6. Cấu trúc trình bày nội dung luận văn
3.2.2. Cơng nghệ truyền thơng
3.2.2.I. Cơng nghệ LoRa
LoRa là một chuẩn khơng dây mới trong những năm gần đây, được thiết kế đặc biệt cho các mạng diện rộng cơng suất thấp LPWAN nhằm kết nối các thiết bị với yêu cầu băng thơng và tốc độ dữ liệu thấp; tập trung vào hiệu quả về vùng phủ sĩng cũng như hiệu suất năng lượng. Cơng nghệ này hứa hẹn sẽ trở thành một chuẩn cơng nghệ truyền thơng cho các ứng dụng IoT yêu cầu vùng phủ sĩng rộng nhưng sử dụng cơng suất tiêu thụ thấp. LoRa hoạt động tại lớp vật lý trong kiến trúc phân lớp LoRaWAN của Semtech và sử dụng kỹ thuật CSS (Chirp Spread Spectrum) để điều chế và giải điều chế tín hiệu [81].
LõRaM^N LoRa SEMTECH ứng dụng LoRaWAN® MAC Lớp A Các tùy chọn MAC Lớp B Điều chế LoRa
Bãne tân ISM
EU 868 I EU 433 I US 915 Lĩp c AS430 Lớp MAC (MAC) Lớp Vật lý (PHY) '
LoRa sử dụng kỹ thuật Chirp Spread Spectrum (CSS). Nguyên lý cơ bản của kỹ thuật này là chia dữ liệu thành các xung cao tần để tạo ra tín hiệu cĩ dãy tần số cao hơn tần số dữ liệu gốc (đây gọi là chipped). Sau đĩ tín hiệu cao tần này tiếp tục được mã hố theo các chuỗi chirp signal (là các tín hiệu hình sin cĩ tần số thay đổi theo thời gian; cĩ 2 loại chirp signal là up-chirp cĩ tần số tăng theo thời gian và down-chirp cĩ tần số giảm theo thời gian; và việc mã hố theo nguyên tắc bit “ 1” sẽ sử dụng up-chirp, và bit “0” sẽ sử dụng down-chirp) trước khi truyền ra anten để gửi đi. Nguyên lý này cho phép giảm độ phức tạp của mạch thu để giải mã và điều chế lại dữ liệu. Nhờ đĩ, các thiết bị LoRa khơng cần cơng suất phát lớn mà vẫn cĩ thể truyền và nhận tín hiệu ở khoảng cách xa ngay cả khi cường độ tín hiệu nhỏ hơn cả nhiễu mơi trường xung quanh. Bên cạnh đĩ, nhờ sử dụng chirp signal mà các tín hiệu LoRa với các chirp rate khác nhau cĩ thể hoạt động trong cùng một khu vực mà khơng gây nhiễu cho nhau. Điều này cho phép nhiều thiết bị LoRa cĩ thể trao đổi dữ liệu trên nhiều kênh đồng thời (mỗi kênh cho một chirp rate) [44].
Hình 3.6. Nguyên lý up-chirp và down-chirp [130].
Cĩ ba thơng số quan trọng khi cấu hình LoRa, bao gồm: Hệ số trải phổ (Spreading Factor - SF), Băng thơng (Bandwidth - BW), và Tỉ lệ mã hĩa (Coding Rate - CR).
+ SF: xác định số lượng chuỗi tín hiệu Chirp khi mã hĩa tín hiệu đã được điều chế tần số (chipped signal) của dữ liệu. Giá trị của SF thay đổi từ 7 đến 12.
x u n g t ín h iệ u C h irp . SF c à n g lớ n th ì th ờ i g ia n tr u y ề n d ữ liệ u sẽ lâ u h ơ n n h ư n g
k h o ả n g c á c h tr u y ề n sẽ x a h ơ n ;
+ B W : x á c đ ịn h b iê n đ ộ tầ n số m à t ín h iệ u C h irp c ĩ th ể th a y đ ổ i. N ế u b ă n g
th ơ n g c à n g c a o th ì th ờ i g ia n m ã h ĩ a c h ip p e d sig n a l c à n g n g ắ n . V ì th ế , th ờ i g ia n
tr u y ề n d ữ liệ u c ũ n g g iả m x u ố n g n h ư n g đ ổ i lạ i k h o ả n g c á c h tr u y ề n c ũ n g n g ắ n
lại. C ĩ 3 m ứ c b ă n g th ơ n g p h ổ b iế n c h o L o R a là 1 2 5 k H z , 2 5 0 k H z v à 5 0 0 k H z ;
+ C R : là số lư ợ n g b it đ ư ợ c t ự th ê m v à o m ỗ i tả i tin tr o n g g ĩ i tin L o R a b ở i
c h ip s e t L o R a đ ể m ạ c h th u cĩ th ể s ử d ụ n g n h ằ m p h ụ c h ồ i lạ i m ộ t số b it d ữ liệ u
đ ã n h ậ n sa i v à t ừ đ ĩ , p h ụ c h ồ i đ ư ợ c n g u y ê n v ẹ n d ữ liệ u tr o n g tả i tin . D o đ ĩ , s ử
d ụ n g C R c à n g c ao th ì k h ả n ă n g n h ậ n d ữ liệ u đ ú n g c à n g tă n g ; n h ư n g c h ip L o R a
sẽ p h ả i g ử i n h iề u d ữ liệ u h ơ n . V ớ i c h ip s e t S X 1 2 7 6 , sẽ c ĩ 4 g iá tr ị c h o C R là
4 /5 , 4 /6 , 4 /7 v à 4 /8 . T ư ơ n g ứ n g m ỗ i g iá trị c ủ a C R th ì số lư ợ n g d ữ liệ u tă n g
th ê m n h ư Bảng 3.3.
Bảng 3.3. Giá trí CR và tỷ lê số lương dữ liêu.
Tỷ lê mã hĩa theo chu kỳ Tỷ lê dữ liêu
4 /5 1.25 4 /6 1.5 4 /7 1.75 4 /8 2 SF v à B W sẽ ả n h h ư ở n g th ờ i g ia n v à k h o ả n g c á c h tr u y ề n d ữ liệ u ; C R th ì c h ỉ ả n h h ư ở n g th ờ i g ia n tr u y ề n d ữ liệ u . T ù y v à o y ê u c ầ u c ủ a ứ n g d ụ n g c ụ th ể v ề k h o ả n g c á c h , tố c đ ộ g ử i d ữ liệ u , ... c á c g iá tr ị tr ê n c ĩ th ể đ ư ợ c lự a c h ọ n h ợ p lý đ ể tố i ư u h ĩ a q u á tr ìn h tr u y ề n n h ậ n q u a L o R a . 3.2.2.2. Giao thức WebSocket W e b S o c k e ts là m ộ t k ỹ th u ậ t lậ p tr ìn h m ạ n g c h o p h é p c á c k ê n h g ia o tiế p
Google Chrome và Safari) và mới xuất hiện trong HTML5. Trong Websocket, kết nối được mở thơng qua một TCP/IP request, kết nối được duy trì để lập trình viên cĩ thể viết code nhận gửi dữ liệu bằng JavaScript như khi đang sử dụng một TCP socket đơn thuần. Mặc dù được thiết kế để chuyên sử dụng cho các ứng dụng web, lập trình viên vẫn cĩ thể đưa chúng vào bất kỳ một loại ứng dụng nào [101]. Để cĩ thể sử dụng Websocket, ngồi trình duyệt hỗ trợ, cần phải cĩ server Websocket. Server Websocket cĩ thể được xây dựng bằng bất kỳ ngơn ngữ server-side nào. Tuy nhiên, NodeJS được sử dụng rộng rãi hơn cả vì nĩ viết bằng Javascript nên mang nhiều ưu điểm so với các ngơn ngữ server- side truyền thống khác.
Cơ chế hoạt động của Websocket:
Ban đầu client sẽ gửi yêu cầu khởi tạo kết nối Websocket đến server, server kiểm tra và gửi trả kết quả chấp nhận kết nối, sau đĩ kết nối được tạo và quá trình gửi dữ liệu cĩ thể được thực hiện, dữ liệu chính là các Websocket Message. Dữ liệu sẽ được truyền thơng qua một kết nối duy nhất được tạo ra sau quá trình bắt tay.
Kết nối tliơng tliường Mờ một kênh
Web Socket Request
Hình 3.7. Mơ hình hoạt động của giao thức Websocket so với kết nối thơng thường
Đ ố i v ớ i g ia o th ứ c H T T P h a y m ộ t số c á c g ia o th ứ c c ũ k h á c ( L o n g P o llin g ,
S S E - S e rv e r S e n t E v e n t, C o m e t, . . . ) , c lie n t c h ủ đ ộ n g g ử i y ê u c ầ u c h o se rv er.
T ro n g k h i đ ĩ , v ớ i g ia o th ứ c W e b s o c k e t, s e rv e r c ĩ th ể c h ủ đ ộ n g g ử i d ữ liệ u đ ế n
c lie n t m à k h ơ n g c ầ n p h ả i cĩ y ê u c ầ u t ừ c lie n t. T ấ t c ả d ữ liệ u g ia o tiế p g iữ a
c lie n t v à s e r v e r sẽ đ ư ợ c g ử i trự c tiế p q u a m ộ t k ế t n ố i cố đ ịn h . So s á n h v ớ i g ia o
th ứ c H T T P , g ia o th ứ c W e b S o c k e t đ ạ t đ ư ợ c m ộ t số lợ i íc h sau:
+ C ĩ k h ả n ă n g c u n g c ấ p k h ả n ă n g g ia o tiế p h a i c h iề u m ạ n h m ẽ;
+ G iả m đ ộ trễ c ủ a q u á tr ìn h g ử i v à n h ậ n d ữ liệ u v ì m ộ t k h i k ế t n ố i
W e b S o c k e t đ ư ợ c th à n h lậ p , s e rv e r k h ơ n g c ầ n p h ả i c h ờ đ ợ i m ộ t y ê u c ầ u từ
c lie n t; đ ồ n g th ờ i, c lie n t cĩ th ể g ử i tin n h ắ n đ ế n s e r v e r b ấ t c ứ lú c n à o ;
+ K íc h th ư ớ c g ĩ i h e a d e r r e q u e s t tr o n g g ia o th ứ c W e b S o c k e t c h ỉ là 2 b y te s ( s a u k h i đ ã k ế t n ố i) n h ỏ h ơ n rấ t n h iề u so v ớ i g ĩ i h e a d e r r e q u e s t th ơ n g q u a g ia o th ứ c H T T P ( k h o ả n g 871 b y te s đ ố i v ớ i m ộ t h e a d e r re q u e s t/r e s p o n s e c ủ a H T T P ). V ớ i n h ữ n g lợ i íc h n ê u trê n , g ia o th ứ c W e b s o c k e t c ĩ th ể đ ư ợ c s ử d ụ n g v à tíc h h ợ p v à o h ệ th ố n g t h u th ậ p d ữ liệ u sứ c k h ỏ e đ ề x u ấ t đ ể đ o t í n h iệ u E C G th e o th ờ i g ia n th ự c (R e a ltim e E C G ). 3.3. Thiết kế phần cứng
3.3.1. Khối cảm biến Sensor Node
K h ố i c ả m b iế n S e n s o r N o d e g ồ m K it H e lte c W iF i L o R a 3 2 [5 7 ], k ế t n ố i
v ớ i c ả m b iế n M A X 3 0 1 0 0 ( g iá m sá t d ữ liệ u H R v à S p O 2 ) [84] v à c ả m b iế n
A D 8 2 3 2 (đ o đ iệ n tâ m đ ồ E C G ) [1 1 8 ]. D ữ liệ u n h ịp t im v à S p O 2 đ ư ợ c g ử i đ ế n
G a te w a y b ằ n g k ế t n ố i L o R a , tr o n g k h i đ ĩ d ữ liệ u E C G đ ư ợ c g ử i đ ế n G a te w a y b ằ n g k ế t n ố i W iF i. K h ố i S e n s o r N o d e c ị n tíc h h ợ p m o d u le th ờ i g ia n th ự c D S 3 2 3 1 , m o d u le g ia o tiế p th ẻ n h ớ v à k h ố i c ả n h b á o ru n g . K h ố i c ả m b iế n đ ư ợ c th iế t k ế d ư ớ i d ạ n g v ị n g đ e o ta y th ơ n g m in h đ ể lin h h o ạ t v à p h ù h ợ p v ớ i tr ư ờ n g h ợ p b ệ n h n h â n n ằ m tạ i g iư ờ n g h a y d i c h u y ể n tr o n g p h ạ m v i k h u ơ n v iê n c ủ a tị a n h à. C á c th iế t b ị tr o n g k h ố i S e n s o r N o d e đ ư ợ c m ơ t ả c h i tiế t ở Phụ Lục A.
MICRO_SD fWÌ>. ẠD.8232 <TỆxf> 14K7 • ĨỀỈĨEX T i p s 1307 <TẸXị>‘ ESP 32 LORA V; < TỆ xị> ! ! ! CONN-SIL4 <TEXf> ’ ' 10k <TEXT> 10k <TEXT> 10k <TEXT> 0828 TIP41 <TEXT> 22QR- <TEXT> RST ' l <TEXT > MENU l <TEXT > KHAN <TEXT> CONN-S <TẸXT> . . . . i2_ . . M— ■_ ■ 45- ST 46 M icro SD AD8232 TX ESP32 LO RA V1 38 19 23 18 DS 13Ũ7 SDA 16 104C=f=a 1 <t e x t|> • <=
Hình 3.8. Sơ đồ nguyên lý khối cảm biến Sensor Node.
Hình 3.9. Sơ đồ mạch in và hình dạng khối cảm biến Sensor Node thực tế.
3.3.2. Khối Gateway và x ử lý trung tâm
Khối Gateway (GW) cĩ chức năng lưu trữ, giám sát, hiển thị và cảnh báo dữ liệu sức khỏe thu thập được. Việc cảnh báo được thực hiện bằng âm thanh bằng loa tại chỗ, tin nhắn SMS, gọi điện cho đội ngũ y bác sỹ hay người thân. Khối GW gồm Kit Heltec WiFi LoRa 32, module giao tiếp âm thanh DFR0299,
m a n h in h h ie n th i L C D 2 0 0 4 v a m o d u le S IM 8 0 0 L . C a c th ie t b i tr o n g k h o i G W
d u g c m o t a c h i tie t o Phu Luc A.
RING DTR SIM SOOL MIC+ MIC- SPKP SPKN SIM800L fWT-. BUSY DFPLAYER USB- USB+ i AD KEY_2 . ADKEY_1 1 IO_2 GND 2 IO_1 D FPLA YE R <TEXT>. . ESP 3.2 L O R A V I <TEXT>. . . . CONN-SIL^- <TEXT>■ ■ 22QR- <TEXT; 22QR- <TEXT; 220R- <TEXT; 220R- <TEXT> 100uF- <TEXT> 0.1 uF • <TEXT i k - • LED_- ■ !XT>- <TEXT> CONN-SIL4 <TEXT>■ ■ CONN-SIL3 -:TEXT> ■ ■ CONN-SIL2 -=:TEXT:=- ■ ■ _L2 42 44 45 46 19 _L£ 15 18 15
Hinh 3.10. So do nguyen ly khoi Gateway.
Hinh 3.11. So’ do mach in va hinh dang khoi Gateway thuc te.
T r o n g th ờ i g ia n g ầ n đ â y , n ề n tả n g m ã n g u ồ n m ở T h in g s b o a r d đ a n g đ ư ợ c
x e m n h ư m ộ t g iả i p h á p rấ t h iệ u q u ả đ ể th u th ậ p , x ử lý , trự c q u a n h ĩ a d ữ liệ u v à
q u ả n lý th iế t b ị c h o c á c ứ n g d ụ n g Io T n h ư m ơ t ả tr ê n Hình 3.12. T h in g s b o a r d c h o p h é p k ế t n ố i c á c th iế t b ị th ơ n g q u a c á c g ia o th ứ c Io T tiê u c h u ẩ n c ơ n g n g h iệ p
n h ư M Q T T ( M e s s a g e Q u e u in g T e le m e tr y T ra n s p o r t) , C o A P (C o n s tr a in e d
A p p lic a tio n P r o to c o l) v à H T T P ( H y p e r T e x t T ra n s f e r P ro to c o l). T h in g s b o a rd
c h o p h é p t íc h h ợ p c á c th iế t b ị đ ư ợ c k ế t n ố i v ớ i c á c h ệ th ố n g c ũ v à b ê n t h ứ b a
b ằ n g c á c g ia o th ứ c h iệ n cĩ. T h in g s b o a r d b a o g ồ m m ộ t số tín h n ă n g c ơ b ả n n h ư
sa u :
+ T h u th ậ p d ữ liệ u t ừ xa: T h in g s b o a r d h ỗ tr ợ th u th ậ p v à lư u tr ữ d ữ liệ u t ừ
x a th e o c á c h đ á n g t in cậy . D ữ liệ u đ ã th u th ậ p c ĩ th ể đ ư ợ c tru y c ậ p b ằ n g c á c h
s ử d ụ n g tr a n g w e b tù y c h ỉn h h o ặ c A P I p h ía m á y c h ủ ;
+ T rự c q u a n h ĩ a d ữ liệ u : T h in g s b o a r d c u n g c ấ p n h iề u tiệ n íc h đ ể h iể n th ị
trự c q u a n c á c d ữ liệ u th u th ậ p đ ư ợ c . T h in g s b o a r d c ũ n g c h o p h é p tạ o c á c tiệ n
íc h riê n g n h ư c á c tiệ n íc h G o o g le m a p , đ ồ th ị th ờ i g ia n th ự c , ...;
Hình 3.12. Nền tảng mã nguồn mở Thingsboard [127].
+ Q u ả n lý th iế t bị: T h in g s b o a r d c u n g c ấ p k h ả n ă n g đ ă n g k ý v à q u ả n lý
th iế t bị. N ĩ c h o p h é p th e o d õ i c á c th u ộ c tín h th iế t b ị p h ía m á y k h á c h v à c u n g
c ấ p p h ía m á y c h ủ . T h in g s b o a rd c ị n c u n g c ấ p A P I c h o c á c ứ n g d ụ n g p h ía m á y
c h ủ đ ể g ử i c á c lệ n h R P C (R e m o te P ro c e d u r e C a lls ) tớ i c á c th iế t b ị v à n g ư ợ c
+ Tạo các bảng điều khiển (Dashboard) để hiển thị dữ liệu và điều khiển thiết bị từ xa theo thời gian thực;
+ Quản lý các cảnh báo: Thingsboard cung cấp cơng cụ khởi tạo và quản lý các cảnh báo liên quan đến các thực thể trong hệ thống, đặc biệt là cho phép giám sát báo động theo thời gian thực và báo động cho việc phân cấp các thực thể liên quan.
3.4.2. Giao thức M Q TT
MQTT (Message Queuing Telemetry Transport) là giao thức tin nhắn dạng Publish-Subscribe. Giao thức này sử dụng băng thơng thấp, nên đây là một giao thức lý tưởng cho các ứng dụng IoT. Trong một hệ thống sử dụng giao thức MQTT, nhiều client kết nối tới một server (được gọi là MQTT Broker). Mỗi client sẽ đăng ký theo dõi các kênh thơng tin (topic) hoặc gửi dữ liệu lên kênh thơng tin đĩ. Quá trình đăng ký này gọi là “subscribe” và hành động một client gửi dữ liệu lên kênh thơng tin được gọi là “publish”. Mỗi khi kênh thơng tin đĩ được cập nhật dữ liệu (dữ liệu này cĩ thể đến từ client khác) thì những client nào đã đăng ký theo dõi kênh này sẽ nhận được dữ liệu cập nhật đĩ.
Hình 3.13. Kiến trúc MQTT Publish / Subscribe [11].
3.4.3. Các lưu đồ thuật tốn
Trong phần này, tác giả tiến hành xây dựng các thuật tốn để thu thập dữ liệu tại khối Sensor Node, xử lý dữ liệu tại GW, và đặc biệt là thuật tốn cảnh báo tình trạng sức khỏe bệnh nhân dựa vào tín hiệu SpO2.
A
3.4.3.1.Lưu đồ thuật tốn tại Sensor Node
Hình 3.14. Lưu đồ thuật tốn tại Sensor Node.
A
A
3.4.3.3.Lưu đo thuật tốn cảnh báo SpO2
Hình 3.16. Lưu đồ thuật tốn cảnh báo SpO2.
3.5. Kết luận chương
Trong chương này, tác giả đã tiến hành xây dựng hệ thống giám sát và thu thập dữ liệu sức khỏe ứng dụng cơng nghệ LoRa và giao thức Websocket. Các dữ liệu sinh tồn bao gồm nhịp tim, SpO2, điện tim đồ ECG và một số thuật tốn giám sát cảnh báo được tích hợp vào hệ thống đề xuất. Chương này là nền tảng cho việc áp dụng các mơ hình học máy ở chương tiếp theo.
CHƯƠNG 4. HỌC MÁY VÀ ỨNG DỤNG TRONG LĨNH VỰC CHĂM SĨC SỨC KHỎE
4.1. Giới thiệu chương
Trong Chương 3, một hệ thống thu thập dữ liệu sức khỏe từ xa đã được đề xuất. Để các dữ liệu này trở nên cĩ ý nghĩa và gĩp phần vào cơng tác chăm sĩc sức khỏe, việc phân tích dữ liệu là một trong những yêu cầu hết sức quan trọng. Chương này sẽ giới thiệu về các thuật tốn học máy ML (Machine Learning) điển hình được áp dụng trong lĩnh vực chăm sĩc sức khỏe, các mơ hình dự đốn và các phương pháp đánh giá mơ hình. Đồng thời, chương này cũng nghiên cứu khả năng tích hợp các thuật tốn ML vào hệ thống giám sát và cảnh báo sức khỏe đề xuất ở Chương 3.
4.2. Tổng quan về học máy và ứng dụng trong lĩnh vực CSSK
4.2.1. Tổng quan về học máy
4.2.1.1. Định nghĩa
Học máy ML (Machine Learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống học tự động từ dữ liệu để giải quyết các vấn đề cụ thể. ML cĩ liên quan đến thống kê vì cả hai lĩnh vực đều nghiên cứu việc phân tích dữ liệu. Khác với thống kê, ML tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính tốn. ML hiện nay được áp dụng rộng rãi như máy truy tìm dữ liệu, chẩn đốn y khoa, nhận dạng tiếng nĩi và chữ viết, ... [26].
4.21.2. M ột số phương thức của học máy
Học cĩ giám sát (Supervised learning): Thuật tốn dự đốn đầu ra của một dữ liệu mới (new input) dựa trên các cặp (input, outcome) đã biết từ trước. Cặp dữ liệu này cịn được gọi là (data, label), tức (dữ liệu, nhãn). Supervised learning là nhĩm phổ biến nhất trong các thuật tốn Machine Learning. Học cĩ giám sát được chia thành hai loại chính:
+ Classification (phân lớp): Là quá trình phân lớp một đối tượng dữ liệu vào một hay nhiều lớp đã cho trước nhờ một mơ hình phân lớp (model). Mơ hình này được xây dựng dựa trên một tập dữ liệu được xây dựng trước đĩ cĩ gán nhãn (hay cịn gọi là tập huấn luyện). Quá trình phân lớp là quá trình gán nhãn cho đối tượng dữ liệu.
Hình 4.1. Ví dụ về mơ hình phân lớp [14].
Cĩ nhiều bài tốn phân lớp như phân lớp nhị phân, phân lớp đa lớp, phân lớp đa trị. Trong đĩ phân lớp nhị phân là một loại phân lớp đặc biệt của phân lớp đa lớp. Ứng dụng của bài tốn phân lớp được sử dụng rất nhiều và rộng rãi như nhận dạng khuơn mặt/chữ viết/giọng nĩi, phát hiện thư rác, ...
+ Regression (hồi quy): Nếu khơng được chia thành các nhĩm mà là một giá trị thực cụ thể. Đầu ra của một điểm dữ liệu sẽ bằng chính đầu ra của điểm dữ liệu đã biết.
Học khơng giám sát: là một k ĩ thuật của máy học nhằm tìm ra một mơ