Đặt vấn đề Trong tình trạng xã hội ngày càng phát triển nhu cầu của con người trong tất cả mọi lĩnh vực của cuộc sống cũng ngày càng tăng lên, trong số đó nhu cầu được chăm sóc sức khỏe là quan trọng hơn tất cả, mọi người đều mong muốn có thể tự giám sát trạng thái thay đổi hằng ngày của cơ thể, năng lượng tiêu thụ mỗi ngày, cũng như tình trạng hồi phục sức khỏe sau khi đã trải qua một căn bệnh, để từ đó con người có thể điều chỉnh sự vận động và thói quen ăn uống một cách hợp lý. Với nguyên nhân đó những hệ thống giám sát tình trạng sức khỏe của con người cũng ngày một phát triển. Một trong những thử thách lớn đối với những hệ thống này là việc đưa ra những quyết định phân loại chính xác và sớm nhất đối với tình trạng sức khỏe của con người, cũng như cảnh báo sớm ở giai đoạn đầu của bệnh, nó sẽ làm giảm tỉ lệ tử vong ở những bệnh nhân. Bên cạnh đó việc đưa ra những quyết định phân loại sức khỏe, những lời khuyên cũng sẽ giúp người bệnh cải thiện được tình trạng sức khỏe trong giai đoạn hồi phục bệnh như bệnh đột quỵ hoặc những bệnh nhân vừa trải qua phẫu thuật, đối với những bệnh nhân này cần có chiến lược tập luyện đi lại hợp lý để tăng dần khả năng hồi phục.
Một ví dụ đưa ra là khi một bệnh nhân vừa trải qua phẫu thuật ở khớp gối, bệnh nhân được yêu cầu hạn chế làm việc quá sức của khớp gối, vấn đề là người bệnh sẽ không thể biết chính xác để điều khiển làm việc của khớp gối, một khi cơn đau xảy ra thì khớp gối của bệnh nhân đã ở trong tình trạng bị tổn thương nặng. Việc nghiên cứu và phát triển thuật toán để xây dựng hệ thống giám sát vận động của bệnh nhân là một trong những vấn đề quan trọng. Thêm vào đó thuật toán được nghiên cứu cần có quyết định phân loại chính xác cao và cũng có thể chuyển đổi kết quả được đề xuất thành thông tin để người sử dụng hiểu rõ ràng. Tuy nhiên với các hệ thống phức tạp trên thực tế không thể mô tả chính xác bởi các phương trình toán học truyền thống, những cách tiếp cận kinh điển dựa trên kỹ thuật phân tích và các phương trình toán học nhanh chóng tỏ ra không còn phù hợp.
Vấn đề này có thể được giải quyết bằng cách áp dụng phương pháp trí tuệ nhân tạo. 9 Trí tuệ nhân tạo căn cứ trên các đặc điểm, hành vi của con người và tự nhiên để đưa ra các quyết định hợp lý trong điều kiện không chính xác và không chắc chắn, nó là kỹ thuật bắt chước trí thông minh của con người. Trí tuệ nhân tạo ngày càng được nghiên cứu và ứng dụng vào nhiều lĩnh vực khác nhau trong cuộc sống và trong những công việc liên quan đến đưa ra những quyết định dựa trên kết quả phân tích dữ liệu như: hệ thống giám sát và chuẩn đoán trong y tế, hệ thống xử lý ảnh và rút trích những đặc trưng ảnh, hệ thống điện và điện tử, hệ thống dự đoán trong kinh tế và những hệ thống điều khiển…. Tất cả những hệ thống yêu cầu phải có sự phân loại và dự đoán chính xác để từ đó đưa ra quyết định đúng.
Những phương pháp của trí tuệ nhân tạo gồm có logic mờ, mạng thần kinh nhân tạo, giải thuật di truyền…. Mỗi phương pháp có đặc điểm tính toán phù hợp với những vấn đề riêng biệt, trong khi mạng thần kinh nhân tạo được ứng dụng tốt vào vấn đề phân loại mẫu nhưng nó không giải thích được tại sao lại đưa ra quyết định phân loại mẫu đó. Ngược lại, hệ mờ có thể đưa ra nguyên nhân tại sao lại có quyết định phân loại của chính nó, nhưng nó lại không thể tự động xây dựng những quy tắc để làm những quyết định đó. Những hạn chế của từng phương pháp riêng biệt có thể được loại bỏ bằng cách tạo ra một hệ thống lai của hai hay nhiều phương pháp trên.
Với mục đích nhằm sử dụng những ưu điểm riêng của từng phương pháp để xây dựng hệ thống mạng thần kinh thích nghi lai ghép giữa mạng thần kinh và logic mờ, ý tưởng nằm bên trong mạng thần kinh mờ là sự kết hợp của suy luận giống như con người của logic mờ với mô hình cấu trúc cho việc học và huấn luyện của mạng thần kinh nhân tạo. Mạng thần kinh mờ cung cấp sự mạnh mẽ và mềm dẻo với khả năng khám phá những quyết định phân loại có thể được diễn giải bằng những quy luật If…Then… 1.2 Đối tượng phạm vi nghiên cứu Việc ứng dụng trí tuệ nhân tạo vào những hệ thống y tế đã nhận được nhiều sự quan tâm đặc biệt trong những năm gần đây, nó được sử dụng để chuẩn đoán những căn bệnh đặc biệt như: bệnh tim, bệnh bạch cầu, ung thư ngực, chứng giảm huyết áp, bệnh đái tháo đường…. 10 Nhưng trong phạm vi nghiên cứu của giày y khoa (medical shoes) ứng dụng cho những bệnh nhân vừa trải qua phẫu thuật ở khớp gối cũng như những bệnh nhân đang trong giai đoạn hồi phục sức khỏe, việc sử dụng trí tuệ nhân tạo vẫn còn rất hạn chế và rất ít đề tài nghiên cứu về nó. Hạn chế đó được xem như là một cơ hội để đề tài này nghiên cứu tìm hiểu và xây dựng một mạng thần kinh thích nghi ứng dụng vào đôi giày của con người trong khi con người đang di chuyển vận động, từ đó có thể nhận dạng và đánh giá quá trình vận động cũng như đưa ra lời khuyên đến quá trình vận động đó.3 Tổng quan các công trình liên quan Ngày nay, ngày càng nhiều nhà khoa học quan tâm nghiên cứu về lĩnh vực trí tuệ nhân tạo cũng như những nghiên cứu về sự vận động của con người.
Việc xác định được ảnh hưởng của sự vận động đến sức khỏe con người được xem như một trong những vấn đề then chốt giúp ngăn ngừa cũng như dự đoán sớm những tiềm ẩn nguy hại đến sức khỏe từ đó cải thiện đáng kể chất lượng cuộc sống. Luận văn này sẽ đề cập một số nghiên cứu sử dụng một trong những phương pháp của trí tuệ nhân tạo để áp dụng vào thực tế cuộc sống.1 Các nghiên cứu liên quan đến giày thông minh Nghiên cứu đầu tiên của việc sử dụng trí tuệ nhân tạo vào giày y khoa có thể kể đến von Altrock [1], trong nghiên cứu này tác giả đã sử dụng phương pháp thích nghi mờ đó là phương pháp kết hợp logic mờ và phân nhóm mờ (fuzzy cluster) để phân tích dữ liệu được thu thập từ giày y khoa như hình 1. Tác giả đã sử dụng cảm biến áp lực để thu thập dữ liệu, tuy nhiên do mẫu dữ liệu không được tốt nên tác giả chỉ sử dụng logic mờ cho việc phân loại dữ liệu.1: Sơ đồ phân loại phương pháp thích nghi mờ Các tác giả Bufu Huang, Meng Chen, Xi Shi and Yangsheng Xu [2] đã sử dụng đôi giày thông minh (intelligent shoes) bằng cách áp dụng kỹ thuật phân tích những thành phần chính (principal component analysis – PCA) và phương pháp học máy (machine learning) mà cụ thể là support vector machine (SVM). Trong đó SVM là một loại mạng thần kinh nhân tạo học giám sát, nó được nhóm tác giả sử dụng để nhận dạng từng giai đoạn riêng biệt trong chu trình vận động của dáng đi (Gait) con người.
Tác giả đã chọn 5 sự kiện để phân chia chu trình vận động của dáng đi ở bàn chân phải làm 5 giai đoạn gồm có bàn chân thẳng (foot flat) tiếp xúc hoàn toàn với mặt đất, gót bàn chân không chạm đất (heel off), mũi bàn chân không chạm đất (toe off), quá trình hoạt động (swing) khi toàn bộ bàn chân không chạm đất, gót bàn chân chạm đất (heel strike) như trình bày trong hình 1. Dữ liệu được tác giả thu thập từ cảm biến lực, cảm biến độ cong và cảm biến gia tốc… tất cả sẽ được gửi đến máy vi tính chủ (host computer), tại đây dữ liệu sẽ được lựa chọn những đặc trưng chính bằng kỹ thuật PCA, dữ liệu đặc trưng đó sẽ đưa vào huấn luyện của bộ phân loại SVM. Kết quả của phương pháp này phân loại giai đoạn bắt đầu và kết thúc của dáng đi đạt được độ chính xác là 91%. Tuy nhiên, phương pháp của tác giả chỉ tìm ra mỗi 12 giai đoạn của dáng đi như những sự kiện riêng biệt, trong khi dáng đi của của con người không thể phân biệt riêng rẽ.2: 5 giai đoạn dáng đi con người ở bàn chân phải Nhóm tác giả gồm có Kyoungchul Kong và Masayoshi Tomizuka [3] cũng sử dụng giày thông minh (smart shoe) với 4 ống nhựa silicone đặt ở đế giày tại các vị trí: mũi bàn chân (toe), khớp xương ngón chân cái (meta12), khớp xương ngón chân áp út (meta45) và gót chân (heel) như hình 1.3 để đo lường lực tác dụng lên mặt đất, cùng với phương pháp logic mờ như hình 1.4 để phân loại từng giai đoạn của dáng đi con người.
Trong nghiên cứu của tác giả, dáng đi của con người được chia làm 8 giai đoạn: tiếp xúc ban đầu (initial contact), phản ứng tải (loading response), giữa thể đứng (mid stance), kết thúc thể đứng (terminal stance), trước hoạt động (pre-swing), sự hoạt động ban đầu (initial swing), giữa hoạt động (mid swing) và kết thúc hoạt động (terminal swing). Nhưng vì trong những giai đoạn: sự hoạt động ban đầu, giữa hoạt động và kết thúc hoạt động bàn chân không chạm đất dẫn đến không thể phân biệt được bằng lực tác dụng trên mặt đất. Do đó tác giả đã kết hợp 3 giai đoạn đó 13 thành 1 giai đoạn quá trình hoạt động (swing) như hình 1. Bên cạnh đó nghiên cứu của tác giả cũng nhận dạng sự bất thường trong dáng đi.
Tuy nhiên phương pháp của tác giả chỉ nhận dạng từng giai đoạn của dáng đi trên 1 bàn chân.3: Vị trí 4 ống nhựa silicone ở đế giày thông minh Hình 1.4: Logic mờ để phân loại từng giai đoạn dáng đi 14 Hình 1.5: Các giai đoạn của dáng đi và lực tác dụng tương ứng với từng dáng đi (a) tiếp xúc ban đầu (b) phản ứng tải (c) giữa thể đứng (d) kết thúc thể đứng (e) trước hoạt động (f) quá trình hoạt động Bên cạnh đó giày thông minh còn được nhóm tác giả E. Browning [4] sử dụng để phân loại những tư thế hoạt động của con người như là đứng, ngồi, đi, lên cầu thang, xuống cầu thang và đi xe đạp.