Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Ước lượng thông số bước đi đóng vai trò quan trọng trong chẩn đoán lâm sàng, theo dõi tiến trình hồi phục và xây dựng phác đồ phục hồi chức năng cho bệnh nhân mắc các bệnh lý thần kinh (Parkinson, đa xơ cứng), cơ xương khớp, tim mạch, di chứng đột quỵ và quá trình lão hóa. Theo các quyết định số 5737/QĐ-BYT ngày 22/12/2017 và số 5623/QĐ-BYT ngày 21/9/2018 của Bộ Y tế, các nghiệm pháp lượng giá chức năng vận động như đi bộ 10 mét (10MWT) hay đi bộ 6 phút được quy định cụ thể trong quy trình kỹ thuật phục hồi chức năng. Tốc độ bước đi được xem là dấu hiệu sinh tồn thứ sáu bên cạnh huyết áp, mạch, hô hấp, nhiệt độ và mức độ đau.

Tuy nhiên, việc đánh giá thông số bước đi trong thực tế lâm sàng tại Việt Nam chủ yếu dựa vào quan sát thủ công qua các nghiệm pháp (10MWT, 4MWT, 25FWT, TUG), dẫn đến nhược điểm về độ phân giải thấp, độ chính xác kém và phụ thuộc vào tính chủ quan của cán bộ y tế. Ngược lại, các hệ thống đo lường tự động thương mại hiện nay như hệ thống robot phục hồi chức năng Yeecon (giá khoảng 200.000 USD), hệ thống camera phân tích dáng đi Yeecon A7 (giá khoảng 25.000 USD), hay OptoGait, Strideway của Tekscan có chi phí rất cao và bị giới hạn nghiêm ngặt về không gian lắp đặt.

Khoảng trống nghiên cứu được đặt ra là sự cần thiết của một hệ thống ước lượng thông số bước đi tự động, có chi phí thấp, tính cơ động cao, hoạt động độc lập không phụ thuộc hạ tầng cố định nhưng vẫn đạt độ chính xác tương đương các thiết bị chuẩn y tế. Công nghệ cảm biến quán tính (IMU) chế tạo theo kỹ thuật MEMS kết hợp với hệ thống định vị quán tính không đế (SINS) là giải pháp tiềm năng, song bản chất của thuật toán tích phân quán tính thuần túy là tích lũy sai số trôi theo thời gian, đòi hỏi phải nghiên cứu các giải pháp thuật toán và cấu hình cảm biến bổ trợ để triệt tiêu sai số này.

Mục tiêu nghiên cứu

Nghiên cứu xây dựng một số hệ thống có thể tự động ước lượng thông số bước đi của người dùng nhằm phục vụ các bài kiểm tra thông số bước đi, tạo kênh thông tin khách quan và chính xác nhằm hỗ trợ bác sĩ trong quá trình chẩn đoán bệnh tật, tình trạng sức khoẻ của người dùng, đưa ra lời khuyên về lộ trình trong điều trị, theo dõi tiến trình phục hồi chức năng.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Hệ thống ước lượng thông số bước đi sử dụng cảm biến quán tính IMU.
  • Phạm vi nghiên cứu:
    • Về phần cứng và thuật toán: Thiết kế, chế tạo phần cứng và xây dựng thuật toán định vị quán tính kết hợp bộ lọc Kalman mở rộng kiểu nhân (MEKF). Hệ thống sử dụng cảm biến IMU dòng MTi-1 và MTi-100 của hãng Xsens.
    • Về đối tượng sử dụng: Tập trung vào hai nhóm trường hợp: (1) Cảm biến IMU đặt trên bàn chân cho người có khả năng tự đi lại bình thường; (2) Cảm biến IMU kết hợp encoder đặt trên khung tập đi cho người dùng cần hỗ trợ vận động, phục hồi chức năng.
    • Về thông số trích xuất: Giới hạn ở việc ước lượng tốc độ bước, độ dài bước/sải chân, thời gian bước, tần số bước; luận án không đi sâu vào việc phân tích bệnh học hay đưa ra chẩn đoán y khoa tự động.
    • Về môi trường thực nghiệm: Thực hiện trên mặt sàn phẳng nằm ngang, không có vật cản, phục vụ trực tiếp cho các quy trình kiểm tra dáng đi tiêu chuẩn.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước trong tài liệu học thuật

Tổng quan các công trình nghiên cứu sử dụng cảm biến IMU trong ước lượng thông số bước đi phân chia các phương pháp thành 3 nhóm mô hình chính:

  1. Mô hình trừu tượng (Abstract Model):

    • Không dựa vào cơ chế sinh học mà xây dựng quan hệ giữa tín hiệu cảm biến và tốc độ bước đi thông qua xử lý dữ liệu hoặc trí tuệ nhân tạo.
    • Aminian và cộng sự (1995) dùng mạng nơ-ron với 4 cảm biến gia tốc trên lưng và hông, đạt sai số tối đa 16%.
    • Một nghiên cứu tương tự đặt cảm biến gia tốc trên ngực đạt sai số RMSE 0,54 km/h đối với tốc độ di chuyển từ 4,7 km/h đến 17,14 km/h.
    • Phương pháp đa thức bậc ba từ gia tốc trung bình hai đùi cho sai số RMSE 1,76 km/h trong dải tốc độ từ 1 km/h đến 13 km/h.
    • Hạn chế: Phụ thuộc chặt chẽ vào tập dữ liệu huấn luyện, độ chính xác thấp và khó thích ứng khi thay đổi đối tượng người dùng.

  2. Mô hình dáng đi (Gait Model):

    • Miyazaki (1997) dùng cảm biến vận tốc góc ở đùi và mô hình hình học tam giác cân đối xứng, sai số khoảng 15%.
    • Các mô hình con lắc đơn gắn cảm biến trên cẳng chân tính sải chân dựa trên tích của góc quay giới hạn và chiều dài chi thể.
    • Phương pháp phân tách hai đoạn đùi và cẳng chân đạt sai số RMSE 0,06 m/s (6,7%) cho tốc độ và 0,07 m/s (7,2%) cho độ dài sải chân.
    • Mô hình dao động trọng tâm theo cung tròn trong mặt phẳng đối xứng cho sai số tối đa khoảng 16%.
    • Hạn chế: Phải đo đạc chính xác kích thước chi thể từng cá nhân, độ phức tạp toán học tăng cao khi nâng độ chính xác.

  3. Mô hình tích phân trực tiếp (Direct Integration):

    • Sabatini và cộng sự (2005) gắn IMU trên mu bàn chân, sử dụng thuật toán cập nhật vận tốc bằng không (ZUPT) tại thời điểm bàn chân chạm đất, đạt sai số RMSE 0,18 km/h ở dải tốc độ 3–6 km/h trên máy chạy bộ.
    • Phương pháp kết hợp 2 IMU trên hai bàn chân cho sai số 10,1 ± 6,2%.
    • Gắn cảm biến trên cẳng chân kết hợp mô hình con lắc ngược khi cẳng chân thẳng đứng cho sai số RMSE 7% (máy chạy bộ) và 4% (mặt đất).
    • Nghiên cứu năm 2010 gắn IMU sau gót chân, biểu diễn hướng bằng Quaternion và tích phân 3D, sai số độ dài sải chân là 1,3 ± 6,8% và tốc độ là 1,5 ± 5,8%.
    • Nhóm nghiên cứu định vị người đi bộ đạt sai số khoảng cách dưới 2%.
Hướng tiếp cận Ưu điểm Nhược điểm chính Sai số điển hình
Mô hình trừu tượng Thuật toán đơn giản, thực thi thời gian thực nhanh Cần dữ liệu huấn luyện lớn, khó tổng quát hóa 16% (hoặc RMSE 0,54–1,76 km/h)
Mô hình dáng đi Cấu hình ít cảm biến (1–2 cảm biến), không cần huấn luyện Phụ thuộc độ chính xác mô hình chi thể, thuật toán phức tạp 6,7% – 16%
Tích phân trực tiếp Độ chính xác cao, khôi phục được quỹ đạo 3D, không cần dữ liệu huấn luyện Sai số tích lũy nhanh do trôi dạt cảm biến nếu không có bù sai số 1,3% – 10% (dưới 2% với thuật toán định vị)

Đối với cấu hình thiết bị phụ trợ và khung tập đi:

  • Trên bàn chân: Kết hợp IMU và cảm biến lực dưới gót/mũi chân (sai số 34,1 ± 2,7 mm cho 10MWT); kết hợp IMU và camera đọc điểm mốc mặt đất (sai số 0,25% nhưng cồng kềnh, phạm vi hẹp); hệ thống 2 IMU + camera + LED hồng ngoại (sai số 2,5 cm/bước ~ 5%); hệ thống IMU + cảm biến khoảng cách trên giày (sai số 9,34%); sử dụng 3 IMU trên một bàn chân (sai số 8%).
  • Trên khung tập đi: Rollator 4 bánh dùng ra đa Doppler, cảm biến gia tốc và lực; rollator tích hợp 2 encoder và cảm biến khoảng cách 2D; rollator dùng cảm biến Hall và dải nam châm; hệ thống INS đeo ở cổ tay khi dùng khung tập đi (sai số 1,78 m trên 20 m ~ 8,9%).
  • Tình hình trong nước: Các nghiên cứu của Triệu Việt Phương, Ngô Thanh Bình, Phạm Hải An, Nguyễn Vĩnh Hảo, Vũ Ngọc Hải chủ yếu tập trung vào tích hợp GPS/INS để định vị phương tiện cơ giới đường bộ, thiết bị bay quân sự hoặc máy bay huấn luyện.

Khoảng trống luận án lựa chọn giải quyết

Luận án lựa chọn hướng tích phân trực tiếp dựa trên hệ thống định vị quán tính SINS kết hợp bộ lọc MEKF và cảm biến bổ trợ:

  1. Đối với bàn chân: Khắc phục sự cồng kềnh của camera/mốc đánh dấu và độ thiếu chính xác của hệ thống đa cảm biến lực bằng cách tích hợp 01 IMU và 01 cảm biến khoảng cách luôn hướng xuống mặt đất.
  2. Đối với khung tập đi: Giải quyết bài toán cho khung tập đi chuẩn (không bánh) và khung 2 bánh trước (thay vì chỉ khung 4 bánh rollator) bằng cách kết hợp 01 IMU và 2 encoder, giải quyết được các dạng chuyển động nhấc khung rời khỏi mặt đất trong quá trình sử dụng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và các khái niệm cốt lõi

  1. Cảm biến quán tính MEMS:

    • Cảm biến gia tốc (Accelerometer): Hoạt động theo định luật II Newton ($F = ma$). Đo chuyển vị $x$ của khối gia trọng $m$ trong hệ lò xo - gia trọng thông qua thay đổi điện dung, điện trở áp trở hoặc điện tích áp điện. Phương trình vi phân dao động: $$\frac{d^2x}{dt^2} + B\frac{dx}{dt} + Kx = ma$$
    • Cảm biến vận tốc góc (Gyroscope): Hoạt động dựa trên hiệu ứng Coriolis trong hệ quy chiếu quay. Khi khối gia trọng dao động theo phương sơ cấp với vận tốc $\vec{v}$ quay với vận tốc góc $\vec{\Omega}$, lực Coriolis xuất hiện theo phương thứ cấp: $$\vec{F} = m\vec{a} = 2m(\vec{v} \times \vec{\Omega})$$

  2. Hệ thống định vị quán tính không đế (SINS):

    • Thuật toán định vị quán tính (INA) ước lượng hướng bằng cách tích phân vận tốc góc từ hệ tọa độ vật thể (BCS).
    • Chuyển đổi vectơ gia tốc đo được từ hệ BCS sang hệ tọa độ toàn cục (WCS) thông qua ma trận chuyển $C_b^w$: $$[a]^w = C_b^w [a]^b$$
    • Khử thành phần gia tốc trọng trường trong hệ WCS, sau đó tích phân lần thứ nhất thu được vận tốc chuyển động và tích phân lần thứ hai thu được vị trí chuyển động.

  3. Biểu diễn hướng bằng Quaternion:

    • Sử dụng Quaternion $q = q_w + q_x\mathbf{i} + q_y\mathbf{j} + q_z\mathbf{k}$ thay cho ma trận Cosin hướng (DCM) và góc Euler nhằm tránh hiện tượng khóa trục (gimbal lock) và tối ưu hóa khối lượng tính toán.

  4. Bộ lọc Kalman mở rộng kiểu nhân (MEKF) và kỹ thuật ZUPT:

    • Sử dụng bộ lọc MEKF để ước lượng sai số trạng thái của hệ thống định vị quán tính.
    • Cập nhật vận tốc bằng không (ZUPT) tại các khoảng thời gian dừng nghỉ (ZVI - Zero Velocity Interval) khi bàn chân tiếp xúc mặt đất hoặc khi khung tập đi dừng để hiệu chỉnh sai số trôi của vận tốc và góc định hướng.

Phương pháp nghiên cứu thực tế

  • Phương pháp kết hợp lý thuyết và thực nghiệm: Xây dựng mô hình toán học cho hệ SINS, thiết lập các phương trình cập nhật trạng thái cho bộ lọc MEKF và tiến hành chế tạo thử nghiệm phần cứng.
  • Thiết bị và công cụ sử dụng:
    • Cảm biến IMU Xsens MTi-100 (băng thông gia tốc 375 Hz, gyro 415 Hz) và MTi-1 (băng thông gia tốc 324 Hz, gyro 255 Hz, tần số lấy mẫu 100 Hz).
    • Cảm biến đo khoảng cách hướng mặt đất.
    • Encoder quang học ghi nhận chuyển động quay của bánh xe khung tập đi.
    • Vi điều khiển Arduino thu thập, đóng gói dữ liệu.
    • Hệ thống ghi lại chuyển động quang học OptiTrack làm chuẩn đối sánh (ground truth).
  +-------------------------------------------------------------+
  |                   Dữ liệu cảm biến IMU                       |
  |             (Gia tốc 3D + Vận tốc góc 3D)                   |
  +------------------------------+------------------------------+
                                 |
                                 v
  +-------------------------------------------------------------+
  |              Thuật toán định vị quán tính (SINS)            |
  |  - Tích phân vận tốc góc -> Định hướng Quaternion (BCS->WCS)|
  |  - Chuyển đổi gia tốc & Khử trọng trường                   |
  |  - Tích phân gia tốc -> Vận tốc sơ bộ -> Vị trí sơ bộ       |
  +------------------------------+------------------------------+
                                 |
                                 v
  +-------------------------------------------------------------+
  |               Bộ lọc Kalman mở rộng kiểu nhân (MEKF)        |
  |  Các kênh cập nhật:                                         |
  |  - Cập nhật ZUPT tại các khoảng thời gian tĩnh (ZVI)         |
  |  - Cập nhật độ cao/khoảng cách (Cảm biến khoảng cách)        |
  |  - Cập nhật góc quay, phương đứng & vị trí (Encoder bánh xe)|
  +------------------------------+------------------------------+
                                 |
                                 v
  +-------------------------------------------------------------+
  |     Hiệu chỉnh quỹ đạo 3D & Trích xuất thông số bước đi     |
  |  (Vận tốc bước, độ dài sải chân, thời gian bước, nhịp bước)  |
  +-------------------------------------------------------------+

Nguồn tư liệu và dữ liệu thực nghiệm

  • Dữ liệu thực nghiệm đối sánh quỹ đạo chuyển động với hệ thống camera quang học OptiTrack trong phòng thí nghiệm.
  • Dữ liệu di chuyển thực tế dọc hành lang 30 m đối với hệ thống gắn trên bàn chân (thử nghiệm trên nhiều người dùng).
  • Dữ liệu di chuyển với khung tập đi trên quãng đường thẳng 20 m, đi dọc và ngược lại hành lang 20 m, đi 2 vòng theo quỹ đạo hình chữ nhật 5x7 m.
  • Dữ liệu thực nghiệm lâm sàng lấy từ bệnh nhân đang điều trị, tập phục hồi chức năng tại bệnh viện.

Nội dung chính theo từng chương

Chương 1: Nghiên cứu tổng quan việc ước lượng thông số bước đi trong chăm sóc sức khoẻ

Chương 1 hệ thống hóa cơ sở y học về chu kỳ bước chân gồm hai pha chính: thì chống (giai đoạn chạm đất) và thì đu đưa (giai đoạn quay). Tác giả làm rõ các dạng rối loạn dáng đi lâm sàng: dáng đi co cứng (bước hẹp, bàn chân xoay vào trong do chấn thương não/cột sống, đột quỵ), dáng đi thất điều tiểu não (bước rộng, không đồng nhất), dáng đi Parkinson (bước ngắn, hẹp, thời gian không đều do thoái hóa nơ-ron), và dáng đi hướng trước (bước rất ngắn, rộng do nguy cơ tim mạch).

Chương này trích dẫn chi tiết các tiêu chuẩn phân loại sức khỏe và khả năng vận động dựa trên ngưỡng tốc độ bước đi:

  • Tốc độ dưới 0,6 m/s: Người bệnh phụ thuộc, cần trợ giúp sinh hoạt, nguy cơ nhập viện cao.
  • Tốc độ trên 1,0 m/s: Khả năng sinh hoạt độc lập cao, ít nguy cơ nhập viện.
  • Tốc độ dưới 1,0 m/s: Cần can thiệp hỗ trợ để phòng ngừa té ngã.
  • Tốc độ dưới 0,2 m/s: Chỉ định điều trị nội trú tại cơ sở điều dưỡng, phục hồi chức năng.
  • Tốc độ dưới 0,4 m/s: Chỉ định sử dụng khung tập đi trong nhà.
  • Tốc độ 0,4–0,8 m/s: Có thể đi lại ngoài trời nhưng bị hạn chế.
  • Tốc độ trên 0,8 m/s: Tham gia được các hoạt động cộng đồng; trên 1,2 m/s: Độc lập hoàn toàn.

Chương 1 cũng tổng hợp các công nghệ cảm biến và khẳng định cảm biến quán tính IMU có ưu thế vượt trội do kích thước nhỏ gọn, tiêu thụ ít năng lượng, hoạt động độc lập không phụ thuộc hạ tầng vệ tinh (như GPS) hay tầm nhìn trực tiếp (như camera).

Chương 2: Nghiên cứu triển khai thuật toán hệ thống định vị quán tính

Chương 2 trình bày cấu tạo phần cứng, nguyên lý làm việc của cảm biến gia tốc và cảm biến vận tốc góc MEMS. Tác giả phân tích các thông số kỹ thuật thực tế của hai dòng cảm biến thương mại Xsens được sử dụng trong nghiên cứu:

Thông số kỹ thuật MTi-1 (Cảm biến IMU) MTi-100 (Cảm biến IMU) Đơn vị
Giới hạn đo vận tốc góc $\pm 2000$ $\pm 450$ $^\circ/\text{s}$
Mật độ nhiễu con quay $0,01$ $0,01$ $^\circ/\text{s}/\sqrt{\text{Hz}}$
Băng thông con quay $255$ $415$ $\text{Hz}$
Giới hạn đo gia tốc $\pm 16$ $\pm 20$ $\text{g}$
Mật độ nhiễu gia tốc $120$ $60$ $\mu\text{g}/\sqrt{\text{Hz}}$
Băng thông gia tốc $324$ $375$ $\text{Hz}$
Tần số lấy mẫu $100$ $100$ $\text{Hz}$

Tác giả triển khai chi tiết thuật toán hệ thống SINS, định nghĩa hệ toạ độ vật thể BCS ($O_b x_b y_b z_b$) và hệ toạ độ toàn cục WCS ($O_w x_w y_w z_w$). Phương pháp toán học Quaternion được xây dựng đầy đủ để thực hiện quay vectơ gia tốc từ BCS sang WCS. Đồng thời, cấu trúc bộ lọc Kalman mở rộng kiểu nhân (MEKF) được thiết lập hoàn chỉnh để ước lượng và hiệu chỉnh các trạng thái sai số định hướng, sai số vận tốc và sai số vị trí.

Chương 3: Nghiên cứu xây dựng hệ thống định vị quán tính đặt trên bàn chân

Chương 3 đề xuất giải pháp phần cứng kết hợp giữa cảm biến IMU MTi-100 và một cảm biến khoảng cách gắn trên bàn chân luôn hướng xuống mặt đất. Mô hình bộ lọc MEKF được mở rộng thêm 2 biến trạng thái của cảm biến khoảng cách để ước lượng độ cao trực tiếp.

Các phương trình cập nhật cho bộ lọc Kalman được xây dựng gồm:

  • Cập nhật vận tốc ZUPT khi phát hiện khoảng dừng ZVI dựa trên tín hiệu gia tốc và vận tốc góc.
  • Cập nhật độ cao tại các điểm ZVI bằng phép đo của cảm biến khoảng cách.

Kết quả thực nghiệm cho thấy:

  • So sánh quỹ đạo ước lượng khi không sử dụng bộ lọc Kalman, khi sử dụng MEKF với ZUPT thuần túy, và khi sử dụng MEKF kết hợp ZUPT cùng cảm biến khoảng cách. Sự kết hợp cảm biến khoảng cách giúp triệt tiêu hiện tượng trôi vị trí theo phương đứng ($z$).
  • Kiểm chứng với hệ thống camera quang học OptiTrack trong bài thử nghiệm đi 3 bước.
  • Thí nghiệm thực địa trên quãng đường thẳng 30 m với nhiều người tham gia giúp xác định sai số vị trí và kiểm chứng độ chính xác khi trích xuất các thông số bước chân (độ dài sải chân, tốc độ di chuyển, thời gian bước).

Chương 4: Nghiên cứu xây dựng hệ thống định vị quán tính đặt trên khung tập đi

Chương 4 thiết kế hệ thống phần cứng hoàn chỉnh cho khung tập đi gồm: cảm biến IMU MTi-1 gắn trên khung, 2 encoder quang gắn tại 2 bánh xe trước và vi điều khiển Arduino xử lý đóng gói dữ liệu.

Các đóng góp thuật toán chính trong chương:

  1. Hiệu chỉnh hệ tọa độ: Xây dựng thuật toán xác định mối quan hệ không gian giữa hệ tọa độ cảm biến quán tính (ICS) và hệ tọa độ của khung tập đi (BCS).
  2. Phát hiện và phân loại chuyển động: Thuật toán tự động nhận dạng 4 trạng thái vận động của người dùng khi sử dụng khung:
    • Đẩy khung đi liên tục.
    • Đẩy khung đi từng bước.
    • Nhấc 2 chân sau của khung tập đi.
    • Nhấc hoàn toàn khung tập đi khỏi mặt đất.
  3. Xây dựng phương trình cập nhật cho bộ lọc Kalman:
    • Cập nhật Quaternion dựa vào phương đứng của khung tập đi.
    • Cập nhật Quaternion sử dụng góc quay quanh trục đứng.
    • Cập nhật vị trí và vận tốc tuyến tính sử dụng dữ liệu đo từ 2 encoder bánh xe.
    • Thuật toán kết hợp quỹ đạo ước lượng từ IMU và encoder.

Đánh giá thực nghiệm trong chương:

  • Đánh giá độ chính xác ước lượng khoảng cách di chuyển cho từng kiểu chuyển động (đẩy liên tục, đẩy từng bước, nhấc 2 chân sau, nhấc hoàn toàn) trên quãng đường 20 m.
  • Đánh giá quỹ đạo chuyển động 3D đối sánh với hệ thống OptiTrack.
  • Đánh giá chuyển động phức tạp có đổi hướng: đi dọc và ngược lại hành lang 20 m; đi 2 vòng theo hình chữ nhật kích thước 5x7 m.
  • Thử nghiệm trên bệnh nhân thực tế tại bệnh viện để trích xuất các thông số bước đi phục vụ bác sĩ đánh giá tiến trình phục hồi chức năng.

Kết quả và những đóng góp mới

Đóng góp mới về mặt khoa học và lý luận

  1. Hệ thống hóa và làm chủ lý thuyết định vị quán tính không đế (SINS) dựa trên công nghệ cảm biến MEMS và biểu diễn toán học Quaternion.
  2. Xây dựng cấu trúc bộ lọc Kalman mở rộng kiểu nhân (MEKF) cải tiến cho hệ thống gắn trên bàn chân, tích hợp thêm 2 biến trạng thái của cảm biến khoảng cách vào mô hình ước lượng, xây dựng các phương trình cập nhật tương ứng giúp triệt tiêu sai số trôi độ cao.
  3. Đề xuất thuật toán tự động xác định mối quan hệ tọa độ giữa cảm biến IMU (ICS) và khung tập đi (BCS).
  4. Đề xuất thuật toán phát hiện và phân loại 4 trạng thái chuyển động đặc thù của người dùng khi sử dụng khung tập đi.
  5. Thiết lập hệ thống phương trình cập nhật trạng thái cho bộ lọc Kalman trên khung tập đi sử dụng kết hợp thông tin phương đứng, góc quay quanh trục đứng và thông tin từ 2 encoder bánh trước.

Đóng góp mới về mặt thực tiễn

  1. Chế tạo thành công hai hệ thống phần cứng đo lường thông số bước đi chi phí thấp, kích thước nhỏ gọn:
    • Hệ thống INS gắn trên bàn chân kết hợp cảm biến khoảng cách.
    • Hệ thống INS gắn trên khung tập đi tiêu chuẩn (loại 2 bánh trước và không bánh) kết hợp 2 encoder.
  2. Cung cấp giải pháp kỹ thuật khách quan, có độ chính xác cao để thay thế các bài kiểm tra lâm sàng thủ công (10MWT, 6MWT, TUG) theo các quy định kỹ thuật của Bộ Y tế.
  3. Hệ thống có khả năng hoạt động độc lập, mở ra khả năng cho phép người bệnh tự thu thập dữ liệu vận động tại nhà và truyền dữ liệu về cơ sở y tế, góp phần giảm tải cho các bệnh viện tuyến trên và tiết kiệm chi phí điều trị.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Các bài kiểm tra và thuật toán trong luận án được xây dựng và kiểm chứng trên bề mặt sàn phẳng nằm ngang, không có chướng ngại vật; chưa đánh giá trên các địa hình phức tạp như đường dốc, bậc thang hay mặt đất gồ ghề.
  • Luận án tập trung vào việc đo lường và ước lượng chính xác các thông số động học của bước đi (vận tốc, độ dài bước, thời gian bước), không đi sâu vào phân tích tự động hay phân loại bệnh lý chuyên sâu.
  • Các tham số kinh nghiệm và thực nghiệm được xác lập chủ yếu dựa trên các dòng cảm biến cụ thể của hãng Xsens (MTi-1, MTi-100).

Hướng nghiên cứu tiếp

  • Mở rộng thuật toán để nhận dạng và ước lượng thông số bước đi trên các bề mặt di chuyển không bằng phẳng, cầu thang hoặc địa hình thay đổi độ cao.
  • Nghiên cứu tích hợp các thuật toán trí tuệ nhân tạo để tự động nhận dạng bất thường dáng đi từ dữ liệu quỹ đạo 3D thu được.
  • Tối ưu hóa kích thước phần cứng, thiết kế hệ thống đóng gói thương mại không dây hoàn chỉnh để ứng dụng rộng rãi tại các trung tâm phục hồi chức năng và theo dõi bệnh nhân từ xa tại nhà.

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao cho các nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và kỹ sư ngành Kỹ thuật Điều khiển, Cơ điện tử, Kỹ thuật Y sinh:
    • Tham khảo phương pháp triển khai thuật toán SINS sử dụng Quaternion và bộ lọc MEKF.
    • Tham khảo kỹ thuật xử lý tín hiệu IMU, thuật toán phát hiện khoảng dừng ZVI, cập nhật ZUPT và kỹ thuật kết hợp dữ liệu đa cảm biến (IMU, cảm biến khoảng cách, encoder).
  • Cán bộ y tế, bác sĩ chuyên khoa Phục hồi chức năng và Thần kinh:
    • Tham khảo cơ sở dữ liệu về mối tương quan giữa tốc độ bước đi, độ dài sải chân với các giai đoạn bệnh lý và tiến trình hồi phục chức năng theo hướng dẫn của Bộ Y tế.
    • Ứng dụng công cụ đo lường tự động khách quan trong việc đánh giá hiệu quả điều trị và phục hồi vận động.
  • Các nhà phát triển thiết bị y tế và chuyển đổi số y tế:
    • Tham khảo giải pháp thiết kế hệ thống đo lường chuyển động cơ thể giá thành thấp phục vụ các đề án y tế thông minh và chăm sóc sức khỏe từ xa.

Câu hỏi thường gặp

1. Tại sao hệ thống định vị quán tính (SINS) thuần túy không thể đo thông số bước đi chính xác trong thời gian dài?

Hệ thống SINS xác định vị trí và vận tốc bằng cách tích phân liên tiếp tín hiệu gia tốc và vận tốc góc đo được từ cảm biến IMU. Các cảm biến IMU chế tạo theo công nghệ MEMS dân dụng luôn tồn tại nhiễu trắng và sai số trôi (drift). Khi thực hiện phép tích phân theo thời gian, các thành phần sai số này bị tích lũy nhanh chóng, dẫn đến sai số vị trí tăng theo hàm bậc hai hoặc bậc ba của thời gian. Do đó, cần có các phương pháp cập nhật hỗ trợ như ZUPT và bộ lọc Kalman để hiệu chỉnh sai số định kỳ.

2. Bộ lọc Kalman mở rộng kiểu nhân (MEKF) trong luận án có vai trò gì và nhận tín hiệu cập nhật từ đâu?

Bộ lọc MEKF có nhiệm vụ ước lượng các sai số trạng thái (sai số góc hướng, sai số vận tốc và sai số vị trí) của hệ thống định vị quán tính để hiệu chỉnh lại kết quả ước lượng sơ bộ từ thuật toán INA.

  • Ở hệ thống đặt trên bàn chân (Chương 3): Bộ lọc nhận tín hiệu cập nhật vận tốc bằng không (ZUPT) tại các khoảng dừng ZVI và nhận tín hiệu đo độ cao từ cảm biến khoảng cách.
  • Ở hệ thống đặt trên khung tập đi (Chương 4): Bộ lọc nhận tín hiệu cập nhật Quaternion từ phương đứng, góc quay quanh trục đứng và thông tin vị trí, vận tốc chuyển động từ 2 encoder bánh xe.

3. Thuật toán trên khung tập đi nhận dạng và phân loại được những dạng chuyển động nào của người dùng?

Thuật toán ở Chương 4 có khả năng phát hiện và phân loại tự động 4 dạng chuyển động thực tế của người dùng khi sử dụng khung tập đi:

  1. Chuyển động đẩy khung đi liên tục.
  2. Chuyển động đẩy khung đi từng bước.
  3. Chuyển động nhấc 2 chân sau của khung tập đi.
  4. Chuyển động nhấc hoàn toàn khung tập đi khỏi mặt đất.

4. Tốc độ bước đi dưới 0,6 m/s và trên 1,0 m/s phản ánh tình trạng sức khỏe như thế nào theo tài liệu y khoa trong luận án?

Theo các tài liệu y khoa được trích dẫn trong luận án:

  • Khi tốc độ bước đi nhỏ hơn 0,6 m/s: Người bệnh có mức độ phụ thuộc cao vào người khác, cần hỗ trợ trong các hoạt động sinh hoạt hàng ngày và có nguy cơ nhập viện cao.
  • Khi tốc độ bước đi lớn hơn 1,0 m/s: Người bệnh có khả năng vận động độc lập trong các sinh hoạt thường ngày, ít có nguy cơ nhập viện và giảm thiểu nguy cơ té ngã.

Kết luận

Luận án đã giải quyết bài toán nâng cao độ chính xác trong ước lượng thông số bước đi phục vụ chăm sóc sức khỏe bằng cách phát triển hệ thống định vị quán tính SINS kết hợp bộ lọc Kalman kiểu MEKF. Nghiên cứu đã đề xuất thành công hai mô hình hệ thống: hệ thống IMU kết hợp cảm biến khoảng cách đặt trên bàn chân và hệ thống IMU kết hợp encoder quang học trên khung tập đi với thuật toán phân loại 4 trạng thái chuyển động. Các kết quả thực nghiệm với hệ thống chuẩn OptiTrack, trên các cung đường thực địa và trên bệnh nhân tại bệnh viện đã chứng minh tính chính xác, độ tin cậy và tiềm năng ứng dụng thực tiễn của giải pháp đề xuất. Công trình góp phần tạo ra công cụ hỗ trợ khách quan cho công tác chẩn đoán lâm sàng và theo dõi phục hồi chức năng với chi phí kinh tế phù hợp.