 5595, 2011 [26] J Stankovic et al “Wireless sensor networks for in-home healthcare: Potential and challenges,” in High confidence medical device software and systems (HCMDSS) workshop, pp 2–3, 2005 [27] H Alemdar and C Ersoy “Wireless sensor networks for healthcare: A survey,” Computer Networks Vol 54, no 15, pp 2688–2710, 2010 [28] R.L Richesson “An informatics framework for the standardized collection and analysis of medication data in networked research,” Journal of Biomedical Informatics Vol 52, pp 4-10, 2014 [29] Khương Quỳnh “Đái tháo đường thai kỳ - mối nguy mẹ bé.” Internet: http://laodong.com.vn/suc-khoe/dai-thao-duong-thai-ky-moi-nguy-cua-me-va-be591008.bld , Jan 20, 2017 [30] J.S Hawkins “Glucose Monitoring during pregnancy”, Curr Diab Rep Vol 10, no 3, pp 229-234, 2010 [31] J.E Hirst et al “Women with gestational diabetes in Vietnam: a qualitative study to determine attitudes and health behaviours,” BMC Pregnancy Childbirth Vol 12, 2012 [32] M Heliński et al Report on the comparison of Tesseract and ABBYY FineReader OCR engines Poland: Poznań Supercomputing and Networking Center, 2012 [33] R Smith “Tesseract OCR Engine,” Google Inc OSCON2007 2007 [34] Z Tian et al “Detecting Text in Natural Image with Connectionist Text Proposal Network,” Shenzhen Key Lab of Comp Vis and Pat Rec., Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences University of Oxford The Chinese University of Hong Kong, 2016 69 [35] G Bradski and A Kaehler Learning OpenCV 1005 Gravenstein Highway North, Sebastopol, CA: O’Reilly Media, 2008 [36] Y LeCun et al “MNIST handwritten digit database,” 1998 [37] M Abadi et al “TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems,” Google Research 2015 70 PHỤ LỤC PHỤ LỤC MẪU PHIẾU THEO DÕI PHIẾU THEO DÕI CHỈ SỐ ĐƯỜNG HUYẾT Họ tên: Ngày sinh: Mã bệnh nhân: Các số đường huyết: Ngày Sáng đói Sáng no Trưa đói 71 Trưa no Chiều đói Chiều no Ngày Sáng đói Sáng no Trưa đói Trưa no TPHCM, ngày Chiều đói tháng năm 2020 Người lập phiếu Ký tên 72 Chiều no LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN I LÝ LỊCH SƠ LƯỢC: Họ tên: Nguyễn Phạm Thanh Tâm Giới tính: Nam Ngày, tháng, năm sinh: 28/02/1986 Nơi sinh: Đồng Tháp Email: nguyentam_ith@yahoo.com Điện thoại: 096.6666.390 II QUÁ TRÌNH ĐÀO TẠO: Từ năm 2003 đến 2008: Học đại học Khoa Công nghệ Thông tin - Trường đại học Bách khoa thành phố Hồ Chí Minh Từ năm 2017 đến 2020: Học cao học Khoa Công nghệ Thông tin – Trường đại học Cơng nghiệp thành phố Hồ Chí Minh III Q TRÌNH CƠNG TÁC CHUN MƠN: Thời gian Nơi cơng tác 2008-2013 Cơng ty Gameloft Cơng việc đảm nhiệm Lập trình game mobile 2013-2016 Trung tâm Tin Học Tỉnh Đồng Tháp 2016-2020 Trung tâm Cơng nghệ thơng tin Lập trình phần mềm, Quản Truyền thơng Đồng Tháp lý phịng Nghiên cứu Phát triển XÁC NHẬN CỦA Lập trình phần mềm, Quản lý phòng Nghiên cứu Phát triển Tp HCM, ngày CƠ QUAN / ĐỊA PHƯƠNG tháng 06 năm 2020 Người khai Nguyễn Phạm Thanh Tâm 73 ... Trí tuệ nhân tạo chuyển đổi số: Ứng dụng hỗ trợ thu thập số đường huyết thai phụ NHIỆM VỤ VÀ NỘI DUNG: - Nghiên cứu giải pháp số hóa liệu (digitalization) - Tiền xử lý liệu dựa yêu cầu ứng dụng. .. thu thập liệu đường huyết Kiến trúc hệ thống Ứng dụng hỗ trợ thu thập số đường huyết thai phụ gồm phần (Hình 3.1): Module A: Ứng dụng mobile thực việc lấy liệu ảnh Phiếu theo dõi số đường huyết. .. lý thuyết trên, luận văn sâu vào Xây dựng ứng dụng hỗ trợ thu thập số đường huyết thai phụ Ứng dụng sau hồn thành góp phần hỗ trở đắc lực cho y bác sĩ việc nâng cao tốc độ nhập liệu số liệu số