I. Tổng quan cảm biến linh hoạt và máy học tí hon phân loại thở
Đề tài nghiên cứu tại Đại học Sư phạm Kỹ thuật TP.HCM mở ra hướng tiếp cận mới trong giám sát y tế thông minh. Công trình do sinh viên Nguyễn Tuấn Nghĩa thực hiện dưới sự hướng dẫn của TS. Vũ Chí Cường. Nghiên cứu tập trung giải quyết bài toán theo dõi hô hấp tự động. Hệ thống kết hợp cảm biến mềm co giãn với mô hình máy học tí hon nhúng trên mạch phần cứng. Sự phát triển này đáp ứng nhu cầu chăm sóc sức khỏe không xâm lấn ngày càng tăng.
Các phương pháp đo hô hấp truyền thống thường cồng kềnh. Bệnh nhân khó cử động tự nhiên khi gắn nhiều dây dẫn phức tạp. Thiết bị đeo mới khắc phục hoàn toàn nhược điểm này. Cảm biến linh hoạt ôm sát lồng ngực người dùng. Tín hiệu cơ học từ các chuyển động lồng ngực được thu thập liên tục và chuẩn xác. Sau đó thuật toán TinyML phân tích trực tiếp dữ liệu tại thiết bị biên.
Giải pháp công nghệ này chứng minh năng lực sáng tạo của sinh viên ĐH SPKT TP.HCM. Đề tài mở đường cho nhiều thiết bị y tế cá nhân hóa giá thành thấp.
1.1. Bối cảnh nghiên cứu theo dõi hô hấp
Theo dõi hô hấp đóng vai trò sống còn trong việc kiểm soát bệnh phổi mãn tính và ngưng thở khi ngủ. Tuy nhiên các thiết bị y tế trong bệnh viện thường gây vướng víu. Bệnh nhân khó duy trì sự thoải mái trong sinh hoạt thường nhật. Điều này thúc đẩy nhu cầu cấp thiết về thiết bị đeo thông minh nhỏ gọn. Nghiên cứu tại Đại học Sư phạm Kỹ thuật TP.HCM giải quyết trực diện thách thức này. Giải pháp tập trung vào khả năng thu thập tín hiệu liên tục. Đồng thời hệ thống bảo đảm tính tiện dụng tối đa cho người mặc. Cảm biến mềm đàn hồi tốt giúp chuyển đổi biến dạng cơ thể thành tín hiệu điện ổn định. Đây là tiền đề cho phân tích hô hấp chuẩn xác.
1.2. Xu hướng máy học tí hon trong y tế số
Máy học tí hon hay TinyML đại diện cho bước đột phá mới trong trí tuệ nhân tạo nhúng. Công nghệ này đưa các mạng nơ-ron phức tạp vào vi điều khiển có bộ nhớ hạn chế. Nhờ đó thiết bị xử lý dữ liệu ngay tại nguồn mà không cần truyền lên máy chủ đám mây. Thời gian phản hồi giảm xuống mức mili giây. Tính riêng tư của dữ liệu bệnh nhân được bảo vệ nghiêm ngặt. Hơn nữa mức tiêu thụ năng lượng giảm rõ rệt giúp kéo dài thời lượng pin. Các cảm biến thông minh không còn phụ thuộc đường truyền mạng. Xu hướng này mang đến giải pháp giám sát sức khỏe phân tán đáng tin cậy. Nghiên cứu tại ĐH SPKT TP.HCM đã đón đầu xu thế công nghệ giàu tiềm năng này.
II. Thách thức cảm biến linh hoạt và máy học tí hon trong giám sát
Việc kết hợp cảm biến mềm và trí tuệ nhân tạo đặt ra nhiều rào cản kỹ thuật khắt khe. Cảm biến linh hoạt chịu tác động từ chuyển động cơ thể ngoài ý muốn. Nhiễu cơ học khiến đường tín hiệu hô hấp dễ biến dạng hoặc sai lệch. Điều này làm giảm độ chính xác của quá trình nhận dạng các hành vi thở. Thiết bị cần khả năng lọc nhiễu thích ứng trước khi đưa dữ liệu vào mô hình tính toán.
Bên cạnh đó hạn chế phần cứng là thử thách lớn đối với máy học tí hon. Vi điều khiển biên sở hữu dung lượng bộ nhớ RAM và Flash rất khiêm tốn. Bộ nhớ Flash thường chỉ dao động từ vài trăm kilobyte đến một vài megabyte. Các thuật toán học sâu truyền thống đòi hỏi hàng triệu phép tính dấu phẩy động. Khối lượng tính toán khổng lồ này gây quá tải vi điều khiển và làm cạn kiệt pin nhanh chóng.
Nếu không tối ưu hóa cấu trúc mô hình, thiết bị đeo không thể hoạt động liên tục trong thực tế. Sự đánh đổi giữa độ chính xác và mức độ phức tạp tính toán đòi hỏi phương pháp thiết kế bài bản.
2.1. Hạn chế tài nguyên trên vi điều khiển biên
Vi điều khiển dành cho thiết bị đeo có tài nguyên rất hạn hẹp. Dung lượng SRAM thường dưới 512KB. Bộ nhớ lưu trữ chương trình cũng bị giới hạn nghiêm ngặt. Những thông số này tạo rào cản lớn khi triển khai mạng nơ-ron nhân tạo. Mô hình nguyên bản tiêu tốn nhiều bộ nhớ để lưu trữ trọng số và giá trị kích hoạt. Phép nhân ma trận liên tục đẩy nhiệt độ chip lên cao. Năng lượng tiêu hao nhanh khiến pin sạc nhanh cạn. Nếu không có giải pháp kỹ thuật phù hợp, hệ thống không thể vận hành độc lập. Đồ án tại ĐH SPKT TP.HCM đã phân tích thấu đáo rào cản tính toán này để tìm ra hướng đi đúng đắn.
2.2. Vấn đề nhiễu động và biến dạng tín hiệu thở
Tín hiệu thu từ cảm biến uốn dẻo rất nhạy cảm với cử động cơ thể. Hành động ho, xoay người hay đi lại đều tạo ra đột biến điện áp. Những nhiễu động này chồng lấn lên nhịp thở sinh lý bình thường. Nếu không xử lý, mô hình rất dễ nhận dạng sai các hành vi thở quan trọng. Việc tách biệt dao động thở thực thụ khỏi nhiễu chuyển động đòi hỏi quy trình tiền xử lý chặt chẽ. Hệ thống cần các bộ lọc tần số phù hợp và phương pháp chuẩn hóa dữ liệu. Thách thức này đặt ra yêu cầu cao về cả thiết kế phần cứng lẫn thuật toán phần mềm.
III. Giải pháp cảm biến linh hoạt và máy học tí hon phân loại thở
Nghiên cứu tại ĐH SPKT TP.HCM đưa ra giải pháp toàn diện từ phần cứng đến thuật toán. Phần cứng tích hợp cảm biến uốn dẻo kết hợp với mạch nguồn tối ưu. Thiết kế sử dụng IC sạc TP4054 bảo đảm dòng sạc an toàn cho pin dung lượng nhỏ. Mạch còn trang bị linh kiện MOSFET BSS138 chuyển mạch nhanh nhằm quản lý năng lượng hiệu quả. Bo mạch xử lý trung tâm đảm nhận thu nhận tín hiệu liên tục và chạy mô hình học máy.
Về mặt thuật toán, nghiên cứu ứng dụng các kỹ thuật nén mô hình tiên tiến. Mô hình mạng nơ-ron nhân tạo ANN được tối ưu cấu trúc số lớp và số nơ-ron. Kỹ thuật cắt tỉa loại bỏ các liên kết có trọng số không đáng kể. Quá trình lượng tử hóa chuyển đổi trọng số từ số thực 32-bit sang số nguyên 8-bit. Sự chuyển đổi này giúp giảm kích thước mô hình từ 20 đến 30 phần trăm.
Khối lượng tính toán giảm mạnh giúp thuật toán vận hành mượt mà trên vi điều khiển. Hệ thống phân loại chính xác các hành động thở như thở sâu, thở nhanh và ngừng thở.
3.1. Thiết kế phần cứng mạch đo và xử lý
Phần cứng được thiết kế nhỏ gọn để tạo sự thoải mái cho người đeo. Cảm biến mềm ghi nhận dao động giãn nở của lồng ngực. Mạch tích hợp IC quản lý sạc TP4054 hoạt động theo nguyên lý dòng và điện áp không đổi. Khi điện áp pin đạt 4.2V, dòng sạc tự động hạ thấp nhằm bảo vệ tuổi thọ pin. Linh kiện MOSFET BSS138 đảm nhiệm chuyển đổi mức tín hiệu công suất thấp với điện áp cổng mở chỉ 0.5V. Thiết kế bảo đảm dòng tiêu thụ cực thấp ở chế độ nghỉ. Sự kết hợp này mang lại mạch đo bền bỉ, an toàn và tiết kiệm năng lượng tối đa.
3.2. Tối ưu hóa mô hình với kỹ thuật nén TinyML
Kỹ thuật nén mô hình giữ vai trò then chốt trong máy học tí hon. Nghiên cứu áp dụng kỹ thuật cắt tỉa nhằm loại bỏ các liên kết nơ-ron dư thừa. Nhờ đó mô hình giảm bớt trọng số mà vẫn bảo đảm độ chuẩn xác. Tiếp theo kỹ thuật lượng tử hóa chuyển đổi dữ liệu từ dấu phẩy động 32-bit xuống số nguyên 8-bit. Việc tính toán số nguyên diễn ra nhanh hơn và tiêu hao rất ít năng lượng. Phương pháp phân rã ma trận bậc thấp cũng góp phần thu nhỏ kích thước lưu trữ. Kết quả tạo ra mô hình gọn nhẹ, đáp ứng xuất sắc bài toán phân loại hành động thở ngay trên thiết bị đeo.
IV. Ứng dụng cảm biến linh hoạt và máy học tí hon trong thực tế
Công trình nghiên cứu tại ĐH SPKT TP.HCM khẳng định tính khả thi cao của thiết bị đeo y tế thông minh. Sự kết hợp giữa cảm biến uốn dẻo và máy học tí hon mở ra triển vọng ứng dụng to lớn. Thiết bị hỗ trợ theo dõi bệnh nhân mắc hội chứng ngưng thở khi ngủ tại nhà. Người bệnh không cần nằm phòng theo dõi chuyên dụng với các thiết bị gắn dây phức tạp. Dữ liệu nhịp thở được phân tích liên tục, giúp phát hiện sớm các cơn khó thở cấp tính.
Bên cạnh lĩnh vực y tế, công nghệ này phục vụ hiệu quả hoạt động tập luyện thể thao. Vận động viên có thể kiểm soát nhịp thở để điều chỉnh cường độ vận động tối ưu. Thiết bị cũng hữu ích trong môi trường làm việc độc hại hoặc lặn biển. Chi phí sản xuất thấp tạo điều kiện phổ biến sản phẩm rộng rãi đến cộng đồng.
Thành công của đề tài chứng minh định hướng nghiên cứu ứng dụng đúng đắn của ngành Công nghệ Kỹ thuật Máy tính ĐH SPKT TP.HCM. Giải pháp đóng góp giá trị thiết thực cho nền y tế số hiện đại.
4.1. Tiềm năng ứng dụng trong giám sát y tế từ xa
Hệ thống tạo bước chuyển quan trọng trong công tác theo dõi bệnh nhân từ xa. Thiết bị phát hiện kịp thời các hiện tượng thở gấp, thở chậm hoặc ngừng thở ngắt quãng. Cảnh báo tự động kích hoạt giúp người nhà và bác sĩ xử lý nhanh sự cố nguy hiểm. Đối với người cao tuổi, giải pháp đem lại cảm giác an tâm khi sinh hoạt tại gia đình. Khả năng bảo mật dữ liệu tại biên giúp thông tin y tế cá nhân không bị rò rỉ. Hơn nữa chi phí phần cứng hợp lý giúp giảm gánh nặng tài chính cho bệnh nhân. Đây là giải pháp hữu hiệu thúc đẩy chăm sóc sức khỏe cộng đồng toàn diện.
4.2. Hướng phát triển hoàn thiện hệ thống đo
Trong tương lai, hệ thống cần được kiểm thử lâm sàng trên quy mô bệnh nhân rộng hơn. Việc thu thập tập dữ liệu lớn sẽ nâng cao độ chính xác phân loại cho mô hình. Nhóm nghiên cứu có thể tích hợp thêm các cảm biến phụ trợ như đo nồng độ oxy trong máu SpO2 hoặc đo nhịp tim. Thuật toán tự học trực tuyến tại biên cũng là hướng phát triển đầy hứa hẹn. Thiết bị sẽ tự thích nghi với đặc điểm thể trạng riêng của từng người dùng. Kiểu dáng công nghiệp có thể tiếp tục thu nhỏ để dệt trực tiếp vào trang phục hàng ngày. Đồ án tạo nền tảng vững chắc cho các công trình y sinh tiếp theo tại ĐH SPKT TP.HCM.
