I. Tổng quan về thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server Nhu cầu và Tiềm năng
Lĩnh vực điện tử y sinh đang chứng kiến sự phát triển vượt bậc, đặc biệt trong việc giám sát và phân tích các tín hiệu sinh học quan trọng. Trong số đó, tín hiệu điện não EEG (Electroencephalogram) đóng vai trò trung tâm, cung cấp cái nhìn sâu sắc về hoạt động não bộ. Khả năng thu tín hiệu điện não và truyền tải dữ liệu này lên một máy chủ (server) đã mở ra nhiều cánh cửa mới trong nghiên cứu, chẩn đoán và điều trị y học. Mô hình thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server không chỉ giúp thu thập dữ liệu liên tục mà còn cho phép truy cập, lưu trữ và phân tích từ xa, nâng cao hiệu quả và tính tiện lợi.
Nhu cầu về một thiết bị EEG không dây có khả năng gửi dữ liệu trực tiếp lên server ngày càng trở nên cấp thiết. Các phương pháp truyền thống thường yêu cầu kết nối phức tạp, giới hạn sự di động của bệnh nhân và gây khó khăn trong các môi trường lâm sàng hoặc nghiên cứu động. Việc tích hợp công nghệ truyền thông không dây, như Wi-Fi, cùng với các nền tảng đám mây như Firebase, mang lại giải pháp toàn diện. Điều này cho phép dữ liệu EEG được thu thập một cách linh hoạt, sau đó được gửi tín hiệu lên server để xử lý và hiển thị qua các ứng dụng di động hoặc trang web chuyên dụng. Sự kết hợp này tạo nên một hệ thống thu nhận tín hiệu không dây EEG hiệu quả, đáp ứng yêu cầu khắt khe của ngành y tế và nghiên cứu thần kinh học.
1.1. Tầm quan trọng của tín hiệu điện não EEG trong nghiên cứu và y học
Tín hiệu điện não EEG phản ánh hoạt động điện của não bộ, là công cụ không thể thiếu để chẩn đoán các rối loạn thần kinh như động kinh, rối loạn giấc ngủ, hoặc đánh giá trạng thái ý thức. Khả năng phân tích các sóng alpha, beta, theta, delta từ dữ liệu EEG cho phép các nhà khoa học và bác sĩ hiểu rõ hơn về chức năng não. Việc thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server góp phần số hóa quá trình này, biến dữ liệu thô thành thông tin có giá trị, dễ dàng chia sẻ và phân tích bởi các chuyên gia trên toàn cầu. Điều này mở ra tiềm năng lớn cho các nghiên cứu đa trung tâm và phát triển các phương pháp điều trị cá nhân hóa.
1.2. Xu hướng thu thập và truyền tải dữ liệu EEG lên server không dây
Xu hướng hiện nay đang dịch chuyển mạnh mẽ sang các giải pháp thu thập tín hiệu EEG không dây. Các thiết bị cồng kềnh, hạn chế di chuyển đang dần được thay thế bằng các hệ thống nhỏ gọn, tích hợp Wi-Fi hoặc Bluetooth. Khả năng gửi tín hiệu EEG lên server qua Wi-Fi là một bước tiến quan trọng, cho phép giám sát liên tục ở nhiều địa điểm khác nhau, từ bệnh viện đến môi trường gia đình. Sự phát triển này thúc đẩy việc tạo ra các thiết bị EEG tiện dụng, dễ sử dụng, đồng thời cung cấp một nền tảng vững chắc cho việc phát triển các ứng dụng y sinh điện tử tiên tiến.
II. Những thách thức khi thu nhận tín hiệu điện não EEG và giải pháp truyền dữ liệu không dây
Quá trình thu nhận tín hiệu điện não EEG luôn đối mặt với nhiều thách thức cố hữu, đặc biệt là trong môi trường thực tế. Độ nhạy cao của tín hiệu EEG khiến nó dễ bị nhiễu bởi các yếu tố bên ngoài như nhiễu điện từ, nhiễu từ các thiết bị điện tử khác, hoặc nhiễu cơ học từ chuyển động của đối tượng. Ngoài ra, việc kết nối điện cực truyền thống thường cồng kềnh, yêu cầu gel dẫn điện và kỹ thuật chuyên môn, gây bất tiện cho người dùng và hạn chế tính di động. Những vấn đề này đã thúc đẩy nhu cầu về các giải pháp thu tín hiệu điện não tiên tiến hơn.
Giải pháp truyền dữ liệu EEG không dây là câu trả lời cho những thách thức này. Bằng cách loại bỏ các dây dẫn vật lý, hệ thống không dây giúp giảm đáng kể nhiễu điện và tăng cường sự thoải mái cho đối tượng. Việc gửi tín hiệu EEG lên server thông qua các module giao tiếp như Wi-Fi, cụ thể là Module Esp32S, đã chứng minh tính hiệu quả. Module này không chỉ có khả năng xử lý dữ liệu sơ bộ mà còn có thể thiết lập kết nối ổn định với mạng, truyền dữ liệu điện não đồ một cách an toàn và nhanh chóng. Điều này mở ra khả năng giám sát dài hạn, thu thập dữ liệu ở nhiều ngữ cảnh khác nhau, từ phòng thí nghiệm đến các ứng dụng giám sát sức khỏe tại nhà, mang lại lợi ích to lớn cho ngành y sinh điện tử.
2.1. Vấn đề nhiễu và chất lượng tín hiệu EEG thu nhận
Chất lượng tín hiệu điện não EEG là yếu tố then chốt quyết định giá trị của dữ liệu. Tuy nhiên, các tín hiệu sinh học này rất yếu, chỉ khoảng vài microvolt, nên cực kỳ dễ bị ảnh hưởng bởi nhiễu. Nhiễu có thể đến từ lưới điện 50/60Hz, các thiết bị điện tử lân cận, hoặc ngay cả chuyển động cơ thể của người được đo. Để đảm bảo thu tín hiệu điện não chất lượng cao, cần có các mạch khuếch đại chuyên biệt và các bộ lọc nhiễu hiệu quả. Đồng thời, việc sử dụng các điện cực bán khô hoặc điện cực hoạt động có thể giúp giảm trở kháng tiếp xúc và tăng cường tỉ số tín hiệu trên nhiễu, cải thiện đáng kể độ tin cậy của dữ liệu EEG.
2.2. Hạn chế của thiết bị EEG truyền thống và lợi ích của giải pháp không dây
Thiết bị EEG truyền thống thường cồng kềnh, yêu cầu nhiều dây cáp kết nối và sử dụng gel dẫn điện, gây khó chịu cho người sử dụng và hạn chế phạm vi di chuyển. Điều này đặc biệt bất tiện khi cần giám sát bệnh nhân trong thời gian dài hoặc trong các hoạt động hàng ngày. Giải pháp không dây, như đã được nghiên cứu và thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server, khắc phục các nhược điểm này. Nó mang lại sự tự do di chuyển tối đa, giảm thiểu thời gian chuẩn bị và nâng cao trải nghiệm người dùng. Hơn nữa, khả năng truyền dữ liệu EEG liên tục và tự động lên server cho phép các nhà nghiên cứu và bác sĩ theo dõi từ xa, thu thập bộ dữ liệu lớn hơn cho phân tích tín hiệu điện não.
III. Hướng dẫn thiết kế và thi công thiết bị thu tín hiệu EEG Từ phần cứng đến điện cực
Quá trình thiết kế và thi công thiết bị thu tín hiệu EEG là một công đoạn phức tạp, đòi hỏi sự kết hợp giữa kiến thức điện tử, y sinh và lập trình. Để xây dựng một hệ thống EEG không dây hiệu quả, việc lựa chọn phần cứng và thiết kế mạch điện phù hợp là yếu tố tiên quyết. Theo nghiên cứu của Nguyễn Lê Yến Linh và Đoàn Thái Luân (2022), hệ thống này sử dụng Module Esp32S NodeMCU LuaNode32 làm vi điều khiển trung tâm, cho phép tích hợp cả khả năng xử lý và giao tiếp không dây.
Thiết bị thu tín hiệu điện não này cần bao gồm các khối chức năng chính: khối thu tín hiệu, khối vi điều khiển và khối nguồn. Khối thu tín hiệu có nhiệm vụ tiếp nhận và khuếch đại tín hiệu EEG rất yếu từ da đầu, đồng thời lọc bỏ các nhiễu không mong muốn. Sau đó, tín hiệu đã được xử lý sẽ được số hóa thông qua bộ chuyển đổi tương tự-số (ADC) tích hợp trên vi điều khiển ESP32S. Việc thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server này cũng chú trọng đến việc tối ưu hóa kích thước và trọng lượng để đảm bảo tính di động. Đặc biệt, việc sử dụng điện cực bán khô là một cải tiến đáng kể, giúp đơn giản hóa quá trình chuẩn bị và tăng cường sự thoải mái cho người dùng so với điện cực ướt truyền thống, đồng thời vẫn duy trì chất lượng thu tín hiệu điện não mong muốn.
3.1. Lựa chọn và tích hợp linh kiện chính cho thiết bị thu tín hiệu điện não
Việc lựa chọn linh kiện đóng vai trò quan trọng trong hiệu suất của thiết bị thu tín hiệu điện não. Theo đề tài của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (2022), Module Esp32S NodeMCU LuaNode32 được chọn làm trái tim của hệ thống nhờ khả năng tích hợp Wi-Fi và bộ xử lý lõi kép. Các linh kiện khác bao gồm các op-amp có độ nhiễu thấp để khuếch đại tín hiệu, các bộ lọc chuyên dụng để loại bỏ nhiễu tần số cao và nhiễu lưới điện. Bên cạnh đó, việc thiết kế khối nguồn ổn định, cung cấp điện áp sạch cho toàn bộ mạch là rất cần thiết để tránh làm giảm chất lượng dữ liệu EEG.
3.2. Vai trò của điện cực bán khô trong việc thu tín hiệu điện não
Điện cực bán khô đại diện cho một bước tiến lớn trong công nghệ thu tín hiệu điện não. Không giống như điện cực ướt yêu cầu gel dẫn điện, điện cực bán khô giảm thiểu sự phức tạp và thời gian chuẩn bị, đồng thời tăng cường sự thoải mái cho người dùng. Loại điện cực này thường có một lớp vật liệu dẫn điện đặc biệt giúp tối ưu hóa tiếp xúc với da đầu mà không cần chất lỏng. Điều này đặc biệt hữu ích cho các ứng dụng giám sát dài hạn hoặc trong môi trường phi lâm sàng, nơi việc sử dụng gel có thể không thực tế. Việc tích hợp điện cực bán khô vào thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server cải thiện đáng kể tính ứng dụng và khả năng tiếp cận của công nghệ EEG.
3.3. Thiết kế mạch điện và nguyên lý hoạt động của khối thu và xử lý tín hiệu
Mạch điện của khối thu và xử lý tín hiệu là nơi tín hiệu EEG được chuyển đổi từ dạng tương tự sang số. Quá trình này bắt đầu bằng việc khuếch đại tín hiệu bởi các mạch khuếch đại sinh học có độ lợi cao và độ nhiễu thấp. Tiếp theo là các tầng lọc thông dải để loại bỏ nhiễu DC và nhiễu tần số cao không mong muốn. Sau đó, tín hiệu EEG đã được lọc sẽ được đưa vào bộ chuyển đổi ADC của ESP32S. Điện áp đo được sau đó được gán cho giá trị số, ví dụ từ 0 đến 4095 tương ứng với 0V đến 3.3V, như đã đề cập trong nghiên cứu (Nguyễn Lê Yến Linh, Đoàn Thái Luân, 2022). Việc thiết kế mạch điện cẩn thận giúp tối ưu hóa việc thu tín hiệu điện não và chuẩn bị dữ liệu cho quá trình truyền dữ liệu EEG lên server.
IV. Lập trình và truyền dữ liệu EEG lên server hiệu quả Vai trò của ESP32S và Firebase
Để thực hiện việc truyền dữ liệu EEG lên server một cách hiệu quả, quá trình lập trình đóng vai trò cực kỳ quan trọng. Vi điều khiển ESP32S được lựa chọn nhờ khả năng tích hợp Wi-Fi và bộ xử lý lõi kép, cho phép xử lý đồng thời nhiều tác vụ. Theo đề tài nghiên cứu của ThS. Nguyễn Thanh Nghĩa và nhóm sinh viên (2022), việc lập trình ESP32S bao gồm các bước từ kết nối Wi-Fi, thiết lập các giá trị ban đầu, đến quản lý các tác vụ trên hai lõi của vi điều khiển.
Cụ thể, ESP32S được lập trình để kết nối với mạng Wi-Fi thông qua ứng dụng Esptouch, tăng cường tính di động cho thiết bị. Sau khi kết nối thành công, vi điều khiển sẽ thiết lập các thông số như tốc độ truyền, khai báo chân, và đặc biệt là kết nối với Firebase. Firebase là một nền tảng cơ sở dữ liệu thời gian thực được Google phát triển, cho phép lưu trữ và truy xuất dữ liệu một cách nhanh chóng, đồng thời hỗ trợ đồng bộ hóa dữ liệu giữa các thiết bị. Việc gửi tín hiệu EEG lên server Firebase giúp dữ liệu được lưu trữ an toàn, dễ dàng truy cập từ các ứng dụng Android hoặc trang web. Khả năng phân chia tác vụ cho từng lõi của ESP32S, như một lõi để thu thập và xử lý tín hiệu, một lõi để truyền dữ liệu, đảm bảo hoạt động ổn định và hiệu quả cho toàn bộ hệ thống thu nhận tín hiệu không dây EEG.
4.1. Quy trình lập trình ESP32S để thu nhận tín hiệu điện não EEG và xử lý
Quy trình lập trình ESP32S bắt đầu bằng việc khởi tạo kết nối Wi-Fi, thường thông qua một chương trình con như connect_wifi. Sau khi ESP32S nhận được thông tin Wi-Fi từ ứng dụng Esptouch và kết nối thành công, các bước tiếp theo bao gồm thiết lập tốc độ truyền (baud rate), khai báo các chân GPIO để đọc tín hiệu EEG, và khởi tạo kết nối với Firebase. Để tối ưu hóa hiệu suất, các tác vụ được phân chia cho hai lõi của ESP32S. Một lõi có thể chuyên trách việc đọc và xử lý sơ bộ tín hiệu điện não, bao gồm cả việc xác định các tín hiệu đặc biệt như chớp mắt. Lõi còn lại tập trung vào các tác vụ giao tiếp, đảm bảo truyền dữ liệu EEG lên server một cách liên tục và không bị gián đoạn.
4.2. Ứng dụng Firebase trong việc lưu trữ và đồng bộ dữ liệu EEG
Firebase là giải pháp lý tưởng cho việc lưu trữ và đồng bộ dữ liệu EEG do tính năng cơ sở dữ liệu thời gian thực và khả năng mở rộng của nó. Khi thiết bị thu tín hiệu điện não EEG gửi dữ liệu lên Firebase, dữ liệu sẽ được cập nhật gần như ngay lập tức trên tất cả các thiết bị đã kết nối, bao gồm ứng dụng Android và trang web. Điều này cho phép các nhà nghiên cứu và bác sĩ theo dõi dữ liệu EEG trực tiếp hoặc xem lại lịch sử một cách dễ dàng. Firebase cũng cung cấp các tính năng bảo mật mạnh mẽ, giúp bảo vệ thông tin nhạy cảm của bệnh nhân. Sự tích hợp này đơn giản hóa quá trình phát triển các ứng dụng phụ trợ và tạo ra một hệ thống EEG không dây mạnh mẽ và linh hoạt.
4.3. Xác định tín hiệu chớp mắt thông qua phân tích ngưỡng trên ESP32S
Một trong những tính năng quan trọng của việc xử lý tín hiệu EEG trên ESP32S là khả năng xác định tín hiệu chớp mắt. Theo tài liệu gốc (Nguyễn Lê Yến Linh, Đoàn Thái Luân, 2022), tín hiệu chớp mắt thường được nhận diện bằng cách đặt một ngưỡng giá trị; mọi hoạt động vượt quá ngưỡng này sẽ được phân loại là chớp mắt. Điều này dựa trên thực tế rằng chớp mắt tạo ra các biến động biên độ đáng kể trong dữ liệu EEG, đặc biệt là trên các kênh gần mắt (như EOG). Việc phân loại này giúp tách biệt tín hiệu chớp mắt khỏi các hoạt động não bộ thực sự, là một bước quan trọng trong phân tích tín hiệu điện não để loại bỏ nhiễu hoặc sử dụng chớp mắt như một tín hiệu điều khiển.
V. Xây dựng hệ thống thu nhận tín hiệu không dây EEG toàn diện Từ app di động đến website
Một hệ thống thu nhận tín hiệu không dây EEG toàn diện không chỉ dừng lại ở việc thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server, mà còn phải bao gồm các giao diện người dùng thân thiện trên nhiều nền tảng. Mục tiêu là tạo ra một chu trình khép kín từ việc thu thập dữ liệu, truyền tải, lưu trữ, đến hiển thị và phân tích. Theo nghiên cứu của Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (2022), hệ thống này bao gồm ba thành phần chính: thiết bị thu nhận, ứng dụng di động (Android) và một trang web.
Ứng dụng di động đóng vai trò là giao diện chính cho người dùng cuối, cho phép họ tương tác với thiết bị EEG, xem dữ liệu theo thời gian thực và quản lý cài đặt. Trang web cung cấp một nền tảng rộng hơn cho việc hiển thị, phân tích và quản lý dữ liệu điện não đồ được lưu trữ trên server. Cả hai giao diện này đều được thiết kế để truy cập dữ liệu EEG từ Firebase, đảm bảo tính đồng bộ và cập nhật liên tục. Sự kết hợp này tạo nên một hệ thống EEG không dây linh hoạt và mạnh mẽ, có khả năng hỗ trợ cả việc giám sát cá nhân và nghiên cứu chuyên sâu. Khả năng truyền dữ liệu EEG một cách mượt mà giữa các thành phần này là chìa khóa để đạt được hiệu quả tối đa trong ứng dụng điện não đồ.
5.1. Thiết kế giao diện ứng dụng Android để hiển thị dữ liệu EEG
Thiết kế giao diện ứng dụng Android là một phần quan trọng để người dùng có thể dễ dàng tiếp cận và theo dõi dữ liệu EEG được thu thập. Ứng dụng "Double L" được phát triển để kết nối với ESP32S và Firebase, hiển thị trực quan tín hiệu điện não theo thời gian thực. Giao diện người dùng cần được thiết kế đơn giản, rõ ràng, với các biểu đồ hiển thị sóng EEG, các chỉ số quan trọng, và các tùy chọn cài đặt. Ứng dụng này không chỉ cho phép xem dữ liệu mà còn có thể điều khiển một số chức năng của thiết bị thu tín hiệu điện não, tạo nên một trải nghiệm tương tác liền mạch và thuận tiện, nâng cao tính ứng dụng của hệ thống EEG không dây.
5.2. Xây dựng website để quản lý và phân tích dữ liệu EEG từ server
Bên cạnh ứng dụng di động, việc xây dựng một website để quản lý và phân tích dữ liệu EEG là cần thiết cho các nhà nghiên cứu và chuyên gia y tế. Trang web này sẽ kết nối trực tiếp với Firebase, cho phép truy cập toàn bộ dữ liệu EEG đã được thu thập. Các chức năng trên website có thể bao gồm khả năng lọc, biểu đồ hóa dữ liệu, thực hiện các thuật toán phân tích tín hiệu điện não nâng cao, và xuất báo cáo. Một giao diện web thân thiện và mạnh mẽ sẽ tối đa hóa giá trị của việc thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server, biến dữ liệu thô thành những thông tin có ý nghĩa lâm sàng và nghiên cứu.
VI. Kết quả đạt được khi thiết kế thiết bị EEG và ứng dụng thực tiễn trong y học
Việc thiết kế và thi công thiết bị thu tín hiệu điện não EEG lên server đã mang lại những kết quả đáng khích lệ, chứng minh tính khả thi và hiệu quả của giải pháp này. Theo đề tài của Nguyễn Lê Yến Linh và Đoàn Thái Luân (2022), thiết bị đã thành công trong việc thu tín hiệu điện não EEG bằng điện cực bán khô và gửi tín hiệu lên server (Firebase) thông qua module ESP32S và kết nối Wi-Fi. Các tín hiệu này sau đó được hiển thị trên cả ứng dụng Android và trang web, tạo thành một hệ thống thu nhận tín hiệu không dây EEG hoàn chỉnh và hoạt động ổn định.
Kết quả này khẳng định tiềm năng lớn của hệ thống EEG không dây trong việc cách mạng hóa phương pháp giám sát và chẩn đoán trong y học. Khả năng giám sát liên tục, không xâm lấn, và từ xa mở ra nhiều ứng dụng thực tiễn. Thiết bị EEG này không chỉ giúp giảm gánh nặng cho bệnh nhân mà còn cung cấp dữ liệu phong phú hơn cho các chuyên gia. Công nghệ này có thể được áp dụng rộng rãi trong các lĩnh vực như theo dõi giấc ngủ, phát hiện sớm các dấu hiệu động kinh, nghiên cứu giao diện não-máy tính (BCI), và hỗ trợ phục hồi chức năng thần kinh. Đây là một bước tiến quan trọng trong lĩnh vực y sinh điện tử, hứa hẹn cải thiện chất lượng cuộc sống và nâng cao hiệu quả chăm sóc sức khỏe.
6.1. Hiệu suất thu tín hiệu điện não EEG và khả năng truyền dữ liệu
Thiết bị đã chứng minh hiệu suất tốt trong việc thu tín hiệu điện não EEG với chất lượng chấp nhận được, đặc biệt khi sử dụng điện cực bán khô. Khả năng kết nối không dây của ESP32S đã đảm bảo quá trình truyền dữ liệu EEG lên server diễn ra ổn định và liên tục. Dữ liệu được cập nhật theo thời gian thực trên cả ứng dụng di động và website, cho thấy độ trễ thấp và độ tin cậy cao. Điều này là minh chứng cho việc thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server đã đạt được mục tiêu ban đầu, cung cấp một giải pháp hiệu quả cho việc giám sát hoạt động điện não.
6.2. Ứng dụng tiềm năng của thiết bị EEG không dây trong y tế và nghiên cứu
Thiết bị EEG không dây này có tiềm năng ứng dụng rất rộng rãi. Trong y tế, nó có thể được sử dụng để theo dõi bệnh nhân động kinh tại nhà, giúp phát hiện sớm các cơn co giật và cải thiện chất lượng chăm sóc. Trong nghiên cứu, hệ thống cung cấp công cụ linh hoạt để thu thập dữ liệu EEG trong các môi trường tự nhiên hơn, không bị hạn chế bởi dây cáp. Điều này mở đường cho các nghiên cứu về trạng thái tâm lý, sự tập trung, và thậm chí là phát triển các ứng dụng giao diện não-máy tính. Khả năng gửi tín hiệu EEG lên server còn hỗ trợ việc xây dựng các bộ dữ liệu lớn cho học máy và trí tuệ nhân tạo trong phân tích tín hiệu điện não.
VII. Kết luận và tầm nhìn tương lai của công nghệ thu tín hiệu điện não EEG lên server
Việc thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server đại diện cho một bước tiến quan trọng trong lĩnh vực điện tử y sinh. Nghiên cứu đã thành công trong việc xây dựng một hệ thống EEG không dây hoàn chỉnh, từ việc thu tín hiệu điện não bằng điện cực bán khô, xử lý bằng ESP32S, đến truyền dữ liệu EEG lên server Firebase và hiển thị trên ứng dụng di động cùng website. Điều này không chỉ giải quyết được các thách thức về tính di động và sự tiện lợi của các thiết bị EEG truyền thống mà còn mở ra những khả năng mới trong việc giám sát và phân tích tín hiệu điện não.
Tầm nhìn tương lai cho công nghệ thu tín hiệu điện não EEG lên server là vô cùng rộng lớn. Sự phát triển của các cảm biến nhỏ gọn hơn, tiết kiệm năng lượng hơn, cùng với các thuật toán xử lý tín hiệu thông minh tích hợp ngay trên thiết bị (edge computing), sẽ nâng cao hơn nữa hiệu suất và độ chính xác. Khả năng tích hợp sâu hơn với trí tuệ nhân tạo và học máy sẽ giúp tự động hóa quá trình chẩn đoán và đưa ra các dự đoán y tế cá nhân hóa. Hệ thống EEG không dây sẽ ngày càng trở nên phổ biến, không chỉ trong môi trường lâm sàng mà còn trong các ứng dụng sức khỏe cá nhân và giao diện não-máy tính, góp phần vào sự phát triển bền vững của ngành y sinh điện tử và chăm sóc sức khỏe toàn diện.
7.1. Tóm tắt các thành tựu chính của dự án thiết kế thi công thiết bị thu tín hiệu điện não EEG
Dự án thiết kế thi công thiết bị thu tín hiệu điện não EEG lên server đã đạt được một số thành tựu chính đáng kể. Đầu tiên, việc tích hợp Module Esp32S đã thành công trong việc tạo ra một thiết bị thu tín hiệu điện não nhỏ gọn, có khả năng xử lý và truyền dữ liệu không dây. Thứ hai, việc sử dụng điện cực bán khô đã giải quyết vấn đề tiện lợi và thoải mái cho người dùng. Thứ ba, khả năng gửi tín hiệu EEG lên server Firebase và hiển thị trên cả ứng dụng Android lẫn website đã tạo ra một hệ thống EEG không dây toàn diện và dễ dàng truy cập. Những thành tựu này là nền tảng vững chắc cho các nghiên cứu và ứng dụng trong tương lai, đặc biệt trong lĩnh vực y sinh điện tử.
7.2. Hướng phát triển và cải tiến cho hệ thống EEG không dây trong tương lai
Trong tương lai, hệ thống EEG không dây có thể được cải tiến theo nhiều hướng. Cần tập trung vào việc giảm kích thước và trọng lượng của thiết bị thu tín hiệu điện não, kéo dài thời lượng pin và nâng cao khả năng chống nhiễu. Việc phát triển các thuật toán phân tích tín hiệu điện não phức tạp hơn trên nền tảng đám mây sẽ mở rộng khả năng chẩn đoán. Ngoài ra, việc tích hợp các giao diện lập trình ứng dụng (API) mở sẽ khuyến khích cộng đồng phát triển thêm các ứng dụng điện não đồ đa dạng. Nghiên cứu sâu hơn về trí tuệ nhân tạo để tự động nhận diện các mẫu bệnh lý từ dữ liệu EEG cũng là một hướng đi đầy hứa hẹn, tối ưu hóa quá trình truyền dữ liệu EEG lên server và khai thác giá trị của nó.
