Tổng quan nghiên cứu

Trong bối cảnh lối sống hiện đại ngày càng bận rộn và thiếu vận động, các vấn đề sức khỏe liên quan đến bệnh tim mạch (Cardiovascular Disease – CVD) ngày càng trở nên nghiêm trọng. Theo một nghiên cứu dịch tễ học, đi bộ hơn 4 giờ mỗi tuần giúp giảm nguy cơ nhập viện do tim mạch với nguy cơ tương đối 0,69 (khoảng tin cậy 95%, 0,52–0,90). Đồng thời, thiếu ngủ cũng là một yếu tố nguy cơ lớn, khi những người ngủ dưới 6 giờ mỗi đêm có nguy cơ đột quỵ hoặc đau tim cao gấp đôi so với người ngủ đủ 6-8 giờ. Trước thực trạng này, việc phát triển các hệ thống giám sát sức khỏe cá nhân thông minh, tích hợp công nghệ IoT và thuật toán máy học, nhằm theo dõi hoạt động thể chất và giấc ngủ, trở nên cấp thiết.

Mục tiêu nghiên cứu là xây dựng một hệ thống điều khiển và giám sát thông minh, ứng dụng IoT và thuật toán máy học, để theo dõi số bước chân và chất lượng giấc ngủ của người dùng, từ đó cảnh báo kịp thời các nguy cơ sức khỏe. Nghiên cứu được thực hiện trong năm 2018 tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, tập trung phát triển thiết bị đeo cá nhân tích hợp bộ đếm bước chân và hệ thống cảnh báo giấc ngủ thông minh. Kết quả nghiên cứu góp phần nâng cao hiệu quả phòng ngừa bệnh tim mạch thông qua việc theo dõi chủ động sức khỏe cá nhân, đồng thời giảm thiểu sự phức tạp khi người dùng phải sử dụng nhiều thiết bị riêng biệt.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

  • Mối liên hệ giữa bước chân, giấc ngủ và hệ thống tim mạch: Đi bộ đều đặn giúp giảm nguy cơ CVD, trong khi giấc ngủ chất lượng ảnh hưởng trực tiếp đến sức khỏe tim mạch. Quán tính giấc ngủ (Sleep Inertia) và nhịp nghỉ tim (Resting Heart Rate - RHR) là các chỉ số quan trọng đánh giá trạng thái sức khỏe.
  • Các giai đoạn của giấc ngủ và cách nhận biết: Giấc ngủ được phân thành các giai đoạn NREM-1, NREM-2, NREM-3 (ngủ sâu) và REM, với mỗi giai đoạn có đặc điểm sóng não riêng biệt đo bằng điện não đồ (EEG). Việc đánh thức trong giai đoạn ngủ nhẹ giúp giảm quán tính giấc ngủ.
  • Nguyên lý đếm bước chân: Sử dụng gia tốc kế 3 trục để đo gia tốc theo các trục x, y, z, từ đó xác định chuyển động dao động của cánh tay nhằm đếm bước chân chính xác.
  • Thuật toán máy học: Áp dụng các thuật toán học có giám sát như Decision Tree và mạng Nơron nhân tạo (Neural Network) để phân loại và nhận dạng trạng thái chuyển động, giấc ngủ.
  • Internet of Things (IoT): Kết nối các thiết bị cảm biến và thiết bị di động qua Bluetooth, tạo thành hệ thống giám sát sức khỏe cá nhân thông minh, cho phép thu thập và phân tích dữ liệu liên tục.

Phương pháp nghiên cứu

Nghiên cứu được thực hiện trong khoảng thời gian từ 01/01/2018 đến 30/12/2018, tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Phương pháp nghiên cứu bao gồm:

  • Thu thập dữ liệu: Sử dụng cảm biến gia tốc MPU-6050 gắn trên cổ tay để thu thập dữ liệu gia tốc 3 trục trong quá trình đi bộ, chạy và ngủ của người dùng.
  • Thiết kế phần cứng: Phát triển thiết bị đeo tích hợp Arduino Nano, cảm biến MPU-6050 và mô-đun Bluetooth HC-05 để truyền dữ liệu.
  • Phân tích dữ liệu: Áp dụng bộ lọc thông thấp (Low Pass Filter) để loại bỏ nhiễu, sử dụng ngưỡng thích nghi (adaptive threshold) để xác định bước chân và phát hiện chuyển động trong giấc ngủ.
  • Phát triển phần mềm: Xây dựng ứng dụng Android gồm hai mô-đun chính là My Step Counter để hiển thị số bước và Smart Alarm để đánh thức người dùng trong giai đoạn ngủ nhẹ.
  • Cỡ mẫu và chọn mẫu: Thực nghiệm với nhiều trường hợp khác nhau về tốc độ và kiểu chuyển động của người dùng nhằm đánh giá độ chính xác của thiết bị và thuật toán.
  • Phương pháp phân tích: So sánh kết quả đếm bước chân với các thiết bị thương mại như MiBand và Diesel Link để đánh giá sai số, đồng thời phân tích dữ liệu chuyển động trong giấc ngủ để xác định giai đoạn ngủ nhẹ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ chính xác đếm bước chân: Thiết bị đạt sai số 0% khi so sánh với MiBand trong thử nghiệm đi bộ, sai số 3% trong thử nghiệm chạy và sai số 13% khi so sánh với Diesel Link. Điều này chứng tỏ thiết bị có độ chính xác cao, đặc biệt trong các hoạt động đi bộ và chạy thông thường.

  2. Hiệu quả của ngưỡng thích nghi: So với ngưỡng cố định, ngưỡng thích nghi giúp thiết bị tự động điều chỉnh theo phong cách đi bộ/chạy của từng người dùng, giảm sai số đếm bước chân trong các trường hợp vận động không đều hoặc thay đổi tốc độ.

  3. Phát hiện chuyển động trong giấc ngủ (MIS): Thuật toán phát hiện chuyển động dựa trên ngưỡng gia tốc thay đổi khoảng 40-50 đơn vị, giúp xác định chính xác giai đoạn ngủ nhẹ để kích hoạt báo thức thông minh. Việc này giúp giảm quán tính giấc ngủ và cải thiện chất lượng thức dậy.

  4. Tích hợp hệ thống IoT và ứng dụng di động: Thiết bị truyền dữ liệu qua Bluetooth sang ứng dụng Android, cho phép người dùng theo dõi số bước chân và nhận cảnh báo đánh thức đúng giai đoạn ngủ nhẹ. Ứng dụng có thể hoạt động nền, tiết kiệm pin và dễ sử dụng.

Thảo luận kết quả

Kết quả cho thấy việc ứng dụng thuật toán máy học kết hợp với cảm biến gia tốc và công nghệ IoT trong thiết bị đeo cá nhân là khả thi và hiệu quả. Độ chính xác đếm bước chân cao hơn so với một số thiết bị thương mại, nhờ vào việc sử dụng ngưỡng thích nghi và bộ lọc thông thấp để giảm nhiễu. Việc phát hiện chuyển động trong giấc ngủ giúp cải thiện trải nghiệm người dùng bằng cách đánh thức trong giai đoạn ngủ nhẹ, giảm cảm giác mệt mỏi khi thức dậy.

So sánh với các nghiên cứu trước đây, thiết bị này tích hợp đồng thời chức năng đếm bước và cảnh báo giấc ngủ trong một phần cứng duy nhất, khắc phục hạn chế của các thiết bị chỉ thực hiện một chức năng riêng biệt. Dữ liệu có thể được trình bày qua biểu đồ số bước theo thời gian và biểu đồ chuyển động trong giấc ngủ, giúp người dùng dễ dàng theo dõi và điều chỉnh thói quen sinh hoạt.

Tuy nhiên, thiết bị vẫn có thể cải tiến thêm về khả năng nhận dạng các trạng thái vận động phức tạp hơn và mở rộng tích hợp các cảm biến sinh học khác như nhịp tim để nâng cao độ chính xác và tính toàn diện của hệ thống giám sát sức khỏe.

Đề xuất và khuyến nghị

  1. Phát triển thêm các thuật toán máy học nâng cao nhằm cải thiện khả năng phân loại trạng thái vận động và giấc ngủ, tăng độ chính xác nhận dạng trong các điều kiện thực tế đa dạng. Thời gian thực hiện: 12 tháng; chủ thể: nhóm nghiên cứu và đối tác công nghệ.

  2. Mở rộng tích hợp cảm biến sinh học như cảm biến nhịp tim, nhiệt độ cơ thể để cung cấp dữ liệu toàn diện hơn về sức khỏe người dùng, hỗ trợ cảnh báo sớm các nguy cơ tim mạch. Thời gian thực hiện: 18 tháng; chủ thể: phòng thí nghiệm phát triển thiết bị.

  3. Tối ưu hóa phần mềm ứng dụng di động với giao diện thân thiện, khả năng lưu trữ và phân tích dữ liệu dài hạn, đồng thời hỗ trợ đa nền tảng (iOS, Android). Thời gian thực hiện: 6 tháng; chủ thể: đội ngũ phát triển phần mềm.

  4. Triển khai thử nghiệm thực tế quy mô lớn tại các cộng đồng dân cư và cơ sở y tế để đánh giá hiệu quả sử dụng, thu thập phản hồi người dùng và điều chỉnh thiết bị phù hợp. Thời gian thực hiện: 12 tháng; chủ thể: các trung tâm y tế và tổ chức nghiên cứu.

  5. Xây dựng hướng dẫn sử dụng và đào tạo người dùng nhằm nâng cao nhận thức về lợi ích của việc theo dõi sức khỏe cá nhân và sử dụng thiết bị đúng cách, góp phần phòng ngừa bệnh tim mạch hiệu quả. Thời gian thực hiện: liên tục; chủ thể: các tổ chức y tế và giáo dục.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành kỹ thuật y sinh và công nghệ thông tin: Nghiên cứu cung cấp kiến thức về ứng dụng thuật toán máy học và IoT trong phát triển thiết bị y tế cá nhân, hỗ trợ phát triển các dự án tương tự.

  2. Chuyên gia phát triển thiết bị đeo thông minh và ứng dụng sức khỏe: Tham khảo thiết kế phần cứng, thuật toán xử lý dữ liệu và phần mềm ứng dụng để cải tiến sản phẩm, nâng cao tính năng và độ chính xác.

  3. Bác sĩ và chuyên gia y tế trong lĩnh vực tim mạch và giấc ngủ: Hiểu rõ hơn về công nghệ giám sát sức khỏe cá nhân, hỗ trợ tư vấn và áp dụng thiết bị trong chăm sóc bệnh nhân.

  4. Nhà quản lý và hoạch định chính sách y tế công cộng: Đánh giá tiềm năng ứng dụng công nghệ trong phòng ngừa bệnh tim mạch, xây dựng các chương trình hỗ trợ và khuyến khích sử dụng thiết bị giám sát sức khỏe.

Câu hỏi thường gặp

  1. Thiết bị này có thể sử dụng cho những đối tượng nào?
    Thiết bị phù hợp với mọi người trưởng thành muốn theo dõi hoạt động thể chất và chất lượng giấc ngủ, đặc biệt là những người có nguy cơ bệnh tim mạch hoặc cần cải thiện thói quen sinh hoạt.

  2. Độ chính xác của bộ đếm bước chân như thế nào?
    Thiết bị đạt sai số 0-3% so với các thiết bị thương mại trong các thử nghiệm đi bộ và chạy, đảm bảo độ tin cậy cao trong việc theo dõi hoạt động hàng ngày.

  3. Làm thế nào thiết bị phát hiện giai đoạn ngủ nhẹ để đánh thức?
    Thiết bị sử dụng thuật toán phát hiện chuyển động dựa trên dữ liệu gia tốc, xác định các thay đổi lớn trong giấc ngủ để nhận biết giai đoạn ngủ nhẹ và kích hoạt báo thức phù hợp.

  4. Thiết bị có thể kết nối với điện thoại nào?
    Thiết bị sử dụng mô-đun Bluetooth HC-05, tương thích với các điện thoại Android có hỗ trợ Bluetooth, cho phép truyền dữ liệu và điều khiển qua ứng dụng di động.

  5. Có thể mở rộng tính năng của thiết bị không?
    Có thể tích hợp thêm cảm biến sinh học khác như nhịp tim, nhiệt độ, và phát triển thuật toán máy học nâng cao để tăng tính năng và độ chính xác, phù hợp với nhu cầu đa dạng của người dùng.

Kết luận

  • Nghiên cứu đã phát triển thành công thiết bị đeo cá nhân tích hợp bộ đếm bước chân và hệ thống cảnh báo giấc ngủ thông minh, ứng dụng IoT và thuật toán máy học.
  • Thiết bị đạt độ chính xác cao trong việc đếm bước chân với sai số thấp so với các thiết bị thương mại hiện có.
  • Thuật toán phát hiện chuyển động trong giấc ngủ giúp đánh thức người dùng đúng giai đoạn ngủ nhẹ, giảm quán tính giấc ngủ và cải thiện chất lượng thức dậy.
  • Hệ thống kết nối Bluetooth với ứng dụng Android cho phép người dùng theo dõi và quản lý sức khỏe cá nhân thuận tiện.
  • Các bước tiếp theo bao gồm mở rộng tích hợp cảm biến, nâng cao thuật toán, tối ưu phần mềm và triển khai thử nghiệm thực tế quy mô lớn để hoàn thiện sản phẩm và ứng dụng rộng rãi.

Khuyến khích các nhà nghiên cứu, chuyên gia y tế và phát triển công nghệ tiếp tục khai thác và ứng dụng các kết quả này nhằm nâng cao sức khỏe cộng đồng.