Thiết kế hệ thống đánh giá thăng bằng cơ thể

HỆ THỐNG ĐÁNH GIÁ THĂNG BẰNG

Các hệ thống đánh giá thăng bằng hiện có

Các hệ thống đánh giá thăng bằng sử dụng phương pháp đánh giá định lượng để hỗ trợ bác sĩ trong việc chẩn đoán các hội chứng rối loạn thăng bằng.

Một số thiết bị tiêu biểu trên thế giới được so sánh ở bảng dưới đây:

Tên thiết bị Tổng quan Đặc điểm

Nền tảng tập luyện và kiểm tra tiêu chuẩn thăng bằng lớn nhất của HUR Labs

• Dễ dàng để thiết lập giao thức thử nghiệm của riêng bạn

• Các công cụ báo cáo cung cấp phản hồi trực quan rõ ràng và dễ hiểu về tình trạng cân bằng của bệnh nhân

• Tập luyện sự thăng bằng của bạn được thực hiện dễ dàng với các trò chơi cân bằng thú vị khác nhau

Công cụ kiểm tra và tập luyện thăng bằng này là giải pháp đơn giản, hiệu quả và linh hoạt, lý tưởng cho việc phục hồi chức năng cho bệnh nhân lớn tuổi cũng như hỗ trợ vận động viên trẻ.

• Dữ liệu in nhanh và chính xác

• Phản hồi trực quan theo thời gian thực nhắc nhở bệnh nhân vào tư thế thích hợp và kiểm soát thăng bằng

• Các giao thức tập luyện phù hợp để làm việc trên các

Tên thiết bị Tổng quan Đặc điểm thâm hụt số dư cụ thể được xác định bằng thử nghiệm

• Đo chính xác các giao thức tập luyện cân bằng và thiết lập mục tiêu

Sử dụng tấm kim loại chịu lực 18"x60" cố định giúp đo các lực dọc tác động qua chân bệnh nhân, từ đó xác định vị trí trọng tâm và kiểm soát tư thế hiệu quả.

• Các tấm lực dài cho phép tăng cường đánh giá và khả năng đào tạo

The article discusses various protocols used to assess balance and stability, including the Modified Clinical Test of Sensory Interaction on Balance (mCTSIB), Limits of Stability (LOS), Rhythmic Weight Shift (RWS), Weight Bearing Squat (WBS), Unilateral Stance (US), Sit-To-Stand (STS), Walk Across (WA), Tandem Walk (TW), Step/Quick Turn (SQT), Step Up/Over (SUO), and Forward Lunge (FL) These tests are essential for evaluating an individual's balance capabilities and identifying potential areas for improvement in stability.

Bảng 2.1 So sánh các thiết bị đánh giá thăng bằng hiện có trên thế giới

Balance trainer BTG4 là thiết bị nổi bật trong hệ thống phục hồi chức năng của HUR-Lab, với thiết kế gọn gàng và tối giản Thiết bị này hỗ trợ bác sĩ trong việc theo dõi quá trình trị liệu cho bệnh nhân gặp vấn đề về thăng bằng Hiện nay, Balance trainer BTG4 đã được sử dụng tại một số bệnh viện hàng đầu trong lĩnh vực phục hồi chức năng tại Việt Nam, chẳng hạn như Bệnh viện Lão khoa Trung ương.

Dưới đây là một số hình ảnh về tính năng của Phần mềm BTG4, tính năng iBalance Premium

Hình 2.1 Giao diện biểu mẫu chính của iBalance Premium

Hình 2.2 Tóm tắt quy trình trong iBalance Premium

Giá thành của thiết bị Balance trainer BTG4 khá cao và phần mềm đi kèm yêu cầu nhiều thao tác phức tạp, gây khó khăn cho người dùng Do đó, nhóm nghiên cứu đã quyết định thiết kế một hệ thống “thuần Việt” với chi phí thấp hơn, nhằm tạo điều kiện thuận lợi cho các bác sĩ tuyến đầu và tuyến dưới trong việc đánh giá tình trạng rối loạn thăng bằng của bệnh nhân.

Hệ thống đề xuất

Sau khi khảo sát và nghiên cứu các phương pháp đo và thiết bị hiện có, tôi đề xuất thiết kế một hệ thống đánh giá trọng tâm cơ thể thông qua việc xây dựng một hệ thống cân đứng Ý tưởng là sử dụng sự phân bố khối lượng cơ thể khi đứng trên mặt phẳng để xác định điểm rơi trọng tâm Hệ thống này bao gồm cả phần cứng và phần mềm để đo trọng tâm cơ thể một cách chính xác.

Quá trình thực hiện gồm có các phần sau:

- Khảo sát các thiết bị có sẵn trên thị trường, các phương pháp đánh giá thăng bằng cơ thể của thiết bị

- Phân tích yêu cầu và lựa chọn giải pháp xây dựng phần cứng của thiết bị

- Phân tích thiết kế phần cứng và kết nối phần mềm ứng dụng

- Xây dựng sản phẩm hoàn chỉnh

- Thử nghiệm thiết bị tại Bệnh viện

- Đánh giá quá trình Bác sĩ điều trị cho bệnh nhân thông qua các số liệu thu được và theo dõi từ thiết bị

- Thu thập số liệu từ người bình thường và người có vấn đề về rối loạn thăng bằng, dùng các phương pháp đánh giá để phân loại

Thiết kế phần cứng

Phần cứng được phát triển bởi các thành viên trong nhóm nghiên cứu của chúng tôi nhằm thu thập dữ liệu tọa độ điểm rơi của trọng tâm, chi tiết sẽ được trình bày dưới đây.

2.3.1 Ý tưởng thiết kế Ý tưởng đặt ra là sử dụng sự phân bố khối lượng cơ thể khi đứng trên một mặt phẳng nhằm xác định điểm rơi trọng tâm cơ thể Hệ thống đo trọng tâm cơ thể người bao gồm phần cứng và phần mềm

Thiết bị phần cứng sử dụng 4 cảm biến trọng lượng và vi điều khiển Arduino để thu thập dữ liệu phân bố khối lượng cơ thể tại 4 vị trí Nó bao gồm hai phần chính: bàn cân và bảng điều khiển Bàn cân được cấu tạo từ mặt cân MICA dày 2cm với kích thước 400x500mm, bên dưới gắn 4 cảm biến trọng lượng (loadcell) và hộp mạch chính Hộp mạch chính chứa bo mạch Arduino Mega cùng với các module như Bluetooth, MicroSD card và module khuếch đại HX711 kết nối với loadcell Bảng điều khiển có màn hình LCD 16x2 để hiển thị trạng thái hoạt động của thiết bị.

1 module thời gian thực RTC cùng với một ma trận bàn phím 4x4 để nhập số và thực hiện các thao tác điều khiển thiết bị

Thiết bị này sử dụng phương pháp phân tích tư thế chuyển động, dựa trên sự phân bố lực của cơ thể khi nhắm mắt và đứng trên một tấm ván Người dùng có thể đứng ở hai tư thế: hai chân mở rộng bằng vai hoặc khép chân lại, mỗi tư thế sẽ thể hiện trạng thái và mức độ thăng bằng khác nhau Phương pháp này thu thập dữ liệu từ 4 cảm biến lực để phân tích khối lượng mà cơ thể con người phân bổ trong từng tư thế.

Dựa trên dữ liệu từ các cảm biến lực, quỹ đạo điểm rơi của trọng tâm cơ thể người sẽ được xác định và hiển thị trên màn hình Qua quỹ đạo này, bác sĩ có thể đánh giá mức độ thăng bằng của bệnh nhân.

Phương pháp phân tích điểm rơi trọng tâm cơ thể được mô tả qua các công thức sau: x = ((F4 + F3) – (F2 + F1)) * d1/Tổng và y = ((F2 + F4) – (F1 + F3)) * d2/Tổng, trong đó Tổng = F1 + F2 + F3 + F4 Các lực F1, F2, F3, F4 được thu thập từ các cảm biến, và x, y là tọa độ của các điểm quỹ đạo của trung tâm áp lực.

Hệ thống bao gồm thiết bị đo (phần cứng) để thu thập dữ liệu và phần mềm trên máy tính để lưu trữ cũng như xử lý dữ liệu Sơ đồ khối của hệ thống được thể hiện trong Hình 2.4.

Hình 2.4 Sơ đồ khối của thiết bị phần cứng

Thiết bị bao gồm 6 khối chính và 2 khối điều khiển, với khối nguồn cung cấp điện 5V cho tất cả các thành phần Bốn cảm biến lực chuyển đổi chênh lệch lực thành tín hiệu điện áp, gửi đến Hx711 để khuếch đại và chuyển đổi thành tín hiệu kỹ thuật số 24-bit Tín hiệu này được Arduino nhận, điều khiển Bluetooth và Hx711 để thu thập dữ liệu và gửi đến máy tính Khối Bluetooth chuyển dữ liệu từ Arduino sang cổng Bluetooth của máy tính, trong khi khối module RTC đo thời gian thực.

Khi không có máy tính, thiết bị có thể sử dụng bàn phím gắn liền để nhập thông tin bệnh nhân dưới dạng ID, cho phép hoạt động độc lập Trạng thái của cân được hiển thị qua khối LCD, và dữ liệu có thể được lưu trữ trên thẻ MicroSD.

2.3.4 Thiết kế cơ khí Để thiết bị thiết kế được đơn giản và dễ sử dụng, các phần thiết kế được thể hiện như trong Hình 2.4

Tấm Mica dày 2 cm được chọn làm bề mặt cho thang đo do trọng lượng nhẹ hơn gỗ cùng kích thước, trong khi tấm mica mỏng được sử dụng làm đế Bốn đế hình tròn bằng nhựa chứa loadcell để bảo vệ thiết bị Ngoài ra, một hộp nhựa nhỏ cũng được lắp đặt ở phía đế để chứa tất cả các thành phần của mạch.

Hình 2.5 Thiết kế cơ khí của thiết bị

Tấm mica là lựa chọn lý tưởng cho thiết kế mặt phẳng cân nhờ vào đặc tính cứng cáp, nhẹ, chịu nước và giá thành hợp lý Đặc biệt, mica 2mm được ưa chuộng vì khả năng chống biến dạng dưới tác động lực.

Hình 2.7 Mô hình hộp tấm Mica sau khi cắt ghép các tấm

Kích thước: để phù hợp với tư thế đứng của người khi đứng chân rộng bằng vai, một mặt cân đã được thiết kế với kích thước 40*50cm

Cảm biến lực được lắp đặt đối xứng trên hai cạnh của cân, nằm ngay dưới vị trí đặt chân khi người dùng đứng với khoảng cách hai chân rộng bằng vai.

Hộp mạch chính: được đặt ở giữa mặt dưới của cân để khoảng cách từ hộp mạch đến mỗi cảm biến lực là như nhau

Tấm Mica, hay còn gọi là Acrylic, là một vật liệu phổ biến trong ngành quảng cáo nhờ tính chất dẻo và đa dạng màu sắc Với bề mặt trơn bóng và phẳng, Mica được ưa chuộng trong nhiều ứng dụng khác nhau.

Hình 2.8 Hình minh họa tấm Mica gồm nhiều chủng loại màu sắc

Tấm nhựa mica, thường được so sánh với thủy tinh, có tỉ trọng chỉ bằng 1/2 và cho phép khoảng 98% ánh sáng xuyên qua (đối với mica trong suốt dày 3mm) Mica có nhiệt độ cháy là 460°C (860°F) và mềm hơn, dễ bị trầy xước hơn kính, nên cần được phủ lớp chống xước Mặc dù dễ bị trầy, mica không vỡ như thủy tinh mà nứt thành nhiều mảnh lớn khi chịu va đập mạnh Mặc dù được coi là bền hơn thủy tinh, mica vẫn không chịu được áp lực mạnh lên bề mặt và dễ bị trầy xước Giá thành của mica ở mức trung bình, khoảng 500 nghìn/1m2 cho loại dày 5mm Hiện nay, mica được sử dụng rộng rãi trong ngành quảng cáo và có ba loại chính trên thị trường.

Mica (Nhật Bản) Ưu điểm - Giá thành rẻ - Có màu trong suốt, chất lượng vượt trội so với mica Trung Quốc

- Nó có khả năng chịu

- Có tính chất và ưu điểm tương đương mica Đài Loan

- mica Nhật có ưu điểm vượt trội là có

Mica (Nhật Bản) lực, chịu nhiệt tốt, không bị ố vàng do thời tiết đảm bảo tính thẩm mỹ của sản phẩm thêm tính năng kháng tia UV cao

- Có độ bền cao hơn

Mica Trung Quốc có nhiều nhược điểm như khả năng chịu nhiệt kém, dễ rạn nứt và có tuổi thọ thấp Ngoài ra, độ bền của mica này cũng không cao và dễ bị biến đổi màu sắc khi tiếp xúc với ánh sáng.

- Giá thành cao Ứng dụng thực tế

- Do dễ rạn nứt vì thế loại mica Trung Quốc rất khó gia công làm bóng chỉ cần một tác động nhẹ đã bị ảnh hưởng

- Sử dụng rộng rãi và phổ biến trên thị trường

- Sử dụng rộng rãi và phổ biến trên thị trường

Bảng 2.2 Bảng tóm lược khảo sát các loại mica hiện có trên thị trường

Thiết kế phần mềm

2.4.1 Yêu cầu thiết kế phần mềm

- Thu thập/lưu trữ thông tin cá nhân của bệnh nhân

- Thu thập/lưu trữ dữ liệu và vẽ biểu đồ quỹ đạo điểm rơi trọng tâm của người được đo

- Thu thập/lưu trữ chẩn đoán về tình trạng của bệnh nhân

- Lưu trữ/ xem lại phác đồ điều trị từ bác sĩ

- Hiển thị tổng quá trình điều trị

2.4.1.2 Yêu cầu phi chức năng

- Giao diện chức năng đơn giản và rõ ràng

- Dễ dàng xem lại dữ liệu của người dùng

- Thuận tiện cho việc quản lý bệnh nhân của bác sĩ

Từ các yêu cầu chức năng được đề cập từ phần trước, hệ thống có các chức năng dưới đây:

- Chạy mô phỏng dựa trên các dữ liệu có sẵn

- Thu thập thông tin của bệnh nhân và đo quỹ đạo điểm rơi trọng tâm

- Lưu dữ liệu và xem lại quá trình đo

- Xem kết quả đo, các thông số

- Xem lại quá trình theo dõi tình trạng điều trị của bệnh nhân

- Thiết lập một số thông số của thiết bị

Hình 2.21 Sơ đồ chức năng của phần mềm

Chức năng Dịch thuật Đăng nhập

(Đăng nhập bằng kết nối Máy chủ) Đăng nhập hệ thống bằng tài khoản, sử dụng thông tin trong máy chủ cơ sở dữ liệu

(Đăng nhập mà không cần kết nối

Máy chủ) Đăng nhập vào hệ thống để mô phỏng một phép đo, không cần tạo tài khoản Đăng ký Tạo một tài khoản để đăng nhập

Mô phỏng Chạy một tệp hiện có để xem hoạt động hệ thống

Danh sách bệnh nhân được liên kết với từng tài khoản, cho phép người dùng dễ dàng xem và thực hiện các phép đo cho bệnh nhân được chọn.

Thực hiện đo/tính toán Thực hiện các phép đo cho bệnh nhân được chọn

Quá trình Làm việc trên dữ liệu từ các phép đo

Xem kết quả Hiển thị kết quả từ quá trình

Thiết lập hệ thống Thiết lập kết nối với phần cứng (cổng

Bảng 2.4 Bảng mô tả chức năng

Phần mềm được thiết kế cho 2 đối tượng sử dụng là: Người dùng (Users - gồm bác sĩ, y tá,…) và Quản trị viên (Administrators), trong đấy:

Người dùng có thể sử dụng phần mềm để theo dõi và lưu trữ thông tin bệnh nhân, kiểm tra sự thay đổi các chỉ số liên quan đến thăng bằng, cũng như lưu giữ quá trình theo dõi bệnh lý và xem lại quá trình điều trị.

- Quản trị viên: quản trị viên là người quản lý chính hệ thống CSDL và thực hiện các thay đổi, cập nhật phần mềm

Người dùng được sử dụng để thực hiện các chức năng sau:

• Thêm thông tin của bệnh nhân

• Đo COP của bệnh nhân

Quản trị viên chỉ có thể sử dụng thực hiện các chức năng sau:

• Quản lý cơ sở dữ liệu

2.4.2 Hệ thống cơ sở dữ liệu (CSDL)

Hệ thống cơ sở dữ liệu (CSDL) được thiết kế để tích hợp với phần mềm, sử dụng công cụ Microsoft SQL Server Công cụ này nổi bật với khả năng tiết kiệm dung lượng, dễ dàng chỉnh sửa và hỗ trợ hoạt động trên nhiều máy tính kết nối internet.

CSDL của phần mềm bao gồm 7 bảng chính: bác sĩ, bệnh nhân, người thân bệnh nhân, thông tin đăng nhập, các thông số, ngày test và lượt test Mối quan hệ giữa các bảng này được thể hiện thông qua các liên kết.

48 giữa khóa ngoại và khóa chính Bảng được tạo ra nhằm mục đích cụ thể hóa thông tin đối tượng, giúp quản lý dễ dàng

Cơ sở dữ liệu được thiết kế với 6 bảng chính: Bác sĩ, Bệnh nhân, Đăng ký, Test, Thông số và Ngày khám Mối quan hệ giữa các bảng này được thể hiện thông qua các liên kết giữa khóa ngoại và khóa chính, giúp quản lý thông tin một cách hiệu quả.

Bảng được thiết kế nhằm làm rõ thông tin về đối tượng, giúp việc quản lý trở nên dễ dàng hơn Các chi tiết cụ thể được trình bày trong Bảng 2.5, Bảng 2.6, Bảng 2.7, Bảng 2.8 và Bảng 2.9.

STT Tên cột Kiểu dữ liệ Null Ý nghĩa

1 IdBacSi varchar(5) Không Mã ID của Bác sĩ phụ trách

2 TenBacSi nvarchar(50) Không Tên của Bác sĩ phụ trách

3 NgaySinh date Ngày sinh của Bác sĩ

4 GioiTinh nvarchar(10) Giới tính của Bác sĩ

5 SoDienThoai nvarchar(15) Số điện thoại của Bác sĩ

6 DiaChi nvarchar(100) Địa chỉ của Bác sĩ

7 PhongBan nvarchar(50) Khoa phòng tương ứng

8 Email nvarchar(50) Email của Bác sĩ

9 Id int ID tài khoản đăng ký

STT Tên cột Kiểu dữ liệu Null Ý nghĩa

1 IdBenhNhan int Không Id của bệnh nhân

2 TenBenhNhan nvarchar(50) Không Tên của bệnh nhân

3 NgaySinh date Ngày sinh của bệnh nhân

4 GioiTinh nvarchar(10) Giới tính của bệnh nhân

5 ChieuCao varchar(5) Chiều cao của bệnh nhân

6 CanNang varchar(5) Cân nặng của bệnh nhân

7 SoDienThoai nvarchar(15) Số điện thoại của bệnh nhân

8 DiaChi nvarchar(100) Địa chỉ của bệnh nhân

9 TienSuBenh nvarchar(1000) Tiền sử bệnh lý

10 IdDoctor varchar(5) Không ID của Bác sĩ khám

Bảng 2.6 Bảng Bệnh nhân STT Tên cột Kiểu dữ liệu Null Ý nghĩa

1 Id int Không Id tài khoản đăng ký

2 TenDangNhap nvarchar(50) Tên đăng nhập

STT Tên cột Kiểu dữ liệu Null Ý nghĩa

1 IdNgayKham varchar(15) Không Id ngày khám

3 IdBenhNhan varchar(5) Không Id của bệnh nhân khám

STT Tên cột Kiểu dữ liệu Null Ý nghĩa

1 IdTest nvarchar(5) Không Id test

2 NumberTest float Không Số lần test

3 ViTriDung float Vị trí đứng của bệnh nhân

4 [Mean distance] float Khoảng cách trung bình của

5 [Rms distance] float Khoảng cách trung bình gốc

6 [Total excursion] float Tổng chiều dài điểm CoG

7 [Mean velocity] float Vận tốc trung bình của CoG

8 [95% conf circle area] float Vùng có độ tin cậy 95%

9 [95% conf elipse area] float Vùng hình elip có độ tin cậy

10 [Sway area] float Vùng được bao quanh bởi

12 ChanDoan Nvarchar(50) Chẩn đoán của bác sĩ

13 IdNgayKham varchar(15) Không Id ngày khám

Bảng 2.9 Bảng test STT Tên cột Kiểu dữ liệu Null Ý nghĩa

1 IdThongSo varchar(5) Không Id thông số

2 [Huyết áp] nvarchar(10) Không Thông số huyết áp của bệnh nhân

3 [Thiếu máu] nvarchar(15) Tình trạng thiếu máu nếu có

4 Tim nvarchar(100) Tình trạng tim mạch

5 IdNgayKham nvarchar(15) Không Id ngày khám của bệnh nhân

Hình 2.23 Bảng thông tin của bệnh nhân trong CSDL

Dựa trên các yêu cầu đã nêu, tôi đã phát triển một ứng dụng phần mềm trên máy tính sử dụng ngôn ngữ lập trình C# C# là ngôn ngữ lập trình hướng đối tượng phổ biến do Microsoft giới thiệu, được sử dụng để xây dựng các ứng dụng trong môi trường ".NET" Khi phát triển ứng dụng C#, người dùng cần sử dụng ".NET Framework", cho phép họ tiếp tục sử dụng C# cho các ứng dụng khác trong hệ sinh thái ".NET".

Giao diện đầu tiên xuất hiện khi người dùng khởi động phần mềm là "Giao diện đăng nhập", nơi người dùng cần nhập thông tin để truy cập vào hệ thống cơ sở dữ liệu cá nhân của mình.

Để truy cập, bạn cần nhập “Tên tài khoản” và “Mật khẩu” Nếu đã có tài khoản, hãy nhấn “Đăng nhập” Nếu chưa có tài khoản và muốn tạo mới, chọn “Đăng ký” Trong trường hợp không muốn tạo tài khoản, bạn có thể chọn “Khách” để sử dụng chế độ xem dành cho khách.

52 các mô phỏng trong chế độ khách mà không xem được bệnh nhân đã có sẵn hay thêm bệnh nhân mới

Hình 2.24 Giao diện đăng nhập

Sau khi đăng nhập vào phần mềm, giao diện "Trang chủ" sẽ xuất hiện, cho phép người dùng lựa chọn giữa việc thêm bệnh nhân mới thông qua phím chức năng "Bệnh nhân mới" để bắt đầu theo dõi, hoặc "Thêm dữ liệu cho bệnh nhân" để cập nhật thông tin cho các bệnh nhân đã có trong cơ sở dữ liệu Ngoài ra, người dùng cũng có thể xem lại quá trình theo dõi bệnh lý bằng cách sử dụng phím chức năng "Theo dõi quá trình".

Hình 2.25 Giao diện Trang chủ

Sau khi chọn “Bệnh nhân mới”, một biểu mẫu thông tin hiện ra, yêu cầu điền các trường như mô tả trong hình 2.25

Hình 2.26 Giao diện thông tin cá nhân của Bệnh nhân mới

Bệnh nhân được thêm vào cơ sở dữ liệu sẽ xuất hiện với tên và ID trong bảng Danh sách Bệnh nhân Ngoài ra, người dùng cũng có thể truy cập bảng này thông qua các phím chức năng khác như Thêm dữ liệu bệnh nhân hoặc Theo dõi quá trình.

Hình 2.27 Biểu danh sách bệnh nhân

Sau khi truy cập vào danh sách bệnh nhân, nháy đúp vào tên một người bất kỳ để mở giao diện "FormMeasure" Giao diện này hiển thị các thông số của bệnh nhân, bao gồm thông tin cá nhân, tình trạng lâm sàng, triệu chứng, ghi chú về tình trạng bệnh, lịch sử khám bệnh, thông số khả năng thăng bằng, đồ thị tọa độ điểm rơi trọng tâm và các phím điều khiển quá trình đo thăng bằng.

Hình 2.28 Biểu đo các trạng thái thăng bằng của một người được đo

Người dùng, bao gồm bác sĩ và y tá, có khả năng nhập liệu các thông số như chiều cao, huyết áp và nhịp tim để tiến hành kiểm tra sức khỏe Khi nhấn nút “BMI”, hệ thống sẽ hiển thị thông báo về tình trạng dinh dưỡng của người dùng, như thể hiện trong Hình 2.28.

Hình 2.29 Kiểm tra tình trạng dinh dưỡng của người được đo

Trong quá trình đo, bệnh nhân sẽ đứng trên thiết bị với tư thế chân mở hoặc khép, mắt nhắm, trong khi bác sĩ hoặc y tá chọn tư thế đứng phù hợp trên phần mềm và nhấn “Chạy” Đồng hồ sẽ đếm ngược 30 giây, và bác sĩ có thể theo dõi sự “lắc lư” của bệnh nhân qua đồ thị quỹ đạo điểm rơi trọng tâm Sau khi kết thúc 30 giây, bác sĩ ấn “Lưu” để tự động lưu dữ liệu vào file Excel, hoặc ấn “Xóa” nếu quá trình đo không đạt yêu cầu Tiếp tục thực hiện đo với tư thế còn lại.

Sau khi đo xong từng tư thế, bác sĩ có thể tính toán các thông số liên quan đến khả năng thăng bằng và đánh giá mức độ thăng bằng của bệnh nhân trên thang điểm 10 Thang điểm này đang được phát triển và sẽ được công bố khi có đủ 5000 tình nguyện viên tham gia thử nghiệm thiết bị Hiện tại, số lượng người tham gia vẫn chưa đủ, do đó thang điểm trong phần mềm chỉ mang tính chất tham khảo.

Hình 2.30 Đồ thị quỹ đạo điểm rơi trọng tâm trong quá trình đo

Hình 2.31 Các thông số và thông báo đánh giá khả năng thăng bằng

THU THẬP VÀ XỬ LÝ DATA

Thu thập dữ liệu và xử lý dữ liệu thô

Nhóm nghiên cứu đã sử dụng thiết bị đo điểm rơi trọng tâm được giới thiệu trong Chương 2 để thu thập dữ liệu từ cả người bình thường và những người mắc các rối loạn thăng bằng.

Dữ liệu được lấy tại ba địa điểm chính, bao gồm:

- Trường Đại học Bách Khoa Hà Nội

- Bệnh viện Y học Cổ truyền Bộ Công An

- Bệnh viện Lão khoa Trung ương

Mỗi lượt đo gồm có các bước như sau:

Bước đầu tiên trong quy trình là kết nối phần cứng với phần mềm thông qua hai tùy chọn: cổng COM hoặc Bluetooth Sau khi thực hiện kết nối, hãy kiểm tra tính thành công bằng cách thử bước lên thiết bị và quan sát bản ghi dữ liệu hiển thị trên màn hình Nếu có thông báo xác nhận, điều này cho thấy kết nối đã được thiết lập thành công.

“Kết nối không thành công”, người dùng cần thử kết nối lại

- Bước 2: Tạo một ID bệnh nhân mới Nếu bệnh nhân đã có ID, hãy chuyển sang bước 3

Nhấp vào nút “Mới” để điền thông tin cá nhân của bệnh nhân vào các trường trống, sau đó nhấn “Lưu” ID bệnh nhân mới sẽ được hiển thị trong danh sách.

Bước 3: Truy cập vào biểu mẫu đo lường bệnh nhân và nhập dữ liệu bệnh án, sau đó nhấp vào "Bắt đầu" Đồng hồ sẽ đếm ngược từ 45 giây xuống 0, và chương trình sẽ tự động dừng đo sau thời gian này Trong quá trình đo, dữ liệu của bệnh nhân sẽ được hiển thị dưới dạng số và đồ thị để dễ dàng quan sát.

- Bước 4: Nhấp vào “Lưu” để lưu trữ dữ liệu tọa độ điểm rơi trọng tâm thô trong tệp excel

Hình 3.1 Giao diện người dùng của Hệ thống đánh giá thăng bằng

3.1.2 Xử lý dữ liệu thô

Bộ dữ liệu về "quỹ đạo hình chiếu của trọng tâm" đã được thu thập từ bệnh nhân có và không có rối loạn thăng bằng thông qua thiết bị đánh giá thăng bằng Tổng số dữ liệu này cung cấp cái nhìn sâu sắc về sự khác biệt trong khả năng thăng bằng giữa hai nhóm bệnh nhân.

Trong một nghiên cứu, 78 người tham gia, bao gồm cả nhóm người già và trẻ, đã được yêu cầu đứng trên thiết bị ít nhất hai lần trong 45 giây mỗi lần, với hai trạng thái chân mở và khép lại Dựa trên hồ sơ bệnh án và tình trạng sức khỏe, các tham gia viên được phân loại thành hai nhóm: người bình thường và người mắc rối loạn thăng bằng.

Những người tham gia trong nhóm “rối loạn thăng bằng” phải có những đặc điểm sau:

- Được chẩn đoán mắc bệnh có triệu chứng rối loạn thăng bằng, điển hình là rối loạn tiền đình, cao huyết áp, BPPV, thiểu năng tuần hoàn não…

- Ở lại bệnh viện ít hơn một tuần (điều này đảm bảo họ không phải trải qua quá nhiều thủ tục điều trị)

- Lúc thực hiện đo vẫn có biểu hiện của trạng thái không ổn định và chóng mặt

Những người tham gia trong nhóm “bình thường” đảm bảo các đặc điểm:

- Không được chẩn đoán với bất kỳ bệnh nào liên quan đến rối loạn thăng bằng và hiếm khi cảm thấy chóng mặt và không ổn định

- Không có bất kỳ chấn thương ở chân/xương nào cản trở họ đứng trên thiết bị

- Không sử dụng chất kích thích trước khi đo

Sau mỗi lần đo, tập hợp các điểm (x,y) được lưu vào file excel (Hình 3.2)

Hình 3.2 Một file excel bao gồm các dữ liệu thô

Hình 3.3 File excel dữ liệu có chứa dữ liệu lỗi

Mỗi lần đo sẽ tạo ra một file Excel chứa 300 mẫu (x,y) theo thời gian Khi người tham gia bắt đầu đứng lên thiết bị hoặc thay đổi tư thế, dữ liệu sẽ bị ảnh hưởng, do đó, chúng tôi sẽ loại bỏ các dữ liệu thu thập trong 10-15 giây đầu Cuối cùng, 200 cặp dữ liệu (x,y) được lấy trong 30 giây ở giữa hoặc cuối sẽ được giữ lại để xử lý.

Trung bình của x, y, ký hiệu là 𝑥̅ và 𝑦̅, được sử dụng làm gốc cho hệ trục tọa độ mới trong việc phân tích hình chiếu điểm trọng tâm xuống mặt phẳng lực Theo Tiến sỹ Thomas E Prieto, cặp dữ liệu này có thể được chuyển đổi thành các thông số y khoa quan trọng như mean distance, rms distance, range, mean velocity, và các diện tích 95% confident circle và ellipse Trong nghiên cứu này, chỉ một số thông số được lựa chọn để phân tích sự ảnh hưởng đối với hai nhóm đối tượng: nhóm người có vấn đề về rối loạn thăng bằng và nhóm người bình thường không bị rối loạn thăng bằng.

Nghiên cứu này bao gồm 62 người, trong đó có 28 người mắc các chứng rối loạn thăng bằng và 34 người khỏe mạnh không có triệu chứng Mỗi cá nhân được cung cấp một bộ dữ liệu với các thông số quan trọng như khoảng cách trung bình, khoảng cách RMS, vận tốc trung bình, tần số trung bình, cùng với diện tích vòng tròn và elip 95% confidence, cũng như diện tích dao động, được tính toán từ các cặp dữ liệu (x,y).

Trong nghiên cứu này, để so sánh giá trị trung bình của hai nhóm cho từng tham số, phương pháp kiểm tra mẫu độc lập (independent sample T-test) được áp dụng Phương pháp này giúp xác định xem giá trị trung bình của hai nhóm có sự khác biệt thống kê hay không SPSS được lựa chọn là công cụ thực hiện kiểm tra này Một mục tiêu khác của luận văn là sử dụng SVM để phân loại người có và không có rối loạn thăng bằng, với các tham số đã được kiểm tra làm đầu vào cho SVM Các yếu tố đầu vào của SVM bao gồm những thuộc tính ảnh hưởng rõ rệt đến sự cân bằng của con người Nếu kết quả từ kiểm tra independent sample T-test cho thấy có tham số nào mà giá trị trung bình của hai nhóm không khác nhau, tham số đó sẽ bị loại bỏ tạm thời, trong khi những tham số còn lại sẽ được sử dụng làm đầu vào cho SVM Nếu không có tham số nào bị loại, tất cả sẽ được đưa vào SVM.

Tất cả các phép tính đều dựa trên tọa độ mới, nhưng vẫn sử dụng tọa độ (x,y) từ file Excel Tọa độ (x,y) được chuyển đổi thành (X,Y) dựa trên gốc tọa độ mới của hình chiếu điểm trọng tâm lên mặt phẳng đo (𝑥̅, 𝑦̅).

RD[n] = [X[n] 2 + Y[n] 2 ] 1/2 , n = 1, ,N (3-1) Trong đó, RD là khoảng cách của mỗi điểm có tọa độ (X, Y) đến gốc tọa độ mới

N là số mẫu của mỗi dữ liệu (Ở đây, N 0)

Các thông số về khoảng cách tiếp theo là “mean distance” (MD) và “RMS distance” MD là khoảng cách trung bình từ mỗi điểm (X,Y) đến gốc tọa độ mới

RMS distance là độ lệch chuẩn của tập dữ liệu Các thông số được tính như sau:

Khi chỉ xét theo một hướng x hoặc y, MD và RMS distance được tính như sau:

Mean distance x = 1/N ∑ |𝑿[𝒏]| (3-4) RMS distance x = [1/N ∑ 𝑿[𝒏] 𝟐 ] 1/2 (3-5) Tổng quãng đường mà hình chiếu trọng tâm vẽ ra trên mặt phẳng đo được gọi là “total excursion” hay “total path”, được tính:

Tương tự với hướng x hoặc y:

Tổng quãng đường x được tính bằng công thức x = ∑ 𝑵−𝟏 𝒏=𝟏 |𝑿[𝒏 + 𝟏] − 𝑿[𝒏]| Vận tốc trung bình, hay "mean velocity", là khoảng cách mà trọng tâm di chuyển trong một đơn vị thời gian, được xác định qua công thức v = Tổng quãng đường / T.

Thông số "vòng tròn tin cậy 95%" được định nghĩa là đường tròn bao quanh 95% các điểm rơi trọng tâm, tính từ gốc tọa độ mới Tương tự, "ellips tin cậy 95%" cũng có ý nghĩa tương tự Các thông số này được tính toán theo công thức cụ thể.

Diện tích CC được tính bằng công thức Area CC = π (MD + z0.5sRD) 2, trong đó MD là giá trị trung bình, và sRD là độ lệch chuẩn của RD Diện tích CE được xác định bằng công thức Area CE = 2π F.05[2, n-2][sx 2sy 2 – sxy 2] 1/2, với sx và sy là các giá trị độ lệch chuẩn của X và Y, còn sxy là hiệp phương sai giữa X và Y.

Tiếp theo là “sway area” là diện tích ước tính được bao quanh bởi quỹ đạo điểm rơi trọng tâm trên một đơn vị thời gian

Thông số cuối cùng được xem xét là "mean frequency" (tần số trung bình), hay còn gọi là "rotation frequency" (tần số quay), được đo bằng vòng/giây hoặc Hz Tần số này được tính toán khi điểm rơi trọng tâm hoàn thành một vòng tròn có bán kính tương ứng với khoảng cách trung bình MD.

Thuật toán SVM (Support Vector Machine)

3.2.1 Mục đích sử dụng thuật toán SVM

Thuật toán SVM (Support Vector Machine) là một kỹ thuật học máy có giám sát, thường được áp dụng trong các lĩnh vực như nhận dạng mẫu, nhận dạng văn bản và phân loại, đặc biệt là trong phân loại nhị phân.

SVM (Support Vector Machine) là một công cụ mạnh mẽ được ứng dụng rộng rãi trong nhiều lĩnh vực thực tiễn, bao gồm phát hiện bệnh tiểu đường, nhận dạng chữ viết tay, phân loại tin tức theo chủ đề và dự đoán giá thị trường chứng khoán.

SVM phân loại các đối tượng dữ liệu trong không gian đặc trưng thành hai lớp Mỗi đối tượng dữ liệu được xác định bởi các đặc trưng {x1 xn} và nhãn lớp (class label) yi SVM xem mỗi đối tượng dữ liệu như một điểm trong không gian này.

SVM (Support Vector Machine) là một phương pháp phân loại mạnh mẽ, nhằm mục đích tìm ra ranh giới quyết định trong không gian đặc trưng để phân tách các đối tượng dữ liệu thành hai lớp Mỗi đối tượng được đặc trưng bởi một vectơ đặc trưng và có thể thuộc về lớp này (yi = 1) hoặc lớp khác (yi = -1) Quá trình huấn luyện SVM tập trung vào việc tối ưu hóa một siêu phẳng tuyến tính có khoảng cách lề lớn nhất giữa hai lớp, với lề được định nghĩa là khoảng cách giữa các siêu phẳng song song bao quanh siêu phẳng quyết định Để xử lý các tập dữ liệu phức tạp không thể phân tách tuyến tính, SVM sử dụng thủ thuật hạt nhân, cho phép ánh xạ các đầu vào vào một không gian mới có kích thước cao hơn, từ đó giảm thiểu độ phức tạp phi tuyến tính.

Trong đó: yn= 1 hoặc yn= -1 là nhãn của mỗi lớp (class), n là số lượng mẫu Mỗi xn là một vector thực với p-chiều (p-dimensional)

3.2.2 Siêu mặt phẳng (hyperplane) và lề (margin) trong SVM

Siêu mặt phẳng chia không gian thành hai phần rõ rệt Siêu mặt phẳng thường được tổng quát hóa bởi phương trình: w T x + b = 0 trong đó w là vectơ trọng số

Trong không gian 2D, một đường thẳng tuyến tính có thể được biểu diễn bằng phương trình w1x + w2y + b = 0, trong đó 66 p-chiều vuông góc với siêu phẳng phân tách và b là đại lượng vô hướng cho phép tăng lề.

Lề được tính là khoảng cách nhỏ nhất từ mỗi điểm đến đường biên (bất kể thuộc loại nào trong hai lớp)

Để tối đa hóa margin trong bài toán phân loại, cần xác định giá trị của w và b, với điều kiện rằng nếu w được thay bằng kw và b được thay bằng kb thì hyperplane không thay đổi Giả định rằng 𝑦 𝑛 (𝑤 𝑇 𝑥 𝑛 + 𝑏) = 1 áp dụng cho các điểm gần ranh giới nhất Đối với dữ liệu có thể phân tách tuyến tính, margin được biểu diễn là 1/||w||2, và đạt giá trị lớn nhất khi |w| nhỏ nhất, thỏa mãn điều kiện w T x + b ≥ 1 hoặc w T x + b ≤ -1 cho mọi i Sau khi xác định hyperplane, mỗi điểm sẽ được phân loại vào nhóm 1 hoặc -1 dựa trên hàm class(x)=sgn(w T x + b); nếu kết quả dương, điểm được gán nhãn “1”, ngược lại là “-1”.

Hình 3.4 Tập dữ liệu và nhãn lớp trong không gian 2D

3.2.3 Soft-margin trong SVM Đối với tập dữ liệu gần với tuyến tính (ví dụ, bài toán X-O), không khả thi để tìm một hyperplane để phân loại hoàn toàn 2 nhóm mà không có sự phân loại sai, vì vậy chúng ta nhắc về “soft-margin SVM” trong đó có thêm một biến ξi Xem xét 2 kiểu phân loại dưới đây cho thấy sự kém hiệu quả của SVM thô (hình 3.5) Trong trường hợp đầu tiên, tập dữ liệu có thể phân tách tuyến tính và tất cả các điểm đều có thể được phân loại chính xác, nhưng có một điểm nằm quá gần siêu phẳng khiến cho margin rất nhỏ Điểm này được gọi là nhiễu Giả sử điểm này bị bỏ qua, biên độ sẽ trở nên lớn hơn và có thể đạt được ranh giới tốt hơn Trong trường hợp thứ hai, dữ liệu có thể phân tách phi tuyến tính, một số điểm nằm rất gần ranh giới nên được bỏ qua để có thể tạo ra một margin tốt Có nghĩa là sau khi tách ra, một số điểm sẽ nằm sai và một số điểm sẽ đúng nhưng không nằm trong vùng lý tưởng của chúng

Hình 3.5 Mô phỏng phân loại với SVM thô

Trong soft-margin SVM, khi margin lớn nhất, thì đồng nghĩa với biểu thức sau sẽ bé nhất: 1

Trong bài toán tối ưu hóa, hàm mục tiêu được biểu diễn bằng 2||𝑤||² + 𝐶 ∑ 𝑁 𝑛=1 ξn, trong đó C là một hằng số dương và ξ=[ξ1,ξ2,…,ξN] Điều kiện 𝑦𝑛(𝑤𝑇𝑥𝑛 + 𝑏) ≥ 1 − ξn cho thấy ý nghĩa của các "slack variable" Cụ thể, đối với các điểm không được dán nhãn chính xác (x1, x3), ξn > 1; đối với các điểm đã dán nhãn chính xác nhưng không nằm trong vùng phù hợp, 1 > ξn > 0; và đối với các điểm khác, ξn = 0 Tham số C, do người dùng hoặc các công cụ tính toán lựa chọn, quyết định mức độ mà người dùng muốn tránh phân loại nhầm Nếu C lớn, SVM sẽ tối thiểu hóa ∑ 𝑁 𝑛=1 ξn và chọn một hyperplane nhỏ hơn, miễn là vẫn đảm bảo phân loại chính xác Ngược lại, nếu C nhỏ, việc tối ưu hóa sẽ tìm hyperplane có margin lớn hơn, ngay cả khi phân loại sai nhiều điểm hơn Tham số C có ảnh hưởng quan trọng đến ||w||.

Hình 3.6 “Slack variables” trong “soft-SVM”

Một phương pháp khác để giải quyết vấn đề soft-margin trong SVM chính là sử dụng đối ngẫu Lagrangia (Lagrangian duality) Phương trình của “Lagrangian duality”

Trong đó: N là số lượng điểm trong tập dữ liệu

Xn là vectơ đặc trưng của điểm thứ n

Yn thể hiện cho điểm thứ n, được biểu diễn dưới dạng 1 hoặc -1 λn hệ số Lagrangian tương ứng với điểm thứ n

Việc chuyển đổi bài toán SVM thành bài toán kép đã giúp giải quyết vấn đề "soft-margin SVM", tập trung vào việc tối đa hóa thay vì chỉ giải quyết các ràng buộc phân loại Trong quá trình này, các tham số λi cho các đặc trưng và sự phân loại của chúng được học, với các tham số λ khác 0 được chọn làm thông số cho các vectơ hỗ trợ (support vectors) Những tham số này được sử dụng để tính toán các hệ số w và b trong hyperplane, giả sử M = {n: 0