Chương 1. TỔNG QUAN Trong chương này, học viên giới thiệu tổng quan về bài toán phát hiện và phân loại nhịp thở, lý giải về tầm quan trọng của việc phát hiện và phân loại nhịp thở, những vấn đề gặp phải khi phân tích dữ liệu nhịp thở, mục tiêu của đề tài, giới thiệu một số công nghệ để giải quyết bài toán phân tích dữ liệu nhịp thở. Đồng thời, học viên cũng đưa ra một số nghiên cứu liên quan đến bài toán được đề cập trong chương này.1 Các dạng hô hấp nhịp thở dựa trên bệnh lý của con người 1.1 Giới thiệu Theo một thống kê của WHO [1], các bệnh hô hấp mãn tính (chronic respiration diseases) đang là một trong những nguyên nhân chính gây ra tử vong tại hầu hết các quốc gia trên thế giới. Trong đó nhóm bệnh phổ biến nhất là dịch bệnh Covid-19 với hơn 5 triệu ca tử vong trên tổng số ca nhiễm 253 triệu ca tính đến năm 2021, ngoài ra còn một số nhóm bệnh như: bệnh phổi tắc nghẽn mãn tính (chronic obstructive pulmonary diseases - COPD), bệnh hen suyễn (asthma), và viêm phổi (pneumonitis) [2].
Cũng theo thống kê của WHO [2] số người bị bệnh phổi tắc nghẽn mãn tính chiếm tới 6.4% (15,7 triệu người) tại Mỹ và tỉ lệ người mắc bệnh COPD trên thế giới là hơn 7%. Trong khi đó bệnh hen phế quản trên thế giới khoảng 300 triệu người (chiếm gần 5% dân số) và có thể tăng lên đến 400 triệu người vào năm 2025. Việt nam (và các nước Đông Nam Á) cũng nằm trong các quốc gia có tỉ lệ mắc bệnh hen phế quản cao. Trong đó, trẻ em Việt nam ở độ tuổi 12-13 có tỉ lệ mắc bệnh hen phế quản là 29,1% và đây là tỉ lệ cao nhất châu Á [2].
Cũng theo thống kê [2] thì bệnh viêm phổi là bệnh thường gặp nhất ở trẻ em chiếm tới 50% toàn thể các bệnh ở trẻ em dưới 5 tuổi và chiếm tới 30% ở trẻ em ở độ tuổi 5-12. Mỗi năm tỉ lệ nhiễm khuẩn hô hấp cấp tính lên tới 75% (tương đương 4,5 triệu trẻ em). Cũng theo WHO [2] thì hàng năm Việt nam có tới 2.9 triệu trẻ em bị viêm phổi và 4.500 trẻ em dưới 5 tuổi bị chết vì viêm phổi. Chi phí theo dõi và điều trị bệnh thường khá tốn kém.
Luan van 7 Trong khi do điều kiện về địa lý nên tại nhiều vùng, miền ở Việt nam điều kiện theo dõi và điều trị bệnh còn hạn chế trong khi ngay chính tại các thành phố lớn thì các bệnh viện thường xuyên trong tình trạng quá tải. Số lượng người tử vong vì bệnh hen phế quản hàng năm tại Việt nam vào khoảng 3000 ca mà một trong những nguyên nhân chính là không được theo dõi và điều trị kịp thời. Trên thế giới hiện đã có một số nghiên cứu về ứng dụng nền tảng IoT để theo dõi các triệu chứng hô hấp, cụ thể như sau: − Châu Âu: tại một số trường đại học đã nghiên cứu ứng dụng thiết bị cảm biến âm thanh để phát hiện và theo dõi triệu chứng ho của người bệnh đang mắc bệnh hô hấp. Chẳng hạn như nhóm nghiên cứu tại đại học Leicester, vương quốc Anh [3] chế tạo cảm biến âm thanh đeo trên vùng ngực để thu thập những âm thanh phát ra từ miệng.
Sau đó, dữ liệu cảm biến âm thanh được gán nhãn ho và không ho, và được phân tích để trích chọn ra các đặc trưng như MFCC, energy v. để huấn luyện mô hình học máy Markov ẩn. − Hoa Kỳ: Các nhóm nghiên cứu tại Hoa kỳ rất tích cực và thường dẫn đầu trong lĩnh vực phát hiện và phân loại âm thanh hô hấp. Cụ thể là nhóm nghiên cứu tại trường đại học Washington do giáo sư Shwetak Patel chủ trì và các cộng sự [4] đã nghiên cứu đề xuất sử dụng cảm biến âm thanh trong điện thoại di động để thu thập và phân tích tín hiệu âm thanh.
Sau đó các đặc trưng âm thanh như miền tần số, thống kê được trích chọn từ các cửa sổ hanning (xảy ra trong thời gian ngắn khoảng 20-50ms và dữ liệu khá ổn định) để huấn luyện mô hình rừng ngẫu nhiên (random forests) và cho kết quả phát hiện ho rất khả quan. Một nghiên cứu khác đến từ đại học Carnegie Mellon (CMU) cộng tác với các nhà khoa học của công ty Samsung đề xuất sử dụng mạng cảm biến không dây (wireless sensor network) [5] thay vì dùng cảm biến âm thanh đeo trên người như các nghiên cứu khác. Nghiên cứu này đã sử dụng cả những thông tin về ngữ cảnh như vị trí người dùng để nâng cao độ chính xác phát hiện ho. Mặc dù nghiên cứu này cho kết quả rất tốt nhưng nếu đem sử dụng trên thực tế thì chi phí khá cao vì phải triển khai nhiều mạng cảm biến.
Luan van 8 − Trung Quốc gần đây đã có một số nhóm nghiên cứu về theo dõi triệu chứng bệnh hô hấp sử dụng thiết bị IoT. Điển hình là nhóm nghiên cứu tại phòng thí nghiệm trọng điểm về điện tử và cơ khí chính xác tại đại học Thanh Hoa (Tsinghua) Bắc kinh [6] đã nghiên cứu và chế tạo mạng không dây với các nút là các cảm biến có kích thước nhỏ (microsensors) có khả năng đo và theo dõi một số triệu chứng của bệnh hô hấp luồng khí thở, lượng ô xy trong máu và cơ thể vận động. Các thuật toán về xử lý tín hiệu được thực hiện trên máy tính hoặc điện thoại thông minh cho phép các triệu chứng được theo dõi từ xa. Kết quả nghiên cứu có nhiều hứa hẹn triển khai trong thực tế nhưng chưa có thông tin về chi phí.
− Nhật Bản đã và đang tích cực nghiên cứu ứng dụng thiết bị cảm biến IoT theo dõi các bệnh hô hấp. Chẳng hạn, nhóm nghiên cứu tại khoa Công nghệ y sinh, đại học Tohoku phát triển một hệ thống theo dõi bệnh hô hấp kết hợp với các phương pháp hỗ trợ điều trị (therapeutic aids) tại nhà (home care) [7]. Nghiên cứu này yêu cầu người bệnh đeo một mặt nạ có gắn cặp nhiệt kế (thermocouple) lên vùng gần mũi và ước lượng nhịp hô hấp (thở ra và hít vào) bằng cách đếm số lần thay đổi nhiệt độ thu được từ nhiệt kế. Ngoài ra chiếc mặt nạ này cũng được gắn thêm cảm biến âm thanh để phát hiện ho từ người bệnh.
Hạn chế chính của phương pháp [7] là người bệnh thường không thích đeo mặt nạ ở nhà nên khó đưa kết quả này ứng dụng trong thực tế. Một nghiên cứu khác ở Nhật bản [8] được thực hiện bởi nhóm nghiên cứu tại Học viện nghiên cứu Công nghệ Toyota đã tích hợp cảm biến âm thanh vào vùng ngực của chiếc áo T-shirt để đo nhịp thở. Mặc dù kết quả còn một số hạn chế như độ chính xác phát hiện nhịp thở chưa cao nhưng đây là một nghiên cứu có khá nhiều triển vọng trong tương lai. − Việt Nam Tình hình nghiên cứu ứng dụng công nghệ thông tin trong lĩnh vực y tế nói chung và trong phát hiện và phân loại các triệu chứng của bệnh hô hấp còn đang ở mức sơ khai.
Nhóm nghiên cứ về điện tử y sinh của đại học Bách Khoa Hà Nội do GS Nguyễn Đức Thuận và cộng sự đã đạt được một số kết quả đáng kể như nghiên cứu phát triển hệ thống truyền nhận tín hiệu điện tim dựa trên ứng dụng công nghệ Luan van 9 wifi [9]. Nghiên cứu có ý nghĩa trong hỗ trợ chẩn đoán tim mạch từ xa; hoặc nghiên cứu về hiệu ứng của hô hấp trong phân tích HRV sử dụng lý thuyết hỗn độn. Nhóm nghiên cứu do PGS. Phạm Văn Cường tại Học viện Công nghệ Bưu chính Viễn thông công bố công trình [10] về sử dụng cảm biến âm thanh đeo vào vùng ngực và kết nối với điện thoại thông minh cho phép phát hiện và theo dõi nhịp thở trong thời gian thực.
Đồng thời ứng dụng còn cho phép theo dõi nhật ký của những lần ho rời rạc hoặc theo cơn (whoops). Âm thanh nhịp thở (Breath Sound) bao gồm các chỉ số về sức khỏe và bệnh hô hấp. chính vì vậy việc phân tích dữ liệu nhịp thở trở thành một trong những vấn đề quan trọng trong việc phát hiện bệnh lý và chuẩn đoán cũng như các phương pháp điều trị [11]. Việc trích xuất đặc trưng các âm thanh nhịp thở thành các dạng chuỗi dữ liệu để máy tính có thể hiểu được, có tính liên tục và quá trình phân tích cần phải nhanh.
Các mô hình học sâu thường sẽ phải trích xuất đặc trưng từ các mẫu dữ liệu nhịp thở để huấn luyện. Khi áp dụng các mô hình học sâu thì sẽ có một ưu điểm chính là các mô hình học sâu có thể tự trích xuất được các đặc trưng phù hợp cho quá trình dự đoán. Và thêm một ưu điểm nữa chính là các mô hình có thể trích xuất đặc trưng dựa trên thời gian thực, liên kết các thông tin theo thời gian của chuỗi dữ liệu và từ đó quyết định phân loại nhãn đối với đoạn dữ liệu nhịp thở đó.2 Bài toán phát hiện nhịp thở dựa vào dữ liệu âm thanh Bài toán 1: Cho đầu vào là một tập dữ liệu âm thanh được thu từ micro âm thanh. Nhiệm vụ của bài toán là phát hiện xem trong dữ liệu có phải là nhịp thở hay không.
Hình 1-1: Một đoạn dữ liệu nhịp thở chứa một nhịp hít vào và một nhịp thở ra Luan van 10 Bài toán 2: Cho đầu vào là một bộ dữ liệu âm thanh được thu từ micro âm thanh. Bộ dữ liệu này gồm các loại âm thanh nhịp thở (thở thường, thở sâu, thở mạnh, …). Nhiệm vụ của bài toán là phân loại trong bộ dữ liệu này có những đoạn âm thanh nào là thở thường, đoạn âm thanh nào là thở sâu, đoạn âm thanh nào là thở mạnh, … Hình 1-2: Một đoạn dữ liệu thở liên tục Bài toán 3: Cho đầu là một bộ dữ liệu âm thanh được thu từ micro âm thanh. Bộ dữ liệu này bao gồm các loại âm thanh nhịp thở (thờ thường, thở sâu, thở mạnh, …).
Nhiệm vụ của bài toán là phân loại đoạn nhịp thở nào là của người mắc Covid- 19, đoạn dữ liệu nào không phải là nhịp thở của người không mặc Covid-19. Từ hai bài toán trên, chúng ta nhận thấy bài toán 1 là bài toán ở mức cơ sở. Từ việc phát hiện có phải nhịp thở hay không sẽ giúp xây dựng một mô hình nhận dạng và từ đó làm tiền đề để xây dựng mô hình phân loại nhịp thở cho bài toán thứ 2 và bài toán thứ 3 từ dữ liệu âm thanh nhịp thở.