Chương 1.-- 2-52 ssSs+ss£ss£seEseEseEssessesserssrsser 12 1. Lí do chọn để tài và mục đích. Lí do chọn đềtài. Mục tiêu nghiên cứu của đề tài.
Phạm vi và đối tượng nghiên cứu. Phạm vi nghiên CỨU. Đối tượng nghiên cứu.-s---ecsseeceerrecerreererreere 13 Chương 2.--- 2-2 s£s£©ss£Ess£ssessetssezssezsess 14 2. Tổng quan về eHealth, loT, Edge eomputing.
lạ [vi lliVfli. Giới thiệu về MySignals. Giới thiệu về Arduino, ESP8266 ESP-01, Raspberry Pi. Arduino, Arduino TDEE.
ESP8266 ESP-OI. Raspberry Pi, Raspbl1an. Giới thiệu về Google Cloud Platform. Công nghệ ảo hóa Docker, Kube€rT(€S.
Docker, Docker Hub. Công nghệ ReactJS, React-Native, NOdeJS. HH HH HH Hy 27 2. Node]JS, EXpT€SS.
HH re 27 Chương 3. HIỆN THỰC, TRIEN KHAI HỆ THONG. Tổng quan về mô hình sẽ tiến hành. Triển khai cloud.
Triển khai thiết bị đầu cuối. Lấy dữ liệu sức khỏe. ch HH HH HH re.c--cs+ccekckkErhHHHH H111 TH HH H01 01111111111 42 3. Triển khai tại Edge.
Emotion detect S€TVCT. Tao AI emotion đef€CT. Tiến hành chạy và đóng gói. Triển khai server trên Raspberry.ecccccreeeeeveerrrrreeeeerrrrree 54 Chương 4.-5-s<°seSs©Se£SsEEseEteEEseetservsersserssrrssre 59 DANH MỤC HÌNH Hình 2.
1: Các cảm biến và MySignals Hardware.---2- 2 2 2 scx+zxszxerssez 16 Hình 2. 2: Module Thu Phát Wifi ESP8266 - (Ï. HH HH re, 18 Hình 2. 3: Các dich vụ của Google Cloud PÏatform.
4: Tóm tắt minh họa các phương pháp NAS.-------¿©22cs+c++zxczsz 21 Hình 2. 5: Kiến trúc TEX veccecccsccsscsscessessesssssessessssesssessessecsusssessessssessseeseesesanseseeseess 22 Hình 2. 6: Kiến trúc hoạt động của [DDOCK€T.- 5 3S SE vsEvreeeerrsrrerrrree 24 Hình 2. 7: Kiến trúc hoạt GONG 0ì 0c.
8: Kiến trúc hoạt Ong 8cT1 a4. 1: Mô hình hoạt động của hệ thống sẽ tiễn hành. 2: Màn hình project của Flrebase.-- - --- «+ s1 ng ngư 31 Hình 3. 3: Dữ liệu được lưu trong Firebase FireStOF€.
4: Cảm biến nhịp tim/oxy trong MAU .-- 2-5 +2 2++++z++zx+zs+zsse2 33 Hình 3. 5: Kiểm thử kết nối với §erVer. 6: Kiểm thử kết nối với serVer. 7: Source code đọc dữ liệu từ S€ñSOT.
8: Source code dữ liệu sẽ được truyền tới s€rVer.------¿-cs-cszsz=sz 35 Hình 3. 9: Màn hình điền thông tin bệnh nhân. 10: Source code tạo socket kết nói tới server từ App bệnh nhân. 11: Màn hình thông tin của bệnh nhân.-- 5 5< + +++++++ee++seeseeers 39 Hình 3.
12: Cảnh báo khi có số liệu bất thường. 13: Source code xử lý dit liệu nhân được. --- -- «+ ++<£+ece+essersee 41 Hình 3. 14: Source code cập nhật ảnh bệnh nhân.
15: Man hình đăng nhập admin. ce cceceeeescceeeseeeseeeseeeeeeseeeeeseeeseeeseees 42 Hình 3. 16: Man hình đăng ky admm. 17: Màn hình trang chủ của admiin.
18: Source code đọc dit liệu từ Firebase. 19: Màn hình thông tin từng bệnh nhân.- -- 5 5£ +<£++£+se+sessessee 44 Hình 3. 20: Email được gửi tới chuyên viên y tẾ.--- 22+ ++cx+zEzEezrxerxrez 44 Hình 3. 21: Source code tao server va kiém thir kết nối.
22: Source code socket nghe và truyền dit liệu tới client. 23: Source code route khi nhận đữ liệu. 24: Source code route xử lý chuẩn đoán hình ảnh gương mặt. 25: Tài nguyên sử dung của server COnIfFOÏÏ€T.-- 5s s«£+se+s+se+sers 48 Hình 3.
26: Import file zip chứa ảnh được gan nhãn cảm XÚC. 27: Cac image đọc được từ file và phân loại. 28: Màn hình train ímO(eÌ.- - s- - + x93 9911911 93 911v ng nến 49 Hình 3. 29: Màn hình export model.
30: Tải về model trong folder download _ đÌT. -- -« «+ «sx+<sss+<exss 50 Hình 3. 31: Cấu trúc file JSON được gửi.--- ¿2c St E2 2E EEEEEEEkerkerkrree 51 Hình 3. 32: Kiểm thử với Postman.¿--ccccc 5c ctvtitrttrrrrrrrrrrrrrrrrirrrrrkee 52 Hình 3.
33: Source code Dockerfile của server emotion detect. 34: Chạy lại server emotion (€t€CI. 35: Kiểm lại với Postrmanie. 36: Tai nguyên sử dung của emotion detect S€TV€T.
37: Dockerfile của controller S€TVT. 38: File YAML của controller S€TVCT. 39: Ví dụ về các port khi tạo bang file YAMIL. 40: Lỗi không tương thích OS.- - 2 52 SSE+E££E£EE£E£EEEEerxrrrxrrerrrri 57 Hình 3.
Al: Cài đặt và dùng buildx dé thực hiện multi-arch.----ss cs+szs+z 58 Hình 3. 42: Cac OS/Arch được tạo thành công trên Docker Hub.- 58 DANH MỤC BANG Bang 2. 1: So sánh giữa NodeJS va ExpressJS. 1: Thông số nhịp tim và oxy trong máu theo độ tuổi theo WFSA[10].
2: Bảng kết quả độ chính xác của model emotion detect.---- DANH MỤC TỪ VIET TAT TỪ NỘI DUNG DIỄN GIẢI OS Operating system Hệ điều hành Arch Architecture Kiến trúc Multi- Multiple architecture Đa kiến trúc arch : : ; TCP Transmission Control Protocol Giao thức điêu khiên truyện nhân UDP User Datagram Protocol Giao thức dữ liệu người dùng HTTP | HyperText Transfer Protocol Giao thức truyền tải siêu van bản AI Artificial Intelligence Tri tuệ nhân tao Method Phuong thức Protocol Giao thức ML Machine learning May hoc TOM TAT KHÓA LUẬN Trong thời buổi dịch bệnh phức tạp như hiện nay, tac động của dịch bệnh đặc biệt là COVID-19 đã và đang có tác động mạnh mẽ dé hệ thống y tế trong và ngoài nước. Bệnh viện và các y bác sĩ phải đối mặt với tình trạng giường bệnh đầy ắp bệnh nhân hay thiếu người chăm sóc bệnh nhân. Thêm vào đó chính là sự bùng nô của số lượng lớn thiết bị thuộc Internet of Things và sự phat triển của công nghệ 5G. Chính VÌ vậy, việc triển khai y té thông minh là thực sự cần thiết dé giảm áp lực đối với các y bác sĩ.
Ở đề tài luận văn này, em sẽ phát triển tiếp mô hình tính toán cận biên (Edge- computing) với bộ dụng cụ của MySignals, đưa ra cảnh báo đồng thời kiểm tra mức độ hài lòng của bệnh nhân qua khuôn mặt. Lí do chọn đề tài và mục đích 1. Lí do chọn đề tài Đề tài được phát triển trong thời budi dịch bệnh Covid-19 dân đến sự quá tải ở các bệnh viện, sự tiêp xúc giữa bac sĩ và bệnh nhân thi trở nên vô cùng phức tạp. Với nhu cầu sức khỏe đang ngày càng được đặt lên hàng đầu thì việc chọn đề tài này sẽ có thể đáp ứng được nhu cầu hiện tại và phát triển thêm trong tương lai.
Cụ thé đó là việc tự động thu thập dữ liệu sức khỏe bệnh nhân và đưa ra cảnh báo mà không cần các y bác sĩ. Mục đích Đáp ứng nhu cầu cấp thiết liên quan đến sức khỏe con người ở thời điểm hiện tại cũng như có thé duy trì và phát triển được tiếp trong tương lai. Việc sử dụng IoT trong việc kiểm tra sức khỏe cũng giảm thiéu rủi ro liên quan đến Covid-19 cho các nhân viên y tế. Đặt vẫn đề Với tình hình thế giới hiện nay nói chung và Việt Nam nói riêng, khi mà dịch bệnh bùng phát với tốc độ rất nhanh cũng như thiếu hụt các y bac sĩ, sự quá tải ở bệnh viện thì việc phát triển eHealth là thực sự cần thiết.
Hệ sinh thái IoT eHealth lay bệnh nhân làm trung tâm này cần có kiến trúc nhiều lớp: thiết bị, điện toán sương mù và đám mây dé trao quyền xử lý dữ liệu phức tạp về tính đa dạng, tốc độ và độ trễ[ 1]. Bên cạnh đó eHealth giúp giảm công việc về giấy tờ, giảm chi phí trùng lặp, giảm chi phí sức khỏe trong tương lai khi mà các quyết định lâm sàng mang tinh đúng đắn hơn. Cùng với IoT ta có thé truy cập dit liệu, kết nối với nhiều chương trình/đại lý (bệnh nhân, thiết bị, mạng, nhà cung cấp), hoạt động tự trị[2]. Mục tiêu nghiên cứu của đề tài Phát triển, đọc dữ liệu cảm biến dựa trên dụng cụ được cung cấp, lưu trữ dữ liệu thu được vào database cũng như hiển thị kết quả qua app, phát ra cảnh báo khi có nguy hiểm về sức khỏe.
Đồng thời kiểm tra mức độ hài lòng của bệnh nhân qua khuôn mặt. Phạm vi và đối tượng nghiên cứu 1. Phạm vi nghiên cứu e Phát triển nhận biết sự hài lòng của bệnh nhân dit liệu cảm biến dựa trên tập dữ liệu được thu thập từ cảm biến lưu vào cơ sở dit liệu theo mô hình và phát triển thêm ML về nhận biết độ hài lòng qua khuôn mặt. Đối tượng nghiên cứu e Bộ thiết bi MySignals.
e Lưu trữ, doc dữ liệu thu được trên cơ sở dữ liệu. e _ Thuật toán máy học đánh giá sự hài long của bệnh nhân dựa trên khuôn mặt. Tổng quan về eHealth, IoT, Edge computing 2. eHealth, IoT Thuật ngữ “y tế điện tử” (e-Health) ngày càng được sử dung nhiều trên thé giới, nhưng chỉ có ít người đưa ra được một định nghĩa rõ ràng cho từ vựng tương đối mới này.
Bắt đầu được nhắc đền khoảng năm 1999, thuật ngữ dần dần trở nên khá thông dụng, dé chỉ không những việc sử dụng Internet vào lĩnh vực chăm sóc sức khỏe, mà còn muốn đề cập đến 1 phạm vi rộng hơn, gan nhu 1a tat ca những gi liên quan đến tin học, máy tinh dé ứng dụng vào ngànhy tế[3]. Các loại hình y tế điện tử có thể ké đến như: e Dũ liệu y tế điện tử (Electronic health record). e Điều tri từ xa (telemedicine). e Thông tin điện tử về sức khỏe (health informatics).
e_ Cập nhận kiến thức y tế bằng. e Đội ngũ chăm sóc “ảo” (Virtual healthcare team). e m-health hay mobile health. e Nghién cứu y học thông qua hệ thống trao đồi dữ liệu toàn cầu.
e Hé thống thông tin y tế (Healthcare Information System) Internet of Things hay IoT dé cập đến hàng tỷ thiết bị vật lý trên khắp thế giới hiện được kết nối với internet, thu thập và chia sẻ dữ liệu. Nhờ bộ xử lý bên trong cùng mạng không dây, bạn có thể biến mọi thứ trở nên chủ động và thông minh hơn. loT được ứng dụng trong các lĩnh vực như thành phố thông minh, giám sát nhà và tự động hóa, chăm sóc sức khỏe, sản xuất, năng lượng và tiện ích, lưới điện thông minh, hệ thống giao thông thông minh và quản lý giao thông [4]. Mặc dù với sự tiếp diễn của dịch bệnh COVID-19, thị trường các thiết bị IoT vẫn phát triển.
Thống kê từ IoT analytics cho thay, năm 2020 có khoảng 11,7 tỷ kết nối 14 thiết bị IoT, con số này cao hơn nhiều so với 9,5 tỷ vào năm 2019. Đến năm 2025, ước tính có khoảng 30 tỷ kết nối IoT, tức là trung bình gần 4 thiết bị IoT trên mỗi người trên toàn cầu[5]. Internet of Things đã nổi lên như một trong những những tiến bộ của công nghệ thông tin và truyền thông, và nó có tác động lớn khi tích hợp với dịch vụ sức khỏe, đặc biệt là eHealth. Việc sử dụng công nghệ IoT trong chăm sóc sức khỏe dịch vụ mang lại sự thoải mái cho bệnh nhân và bác sĩ vì các ứng dụng khác nhau của nó như giám sát thời gian thực, hệ thống quản lý thông tin bệnh nhân và sức khỏe hệ thống quản lý [6].
Edge computing Edge Computing — Tính toán cận biên: là một phương pháp tối ưu hóa các hệ thống điện toán đám mây bằng cách xử lý đữ liệu ở rìa của mạng, gần nguồn dữ liệu.