Bối cảnh và vấn đề nghiên cứu

Bệnh đái tháo đường (Diabetes Mellitus - DM) là một rối loạn chuyển hóa mạn tính có xu hướng gia tăng nhanh chóng trên phạm vi toàn cầu và tại Việt Nam. Theo thống kê của Liên đoàn Đái tháo đường Quốc tế (IDF), số lượng người mắc bệnh đái tháo đường tại Việt Nam năm 2011 là khoảng 1,7 triệu người; đến năm 2021 con số này đã tăng lên gần 4 triệu người và ước tính đạt 6 triệu người vào năm 2045. Đáng chú ý, năm 2021 có khoảng 2 triệu người mắc bệnh (chiếm hơn một nửa tổng số ca) chưa được chẩn đoán. Một trong những biến chứng lâm sàng nghiêm trọng nhất của bệnh là loét bàn chân do đái tháo đường (Diabetic Foot Ulcer - DFU), bắt nguồn từ tổn thương thần kinh (cảm giác, vận động, tự chủ) kết hợp với bệnh lý mạch máu ngoại biên, dẫn đến nguy cơ nhiễm trùng, hoại tử và phải cắt cụt chi.

Kỹ thuật chụp ảnh nhiệt hồng ngoại không xâm lấn, không tiếp xúc cho phép ghi nhận sự biến động và phân bố nhiệt độ trên bề mặt da, qua đó phản ánh tình trạng tưới máu và các ổ viêm tiềm ẩn dưới da trước khi hình thành tổn thương loét hở. Đồ án tốt nghiệp thực hiện thiết kế và thi công hệ thống hoàn chỉnh phục vụ việc thu thập, lưu trữ và phân loại tự động hình ảnh nhiệt bàn chân của bệnh nhân đái tháo đường nhằm hỗ trợ công tác sàng lọc lâm sàng.

Mục tiêu chính của đề tài là xây dựng hệ thống phần cứng và phần mềm cho phép thu nhận ảnh nhiệt bàn chân qua giao diện máy tính, quản lý dữ liệu bệnh nhân và tích hợp mô hình học máy phân loại ảnh nhiệt hỗ trợ bác sĩ chẩn đoán. Đề tài triển khai 9 nội dung nghiên cứu theo kế hoạch:

  1. Nội dung 1: Tìm hiểu lý thuyết về bệnh đái tháo đường và biến chứng bàn chân.
  2. Nội dung 2: Thiết kế và thi công phần cứng hệ thống chụp ảnh nhiệt bàn chân.
  3. Nội dung 3: Kết nối máy ảnh nhiệt với máy tính.
  4. Nội dung 4: Xây dựng và huấn luyện mô hình máy học hỗ trợ chẩn đoán.
  5. Nội dung 5: Thiết kế giao diện điều khiển, lập trình chức năng chụp, lưu trữ, phân loại và quản lý thông tin bệnh nhân.
  6. Nội dung 6: Chạy thử nghiệm và hiệu chỉnh hệ thống.
  7. Nội dung 7: Đánh giá kết quả thực hiện.
  8. Nội dung 8: Viết báo cáo tổng kết.
  9. Nội dung 9: Bảo vệ khóa luận tốt nghiệp.

Đối tượng nghiên cứu là hình ảnh nhiệt bàn chân của bệnh nhân đái tháo đường và người bình thường. Phạm vi nghiên cứu về phần cứng bao gồm việc tích hợp máy ảnh nhiệt MLX90640 (độ phân giải cảm biến 24×32 điểm ảnh, màn hình LCD 2,0 inch độ phân giải 320×240 pixel, bộ nhớ Flash 16 MB), vi điều khiển Arduino UNO R3, cơ cấu vít me - động cơ bước và hộp chụp có khung thép không gỉ bên ngoài, lót nhựa PVC bên trong. Phạm vi phần mềm bao gồm ứng dụng máy tính lập trình bằng Python, giao diện PyQt, cơ sở dữ liệu SQLite và mô hình học sâu VGG16. Nghiên cứu được thực hiện tại Bộ môn Điện tử Công nghiệp – Y sinh, Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh trong khoảng thời gian từ ngày 19/02/2024 đến ngày 17/06/2024.

Cơ sở lý thuyết và phương pháp

Nghiên cứu dựa trên cơ sở sinh lý học về điều hòa thân nhiệt và bệnh lý biến chứng bàn chân đái tháo đường. Sự suy giảm tuần hoàn ngoại biên và các phản ứng viêm vi mạch ở chi dưới tạo ra sự chênh lệch phân bố nhiệt độ cục bộ tại gan bàn chân. Công nghệ cảm biến hồng ngoại chuyển đổi bức xạ nhiệt thành ma trận số liệu nhiệt độ tương ứng, cho phép nhận diện bất thường không xâm lấn.

Về phương pháp học máy, đề tài ứng dụng kiến trúc mạng nơ-ron tích chập (Convolutional Neural Network - CNN), cụ thể là mạng VGG16 (gồm 13 lớp tích chập kernel 3×3 tổ chức thành 5 khối, xen kẽ các lớp Max Pooling 2×2, kết hợp các lớp kết nối đầy đủ và hàm kích hoạt ReLU, Softmax/Sigmoid). Kỹ thuật học chuyển giao (Transfer Learning) được áp dụng: mô hình VGG16 đã được huấn luyện trước trên tập dữ liệu ImageNet được giữ lại các lớp trích xuất đặc trưng cơ sở và tiến hành tinh chỉnh (Fine-tuning) các lớp phân loại phía sau trên tập dữ liệu ảnh nhiệt bàn chân chuyên biệt.

Nguồn dữ liệu huấn luyện và kiểm thử sử dụng tập dữ liệu công khai "Plantar Thermogram Database for the Study of Diabetic Foot Complications", gồm dữ liệu của 167 đối tượng (122 bệnh nhân đái tháo đường và 45 người thuộc nhóm chứng không mắc đái tháo đường) thu thập từ các bệnh viện và phòng khám tại Mexico.

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc module phân tầng, bao gồm 6 khối chức năng chính:

  • Khối nguồn: Sử dụng nguồn tổ ong đầu vào 220 VAC, đầu ra 24 VDC, kết hợp module giảm áp XL4015 (công suất định mức 5 A, 75 W) để hạ áp xuống hai đường nguồn độc lập: 12 VDC cấp cho mạch điều khiển động cơ bước DRV8825 và 5 VDC cấp cho cuộn hút của các relay và các mạch logic.
  • Khối xử lý trung tâm: Sử dụng bo mạch vi điều khiển Arduino UNO R3 (vi điều khiển ATmega328P, tần số thạch anh 16 MHz, bộ nhớ Flash 32 KB, SRAM 2 KB, 14 chân vào/ra số). Arduino nhận lệnh từ máy tính thông qua giao tiếp nối tiếp UART/Serial qua cổng USB-B để kích hoạt cơ cấu chấp hành.
  • Khối điều khiển cơ: Gồm động cơ bước 42 (góc bước 1,8 độ/bước, tương đương 200 bước/vòng ở chế độ full step, dòng hoạt động 3 A), mạch điều khiển DRV8825 (nhận tín hiệu STEP qua chân D3 và tín hiệu DIR qua chân D2 của Arduino) và trục vít me dẫn hướng gắn bàn trượt để di chuyển cụm máy ảnh qua lại chính xác giữa vị trí bàn chân trái và bàn chân phải.
  • Khối chụp ảnh: Sử dụng máy ảnh nhiệt Simple Handheld Thermal Imager Version 2.0 (cảm biến MLX90640ESF-BAB, dải đo -40°C đến 300°C, độ chính xác ±2°C, tần số làm mới 8 Hz, cổng giao tiếp Type-C). Vi điều khiển Arduino điều khiển máy ảnh thông qua 2 mạch relay 5 VDC: chân D13 kích hoạt relay tác động vào nút "Imager" (chụp ảnh) và chân D12 kích hoạt relay tác động vào nút "Thermal" (chuyển chế độ kết nối đọc dữ liệu thẻ nhớ truyền về PC). Mạch relay được cách ly quang bằng Opto PC817 (điện áp cách ly 5000 Vrms), transistor đệm dòng C1815 ($h_{FE}=25$, dòng cực thu $I_C=40\text{ mA}$, dòng cực gốc $I_B=1,6\text{ mA}$), điện trở phân cực $R_1=2,7\text{ k}\Omega$, điện trở hạn dòng LED $R_2=68\ \Omega$, và diode dập xung ngược 1N4007 bảo vệ cuộn cảm relay.
  • Khối giao tiếp người dùng và cơ sở dữ liệu: Ứng dụng GUI viết bằng Python trên nền tảng Visual Studio Code, giao diện thiết kế bằng Qt Designer (PyQt), cơ sở dữ liệu quan hệ SQLite. Phần mềm tích hợp camera quét mã QR trên thẻ Căn cước công dân (CCCD) để tự động điền thông tin hành chính của bệnh nhân, hỗ trợ các thao tác thêm, sửa, xóa, tìm kiếm bệnh nhân, điều khiển chụp ảnh, lưu trữ tệp hình ảnh vào thư mục hệ thống, xuất nhật ký ra tệp Excel và gọi mô hình học sâu VGG16 để đưa ra kết quả phân loại.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Trình bày cơ sở thực tiễn về tình hình gia tăng bệnh đái tháo đường tại Việt Nam và tính cấp thiết của việc phát hiện sớm biến chứng loét bàn chân (DFU). Khảo sát các công trình liên quan, bao gồm nghiên cứu về ảnh nhiệt y sinh của Francis Ring và đề tài của Trần Thị Thiêm (2023) về thiết bị thu thập ảnh vết loét bằng camera thông thường. Xác định mục tiêu thiết kế hệ thống phần cứng chụp ảnh nhiệt tự động kết hợp mô hình AI phân loại, đồng thời vạch rõ 9 nội dung nghiên cứu và các giới hạn về mặt linh kiện, cơ khí của đề tài.

Chương 2: Cơ sở lý thuyết

Hệ thống hóa lý thuyết về sinh lý bệnh đái tháo đường, các tổn thương thần kinh và mạch máu dẫn đến loét bàn chân. Phân tích nguyên lý của nhiệt đồ bàn chân trong phát hiện bất thường tưới máu mô. Trình bày quy trình 6 bước thu thập hình ảnh lâm sàng và các quy định về trách nhiệm bảo mật thông tin bệnh nhân. Giới thiệu chi tiết kiến trúc mạng CNN, mạng VGG16, kỹ thuật học chuyển giao, cấu trúc vi điều khiển Arduino UNO R3, thông số cảm biến máy ảnh nhiệt MLX90640, nguyên lý động cơ bước và cơ cấu vít me. Giới thiệu các công cụ phần mềm: Arduino IDE, Python, VS Code, PyQt/Qt Designer, SQLite và SolidWorks.

Chương 3: Tính toán và thiết kế hệ thống

Xây dựng sơ đồ khối 6 thành phần của hệ thống. Tính toán chi tiết các thông số kỹ thuật điện và điện tử: dòng tiêu thụ các linh kiện, thông số cách ly opto PC817, mạch phân cực transistor C1815 ($R_1 = 2,7\text{ k}\Omega$, $R_2 = 68\ \Omega$), cấu hình bộ nguồn hạ áp XL4015. Thiết kế sơ đồ nguyên lý toàn mạch kết nối giữa Arduino, DRV8825, động cơ bước và 2 mạch relay kích chụp máy ảnh. Thiết kế bản vẽ cơ khí 2D và mô hình 3D trên SolidWorks cho hộp chụp bàn chân, bộ giá đỡ máy ảnh và cơ cấu vít me trượt.

Tên linh kiện Điện áp hoạt động Dòng điện tiêu thụ
Arduino UNO R3 5 VDC 40 mA
Relay 5V (2 cái) 5 VDC 80 mA (40 mA/cái)
Động cơ bước 12 VDC 3 A
Máy ảnh nhiệt MLX90640ESF-BAB 5 VDC 130 mA
C922 Pro Stream Webcam 5 VDC 200 mA
Mạch điều khiển động cơ bước DRV8825 5 VDC 2,5 A

Chương 4: Thi công hệ thống

Trình bày quy trình chế tạo bo mạch in (PCB), hàn lắp linh kiện và gắn kết bộ nguồn tổ ong 24 VDC cùng mạch hạ áp. Lắp ráp kết cấu cơ khí hộp chụp chân bằng thép không gỉ và nhựa PVC, gá đặt cụm vít me, động cơ bước và giá đỡ máy ảnh nhiệt. Xây dựng lưu đồ giải thuật cho chương trình điều khiển trung tâm trên Arduino và các luồng chức năng trên giao diện máy tính: luồng chính, luồng chụp và lưu ảnh, luồng quét QR CCCD, luồng CRUD thông tin bệnh nhân trên SQLite, luồng truy xuất ảnh và luồng suy luận phân loại ảnh nhiệt. Hướng dẫn chi tiết quy trình thao tác và vận hành hệ thống.

Chương 5: Kết quả - Nhận xét - Đánh giá

Trình bày sản phẩm phần cứng thực tế và các giao diện chức năng đã lập trình hoàn thiện: kết nối cổng COM Serial, quét CCCD, quản lý cơ sở dữ liệu bệnh nhân, hiển thị ảnh nhiệt và xuất báo cáo Excel. Đánh giá tính ổn định của hệ thống truyền động cơ khí và thời gian đáp ứng của chức năng chụp ảnh. Đánh giá hiệu năng của mô hình VGG16 thông qua đồ thị hàm mất mát (loss), đồ thị độ chính xác (accuracy) và ma trận nhầm lẫn (confusion matrix). Báo cáo chi tiết bảng chi phí linh kiện thi công hệ thống.

Chương 6: Kết luận và hướng phát triển

Tổng kết mức độ hoàn thành toàn diện các mục tiêu đề ra về phần cứng, phần mềm và mô hình phân loại hình ảnh nhiệt. Nêu rõ các mặt hạn chế còn tồn tại về quy mô dữ liệu và độ phân giải cảm biến, từ đó đề xuất các định hướng nâng cấp trong tương lai.

Kết quả và đóng góp

Hệ thống đã thi công hoàn chỉnh phần cứng với cơ cấu cơ khí vít me vận hành ổn định, điều khiển máy ảnh nhiệt di chuyển tuần tự chụp chính xác bàn chân trái và bàn chân phải của bệnh nhân. Ứng dụng giao diện máy tính thực hiện đầy đủ các chức năng quản lý thông tin bệnh nhân, tự động trích xuất thông tin qua mã QR thẻ CCCD, lưu trữ dữ liệu vào SQLite và đồng bộ tệp ảnh nhiệt.

Về hiệu năng phân loại của mô hình học máy VGG16 kết hợp học chuyển giao:

  • Trên tập huấn luyện (training set): Độ chính xác (accuracy) đạt 97,21%, chỉ số F1-score đạt 97,22%.
  • Trên tập kiểm định (validation set): Độ chính xác (accuracy) đạt 90,61%, chỉ số F1-score đạt 92%.

So sánh với các nghiên cứu trước đây (như đồ án năm 2023 của Trần Thị Thiêm chỉ thu thập ảnh màu thông thường để đánh giá vết loét lâm sàng đã hình thành), nghiên cứu này đã có bước tiến khi ứng dụng ảnh nhiệt hồng ngoại không tiếp xúc giúp ghi nhận biến đổi nhiệt độ da vi mạch trước khi phát sinh vết loét hở, đồng thời tích hợp trực tiếp thuật toán học sâu CNN để tự động hóa hoàn toàn quy trình phân loại hỗ trợ bác sĩ.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ ra một số hạn chế trong phạm vi thực hiện:

  • Cảm biến nhiệt MLX90640 có độ phân giải nhiệt ở mức cơ bản (24×32 điểm ảnh), dẫn đến độ chi tiết về ranh giới nhiệt độ vi mạch chưa cao.
  • Tập dữ liệu huấn luyện được lấy hoàn toàn từ nguồn mở tại Mexico (167 mẫu), chưa được bổ sung tập dữ liệu lâm sàng thực tế từ các bệnh nhân tại Việt Nam để kiểm chứng tính tương thích đa dạng về thể trạng và môi trường.
  • Mô hình hiện tại dừng lại ở bài toán phân loại nhị phân (có hoặc không có sự ảnh hưởng của đái tháo đường lên bàn chân), chưa phân cấp cụ thể các giai đoạn tiến triển hay phân vùng vị trí nguy cơ loét chi tiết.

Hướng phát triển tiếp theo của đề tài bao gồm:

  • Nâng cấp phần cứng với các cảm biến nhiệt hồng ngoại có độ phân giải cao hơn.
  • Thu thập và chuẩn hóa cơ sở dữ liệu ảnh nhiệt bàn chân trực tiếp tại các bệnh viện trong nước.
  • Mở rộng mô hình học sâu để phân loại đa mức độ biến chứng và phân vùng tự động (segmentation) các điểm nóng/lạnh bất thường trên gan bàn chân.

Giá trị tham khảo

Tài liệu khóa luận là nguồn tham khảo hữu ích cho sinh viên, học viên và kỹ sư thuộc các chuyên ngành Kỹ thuật Y sinh, Điện tử – Viễn thông, Cơ điện tử và Kỹ thuật Máy tính. Các nội dung có giá trị tham khảo ứng dụng cao bao gồm:

  • Thiết kế mạch phần cứng ghép nối vi điều khiển với máy ảnh nhiệt qua relay cách ly quang và điều khiển cơ cấu chuyển động bước bằng driver DRV8825.
  • Lập trình giao diện điều khiển thiết bị y tế bằng PyQt kết hợp xử lý mã QR và quản trị cơ sở dữ liệu SQLite.
  • Phương pháp xây dựng, huấn luyện và tích hợp mô hình mạng CNN (VGG16 Transfer Learning) vào ứng dụng chẩn đoán hình ảnh nhiệt y tế thực tế.

Câu hỏi thường gặp

1. Hệ thống sử dụng loại máy ảnh nhiệt nào và các thông số kỹ thuật chính là gì?
Hệ thống sử dụng máy ảnh nhiệt Simple Handheld Thermal Imager Version 2.0 tích hợp cảm biến hồng ngoại MLX90640ESF-BAB với độ phân giải cảm biến 24×32 điểm ảnh, màn hình LCD 2,0 inch độ phân giải 320×240 pixel, dải đo từ -40°C đến 300°C, sai số ±2°C, tần số quét 8 Hz, bộ nhớ Flash 16 MB và cổng giao tiếp Type-C.

2. Làm thế nào để điều khiển máy ảnh nhiệt chụp ảnh và truyền dữ liệu về máy tính tự động?
Vi điều khiển Arduino UNO R3 điều khiển 2 mạch relay 5V được cách ly quang qua Opto PC817: chân D13 kích relay tác động nút "Imager" để chụp ảnh nhiệt, sau đó chân D12 kích relay tác động nút "Thermal" để chuyển máy ảnh sang chế độ đọc dữ liệu thẻ nhớ và gửi tệp ảnh qua cáp Type-C về máy tính.

3. Cơ chế di chuyển máy ảnh giữa hai vị trí bàn chân trái và phải hoạt động ra sao?
Máy ảnh nhiệt được gá cố định trên đai ốc của trục vít me dẫn hướng. Trục vít me được truyền động bởi động cơ bước 42 thông qua module điều khiển DRV8825 (nhận xung STEP từ chân D3 và hướng quay DIR từ chân D2 của Arduino), cho phép máy ảnh dịch chuyển tịnh tiến tuần tự đến đúng vị trí hai bàn chân theo lệnh từ phần mềm.

4. Mô hình máy học đạt độ chính xác bao nhiêu và sử dụng tập dữ liệu nào?
Mô hình sử dụng kiến trúc VGG16 kết hợp kỹ thuật học chuyển giao, huấn luyện trên tập dữ liệu "Plantar Thermogram Database for the Study of Diabetic Foot Complications" (gồm 122 bệnh nhân đái tháo đường và 45 đối chứng từ Mexico). Kết quả đạt độ chính xác 97,21% (F1-score 97,22%) trên tập train và 90,61% (F1-score 92%) trên tập validation.

5. Giao diện phần mềm cung cấp các tính năng quản lý bệnh nhân nào?
Phần mềm viết bằng Python/PyQt kết nối cơ sở dữ liệu SQLite, hỗ trợ quét mã QR từ thẻ CCCD qua webcam để tự động nhập liệu, cung cấp các chức năng thêm, sửa, xóa, tìm kiếm thông tin bệnh nhân, lưu trữ ảnh nhiệt, hiển thị kết quả phân loại từ mô hình AI và trích xuất dữ liệu tổng hợp ra tệp Excel.

Kết luận

Khóa luận đã hoàn thành việc nghiên cứu, thiết kế và thi công hệ thống thu thập và phân loại hình ảnh nhiệt bàn chân của bệnh nhân đái tháo đường với sự đồng bộ giữa cơ cấu truyền động cơ khí, mạch điện tử điều khiển và phần mềm quản lý. Việc tích hợp mô hình học sâu VGG16 trên nền tảng ảnh nhiệt hồng ngoại đã chứng minh khả năng sàng lọc và phát hiện sớm các bất thường tưới máu ở chi dưới với độ chính xác trên tập kiểm định đạt 90,61%. Kết quả nghiên cứu cung cấp một giải pháp thiết bị y sinh giàu tiềm năng ứng dụng thực tiễn trong công tác hỗ trợ chẩn đoán và giảm thiểu nguy cơ biến chứng loét bàn chân đái tháo đường.