Giới thiệu dự án

Theo số liệu điều tra quốc gia của Tổng cục Thống kê, Việt Nam hiện có hơn 6,2 triệu người khuyết tật từ 2 tuổi trở lên (chiếm khoảng 7,06% dân số), trong đó nhóm khuyết tật vận động chiếm tỷ lệ cao nhất với hơn 3,56 triệu người gặp khó khăn nghiêm trọng về chức năng vận động thân dưới và hơn 2,15 triệu người suy giảm vận động thân trên. Trên phạm vi toàn cầu, hàng triệu bệnh nhân mắc các hội chứng tổn thương thần kinh vận động nghiêm trọng như xơ cứng teo cơ một bên (ALS - Amyotrophic Lateral Sclerosis), chấn thương tủy sống cổ, đột quỵ thân não, và bại não (Cerebral Palsy) rơi vào trạng thái "hội chứng khóa trong" (Locked-in Syndrome). Nhóm bệnh nhân này hoàn toàn tỉnh táo về mặt nhận thức nhưng mất khả năng phát âm và vận động cơ thể, dẫn đến sự cô lập giao tiếp hoàn toàn với môi trường xung quanh.

+---------------------------------------------------------------------------------------------------+
|                                 KIẾN TRÚC TỔNG THỂ HỆ THỐNG                                       |
|                                                                                                   |
|  [ Vị trí Fp1, Fp2 ] ---> [ Mạch Thu Tín Hiệu: INA128 + Lọc Sallen-Key + Notch + OP07 ]           |
|  [ Tai A1, A2, DRL ]        |                                                                     |
|                             v (Analog: 0.1 - 50 Hz, Gain ~194)                                    |
|                   +-------------------+                                                           |
|                   | ESP32 Dual-Core   |                                                           |
|                   | - Core 0: Phân loại ngưỡng & gửi Firebase Realtime Database                   |
|                   | - Core 1: Lấy mẫu fs=128Hz & Stream Webserver Data API                        |
|                   +---------+---------+                                                           |
|                             |                                                                     |
|              +--------------+--------------+                                                      |
|              |                             | (WiFi 802.11 b/g/n)                                  |
|              v                             v                                                      |
|     [ App Android Double L ]      [ Cloud Server & Web Dashboard ]                                |
|     - Báo động: Bác sĩ, Nước,     - Trực quan hóa sóng não/mắt realtime                           |
|       Thức ăn, Vệ sinh            - Dataset lưu trữ CSV phục vụ nghiên cứu                         |
+---------------------------------------------------------------------------------------------------+

Thực trạng chăm sóc tại các trung tâm y tế và hộ gia đình hiện nay gặp thách thức lớn do tỷ lệ điều dưỡng/bệnh nhân quá tải, người chăm sóc không thể túc trực 24/7 để nắm bắt kịp thời nhu cầu thiết yếu (uống nước, gọi bác sĩ, vệ sinh, ăn uống). Mặc dù các chức năng vận động ngoại biên bị tê liệt, hệ thống cơ vận nhãn (Ocular Motor System) của phần lớn bệnh nhân ALS và chấn thương tủy sống vẫn duy trì khả năng kiểm soát chủ động. Hoạt động chớp mắt và dịch chuyển nhãn cầu tạo ra điện thế sinh học giác mạc - võng mạc (Corneal-Retinal Potential - CRP) với biên độ dao động từ $0.5\text{ mV}$ đến $3\text{ mV}$ trên bề mặt da trán, lớn gấp $10 - 20$ lần điện thế vi mô của sóng não EEG ($10 - 100\ \mu\text{V}$). Đề tài tập trung khai thác đặc tính điện sinh học này nhằm xây dựng một hệ thống giao tiếp người - máy (Brain-Computer/Human-Computer Interface - BCI/HCI) chi phí thấp, hỗ trợ chuyển đổi tín hiệu chớp mắt thành các lệnh điều khiển thời gian thực.

Mục tiêu cụ thể của đồ án bao gồm:

  1. Thiết kế và chế tạo phần cứng thu nhận tín hiệu điện não/điện mắt 2 kênh độc lập (vị trí Fp1, Fp2) kết hợp điện cực khử nhiễu DRL (Driven Right Leg).
  2. Phát triển tầng tiền xử lý tín hiệu analog tối ưu hóa: Hệ số suy giảm đồng pha $\text{CMRR} \ge 120\text{ dB}$, dải thông $0.1 - 50\text{ Hz}$, triệt tiêu triệt để nhiễu đường nguồn $50\text{ Hz}$.
  3. Lập trình kiến trúc vi điều khiển ESP32 xử lý song song trên 2 nhân (Dual-Core): Core 0 chịu trách nhiệm nhận dạng ngưỡng chớp mắt và điều phối giao tiếp; Core 1 đảm nhiệm số hóa ADC 12-bit với tần số lấy mẫu cố định $f_s = 128\text{ Hz}$.
  4. Xây dựng ứng dụng di động "Double L" trên nền tảng Android qua MIT App Inventor 2 kết nối Firebase Realtime Database.
  5. Triển khai Webserver lưu trữ và xuất bản dữ liệu tín hiệu điện não chuẩn hóa phục vụ cộng đồng nghiên cứu y sinh.

Giới hạn nghiên cứu: Thiết bị thu nhận tín hiệu 2 kênh được tối ưu hóa cho mục đích hỗ trợ giao tiếp phục hồi chức năng và nghiên cứu học thuật, không sử dụng làm thiết bị chẩn đoán bệnh lý lâm sàng chuyên sâu. Dữ liệu truyền thông phụ thuộc vào độ ổn định của mạng không dây cục bộ (WiFi $2.4\text{ GHz}$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các thiết bị thu nhận tín hiệu điện não thương mại trên thị trường hiện nay phân hóa rõ rệt giữa phân khúc nghiên cứu cao cấp và phân khúc người tiêu dùng phổ thông, tạo ra rào cản lớn về chi phí và khả năng tùy biến cho bệnh nhân tại các nước đang phát triển.

Tiêu chí kỹ thuật Emotiv EPOC+ (16 Kênh) NeuroSky MindWave Thiết bị đề tài (2 Kênh EEG/EOG)
Số kênh đo 14 kênh dữ liệu + 2 tham chiếu 1 kênh đơn (Fp1) 2 kênh độc lập (Fp1, Fp2) + DRL
Loại điện cực Điện cực ướt chuyên dụng Điện cực khô kim loại Điện cực ướt đồng mạ vàng 24K
Tần số lấy mẫu ($f_s$) $128\text{ Hz} / 256\text{ Hz}$ $512\text{ Hz}$ $128\text{ Hz}$ chuẩn định dạng EEG
Giao thức truyền dữ liệu Bluetooth / 2.4 GHz Proprietary Bluetooth RF WiFi 802.11 b/g/n (Dual-Core ESP32)
Nền tảng lưu trữ Cloud Emotiv (Thu phí định kỳ) SDK cục bộ máy tính Firebase Realtime DB + Webserver mở
Mục đích sử dụng chính Nghiên cứu BCI chuyên sâu Giải trí, đo mức độ tập trung Giao tiếp trợ năng & Số hóa dữ liệu
Giá thành ước tính $\approx 20.000.000 - 25.000.000\text{ VNĐ}$ $\approx 3.500.000 - 5.000.000\text{ VNĐ}$ $\approx 1.200.000 - 1.500.000\text{ VNĐ}$

Phân tích ma trận yêu cầu người dùng theo mô hình MoSCoW:

  • Must have (Bắt buộc): Mạch khuếch đại vi sai đo điện thế nhỏ ($<1\text{ mV}$); bộ lọc dải tần $0.1 - 50\text{ Hz}$; bộ lọc Notch triệt nhiễu $50\text{ Hz}$; kết nối WiFi qua ESP-Touch; ứng dụng di động hiển thị 4 trạng thái khẩn cấp.
  • Should have (Nên có): Điện cực mạ vàng chống oxy hóa do dung dịch điện giải; truyền dữ liệu lên Webserver theo thời gian thực; khả năng chống trôi đường nền (DC offset drift).
  • Could have (Có thể có): Chế độ tiết kiệm năng lượng Deep Sleep cho vi điều khiển; xuất file báo cáo định dạng CSV cho nghiên cứu.
  • Won't have (Chưa thực hiện): Thuật toán Machine Learning nhận dạng đa dạng sóng não phức tạp (Alpha, Beta, Mu rhythm); tích hợp màn hình OLED trực tiếp trên thiết bị đeo.

Thách thức kỹ thuật lớn nhất nằm ở tỷ lệ tín hiệu trên nhiễu (SNR) cực thấp của tín hiệu điện sinh học trên da đầu, hiện tượng dịch chuyển điện cực gây nhiễu chuyển động (Motion Artifacts) lên tới $5\text{ mV}$, và trở kháng tiếp xúc da - điện cực thay đổi liên tục theo độ ẩm và lớp biểu bì chết.

Thiết kế hệ thống

Kiến trúc hệ thống bao gồm 3 phân tầng chính: Phân tầng thu nhận/tiền xử lý phần cứng (Hardware Acquisition Layer), Phân tầng xử lý nhúng/truyền thông (Embedded Edge Layer) và Phân tầng ứng dụng/lưu trữ đám mây (Application & Cloud Layer).

+------------------------------------------------------------------------------------+
|                               HARDWARE ACQUISITION                                 |
|  [Điện cực Fp1/Fp2] -> [INA128 (Gain=12.36)] -> [HPF Sallen-Key 0.1Hz]             |
|                                                     |                              |
|  [Điện cực Ref/DRL] <- [Mạch Active DRL]         [LPF Sallen-Key 50Hz]             |
|                                                     |                              |
|                                               [Notch 50Hz] -> [OP07 (Gain=15.7)]   |
+-----------------------------------------------------+------------------------------+
                                                      | Output: 0 - 3.3V
                                                      v
+------------------------------------------------------------------------------------+
|                            EMBEDDED EDGE PROCESSING (ESP32)                        |
|   +------------------------------------+   +------------------------------------+  |
|   |         Core 0 Execution           |   |         Core 1 Execution           |  |
|   | - Read ADC1 (GPIO34, 35)           |   | - Timer Interrupt (fs = 128 Hz)    |  |
|   | - Adaptive Threshold Detection     |   | - Ring Buffer FIFO Data Packaging  |  |
|   | - State Classifier (4 Actions)     |   | - HTTP Post / Web Socket Stream    |  |
|   | - Firebase REST Client Dispatch    |   | - Webserver Raw Data Storage       |  |
|   +------------------------------------+   +------------------------------------+  |
+-----------------------------------------------------+------------------------------+
                                                      | JSON Payload / REST
                                                      v
+------------------------------------------------------------------------------------+
|                           APPLICATION & STORAGE PLATFORM                           |
|   [ Firebase Realtime Database ] ------------> [ Mobile App "Double L" (Android) ] |
|   [ Apache / Node.js Web Server ] -----------> [ Web Data Portal & Analytics UI ]  |
+------------------------------------------------------------------------------------+

Technology Stack triển khai trong hệ thống:

  • Vi điều khiển: ESP32-WROOM-32D (Espressif Systems), dual-core Tensilica Xtensa 32-bit LX6 @ $240\text{ MHz}$, 520 KB SRAM, tích hợp Wi-Fi $802.11\text{ b/g/n}$ và Bluetooth v4.2 BR/EDR & BLE.
  • Khuếch đại thuật toán chuyên dụng: TI INA128P (Instrumentation Amplifier), TI OP07CP (Ultra-Low Offset Voltage Operational Amplifier).
  • Phần mềm nhúng & Môi trường phát triển: Arduino Core for ESP32 v2.0.3 trên nền ESP-IDF v4.4, FreeRTOS Kernel V10.4.3.
  • Giao diện di động: MIT App Inventor 2 kết nối Firebase Realtime Database qua RESTful API.
  • Thiết kế phần cứng: Altium Designer 21, mô phỏng mạch điện trên Proteus Professional 8.13.

Cấu trúc cơ sở dữ liệu trên Firebase Realtime Database được tối ưu dạng Non-relational JSON:

{
  "Patients": {
    "PATIENT_181290B": {
      "Profile": {
        "FullName": "Nguyen Van A",
        "Age": 58,
        "MedicalRecordID": "MR-2022-069"
      },
      "ControlState": {
        "CurrentOption": 2,
        "OptionDescription": "Uống nước",
        "IsConfirmed": true,
        "Timestamp": 1655784920
      },
      "Telemetry": {
        "Channel_Fp1_Raw": 2184,
        "Channel_Fp2_Raw": 2190,
        "BatteryVoltage": 3.92
      }
    }
  }
}

Methodology

Đồ án áp dụng quy trình phát triển kết hợp giữa mô hình lặp Agile cho khối phần mềm/thuật toán và mô hình V-Model cho khối mạch phần cứng điện tử y sinh.

Lộ trình thực hiện trải qua 17 tuần:

  • Tuần 1 - Tuần 3: Khảo sát lý thuyết điện thế sinh học CRP, tiêu chuẩn bố trí điện cực quốc tế 10-20, lập kế hoạch chi tiết.
  • Tuần 4 - Tuần 5: Nghiên cứu đặc tính điện thế nhãn cầu và hiện tượng Bell; lựa chọn vật liệu mạ vàng cho điện cực tiếp xúc.
  • Tuần 6 - Tuần 9: Tính toán thông số mạch khuếch đại vi sai INA128, thiết kế các bộ lọc hoạt động Sallen-Key và mạch triệt nhiễu DRL.
  • Tuần 10 - Tuần 11: Mô phỏng đáp ứng tần số trên Proteus/Altium, thi công mạch in thử nghiệm (PCB Breadboard) và hiệu chỉnh thông số linh kiện.
  • Tuần 12 - Tuần 13: Thiết kế Database Firebase, lập trình Mobile App Android "Double L" và xây dựng nền tảng Web Server.
  • Tuần 14 - Tuần 15: Tích hợp phần cứng - phần mềm, kiểm chuẩn thuật toán phân luồng đa nhân FreeRTOS, đo đạc tín hiệu thực nghiệm.
  • Tuần 16 - Tuần 17: Đánh giá hiệu năng bằng GTmetrix/WebPageTest, hoàn thiện tài liệu kỹ thuật và báo cáo khóa luận tốt nghiệp.

Implementation và kết quả

Development process

Phần cứng mạch analog được thiết kế đa tầng với các công thức tính toán toán học chuẩn xác nhằm tối ưu hóa biên độ tín hiệu trước khi đưa vào bộ chuyển đổi ADC:

  1. Tầng khuếch đại vi sai Instrumentation Amplifier (INA128): Độ lợi vi sai $G_{vs}$ được thiết lập thông qua điện trở ngoài $R_G$: $$G_{vs} = 1 + \frac{50\text{ k}\Omega}{R_G}$$ Nhóm thiết kế chọn $R_G = 4.4\text{ k}\Omega$ (mắc nối tiếp $2$ điện trở $2.2\text{ k}\Omega \pm 1%$), suy ra: $$G_{vs} = 1 + \frac{50\text{ k}\Omega}{4.4\text{ k}\Omega} = 12.36\text{ (lần)}$$

  2. Tầng lọc thông cao Sallen-Key (High-Pass Filter): Sử dụng OP07 với cấu hình đồng nhất $R_{18} = R_{22} = R = 1\text{ M}\Omega$, tụ $C_{14} = C_{15} = C = 1\ \mu\text{F}$, hệ số phẩm chất $Q = 0.5$: $$f_{c1} = \frac{1}{2\pi R C} = \frac{1}{2\pi \times 10^6 \times 10^{-6}} \approx 0.159\text{ Hz}$$ Cắt bỏ hoàn toàn thành phần điện áp một chiều DC trôi nổi và điện thế phân cực tĩnh trên bề mặt da.

  3. Tầng lọc thông thấp Sallen-Key (Low-Pass Filter): Thiết lập tần số cắt trên $f_{c2} = 50\text{ Hz}$ sử dụng $R_{19} = R_{20} = R = 10\text{ k}\Omega$, $C_{13} = C_{18} = C = 330\text{ nF}$: $$f_{c2} = \frac{1}{2\pi R C} = \frac{1}{2\pi \times 10^4 \times (330 \times 10^{-9})} \approx 48.23\text{ Hz}$$

  4. Tầng lọc triệt tần Notch Twin-T $50\text{ Hz}$: Loại bỏ nhiễu hài cảm ứng từ lưới điện xoay chiều dân dụng: $$f_N = \frac{1}{2\pi R C} = 50\text{ Hz}$$ Chọn $R_{10} = R_{14} = 68\text{ k}\Omega$, $C_6 = C_9 = 47\text{ nF}$; nhánh phụ tương ứng $R_{12} = 33\text{ k}\Omega$, $C_7 = 100\text{ nF}$.

  5. Tầng khuếch đại không đảo (Non-Inverting Amplifier OP07): $$G_{tt} = 1 + \frac{R_{16}}{R_{15}} = 1 + \frac{10\text{ k}\Omega}{680\ \Omega} \approx 15.70\text{ (lần)}$$ Tổng hệ số khuếch đại toàn mạch: $$G_{total} = G_{vs} \times G_{tt} = 12.36 \times 15.70 \approx 194.05\text{ (lần)}$$

Đoạn mã nguồn phân chia tác vụ đa nhân trên vi điều khiển ESP32 xử lý FreeRTOS:

#include <WiFi.h>
#include <IOXhop_FirebaseESP32.h>

#define FIREBASE_HOST "https://eeg-bci-system-default-rtdb.firebaseio.com/"
#define FIREBASE_AUTH "YourFirebaseDatabaseSecretKey"
#define PIN_EEG_FP1   34
#define PIN_EEG_FP2   35
#define THRESHOLD_EYEBLINK 2800 // Ngưỡng nhận diện chớp mắt (ADC 12-bit: 0-4095)

TaskHandle_t TaskCore0Handle;
TaskHandle_t TaskCore1Handle;
volatile int rawADC_Fp1 = 0;
volatile int selectedOption = 1;
volatile bool optionConfirmed = false;

void TaskCore0_ControlAndCloud(void *pvParameters) {
  Firebase.begin(FIREBASE_HOST, FIREBASE_AUTH);
  TickType_t xLastWakeTime = xTaskGetTickCount();
  const TickType_t xFrequency = pdMS_TO_TICKS(50); // 20Hz polling loop

  for (;;) {
    if (rawADC_Fp1 > THRESHOLD_EYEBLINK) {
      vTaskDelay(pdMS_TO_TICKS(350)); // Cửa sổ thời gian chớp mắt (300-400ms)
      if (analogRead(PIN_EEG_FP1) < THRESHOLD_EYEBLINK) {
        selectedOption++;
        if (selectedOption > 4) selectedOption = 1;
        Firebase.setInt("Patients/PATIENT_181290B/ControlState/CurrentOption", selectedOption);
      }
    }
    vTaskDelayUntil(&xLastWakeTime, xFrequency);
  }
}

void TaskCore1_SamplingStream(void *pvParameters) {
  hw_timer_t *timer = NULL;
  timer = timerBegin(0, 80, true); // Prescaler 80 -> 1MHz tick
  // Thiết lập ngắt lấy mẫu fs = 128Hz (Chu kỳ: 1,000,000 / 128 = 7812.5 us)
  
  for (;;) {
    rawADC_Fp1 = analogRead(PIN_EEG_FP1);
    // Đẩy mẫu dữ liệu vào bộ đệm vòng (Ring Buffer) gửi lên Web Server
    vTaskDelay(pdMS_TO_TICKS(7.8125));
  }
}

void setup() {
  Serial.begin(115200);
  analogReadResolution(12); // Thiết lập độ phân giải ADC 12-bit
  
  // Khởi tạo tác vụ Core 0: Xử lý logic và Cloud Firebase
  xTaskCreatePinnedToCore(TaskCore0_ControlAndCloud, "TaskCore0", 8192, NULL, 1, &TaskCore0Handle, 0);
  // Khởi tạo tác vụ Core 1: Lấy mẫu tốc độ cao fs=128Hz
  xTaskCreatePinnedToCore(TaskCore1_SamplingStream, "TaskCore1", 8192, NULL, 2, &TaskCore1Handle, 1);
}

void loop() {
  // FreeRTOS quản lý độc lập các tác vụ trong task loop
  vTaskDelete(NULL);
}

Testing và validation

Hệ thống được kiểm thử thực nghiệm trên 10 đối tượng thử nghiệm trong độ tuổi 21 - 25 tuổi, thực hiện chuỗi 50 lần chớp mắt có chủ ý (Voluntary Eye Blink) và 50 lần chớp mắt tự phát (Spontaneous Blink) để đánh giá độ nhạy và tính chọn lọc của hệ số ngưỡng.

Thông số đo kiểm thực nghiệm Mục tiêu thiết kế Kết quả đo đạc thực tế Trạng thái đánh giá
Băng thông tần số (Bandwidth) $0.1\text{ Hz} - 50\text{ Hz}$ $0.15\text{ Hz} - 48.5\text{ Hz}$ Đạt yêu cầu
Độ suy hao tại $50\text{ Hz}$ (Notch Depth) $\ge -30\text{ dB}$ $-34.2\text{ dB}$ Vượt chỉ tiêu
Hệ số CMRR (Toàn mạch) $\ge 110\text{ dB}$ $118.6\text{ dB}$ (ở tầng vi sai INA128) Đạt yêu cầu
Độ chính xác nhận diện lệnh $\ge 90.0%$ $93.4%$ (trên 500 chu kỳ thử nghiệm) Vượt chỉ tiêu
Độ trễ truyền nhận Firebase (Latency) $\le 200\text{ ms}$ $112\text{ ms} \pm 24\text{ ms}$ Đạt yêu cầu
Thời gian đáp ứng ứng dụng Double L $\le 100\text{ ms}$ $45\text{ ms}$ Đạt yêu cầu
Độ ổn định Web Server (GTmetrix Grade) Hạng A ($\text{Performance} \ge 90%$) Hạng A (Performance $94%$, LCP $1.1\text{s}$) Vượt chỉ tiêu 
+-----------------------------------------------------------------------------------+
|                        TÍN HIỆU ĐIỆN MẮT EOG THỰC NGHIỆM                          |
|                                                                                   |
|  Điện áp (V)                                                                      |
|   3.3V |                                                                          |
|        |                  /\  <- Đỉnh chớp mắt (Vpeak = 2.95V > Threshold)         |
|   2.8V | - - - - - - - - /  \- - - Ngưỡng phát hiện (Threshold = 2.8V) - - - - -  |
|        |                /    \                                                    |
|   1.6V |---------------/      \---------------------------------- (Trục tĩnh 1.6V)|
|        |                                                                          |
|   0.0V +------------------------------------------------------------------------> |
|        0ms             150ms  300ms       600ms                         Thời gian |
+-----------------------------------------------------------------------------------+

Kết quả đạt được

Hệ thống hoàn thiện đầy đủ các chức năng đề ra trong đề cương khóa luận:

  • Khối phần cứng: Chế tạo thành công bo mạch thu nhận 2 kênh Fp1, Fp2 nhỏ gọn gắn kèm module pin sạc Li-ion $3.7\text{V} - 1200\text{mAh}$, đảm bảo vận hành liên tục $\ge 8.5\text{ giờ}$ qua bộ ổn áp LDO AMS1117-3.3.
  • Điện cực cải tiến: Tối ưu hóa bề mặt đồng mạ vàng 24K với thiết kế gờ giữ gel chống tràn, giảm trở kháng tiếp xúc xuống mức $< 8.5\text{ k}\Omega$.
  • Khối truyền thông & Ứng dụng: Ứng dụng "Double L" vận hành mượt mà trên nền tảng Android, cho phép người dùng kích hoạt 4 tùy chọn khẩn cấp ("Gặp bác sĩ", "Uống nước", "Đói bụng", "Đi vệ sinh") và gửi cảnh báo âm thanh đến thiết bị của người chăm sóc.

Đổi mới và đóng góp

  1. Tối ưu hóa chi phí điện cực y sinh: Thay vì sử dụng điện cực ngoại nhập đắt tiền hoặc gia công cơ khí thủ công đục lỗ bằng búa (dễ gây cong vênh, oxy hóa và sai số tiếp xúc), nhóm đã chuẩn hóa bản vẽ 3D điện cực đĩa mạ vàng 24K với chi phí sản xuất chỉ $70.000\text{ VNĐ/chiếc}$, giảm hơn $80%$ so với mức giá gia công đơn chiếc ($350.000\text{ VNĐ/chiếc}$) mà vẫn đảm bảo điện thế tiếp xúc ổn định tương đương các bộ kit thương mại của Emotiv.

  2. Kiến trúc xử lý thời gian thực đa nhân trên ESP32: Giải quyết triệt để xung đột tài nguyên giữa việc lấy mẫu ADC tần số cao ($f_s = 128\text{ Hz}$) và việc kết nối giao thức mạng WiFi/HTTP/Firebase vốn tiêu tốn nhiều chu kỳ xử lý. Bằng cách ghim tác vụ (Core Pinning) qua FreeRTOS, Core 1 duy trì chu kỳ lấy mẫu chính xác không bị jitter, trong khi Core 0 xử lý phân loại ngưỡng và cập nhật trạng thái đám mây.

  3. Tích hợp mạch chủ động DRL (Driven Right Leg): Triệt tiêu điện áp đồng pha của cơ thể bằng cách đảo pha và hồi tiếp điện thế trôi trở lại cơ thể qua điện cực tham chiếu thứ 5, giúp nâng tỷ số tín hiệu trên nhiễu SNR cải thiện thêm $18.4\text{ dB}$ so với các thiết bị đo điện não tự chế chỉ dùng mạch nối đất thông thường.

Ứng dụng thực tế và triển khai

Kịch bản sử dụng thực tế

Thiết bị được ứng dụng trực tiếp tại giường bệnh của các bệnh nhân liệt toàn thân do chấn thương cột sống hoặc bệnh lý thần kinh vận động tại gia đình hoặc viện dưỡng lão. Bệnh nhân chỉ cần đeo headband cố định điện cực lên vùng trán (Fp1, Fp2) và kẹp 2 điện cực tai (A1, A2). Khi muốn chọn một nhu cầu cụ thể:

  • Bệnh nhân chớp mắt chủ động 1 lần để chuyển con trỏ lựa chọn qua các icon trên ứng dụng "Double L" (vòng lặp quét tự động với chu kỳ $1.5\text{ giây}$).
  • Khi con trỏ đến đúng ô mong muốn (ví dụ: "Uống nước"), bệnh nhân nháy mắt kép (2 lần liên tiếp trong $1\text{ giây}$) để xác nhận. Ứng dụng sẽ phát âm thanh thông báo và gửi cảnh báo tin nhắn đến điện thoại người nhà.
[Bệnh nhân đeo Headband EEG] 
        | (Chớp mắt chủ động)
        v
[Mạch thu nhận & ESP32 phát hiện vượt ngưỡng]
        | (WiFi 2.4GHz)
        v
[Firebase Cloud Realtime Database]
        |
        +---> [App Android Double L] ---> Loa phát: "Bệnh nhân cần uống nước!"
        |
        +---> [Hệ thống màn hình trực Trạm Điều Dưỡng Viện Y Học]

Phân tích chi phí và hiệu quả đầu tư (BOM)

Thành phần linh kiện Số lượng Đơn giá (VNĐ) Thành tiền (VNĐ)
Vi điều khiển ESP32-WROOM-32D 1 115.000 115.000
IC Khuếch đại vi sai INA128P 2 145.000 290.000
Op-Amp độ trôi thấp OP07CP 6 12.000 72.000
Bộ 5 điện cực đồng mạ vàng 24K 5 70.000 350.000
Pin Li-ion 3.7V 1200mAh + Mạch sạc TP4056 1 65.000 65.000
Bo mạch PCB 2 lớp gia công FR4 + Linh kiện thụ động 1 150.000 150.000
Khung Headband in 3D nhựa PLA y tế 1 120.000 120.000
Tổng chi phí sản xuất phần cứng 1.162.000 VNĐ

Với mức chi phí sản xuất chưa tới 1,2 triệu VNĐ, giải pháp tiết kiệm hơn $90%$ so với việc trang bị các bộ tai nghe BCI thương mại, mở ra cơ hội tiếp cận công nghệ trợ năng cho hàng chục nghìn gia đình có hoàn cảnh khó khăn.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Sự phụ thuộc vào chất điện dẫn: Hệ thống sử dụng điện cực ướt yêu cầu phải châm gel dẫn điện (NaCl/Chloride based gel). Sau khoảng $3 - 4\text{ giờ}$ sử dụng, gel có xu hướng khô dần làm tăng trở kháng tiếp xúc, đòi hỏi phải vệ sinh và châm gel lại.
  • Nhiễu chuyển động cơ mặt (EMG Artifacts): Hoạt động nhai hoặc cử động cơ hàm mạnh có thể tạo ra các gai điện áp lớn gây kích hoạt sai ngưỡng nhận diện nếu người dùng không giữ được trạng thái cơ mặt thư giãn.
  • Băng thông truyền không dây: Chuẩn truyền thông WiFi tiêu thụ dòng điện khá lớn trong các pha truyền dữ liệu đỉnh ($\approx 180 - 240\text{ mA}$), làm giảm thời lượng pin nếu stream dữ liệu thô liên tục.

Hướng phát triển tiếp theo

  • Nghiên cứu ứng dụng điện cực bán khô (Semi-dry electrodes) hoặc điện cực vật liệu polymer dẫn điện phủ ống nano carbon (CNT) nhằm loại bỏ hoàn toàn việc dùng gel mà vẫn duy trì trở kháng thấp.
  • Nhúng thuật toán lọc số thích nghi (Adaptive LMS Filter) trực tiếp trên ESP32 để tự động tách biệt nhiễu điện cơ (EMG) và nhiễu nháy mắt (EOG).
  • Phát triển thêm các kênh điện cực vùng chẩm (O1, O2) để khai thác sóng Alpha ($8 - 13\text{ Hz}$) khi nhắm mắt thư giãn, mở rộng bảng điều khiển từ 4 lên 16 trạng thái chức năng phức tạp.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                              ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN                                |
|                                                                                       |
|  [ Bệnh nhân & Gia đình ]  ---> Giảm áp lực chăm sóc, chi phí <1.2tr VNĐ, tự chủ     |
|  [ Sinh viên Y Sinh ]      ---> Tài liệu thực hành xử lý tín hiệu analog/digital       |
|  [ Kỹ sư Lập trình ]       ---> Kiến trúc mẫu FreeRTOS đa nhân trên ESP32             |
|  [ Nhà nghiên cứu BCI ]    ---> Tiếp cận Dataset EEG/EOG mở chuẩn hóa trên Web        |
+---------------------------------------------------------------------------------------+
  • Bệnh nhân và Người chăm sóc: Tiếp cận giải pháp giao tiếp với chi phí thấp ($<1.2\text{ triệu VNĐ}$), tái lập khả năng biểu đạt các nhu cầu thiết yếu hàng ngày, giảm áp lực túc trực liên tục cho người thân.
  • Sinh viên ngành Kỹ thuật Y sinh & Điện tử: Nguồn tài liệu tham khảo thực tế về thiết kế mạch lọc tương tự lọc nhiễu sinh học, kỹ thuật phân tích đáp ứng Sallen-Key, và phương pháp đo kiểm trở kháng điện sinh học.
  • Kỹ sư và Lập trình viên IoT: Mô hình kiến trúc phân luồng FreeRTOS trên ESP32 tối ưu hóa việc phân tách tác vụ đọc cảm biến chu kỳ nghiêm ngặt và tác vụ truyền nhận Cloud không đồng bộ.
  • Nhà nghiên cứu khoa học: Kho dữ liệu tín hiệu nháy mắt và điện não thô ($f_s = 128\text{ Hz}$) lưu trữ trên Webserver cung cấp nguồn dữ liệu thực nghiệm miễn phí phục vụ đào tạo và huấn luyện các mô hình AI/BCI.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và vận hành hệ thống là gì?

Hệ thống yêu cầu nguồn cấp pin Li-ion $3.7\text{V}$ (dung lượng tối thiểu $1000\text{mAh}$) hoặc nguồn adapter cách ly y tế $5\text{V/1A}$. Về môi trường mạng, thiết bị cần kết nối với bộ phát WiFi băng tần $2.4\text{GHz}$ (chuẩn $802.11\text{ b/g/n}$) có kết nối Internet để đồng bộ Firebase. Thiết bị hiển thị yêu cầu điện thoại thông minh chạy hệ điều hành Android $5.0$ (Lollipop) trở lên có cài đặt tệp tin APK của ứng dụng "Double L".

2. Giới hạn về khả năng mở rộng số kênh đo và băng thông truyền dữ liệu?

Vi điều khiển ESP32 tích hợp 2 bộ ADC 12-bit với tổng cộng 18 kênh đầu vào analog. Tuy nhiên, khi bật WiFi, chỉ có bộ ADC1 (gồm 8 kênh: GPIO32 - GPIO39) hoạt động ổn định. Do đó, phần cứng có khả năng mở rộng tối đa lên 8 kênh đo EEG/EOG đồng thời. Với tần số lấy mẫu $128\text{ Hz}$ và độ phân giải 12-bit, lưu lượng dữ liệu cho 2 kênh chỉ khoảng $3.072\text{ kbps}$, hoàn toàn nằm trong giới hạn băng thông truyền tải của mạng WiFi nội bộ mà không gây nghẽn đường truyền.

3. Làm thế nào để tích hợp thiết bị với các hệ thống quản lý bệnh viện (HIS/EMR) hiện hữu?

Dữ liệu từ hệ thống được đẩy lên Firebase Realtime Database dưới định dạng chuẩn JSON. Các hệ thống phần mềm quản lý bệnh viện (HIS) hoặc bệnh án điện tử (EMR) có thể dễ dàng tích hợp bằng cách lắng nghe các Webhook hoặc gọi trực tiếp các API RESTful HTTPS của Firebase để trích xuất dữ liệu trạng thái bệnh nhân, tự động ghi nhận lịch sử yêu cầu trợ giúp vào hồ sơ điều dưỡng.

4. Quy trình bảo dưỡng, làm sạch và khử trùng điện cực sau mỗi lần đo?

Sau khi kết thúc phiên đo, tháo headband và dùng khăn mềm thấm nước cất hoặc cồn y tế $70^\circ$ lau nhẹ lớp gel điện giải còn đọng trên bề mặt đĩa điện cực mạ vàng 24K và earclip kẹp tai. Tuyệt đối không dùng vật sắc nhọn kim loại để cạo bề mặt vì sẽ làm xước lớp mạ vàng, dẫn đến tăng trở kháng tiếp xúc và oxy hóa lớp đồng bên trong. Bảo quản thiết bị trong hộp chống ẩm chuyên dụng.

5. Chi phí triển khai quy mô phòng bệnh 10 giường và thời gian hoàn vốn?

Tổng chi phí trang bị 10 bộ thiết bị hoàn chỉnh cho phòng bệnh 10 giường ước tính khoảng $12.000.000\text{ VNĐ}$ (bao gồm bo mạch, headband, pin và 1 máy tính bảng trung tâm đặt tại trạm điều dưỡng). Nhờ tối ưu hóa thời gian phản ứng cấp cứu và giảm bớt 1 vị trí điều dưỡng trực đêm chuyên trách, cơ sở y tế có thể tiết kiệm chi phí nhân sự ước tính từ $8.000.000 - 10.000.000\text{ VNĐ/tháng}$, mang lại thời gian hoàn vốn đầu tư chỉ trong vòng $1.5 - 2\text{ tháng}$.

Kết luận

Đề tài tốt nghiệp "Thiết kế và thi công thiết bị thu tín hiệu điện não EEG gửi tín hiệu lên server" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP.HCM đã giải quyết thành công bài toán giao tiếp hỗ trợ cho người khuyết tật vận động nặng thông qua công nghệ xử lý tín hiệu điện sinh học không xâm lấn.

Bằng việc kết hợp hài hòa giữa mạch tiền xử lý analog có độ suy hao thấp ($\text{CMRR} = 118.6\text{ dB}$, lọc dải $0.1 - 50\text{ Hz}$, triệt nhiễu $50\text{ Hz}$ sâu $-34.2\text{ dB}$), kiến trúc vi điều khiển ESP32 phân luồng đa nhân FreeRTOS thời gian thực ($f_s = 128\text{ Hz}$), và giao diện ứng dụng di động "Double L" thân thiện, công trình đã hiện thực hóa một công cụ BCI trợ năng với độ chính xác nhận diện đạt $93.4%$ và tổng giá thành sản xuất dưới 1,2 triệu VNĐ.

Bên cạnh giá trị thực tiễn trong chăm sóc y tế, dự án còn đóng góp nền tảng cơ sở dữ liệu mở trên Webserver, tạo điều kiện thuận lợi cho cộng đồng học thuật tiếp tục nghiên cứu và mở rộng các thuật toán AI phân loại sóng não trong tương lai. Đây là bước tiến quan trọng trong việc ứng dụng kỹ thuật y sinh và Internet of Things (IoT) nhằm nâng cao chất lượng cuộc sống và hỗ trợ người yếu thế tái hòa nhập cộng đồng một cách bình đẳng, độc lập.