Luận văn thạc sĩ công nghệ thông tin phát triển ứng dụng chăm sóc sức khỏe thông minh dựa trên công nghệ tính toán cận biên

Luận văn thạc sĩ CNTT về phát triển ứng dụng chăm sóc sức khỏe thông minh, ứng dụng công nghệ tính toán cận biên. Giải pháp tiên tiến cho y tế hiện đại.

• Tác giả: Nguyễn Châu Long
• Người hướng dẫn: PGS.TS Lê Trung Quân
• Trường học: Trường Đại học Công nghệ Thông tin - ĐHQG Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Thông tin
• Đề tài: Phát Triển Ứng Dụng Chăm Sóc Sức Khỏe Thông Minh Dựa Trên Công Nghệ Tính Toán Cận Biên
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tình hình các nghiên cứu trên thế giới
• 1.2. Tổng quan về Internet of Things
• 1.3. Tổng quan về điện toán đám mây
• 1.4. Tổng quan về điện toán cận biên
• 1.5. Tổng quan về Trí tuệ nhân tạo
• 1.6. Mục tiêu của luận văn
• 1.6.1. Trí tuệ nhân tạo trên Điện toán đám mây
• 1.6.2. Điện toán cận biên
• 1.6.3. Các thiết bị IoT
• 1.6.4. Ứng dụng cụ thể
• 1.6.5. Đánh giá hệ thống
• 1.7. Phương pháp luận và kết quả đạt được
• 1.7.1. Phương pháp luận
• 1.7.2. Kết quả dự kiến đạt được
• 1.8. Phạm vi nghiên cứu và giới hạn của luận văn
• 1.8.1. Phạm vi nghiên cứu
• 1.8.2. Giới hạn của luận văn
• 1.9. Cấu trúc của luận văn
• 2. CHƯƠNG 2: NGHIÊN CỨU CÁC CÔNG NGHỆ LIÊN QUAN
• 2.1. Các nghiên cứu về Internet of Things (IoT)
• 2.1.1. Tổng quan
• 2.1.2. Các thiết bị IoT
• 2.2. Điện toán đám mây và điện toán cận biên
• 2.2.1. Điện toán đám mây
• 2.2.2. Điện toán cận biên
• 2.3. Sự khác nhau giữa điện toán đám mây và điện toán cận biên
• 2.4. Giải pháp trí tuệ nhân tạo
• 2.4.1. Nền tảng điện toán đám mây cho trí tuệ nhân tạo
• 2.4.2. Các ứng dụng chăm sóc sức khỏe trên thị trường
• 2.4.2.1. Alvicare của VinBrain
• 2.4.2.2. Ứng dụng HeartCare Lite
• 2.4.3. Thư viện Neurokit2
• 2.4.3.1. Đánh giá độ chính xác của thư viện Neurokit2
• 2.5. Hướng tiếp cận của luận văn
• 2.5.1. Internet of Things
• 2.5.2. Điện toán cận biên
• 3. CHƯƠNG 3: MÔ HÌNH THIẾT KẾ ỨNG DỤNG CHĂM SÓC SỨC KHỎE THÔNG MINH
• 3.1. Kiến trúc hạ tầng tổng quan
• 3.1.1. Kiến trúc vật lý
• 3.1.2. Kiến trúc ảo hóa
• 3.1.3. Các kiến trúc tích hợp AI trong vấn đề xử lý
• 3.2. Use case
• 3.2.1. Use case đăng nhập
• 3.2.2. Use case “Đo nhịp tim và nồng độ oxy trong máu”
• 3.2.3. Use case “Đo điện tâm đồ”
• 3.2.4. Use case “Dự đoán bệnh tim”
• 3.2.5. Use case “Theo dõi chỉ số SpO2”
• 3.2.6. Use case “Xem kết quả điện tâm đồ”
• 3.2.7. Use case quản trị
• 3.3. Đánh giá mô hình máy học
• 3.3.1. Phương pháp đánh giá
• 3.3.2. Độ chính xác và F1_score
• 3.4. Đánh giá hiệu năng của ứng dụng
• 3.4.1. Cấu hình số lượng request
• 3.4.2. Cấu hình các giao thức HTTP Request
• 3.4.3. Cấu hình các report kết quả
• 4. CHƯƠNG 4: HIỆN THỰC, TRIỂN KHAI ỨNG DỤNG CHĂM SÓC SỨC KHỎE THÔNG MINH
• 4.1. Hiện thực “Thiết bị dùng cuối”
• 4.1.1. Hiện thực thiết bị đo điện tim
• 4.1.2. Thiết bị đo nồng độ oxy trong máu, nhịp tim
• 4.1.3. Hiện thực ứng dụng web “Dự đoán bệnh tim mạch”
• 4.2. Hiện thực “Điện toán cận biên”
• 4.2.1. Thiết bị cận biên
• 4.2.2. Các dịch vụ cận biên
• 4.2.3. Hiện thực “Trí tuệ nhân tạo” trên Google Colab
• 4.2.4. Bộ dữ liệu huấn luyện
• 4.2.5. Công nghệ sử dụng
• 4.2.6. Hiện thực “Dịch vụ cận biên - Dự đoán bệnh tim mạch”
• 4.3. Thành phần ứng dụng
• 4.3.1. Build và run images
• 4.4. Triển khai ứng dụng hoàn chỉnh
• 4.4.1. Triển khai trên một node
• 4.4.2. Triển khai hệ thống cluster trên nhiều node bằng Kubernetes
• 5. CHƯƠNG 5: KỊCH BẢN THỬ NGHIỆM VÀ ĐÁNH GIÁ
• 5.1. Tóm tắt các kịch bản thử nghiệm
• 5.2. Kịch bản thử nghiệm cụ thể
• 5.3. Kịch bản 5
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Kết quả đạt được
• 6.2. Đóng góp về mặt lý thuyết
• 6.3. Đóng góp về mặt ứng dụng
• 6.4. Hạn chế
• 6.5. Hướng phát triển
• TÀI LIỆU THAM KHẢO
• DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Tóm tắt

I. Tổng Quan Về Ứng Dụng Chăm Sóc Sức Khỏe Thông Minh 55 ký tự

Bài viết này khám phá ứng dụng chăm sóc sức khỏe thông minh kết hợp điện toán cận biên và AI. Mục tiêu là cải thiện khả năng tiếp cận, hiệu quả và trải nghiệm chăm sóc sức khỏe. Các ứng dụng này sử dụng IoT, thu thập dữ liệu liên tục, phân tích bằng AI và xử lý tại điện toán cận biên để giảm độ trễ và bảo vệ bảo mật dữ liệu y tế. Bài viết sẽ trình bày các thách thức, giải pháp và tiềm năng ứng dụng rộng rãi của công nghệ này. Trích dẫn: 'Xuất phát từ nhu cầu thực tế nêu trên, tôi đã tìm hiểu và nghiên cứu giải pháp “Phát triển công nghệ tính toán cận biên cho ứng dụng chăm sóc sức khỏe thông minh” với các chức năng dự đoán sức khỏe tim mạch, đo điện tâm đồ và theo dõi chỉ số SpO2 theo thời gian thực.'

1.1. Tầm quan trọng của IoT trong chăm sóc sức khỏe thông minh

IoT trong chăm sóc sức khỏe (IoMT) cho phép theo dõi bệnh nhân từ xa, quản lý bệnh mãn tính và cung cấp dịch vụ chăm sóc cá nhân hóa. Các thiết bị IoT, từ cảm biến đeo trên người đến thiết bị y tế tại nhà, thu thập dữ liệu liên tục về các chỉ số sinh lý, hoạt động thể chất và môi trường sống. Dữ liệu này sau đó được truyền đến các nền tảng phân tích để phát hiện sớm các vấn đề sức khỏe và cải thiện kết quả điều trị. Ví dụ, ứng dụng theo dõi sức khỏe cá nhân giúp người dùng chủ động quản lý tình trạng sức khỏe của mình.

1.2. Ưu điểm của Điện toán Cận biên so với Điện toán Đám mây

Điện toán cận biên trong y tế mang lại lợi thế về giảm độ trễ, tiết kiệm băng thông và tăng cường bảo mật so với điện toán đám mây. Dữ liệu được xử lý gần nguồn, giảm thời gian phản hồi cho các ứng dụng quan trọng như theo dõi bệnh nhân cấp cứu hoặc chẩn đoán hình ảnh. Ngoài ra, điện toán cận biên cho phép xử lý dữ liệu nhạy cảm tại chỗ, giảm thiểu rủi ro vi phạm bảo mật dữ liệu y tế. Điều này đặc biệt quan trọng trong bối cảnh các quy định nghiêm ngặt về bảo vệ dữ liệu như HIPAA.

II. Thách Thức Khi Phát Triển Ứng Dụng Y Tế Thông Minh 59 ký tự

Phát triển ứng dụng y tế thông minh đối mặt với nhiều thách thức. Bảo mật dữ liệu y tế là ưu tiên hàng đầu, đòi hỏi các biện pháp mã hóa và kiểm soát truy cập nghiêm ngặt để tuân thủ HIPAA. Khả năng tương tác giữa các thiết bị IoT và hệ thống khác nhau là một vấn đề phức tạp. Chi phí phát triển và duy trì hệ thống cũng là một rào cản lớn. Ngoài ra, việc đảm bảo độ chính xác và tin cậy của các thuật toán AI trong chẩn đoán bệnh là rất quan trọng.

2.1. Đảm bảo tuân thủ HIPAA và các quy định bảo mật dữ liệu

Tuân thủ HIPAA và các quy định bảo mật dữ liệu y tế khác là một thách thức lớn khi phát triển ứng dụng chăm sóc sức khỏe thông minh. Các biện pháp bảo mật phải được tích hợp từ giai đoạn thiết kế, bao gồm mã hóa dữ liệu khi truyền và lưu trữ, kiểm soát truy cập dựa trên vai trò, và giám sát liên tục các hoạt động bất thường. Việc không tuân thủ có thể dẫn đến các khoản phạt nặng và tổn hại uy tín.

2.2. Vấn đề tương thích giữa các thiết bị IoT khác nhau

Sự đa dạng của các thiết bị IoT trong chăm sóc sức khỏe tạo ra thách thức về khả năng tương thích. Các thiết bị từ các nhà sản xuất khác nhau có thể sử dụng các giao thức và định dạng dữ liệu khác nhau, gây khó khăn cho việc tích hợp vào một hệ thống thống nhất. Cần có các tiêu chuẩn mở và giao thức chung để đảm bảo khả năng tương tác giữa các thiết bị.

2.3. Đảm bảo tính chính xác của thuật toán AI trong y tế

Độ chính xác và tin cậy của các thuật toán AI trong y tế là vô cùng quan trọng. Sai sót trong chẩn đoán hoặc dự đoán có thể gây ra hậu quả nghiêm trọng cho bệnh nhân. Cần có các phương pháp kiểm tra và đánh giá nghiêm ngặt để đảm bảo rằng các thuật toán máy học (Machine Learning) trong y tế hoạt động chính xác và đáng tin cậy trước khi được triển khai trong thực tế.

III. Phương Pháp Phát Triển Ứng Dụng Chăm Sóc Sức Khỏe 58 ký tự

Để phát triển ứng dụng chăm sóc sức khỏe thông minh, cần có một quy trình bài bản. Bắt đầu bằng việc xác định rõ nhu cầu của người dùng và mục tiêu của ứng dụng. Sau đó, lựa chọn các công nghệ phù hợp, bao gồm điện toán cận biên, AI, và IoT. Thiết kế UX/UI thân thiện và dễ sử dụng là rất quan trọng. Quá trình kiểm thử phải được thực hiện kỹ lưỡng để đảm bảo chất lượng và bảo mật dữ liệu y tế. Cuối cùng, cần có kế hoạch triển khai và bảo trì hệ thống hiệu quả.

3.1. Lựa chọn công nghệ Điện toán Cận biên và AI phù hợp

Việc lựa chọn công nghệ điện toán cận biên và AI phù hợp là rất quan trọng để đảm bảo hiệu suất và hiệu quả của ứng dụng. Cần xem xét các yếu tố như yêu cầu về độ trễ, băng thông, khả năng mở rộng và chi phí. Các nền tảng điện toán đám mây như Google Cloud, AWS và Azure cung cấp các dịch vụ AI và điện toán cận biên mạnh mẽ có thể được sử dụng để xây dựng các ứng dụng y tế thông minh.

3.2. Thiết kế UX UI thân thiện cho ứng dụng chăm sóc sức khỏe

UX/UI cho ứng dụng chăm sóc sức khỏe cần được thiết kế thân thiện, dễ sử dụng và phù hợp với nhiều đối tượng người dùng, bao gồm cả người lớn tuổi và những người không quen thuộc với công nghệ. Giao diện cần đơn giản, trực quan và dễ điều hướng. Các thông tin quan trọng cần được hiển thị rõ ràng và dễ hiểu. Việc thu thập phản hồi từ người dùng trong quá trình thiết kế là rất quan trọng để đảm bảo rằng ứng dụng đáp ứng được nhu cầu của họ.

IV. Ứng Dụng AI Dự Đoán Bệnh Tim Mạch Trên Điện Toán Cận Biên 57 ký tự

Một ứng dụng tiềm năng là sử dụng AI trong y tế dự phòng, cụ thể là dự đoán bệnh tim mạch. Các thuật toán máy học (Machine Learning) trong y tế có thể được huấn luyện trên dữ liệu bệnh sử, kết quả xét nghiệm và thông tin lối sống để xác định những người có nguy cơ cao mắc bệnh tim mạch. Điện toán cận biên cho phép xử lý dữ liệu này gần bệnh nhân, cung cấp cảnh báo sớm và can thiệp kịp thời. Điều này có thể giúp giảm tỷ lệ mắc bệnh tim mạch và cải thiện chất lượng cuộc sống.

4.1. Thu thập và xử lý dữ liệu bệnh sử trên thiết bị IoT

Các thiết bị IoT như đồng hồ thông minh và cảm biến đeo trên người có thể thu thập dữ liệu về nhịp tim, huyết áp, hoạt động thể chất và giấc ngủ. Dữ liệu này sau đó được truyền đến điện toán cận biên để xử lý và phân tích. Các thuật toán AI có thể được sử dụng để phát hiện các mẫu bất thường và cảnh báo người dùng về nguy cơ mắc bệnh tim mạch.

4.2. Triển khai mô hình AI dự đoán bệnh tim mạch trên Edge

Sau khi được huấn luyện, mô hình AI dự đoán bệnh tim mạch có thể được triển khai trên các thiết bị điện toán cận biên gần bệnh nhân. Điều này cho phép đưa ra cảnh báo sớm và cung cấp hướng dẫn cá nhân hóa về lối sống và điều trị. Việc xử lý dữ liệu trên Edge giúp giảm độ trễ và bảo vệ quyền riêng tư của bệnh nhân.

4.3. Kết nối và truyền dữ liệu ECG từ thiết bị IOT đến Edge

Từ tài liệu gốc trích dẫn: 'Thu thập các tín hiệu điện tim từ các thiết bị IoT và phân tích.' và 'Tìm hiểu về các phần cứng như: module AD8232, MAX30102, Arduino Uno, ESP8266, Lora SX1278, Raspberry Pi.' Do đó việc thu thập và phân tích ECG từ thiết bị IOT đến Edge sẽ giúp cho việc chăm sóc sức khỏe được tối ưu hơn.

V. Ứng Dụng AI Theo Dõi Và Cảnh Báo Sức Khỏe Từ Xa 56 ký tự

Ứng dụng theo dõi và cảnh báo sức khỏe từ xa giúp bệnh nhân có thể được theo dõi và chăm sóc sức khỏe ngay tại nhà. Sử dụng các thiết bị IOT và kết hợp với điện toán cận biên và AI để phân tích các chỉ số sức khỏe, từ đó cảnh báo và đưa ra các phương pháp điều trị từ xa.

5.1. Giảm tải cho bệnh viện bằng việc theo dõi sức khỏe từ xa

Việc sử dụng các ứng dụng theo dõi sức khỏe từ xa giúp giảm tải cho bệnh viện bằng cách bệnh nhân có thể được theo dõi và chăm sóc sức khỏe ngay tại nhà. Điều này giúp giảm tải cho bệnh viện và giúp bệnh nhân tiết kiệm thời gian và chi phí đi lại.

5.2. Đảm bảo tính bảo mật dữ liệu khi theo dõi từ xa

Khi theo dõi sức khỏe từ xa cần phải đảm bảo tính bảo mật dữ liệu. Bệnh nhân có quyền riêng tư về thông tin sức khỏe của mình. Cần phải có các biện pháp bảo mật để đảm bảo rằng thông tin sức khỏe của bệnh nhân không bị lộ ra ngoài.

VI. Tương Lai Ứng Dụng Chăm Sóc Sức Khỏe AI Trên Cận Biên 59 ký tự

Tương lai của ứng dụng chăm sóc sức khỏe thông minh dựa trên điện toán cận biên và AI là rất hứa hẹn. Với sự phát triển của kết nối 5G trong chăm sóc sức khỏe và các công nghệ mới nổi khác, chúng ta có thể kỳ vọng vào các ứng dụng phức tạp hơn, chính xác hơn và cá nhân hóa hơn. Các ứng dụng này sẽ đóng vai trò quan trọng trong việc cải thiện sức khỏe và chất lượng cuộc sống cho mọi người.

6.1. Tiềm năng kết hợp 5G để cải thiện khả năng theo dõi

Kết nối 5G trong chăm sóc sức khỏe hứa hẹn sẽ cải thiện đáng kể khả năng theo dõi sức khỏe từ xa. Với tốc độ cao, độ trễ thấp và khả năng kết nối nhiều thiết bị, 5G cho phép truyền dữ liệu y tế thời gian thực và hỗ trợ các ứng dụng như phẫu thuật từ xa và theo dõi bệnh nhân cấp cứu. Điều này mở ra nhiều cơ hội mới cho việc cung cấp dịch vụ chăm sóc sức khỏe chất lượng cao cho bệnh nhân ở mọi nơi.

6.2. Ứng dụng AI trong chẩn đoán bệnh và điều trị cá nhân hóa

Ứng dụng AI trong chẩn đoán bệnh và điều trị cá nhân hóa sẽ ngày càng trở nên phổ biến. Các thuật toán máy học (Machine Learning) trong y tế có thể phân tích dữ liệu y tế phức tạp để đưa ra chẩn đoán chính xác hơn và đề xuất các phương pháp điều trị phù hợp với từng bệnh nhân. Điều này giúp cải thiện hiệu quả điều trị và giảm thiểu tác dụng phụ.

Nội dung chính

Tổng quan nghiên cứu

Rối loạn nhịp tim là một trong những nguyên nhân hàng đầu gây tử vong do tim trên thế giới, ảnh hưởng đến mọi độ tuổi và có thể dẫn đến các biến chứng nghiêm trọng nếu không được phát hiện và điều trị kịp thời. Việc theo dõi sức khỏe tim mạch truyền thống thường yêu cầu bệnh nhân đến bệnh viện để thực hiện đo điện tâm đồ (ECG) bằng thiết bị chuyên dụng, gây khó khăn và chậm trễ trong việc chẩn đoán sớm. Trong bối cảnh dịch Covid-19 diễn biến phức tạp, việc đo nồng độ oxy trong máu (SpO2) trở nên quan trọng nhằm phát hiện sớm tình trạng thiếu oxy, góp phần nâng cao hiệu quả chăm sóc sức khỏe.

Luận văn tập trung phát triển ứng dụng chăm sóc sức khỏe thông minh dựa trên công nghệ điện toán cận biên (Edge Computing), kết hợp với trí tuệ nhân tạo (AI) và Internet of Medical Things (IoMT) nhằm theo dõi nhịp tim, điện tâm đồ và chỉ số SpO2 theo thời gian thực. Mục tiêu cụ thể bao gồm xây dựng mô hình dự đoán bệnh tim mạch sử dụng các thuật toán máy học như SVM, Logistic Regression, LGBM trên nền tảng điện toán đám mây Google Colab, đồng thời triển khai mô hình này trên hệ thống điện toán cận biên để giảm độ trễ và tăng hiệu quả xử lý dữ liệu. Phạm vi nghiên cứu tập trung vào các thiết bị IoT như Arduino Uno, Raspberry Pi, cảm biến AD8232, MAX30102, cùng các công nghệ ảo hóa container Docker và Kubernetes, thực hiện tại TP. Hồ Chí Minh trong năm 2022.

Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao khả năng theo dõi sức khỏe từ xa, giảm tải cho hệ thống y tế, đồng thời mở rộng ứng dụng công nghệ hiện đại trong chăm sóc sức khỏe cộng đồng. Theo ước tính, việc ứng dụng điện toán cận biên có thể giảm thời gian phản hồi xuống dưới 100ms, cải thiện hiệu suất xử lý dữ liệu lên đến 30% so với điện toán đám mây truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba khung lý thuyết chính:

1. Internet of Things (IoT) và Internet of Medical Things (IoMT): IoT là hệ thống các thiết bị vật lý được kết nối và trao đổi dữ liệu qua Internet mà không cần sự tương tác trực tiếp của con người. Trong lĩnh vực y tế, IoMT bao gồm các thiết bị cảm biến như AD8232 (đo điện tâm đồ), MAX30102 (đo SpO2 và nhịp tim), kết nối qua các giao thức Wi-Fi, LoRa, Bluetooth để thu thập dữ liệu sức khỏe bệnh nhân.

2. Điện toán cận biên (Edge Computing): Công nghệ xử lý dữ liệu gần nguồn phát sinh nhằm giảm độ trễ và băng thông so với điện toán đám mây. Điện toán cận biên sử dụng các trạm dữ liệu vi mô để xử lý và lưu trữ dữ liệu cục bộ, kết hợp với công nghệ ảo hóa container (Docker) và điều phối (Kubernetes) để quản lý tài nguyên hiệu quả, hỗ trợ mở rộng hệ thống linh hoạt.

3. Trí tuệ nhân tạo và máy học (AI & Machine Learning): Sử dụng các thuật toán phân lớp có giám sát như SVM, Logistic Regression, LGBM để huấn luyện mô hình dự đoán nguy cơ bệnh tim mạch dựa trên dữ liệu bệnh sử và các chỉ số cận lâm sàng. Mô hình được huấn luyện trên nền tảng điện toán đám mây Google Colab, tận dụng GPU miễn phí để tăng tốc quá trình huấn luyện.

Các khái niệm chính bao gồm: điện tâm đồ (ECG), nồng độ oxy trong máu (SpO2), container ảo hóa, Kubernetes cluster, thuật toán phân lớp, và giao thức truyền thông MQTT, CoAP.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu công khai trên Kaggle về bệnh tim mạch, được tiền xử lý và gán nhãn để huấn luyện mô hình máy học. Cỡ mẫu huấn luyện khoảng vài nghìn bản ghi, đảm bảo tính đại diện và độ chính xác của mô hình.

Phương pháp chọn mẫu là chọn mẫu ngẫu nhiên có kiểm soát từ bộ dữ liệu để đảm bảo cân bằng giữa các lớp nguy cơ và không nguy cơ. Phân tích dữ liệu sử dụng Python với các thư viện scikit-learn, Pandas, và thư viện Neurokit2 để xử lý tín hiệu điện tâm đồ.

Timeline nghiên cứu kéo dài trong 12 tháng, bao gồm các giai đoạn: nghiên cứu tài liệu (3 tháng), thiết kế và huấn luyện mô hình (4 tháng), phát triển ứng dụng và triển khai trên điện toán cận biên (3 tháng), thử nghiệm và đánh giá hiệu năng (2 tháng).

Phương pháp phân tích bao gồm đánh giá độ chính xác mô hình qua các chỉ số Confusion Matrix, Precision, Recall, F1-score, đồng thời đo lường thời gian phản hồi và hiệu suất tài nguyên (CPU, RAM) của hệ thống khi triển khai trên Docker và Kubernetes.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác mô hình dự đoán bệnh tim mạch: Thuật toán Logistic Regression đạt độ chính xác 87%, F1-score 0.85, vượt trội so với các thuật toán khác như SVM (độ chính xác 83%) và LGBM (độ chính xác 85%). Mô hình được huấn luyện trên Google Colab và lưu trữ trên Google Drive để triển khai trên điện toán cận biên.

2. Hiệu suất xử lý trên điện toán cận biên: Thời gian phản hồi trung bình của hệ thống khi xử lý dữ liệu tại biên là khoảng 80ms, giảm 40% so với thời gian phản hồi 135ms khi xử lý trên đám mây. Điều này chứng tỏ điện toán cận biên giúp giảm độ trễ đáng kể, phù hợp với các ứng dụng theo dõi sức khỏe thời gian thực.

3. Khả năng mở rộng và ổn định của hệ thống: Hệ thống triển khai trên Kubernetes cluster với 3 node, mỗi node chạy nhiều container, cho phép tự động cân bằng tải và khởi tạo lại container khi gặp sự cố. Đánh giá hiệu năng cho thấy CPU sử dụng trung bình 65%, RAM 70% khi xử lý đồng thời 50 yêu cầu, đảm bảo tính ổn định và khả năng mở rộng.

4. Ứng dụng thực tế của thiết bị IoT: Thiết bị đo điện tâm đồ AD8232 kết nối với ESP8266 qua Wi-Fi hoạt động ổn định, thu thập dữ liệu ECG chính xác với sai số dưới 5%. Thiết bị đo SpO2 MAX30102 cho kết quả đo nhịp tim và nồng độ oxy trong máu tương đồng với thiết bị y tế chuyên dụng, sai số dưới 3%.

Thảo luận kết quả

Nguyên nhân chính giúp mô hình dự đoán đạt hiệu quả cao là do việc lựa chọn thuật toán phù hợp và tiền xử lý dữ liệu kỹ lưỡng, loại bỏ các giá trị nhiễu và cân bằng dữ liệu. Kết quả này tương đồng với các nghiên cứu gần đây về ứng dụng máy học trong dự đoán bệnh tim mạch, đồng thời cho thấy lợi thế của việc triển khai mô hình trên nền tảng điện toán đám mây kết hợp điện toán cận biên.

Việc giảm độ trễ xử lý nhờ điện toán cận biên là yếu tố then chốt giúp ứng dụng có thể theo dõi sức khỏe bệnh nhân theo thời gian thực, đặc biệt trong các tình huống cấp cứu hoặc bệnh nhân cần giám sát liên tục. So sánh với các nghiên cứu khác, hệ thống này có khả năng mở rộng tốt hơn nhờ sử dụng Kubernetes, giúp quản lý tài nguyên hiệu quả và tăng tính ổn định.

Dữ liệu có thể được trình bày qua biểu đồ so sánh thời gian phản hồi giữa điện toán đám mây và điện toán cận biên, bảng thống kê độ chính xác các thuật toán máy học, và biểu đồ sử dụng tài nguyên CPU, RAM khi chạy hệ thống dưới tải.

Đề xuất và khuyến nghị

1. Triển khai mở rộng hệ thống IoMT tại các cơ sở y tế: Khuyến nghị các bệnh viện, phòng khám áp dụng hệ thống theo dõi sức khỏe thông minh dựa trên điện toán cận biên để nâng cao chất lượng chăm sóc, giảm tải cho nhân viên y tế. Thời gian thực hiện trong 12 tháng, phối hợp giữa đơn vị phát triển và cơ sở y tế.

2. Tăng cường đào tạo và chuyển giao công nghệ: Tổ chức các khóa đào tạo về IoT, điện toán cận biên và AI cho đội ngũ kỹ thuật và y tế nhằm đảm bảo vận hành và bảo trì hệ thống hiệu quả. Thời gian đào tạo dự kiến 6 tháng, do các chuyên gia công nghệ thông tin và y tế phối hợp thực hiện.

3. Nâng cấp và tích hợp thêm các cảm biến mới: Mở rộng hệ thống với các loại cảm biến khác như đo huyết áp, đường huyết để đa dạng hóa chức năng chăm sóc sức khỏe. Thời gian nghiên cứu và tích hợp khoảng 9 tháng, do nhóm phát triển phần mềm và phần cứng phối hợp.

4. Phát triển ứng dụng di động hỗ trợ người dùng cuối: Xây dựng ứng dụng di động thân thiện, cho phép người dùng theo dõi chỉ số sức khỏe cá nhân và nhận cảnh báo sớm. Thời gian phát triển 6 tháng, do nhóm phát triển phần mềm di động đảm nhiệm.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và sinh viên ngành Công nghệ Thông tin: Luận văn cung cấp kiến thức sâu rộng về IoT, điện toán cận biên, AI và ứng dụng thực tiễn trong chăm sóc sức khỏe, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

2. Chuyên gia và kỹ sư phát triển hệ thống IoT và AI: Tài liệu chi tiết về thiết kế kiến trúc hệ thống, triển khai Docker, Kubernetes và huấn luyện mô hình máy học giúp nâng cao kỹ năng và áp dụng vào dự án thực tế.

3. Cán bộ y tế và quản lý bệnh viện: Hiểu rõ về công nghệ mới trong theo dõi sức khỏe từ xa, giúp đưa ra quyết định đầu tư và triển khai các giải pháp công nghệ phù hợp với nhu cầu chăm sóc bệnh nhân.

4. Doanh nghiệp công nghệ và startup trong lĩnh vực y tế số: Tham khảo mô hình kinh doanh và kỹ thuật để phát triển sản phẩm chăm sóc sức khỏe thông minh, tăng cường khả năng cạnh tranh trên thị trường.

Câu hỏi thường gặp

1. Điện toán cận biên khác gì so với điện toán đám mây?
   Điện toán cận biên xử lý dữ liệu gần nguồn phát sinh, giảm độ trễ và băng thông so với điện toán đám mây, vốn xử lý tập trung tại trung tâm dữ liệu xa. Ví dụ, thời gian phản hồi trên điện toán cận biên chỉ khoảng 80ms so với 135ms trên đám mây.

2. Các thuật toán máy học nào được sử dụng để dự đoán bệnh tim mạch?
   Luận văn sử dụng các thuật toán phân lớp như Logistic Regression, SVM, LGBM. Logistic Regression cho kết quả tốt nhất với độ chính xác 87% và F1-score 0.85.

3. Thiết bị IoT nào được sử dụng để thu thập dữ liệu sức khỏe?
   Các thiết bị chính gồm cảm biến AD8232 đo điện tâm đồ, MAX30102 đo SpO2 và nhịp tim, kết nối qua Wi-Fi hoặc LoRa với các board Arduino Uno, ESP8266 và Raspberry Pi.

4. Làm thế nào để hệ thống đảm bảo tính ổn định khi có nhiều thiết bị kết nối?
   Hệ thống sử dụng Kubernetes để quản lý container, tự động cân bằng tải và khởi tạo lại container khi gặp sự cố, đảm bảo hoạt động liên tục và mở rộng linh hoạt.

5. Ứng dụng của nghiên cứu này trong thực tế là gì?
   Hệ thống giúp theo dõi sức khỏe bệnh nhân từ xa, phát hiện sớm các dấu hiệu bệnh tim mạch và thiếu oxy, giảm tải cho bệnh viện, đặc biệt hữu ích trong giai đoạn dịch bệnh và chăm sóc bệnh nhân tại nhà.

Kết luận

• Phát triển thành công ứng dụng chăm sóc sức khỏe thông minh dựa trên điện toán cận biên, kết hợp AI và IoMT, đáp ứng nhu cầu theo dõi nhịp tim, điện tâm đồ và SpO2 theo thời gian thực.
• Mô hình dự đoán bệnh tim mạch đạt độ chính xác 87%, F1-score 0.85, triển khai hiệu quả trên nền tảng điện toán đám mây và cận biên.
• Hệ thống điện toán cận biên giảm thời gian phản hồi xuống 80ms, cải thiện hiệu suất xử lý và khả năng mở rộng nhờ công nghệ Docker và Kubernetes.
• Thiết bị IoT sử dụng cho thu thập dữ liệu có độ chính xác cao, phù hợp với ứng dụng chăm sóc sức khỏe thực tế.
• Đề xuất mở rộng triển khai tại các cơ sở y tế, đào tạo nhân lực và phát triển thêm các tính năng mới để nâng cao hiệu quả chăm sóc sức khỏe cộng đồng.

Tiếp theo, nghiên cứu sẽ tập trung vào mở rộng hệ thống với nhiều thiết bị IoT hơn, tối ưu thuật toán máy học và phát triển ứng dụng di động hỗ trợ người dùng cuối. Độc giả và các đơn vị quan tâm được khuyến khích liên hệ để hợp tác phát triển và ứng dụng công nghệ trong chăm sóc sức khỏe thông minh.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan Chương 2: Nghiên cứu các công nghệ liên quan Chương 3: Mô hình thiết kế ứng dụng chăm sóc sức khỏe thông minh Chương 4: Hiện thực, triển khai ứng dụng chăm sóc sức khỏe thông minh Chương 5: Kịch ban thử nghiệm và đánh giá Chương 6: Kết luận và hướng phát triển 17 CHƯƠNG 2. NGHIÊN CỨU CÁC CÔNG NGHỆ LIÊN QUAN 2.1 Các nghiên cứu về Internet of Things (IoT) 2.11 Tổng quan Thuật ngữ “Internet of Things” hay IoT lần đầu tiên được đặt ra bởi Kevin Ashton vào năm 1999. Nhưng chỉ khi Gartner thêm IoT vào danh sách các công nghệ mới nồi vào năm 2011, nó mới bắt đầu được biết đến nhiều trên toàn cầu. Tính đến năm 2021, số lượng thiết bị được kết nối đang hoạt động trên thế giới là khoảng 21,7 ty, trong đó hơn 11,7 tỷ (54%) là thiết bị IoT.

Biéu đồ tổng số thiết bị kết nối (bao gồm cả Non-loT) ToT là một thuật ngữ bao hàm đề cập đến hàng tỷ đối tượng vật lý hoặc “mọi thứ” được kết nối với Internet, tat cả đều thu thập và trao đồi dữ liệu với các thiết bị và hệ thống khác qua Internet. Các thiết bị IoT có thể bao gồm từ các thiết bị nấu ăn thông thường trong gia đình đến các công cụ công nghiệp tỉnh vi.1⁄2 Các thiết bị loT Thiết bị IoT là các thiết bị phần cứng, chăng hạn như cảm biến, thiết bị gia dụng và các máy móc khác có khả năng thu thập và trao đổi dữ liệu qua Internet. Các thiết bị IøT khác nhau có các chức năng khác nhau, nhưng chúng đều có những điểm tương đồng về cách thức hoạt động. Cụ thể, thiết bị IoT là các đối tượng 18 vật lý cảm nhận mọi thứ đang diễn ra trong thế giới vật chất.

Chúng chứa CPU, firmware, giao thức mạng và có địa chỉ IP để hoạt động qua mạng. Một số loại tiêu biểu được liệt kê dưới đây: 2.1 Arduino UNO ‹®* Tổng quát: Arduino Uno là một bảng mạch vi điều khiển nguồn mở được phát triển bởi Arduino. Chúng ta dễ dàng xây dựng cho mình một dự án nhanh nhất (lập trình Robot, xe tự hành, điều khiển bật tắt LED.) dựa trên các thư viện có trên Arduino. Board mạch Arduino Uno * _ Ứng dụng của Arduino trong đời sống con người - May bay không có người lái.

- Cham sóc sức khỏe thông minh 2.2 Raspberry Pi Raspberry Pi là một máy tính rất nhỏ gon, kích thước bằng khoảng một cái thẻ ATM và chạy hệ điều hành Linux. Thiết bị Raspberry Pi gom bộ vi xử lý, bộ nhớ trong, khe cắm thẻ microSD, Wi-Fi, Bluetooth và các cổng USB 2. Raspberry Pi s* Ưu điểm và các ứng dụng cúa Raspberry Pi: « Don giản, dé sử dụng. « _ Tiêu thụ điện năng thấp: công suất chưa tới SW.

« C6 tính ứng dụng cao: thiết bị điều khiển mọi thiết bị điện tử trong nhà, điều khiển robot, làm camera an ninh, chăm sóc sức khỏe. Database Phàm Hình 2. Mô hình chăm sóc sức khỏe với thiết bị Raspberry Pi 2.3 Libelium IoT % Giới thiệu Libelium là thiết bị có dang mô-đun, dễ tích hợp, tiêu thụ năng lượng thấp và thường được triển khai cho các giải pháp Smart City. * Thiết bị Libelium Waspmote: 20 Hình 2.

Thiết bị Libelium Waspmote 2.3 Tiêu chuẩn và các giao thức Các giao thức IoT là một phan không thể thiếu của nền tang công nghệ IoT. Nếu không có các giao thức và tiêu chuẩn IoT, phần cứng sẽ được coi là vô dụng. Các giao thức và tiêu chuẩn IoT được phân thành hai loại riêng biệt. Đó là: Giao thức dữ liệu IoT (Presentation / Lớp ứng dụng) và Giao thức mang cho IoT (Datalink / Lớp vật lý).

Dấu ngoặc đơn là tham chiếu đến mô hình lớp mạng OSI.1 Giao thức dir liệu IoT ** MQTT (Message Queueing Telemetry Transport) - Truyền thông điệp qua mô hình publisher-subscribe, sử dung băng thông thấp, độ tin cậy cao. - Giao thức này hoạt động trên nên tang TCP/IP. BROKER | “————^ Pubieh subscribe Hình 2. Kiến trúc của giao thức MQTT - MQTT là lựa chọn lý tưởng trong các môi trường có băng thông thấp hay chạy trên thiết bị nhúng bị giới hạn về tài nguyên.

21 s* CoÁp (Constrained Application Protocol) - CoAP là một giao thức truyén tải tai liệu theo mô hình client/server dựa trên internet tương tự như giao thức HTTP. - Các gói CoAP nhỏ hơn nhiều so với dong HTTP TCP. © = Camel eircom) Hình 2. Kiến trúc của giao thức CoAP - CoAP sử dụng UDP (User Datagram Protocol), không.

hé tro TCP. * HTTP - HTTP là viết tắt của Hyper Text Transfer Protocol. - Giao tiếp giữa máy khách va máy chủ web được thực hiện bang cách gửi HTTP request và nhận HTTP response eneauest (Methods, (Methods Resources, Resources Headers) Headers), ge Response (Status (Status Code, Code, Headers) Headers) Hình 2. Kiến trúc giao thức HTTP 2.2 Giao thức mang cho IoT: Wi-Fi: - Wi-Fi (Wireless Fidelity) là một trong những giao thức truyền thông IoT phé biến nhất.

- Đặc điểm: 2 "Tiêu chuẩn: Dựa trên IEEE 802.11 “ Tần số: 2,4 GHz và 5 GHz " Phạm vi: Xấp xỉ 50 mét có thé lên đến 100 mét = Tốc độ dữ liệu: tùy theo từng phiên bản Wi-Fi - Ưu điểm: chi phí thiết bị cho Wi-Fi tháp và triển khai dé dàng. - Nhược điểm: mức tiêu thụ điện năng cao, phạm vi Wi-Fi khá vừa phải. - Vì vậy, Wi-Fi có thé không phải là lựa chọn tốt nhất cho tất cả các loại ứng dụng IoT nhưng nó có thể được sử dụng cho các ứng dụng như Home Automation, Smart Healthcare + Bluetooth: - Bluetooth là công nghệ được sử dung dé trao đổi dữ liệu không day trong khoảng cách ngắn. - Đặc điểm: "Tiêu chuẩn: Bluetooth 4.2 " Tan số: 2,4 GHz (ISM) = Pham vi: Xp xi.

50-150 mét " _ Tốc độ dữ liệu - 1 Mb/s đến 3 Mb/s Hình 2. Biểu tượng Bluetooth - Giống như Wi-Fi, Bluetooth cũng có một mô-đun Bluetooth HC-05 có thể được giao tiếp với các board mạch như Arduino hoặc Raspberry Pi để xây dựng các dự án loT. s* Zigbee: 23 - Đặc điểm: "Tiêu chuẩn: Zigbee 3.0 dựa trên IEEE802.4 = Tan số:2,4Ghz = Pham vi: Xap xi 10-200m = Tốc độ dữ liệu - 250 kbps - Nó được thiết kế đặc biệt cho các địa điểm công nghiệp, nơi yêu cầu điện năng thấp. - Thường được triển khai trong các thiết bị có yêu cầu nhỏ, chẳng hạn như bộ vi điều khiển và cảm biến.

thức này thường được sử dụng cho liên lạc đường dài. Dữ liệu có thể được gửi với kích thước lớn và nhanh hơn so với các công nghệ khác. Mô hình mạng di động Cellular - _ Các tần số hoạt động từ 900 - 2100 MHz với khoảng cách phủ sóng từ 35 km đến 200 km và tốc độ dữ liệu tức là tốc độ truyền dữ liệu từ 35 Kbps đến 10 Mbps. Một công ty Quectel có các sản phẩm IOT di động như EC21, EC23, EG91 và nhiều sản phẩm tiêu chuẩn LTE khác hoạt động trên 4G.

UMTS / HSPDA UCI5, UC20, UCI5 Mini & UC20 Mini là mô-đun IOT dựa trên 3G do cùng một công ty đưa ra. “ LoRa và LoRaWAN - LoRa ngày nay đang trở nên phô biến và được sử dung trong giao thức mạng IoT. LoRaWAN (Mạng diện rộng dai dài) có các ứng dụng cho khoảng cách xa và được thiết kế dé cung cấp năng lượng thấp cho giao tiếp trong các ứng dụng ToT, M2M. - Sự khác nhau giữa LoRa và LoRaWAN: = Lora là một điều chế không dây, sử dụng mức tiêu thu năng lượng thấp, là lớp vật lý (chip) = LoraWAN là một giao thức mạng, được đặt trên chip Lora để kết nối mạng.4 Cac giải pháp Nói đến IoT, vẫn rất nhiều người lầm tưởng IoT chỉ là xoay quanh các thiết bị phần cứng đầu cuối như Arduino nhưng thực ra đó chỉ là một phần trong bức tranh tổng thé của một giải pháp IoT hoàn chỉnh.

Hau hết các giải pháp IoT hoàn chỉnh đều có sơ đồ cấu trúc tông thé như sau: 25 Devices Connectivity AerCloud Application @_— @ 4: Hình 2. Sơ dé cấu trúc tổng thé giải pháp IoT hoàn chỉnh 2.1 Các giải pháp IoT phổ biến: “ Gidm sát độ lạnh: đo nhiệt độ trong các thiết bị làm lạnh bằng cảm biến và tự động kích hoạt cảnh báo néu nhiệt độ giảm xuống dưới ngưỡng đã thiết lập trước. s* Theo dõi vị trí xe 6 tô: Sử dụng công cụ theo dõi trên ô tô để thu thập vị trí GPS của chúng và tự động cập nhật trên màn hình bản đồ, cho phép người dùng biết chính xác vị trí của ô tô. % Anninh gia đình: oT kết nối nhiều loại cảm biến, báo động, camera, đèn và micrô có thé được điều khiển từ điện thoại thông minh.

s* Cham sóc sức khỏe: giải pháp này tạo điều kiện thuận lợi cho việc theo đõi trạng thái sức khỏe của bệnh nhân và theo dõi nhân viên y tế và tài sản thông qua mạng lưới các thiết bị và cảm biến thông minh được kết nồi.2 Giải pháp IoT trong chăm sóc sức khỏe fÔ — REMOTE HEALTH MONITORING ‘SMART HOSPITAL SPACE X (0)——”= me nue rxAo0ne nœ Hình 2. Giải pháp IoT trong chăm sóc sức khỏe Các thiết bị lơT ngày càng gia tăng và nó có ảnh hưởng rất lớn trong việc chăm sóc sức khỏe. Ngoài ra, các hệ thống thông minh dựa trên IoT cho phép giám sát bệnh nhân từ xa [12]. Tác giả Jonathan Eprilio Soaduon Simanjuntak và cộng sự [13] trình bày việc kết hợp chip AD8232 và Arduino dé thu các giá trị điện tâm đồ và sử dụng phương pháp Recurrent Neural Network (RNN) dé phân loại các kết quả đọc điện tâm đồ trong việc đánh giá rung tâm nhĩ (Atrial fibrillation).

Việc kết hop Arduino và AD8232 có thé là một máy đo điện tâm đồ tốt trong việc đọc các bản ghi điện tim với chỉ phí thấp nhưng có độ chính xác cao. Đối với những bệnh nhân nặng, đang điều trị tại các khoa hồi sức tích cực thi việc theo đõi các chỉ số sức khỏe như điện tim, SpO2 là hết sức cần thiết. Tác giả Ayaskanta Mishra và cộng sự [14] đã trình bày cách hiện thực một chương trình chăm sóc sức khỏe thông minh bằng cách kết hợp chip AD8232 và Arduino Uno thông qua module ESP8266 Wifi truyén đữ liệu thu thập được lên Cloud để theo dõi thông tin về điện tim theo thời gian thực. Tác gia Nurul Huda và cộng sự [15] trình bày nghiên cứu giải pháp phát hiện rối loạn nhịp tìm bằng cách ứng dụng chức năng đo điện tâm đồ sử dụng chip AD8232, Arduino, kết nói Bluetooth với chi phí và năng lượng thấp.

27 SPE Wi Module tác smer tee netehem te a ` eto Hình 2. Mô hình kết nối cảm biến AD8232 và ESP8266 Wifi 2.2 Điện toán đám mây và điện toán cận biên 2.