Tổng quan nghiên cứu

Theo dự báo của Tổ chức Y tế Thế giới (WHO), đến năm 2050, dân số người cao tuổi trên 60 tuổi sẽ tăng gấp đôi, kéo theo sự gia tăng đáng kể các bệnh lý liên quan, đặc biệt là tai biến mạch máu não (đột quỵ). Mỗi năm, trên toàn cầu có khoảng 15 triệu người bị đột quỵ, trong đó 5 triệu người tử vong và 5 triệu người bị tàn tật vĩnh viễn. Tại Việt Nam, tỷ lệ tử vong và tàn tật do đột quỵ cũng rất cao, với hơn 2.500 người trên 100.000 dân bị ảnh hưởng, trong đó tỷ lệ tàn phế chiếm từ 45% đến 70%. Di chứng vận động chiếm tới 92,96% trong số các di chứng, gây ảnh hưởng nghiêm trọng đến chất lượng cuộc sống và khả năng hòa nhập xã hội của bệnh nhân.

Trong bối cảnh đó, việc phát triển robot phục hồi chức năng chi trên trở thành nhu cầu cấp thiết nhằm hỗ trợ quá trình phục hồi vận động cho người bệnh, giảm tải cho nhân lực y tế và nâng cao hiệu quả điều trị. Luận văn tập trung nghiên cứu phương pháp thiết lập quỹ đạo chuyển động cho robot phục hồi chức năng chi trên, với mục tiêu đề xuất các thuật toán thiết kế quỹ đạo chuyển động và giải bài toán động học ngược nhằm tạo ra các quỹ đạo góc khớp mượt mà, chính xác và phù hợp với đặc điểm vận động của người dùng.

Phạm vi nghiên cứu tập trung vào robot phục hồi chức năng chi trên dạng khung xương ngoài (exoskeleton) được phát triển dựa trên đặc điểm nhân trắc học của người Việt Nam, sử dụng dữ liệu đo từ các bài tập phục hồi chức năng và các hoạt động sinh hoạt hàng ngày. Nghiên cứu áp dụng các thuật toán Dynamic Movement Primitives (DMPs), Differential Evolution (DE) và mạng nơ-ron hồi tiếp (LSTM) để thiết kế và tối ưu quỹ đạo chuyển động. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả phục hồi chức năng, góp phần phát triển công nghệ robot y tế tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

  • Dynamic Movement Primitives (DMPs): Là phương pháp học máy mô phỏng và tái tạo các chuyển động linh hoạt, tự nhiên dựa trên quỹ đạo mẫu. DMPs cho phép tạo ra các quỹ đạo mới tương tự quỹ đạo gốc bằng cách điều chỉnh điểm đầu và điểm cuối, giúp thiết kế quỹ đạo chuyển động cho robot phục hồi chức năng một cách hiệu quả mà không cần mô hình toán học phức tạp.

  • Thuật toán tiến hóa vi phân (Differential Evolution - DE): Thuật toán tối ưu dựa trên quần thể, được sử dụng để giải bài toán động học ngược phức tạp của robot, tìm giá trị góc khớp tối ưu tương ứng với quỹ đạo vị trí điểm thao tác. DE giúp cải thiện độ chính xác, tính liên tục và ổn định của quỹ đạo góc khớp.

  • Mạng nơ-ron hồi tiếp dài-ngắn hạn (Long Short-Term Memory - LSTM): Mạng nơ-ron chuyên xử lý dữ liệu chuỗi thời gian, được sử dụng để học và dự đoán quỹ đạo góc khớp dựa trên dữ liệu quỹ đạo vị trí sinh ra từ DMPs, giúp giải bài toán động học ngược một cách nhanh chóng và chính xác.

Các khái niệm chính bao gồm: quỹ đạo chuyển động, quỹ đạo góc khớp, bài toán động học thuận và ngược, hàm mục tiêu tối ưu, độ tương đồng cosine, và các tham số Denavit-Hartenberg (DH) trong mô hình động học robot.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Dữ liệu thu thập từ các bài tập phục hồi chức năng chi trên và các hoạt động sinh hoạt hàng ngày của người khỏe mạnh, được đo bằng hệ thống thiết bị đo góc khớp tương thích với robot phục hồi chức năng dạng khung xương ngoài (UexosVN). Mỗi động tác được đo lặp lại 25 lần tại các vị trí khác nhau trên cùng một mặt phẳng.

  • Phương pháp phân tích:

    • Sử dụng DMPs để trích xuất bộ thông số đặc trưng từ quỹ đạo mẫu, từ đó sinh ra các quỹ đạo mới với điểm đầu và điểm cuối tùy chỉnh.
    • Áp dụng thuật toán DE để giải bài toán động học ngược, tìm giá trị góc khớp tối ưu cho từng điểm trên quỹ đạo vị trí, đảm bảo tính liên tục và mượt mà của quỹ đạo góc khớp.
    • Huấn luyện mạng LSTM với dữ liệu quỹ đạo vị trí làm đầu vào và quỹ đạo góc khớp làm đầu ra, nhằm dự đoán quỹ đạo góc khớp tương ứng cho các quỹ đạo vị trí mới.

  • Timeline nghiên cứu:

    • Thu thập và xử lý dữ liệu đo: 3 tháng
    • Phát triển và tối ưu thuật toán DMPs kết hợp DE: 4 tháng
    • Xây dựng và huấn luyện mô hình mạng LSTM: 3 tháng
    • Thử nghiệm, đánh giá và hoàn thiện luận văn: 2 tháng

  • Cỡ mẫu: Dữ liệu đo từ 25 lần lặp lại cho mỗi động tác tại nhiều vị trí khác nhau, đảm bảo tính đa dạng và độ tin cậy của bộ dữ liệu huấn luyện và kiểm tra.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả của thuật toán DMPs trong thiết kế quỹ đạo chuyển động:
    DMPs cho phép tạo ra các quỹ đạo vị trí điểm thao tác có dạng tương tự quỹ đạo mẫu với độ tương đồng cosine đạt trên 0.95, đồng thời sai lệch điểm đầu và điểm cuối của quỹ đạo mới so với mong muốn giảm xuống dưới 0.01 (đơn vị mét). Số lượng hàm cơ bản (basis functions) ảnh hưởng trực tiếp đến độ chính xác, với khoảng 20-30 hàm cơ bản là tối ưu cho các quỹ đạo phức tạp.

  2. Ứng dụng thuật toán DE trong giải bài toán động học ngược:
    Thuật toán DE cải thiện độ chính xác của quỹ đạo góc khớp, giảm sai số vị trí trung bình xuống dưới 2 mm và sai số góc khớp trung bình dưới 0.5 độ. Việc giới hạn phạm vi tìm kiếm dựa trên giá trị góc khớp điểm trước giúp tăng tính liên tục và giảm thời gian tính toán khoảng 30% so với phương pháp không giới hạn.

  3. Hiệu quả của mạng LSTM trong dự đoán quỹ đạo góc khớp:
    Mạng LSTM đạt độ chính xác cao trên tập kiểm tra với sai số trung bình vị trí dưới 3 mm và sai số góc khớp dưới 0.7 độ. So sánh với thuật toán DE, LSTM cho tốc độ dự đoán nhanh hơn gấp 5 lần, phù hợp cho ứng dụng thời gian thực.

  4. So sánh hai phương pháp kết hợp DMPs-DE và DMPs-LSTM:

    • DMPs-DE có ưu điểm về độ chính xác cao hơn, phù hợp cho các bài toán yêu cầu độ chính xác tuyệt đối.
    • DMPs-LSTM có ưu điểm về tốc độ và khả năng dự đoán nhanh, thích hợp cho các ứng dụng cần phản hồi tức thì.
      Cả hai phương pháp đều vượt trội hơn các phương pháp truyền thống về tính linh hoạt và khả năng tái tạo quỹ đạo tự nhiên.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy việc kết hợp DMPs với các thuật toán tối ưu và học máy hiện đại là hướng đi hiệu quả trong thiết kế quỹ đạo chuyển động cho robot phục hồi chức năng chi trên. DMPs tận dụng được dữ liệu thực tế từ người khỏe mạnh, tạo ra quỹ đạo chuyển động tự nhiên, phù hợp với đặc điểm vận động của người dùng. Thuật toán DE giúp giải quyết bài toán động học ngược phức tạp, đảm bảo quỹ đạo góc khớp mượt mà và chính xác, trong khi mạng LSTM cung cấp giải pháp dự đoán nhanh, phù hợp với các hệ thống robot cần phản hồi thời gian thực.

So với các nghiên cứu trước đây, kết quả này khẳng định tính khả thi và hiệu quả của việc ứng dụng các phương pháp học máy và tối ưu hiện đại trong lĩnh vực robot phục hồi chức năng. Việc sử dụng phần mềm Matlab và Python hỗ trợ tính toán, mô phỏng và trực quan hóa dữ liệu giúp minh họa rõ ràng các quỹ đạo chuyển động và sai số, tạo điều kiện thuận lợi cho việc đánh giá và cải tiến phương pháp.

Các biểu đồ so sánh độ tương đồng quỹ đạo, sai số vị trí và góc khớp, cũng như bảng số liệu kết quả huấn luyện và kiểm tra mạng LSTM được trình bày chi tiết trong luận văn, giúp minh chứng cho các phát hiện trên.

Đề xuất và khuyến nghị

  1. Triển khai ứng dụng thuật toán DMPs kết hợp DE trong hệ thống robot phục hồi chức năng:

    • Mục tiêu: Tăng độ chính xác và tính ổn định của quỹ đạo chuyển động.
    • Thời gian: 6 tháng để tích hợp và thử nghiệm thực tế.
    • Chủ thể thực hiện: Nhóm nghiên cứu và kỹ sư phát triển robot.

  2. Phát triển mô hình mạng LSTM để dự đoán quỹ đạo góc khớp trong thời gian thực:

    • Mục tiêu: Nâng cao tốc độ phản hồi và khả năng thích ứng của robot.
    • Thời gian: 4 tháng để huấn luyện và tối ưu mô hình.
    • Chủ thể thực hiện: Chuyên gia học máy và kỹ sư phần mềm.

  3. Mở rộng bộ dữ liệu huấn luyện với đa dạng động tác và đối tượng người dùng:

    • Mục tiêu: Cải thiện khả năng tổng quát hóa của mô hình, phù hợp với nhiều bệnh nhân khác nhau.
    • Thời gian: 12 tháng thu thập và xử lý dữ liệu.
    • Chủ thể thực hiện: Đơn vị y tế phối hợp với nhóm nghiên cứu.

  4. Tích hợp hệ thống robot phục hồi chức năng vào các trung tâm y tế và cơ sở phục hồi chức năng:

    • Mục tiêu: Giảm tải cho nhân lực y tế, nâng cao hiệu quả phục hồi cho bệnh nhân.
    • Thời gian: 1 năm triển khai thử nghiệm và đánh giá.
    • Chủ thể thực hiện: Cơ sở y tế, nhà sản xuất robot và các tổ chức liên quan.

  5. Nghiên cứu phát triển thêm các thuật toán tối ưu và học sâu mới nhằm nâng cao hiệu quả thiết kế quỹ đạo:

    • Mục tiêu: Tăng cường khả năng thích ứng và tự động hóa của robot.
    • Thời gian: 2 năm nghiên cứu và thử nghiệm.
    • Chủ thể thực hiện: Các viện nghiên cứu và trường đại học chuyên ngành.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành kỹ thuật cơ điện tử, robot học:

    • Lợi ích: Hiểu rõ các phương pháp thiết kế quỹ đạo chuyển động hiện đại, ứng dụng thuật toán học máy và tối ưu trong robot phục hồi chức năng.
    • Use case: Phát triển đề tài nghiên cứu, luận văn thạc sĩ, tiến sĩ liên quan đến robot y tế.

  2. Kỹ sư phát triển robot y tế và thiết bị hỗ trợ phục hồi chức năng:

    • Lợi ích: Áp dụng các thuật toán DMPs, DE và LSTM để cải tiến sản phẩm, nâng cao hiệu quả điều khiển và trải nghiệm người dùng.
    • Use case: Thiết kế robot phục hồi chức năng chi trên, tích hợp phần mềm điều khiển thông minh.

  3. Bác sĩ, chuyên gia phục hồi chức năng và nhà quản lý y tế:

    • Lợi ích: Hiểu về công nghệ robot phục hồi chức năng, đánh giá tiềm năng ứng dụng trong điều trị và chăm sóc bệnh nhân.
    • Use case: Lựa chọn thiết bị hỗ trợ phục hồi chức năng, xây dựng chương trình phục hồi kết hợp robot.

  4. Các tổ chức, doanh nghiệp phát triển công nghệ y tế và chăm sóc sức khỏe:

    • Lợi ích: Nắm bắt xu hướng công nghệ robot phục hồi chức năng, cơ hội đầu tư và phát triển sản phẩm mới.
    • Use case: Phát triển sản phẩm robot phục hồi chức năng, hợp tác nghiên cứu và thương mại hóa.

Câu hỏi thường gặp

  1. Phương pháp Dynamic Movement Primitives (DMPs) là gì và tại sao được sử dụng trong thiết kế quỹ đạo robot?
    DMPs là phương pháp học máy mô phỏng chuyển động dựa trên quỹ đạo mẫu, cho phép tạo ra các quỹ đạo mới tương tự với điểm đầu và điểm cuối tùy chỉnh. Phương pháp này giúp thiết kế quỹ đạo chuyển động tự nhiên, linh hoạt và tránh phải xây dựng mô hình toán học phức tạp, rất phù hợp với robot phục hồi chức năng.

  2. Thuật toán Differential Evolution (DE) giải quyết bài toán động học ngược như thế nào?
    DE là thuật toán tối ưu dựa trên quần thể, tìm kiếm giá trị góc khớp tối ưu sao cho điểm thao tác cuối của robot khớp với quỹ đạo vị trí mong muốn. DE giúp giảm sai số vị trí và góc khớp, đồng thời đảm bảo tính liên tục và mượt mà của quỹ đạo góc khớp.

  3. Mạng nơ-ron hồi tiếp LSTM có ưu điểm gì trong dự đoán quỹ đạo góc khớp?
    LSTM xử lý tốt dữ liệu chuỗi thời gian, có khả năng ghi nhớ thông tin dài hạn và dự đoán chính xác các giá trị tiếp theo trong chuỗi. Khi được huấn luyện với dữ liệu quỹ đạo vị trí và góc khớp, LSTM giúp dự đoán nhanh chóng quỹ đạo góc khớp mới, phù hợp cho ứng dụng thời gian thực.

  4. Làm thế nào để đảm bảo quỹ đạo chuyển động của robot phù hợp với đặc điểm vận động của người dùng?
    Quỹ đạo được thiết kế dựa trên dữ liệu đo thực tế từ người khỏe mạnh thực hiện các bài tập và hoạt động hàng ngày. Phương pháp DMPs mô phỏng lại các quỹ đạo này, kết hợp với thuật toán tối ưu và mạng nơ-ron giúp tạo ra quỹ đạo chuyển động tự nhiên, mượt mà và phù hợp với đặc điểm vận động của từng người dùng.

  5. Ứng dụng thực tế của nghiên cứu này trong phục hồi chức năng là gì?
    Nghiên cứu cung cấp phương pháp thiết kế quỹ đạo chuyển động và giải bài toán động học ngược cho robot phục hồi chức năng chi trên, giúp robot hỗ trợ bệnh nhân tập luyện hiệu quả, giảm tải cho nhân lực y tế và nâng cao chất lượng phục hồi. Các phương pháp này có thể được tích hợp vào các hệ thống robot phục hồi chức năng hiện đại tại bệnh viện và trung tâm y tế.

Kết luận

  • Luận văn đã đề xuất thành công phương pháp kết hợp Dynamic Movement Primitives (DMPs) với thuật toán Differential Evolution (DE) và mạng nơ-ron hồi tiếp (LSTM) để thiết kế quỹ đạo chuyển động và giải bài toán động học ngược cho robot phục hồi chức năng chi trên.
  • Kết quả thực nghiệm cho thấy các phương pháp này đạt độ chính xác cao, quỹ đạo chuyển động mượt mà, phù hợp với đặc điểm vận động của người dùng và có khả năng ứng dụng thực tiễn.
  • Phương pháp DMPs-DE ưu việt về độ chính xác, trong khi DMPs-LSTM nổi bật về tốc độ dự đoán, đáp ứng nhu cầu đa dạng của các ứng dụng robot phục hồi chức năng.
  • Nghiên cứu góp phần nâng cao hiệu quả phục hồi chức năng cho bệnh nhân đột quỵ và các bệnh lý vận động, đồng thời thúc đẩy phát triển công nghệ robot y tế tại Việt Nam.
  • Các bước tiếp theo bao gồm mở rộng bộ dữ liệu, hoàn thiện thuật toán, tích hợp hệ thống và triển khai thử nghiệm thực tế tại các cơ sở y tế.

Hành động đề xuất: Các nhà nghiên cứu và kỹ sư phát triển robot phục hồi chức năng nên áp dụng và tiếp tục cải tiến các phương pháp này để nâng cao chất lượng và hiệu quả của các thiết bị hỗ trợ phục hồi chức năng trong tương lai.