THÀNH PHỐ HỒ CHÍ MINHĐỒ ÁN TỐT NGHIỆP NGÀNH KỸ THUẬT Y SINH GVHD: NGÔ BÁ VIỆT SVTH: NGUYỄN DUY KHÁNH PHẠM BẢO HUY THIẾT KẾ VÀ THI CÔNG HỆ THỐNG THU THẬP VÀ PHÂN LOẠI HÌNH ẢNH NHIỆT BÀN C
TỔNG QUAN
ĐẶT VẤN ĐỀ
Bệnh đái tháo đường đang gia tăng nhanh chóng tại Việt Nam, với khoảng 1.7 triệu người mắc bệnh vào năm 2011, con số này đã tăng gấp đôi lên gần 4 triệu người vào năm 2021 Dự báo đến năm 2045, Việt Nam có thể có khoảng 6 triệu người sống chung với bệnh đái tháo đường Đáng chú ý, hơn một nửa số người mắc bệnh, khoảng 2 triệu người, vẫn chưa được chẩn đoán.
Việc phát hiện sớm bệnh đái tháo đường mang lại nhiều lợi ích quan trọng như cải thiện chất lượng cuộc sống và giảm nguy cơ biến chứng nguy hiểm Thúc đẩy các biện pháp sàng lọc và kiểm tra định kỳ là chìa khóa để quản lý bệnh hiệu quả Công nghệ chẩn đoán hình ảnh, đặc biệt là chụp ảnh nhiệt hồng ngoại, đã chứng minh là một kỹ thuật đáng tin cậy trong việc ghi lại sự phân bố nhiệt độ trên da, hỗ trợ đánh giá khả năng tưới máu và tuần hoàn máu ngoại biên cho bệnh nhân đái tháo đường Nghiên cứu của Francis Ring từ Đại học Glamorgan chỉ ra tầm quan trọng của phương pháp này Bên cạnh đó, đồ án tốt nghiệp của Trần Thị Thiêm năm 2023 đã phát triển hệ thống thu thập và lưu trữ hình ảnh lâm sàng nhằm chẩn đoán và đánh giá vết loét bàn chân do đái tháo đường, góp phần vào công tác quản lý bệnh.
Nhằm đáp ứng mối quan tâm của xã hội về bệnh đái tháo đường, bài viết này giới thiệu đề tài “Thiết kế và thi công hệ thống thu thập và phân loại hình ảnh nhiệt bàn chân của bệnh nhân đái tháo đường” Hệ thống này sử dụng công nghệ chụp ảnh nhiệt từ bàn chân bệnh nhân, hỗ trợ bác sĩ trong việc chẩn đoán bệnh đái tháo đường một cách hiệu quả hơn.
MỤC TIÊU
Mục tiêu chính của đề tài là thiết kế và thi công hệ thống thu thập và lưu trữ hình ảnh nhiệt của bàn chân bệnh nhân đái tháo đường Hệ thống này cho phép người dùng dễ dàng thu thập hình ảnh nhiệt thông qua giao diện thân thiện Đồng thời, giao diện còn tích hợp chức năng hỗ trợ chẩn đoán bệnh đái tháo đường dựa trên hình ảnh nhiệt đã được chụp, sử dụng mô hình máy học đã được huấn luyện trước.
NỘI DUNG NGHIÊN CỨU
Đề tài “Thiết kế và thi công hệ thống thu thập và phân loại hình ảnh nhiệt bàn chân của bệnh nhân đái tháo đường” đã thực hiện việc xây dựng một hệ thống hiệu quả để thu thập và phân loại hình ảnh nhiệt, nhằm phục vụ cho việc chẩn đoán và theo dõi tình trạng sức khỏe của bệnh nhân đái tháo đường Hệ thống này không chỉ giúp nâng cao độ chính xác trong việc phát hiện các biến chứng liên quan đến bàn chân, mà còn góp phần cải thiện chất lượng điều trị và chăm sóc bệnh nhân.
NỘI DUNG 1: Tìm hiểu lý thuyết về bệnh đái tháo đường, đặc biệt là sự ảnh hưởng của bệnh đái tháo đường khi di căn đến bàn chân
NỘI DUNG 2: Thiết kế và thi công phần cứng của hệ thống để chụp ảnh nhiệt bàn chân
NỘI DUNG 3: Kết nối máy ảnh nhiệt với máy tính
NỘI DUNG 4: Xây dựng và huấn luyện mô hình máy học để hỗ trợ chẩn đoán
Thiết kế giao diện nhằm mục đích điều khiển và lập trình các chức năng chụp ảnh, lưu trữ dữ liệu, hỗ trợ chẩn đoán hình ảnh, cũng như thu thập và quản lý thông tin bệnh nhân một cách hiệu quả.
NỘI DUNG 6: Tiến hành chạy thử nghiệm và hiệu chỉnh hệ thống
NỘI DUNG 7: Đánh giá kết quả thực hiện
NỘI DUNG 8: Viết báo cáo
NỘI DUNG 9: Bảo vệ luận văn.
GIỚI HẠN
Giới hạn của đề tài này bao gồm:
Sử dụng máy ảnh nhiệt tầm xa MLX90640 tích hợp màn hình LCD 2inch với độ phân giải 320×240 pixel, bộ nhớ Flash 16MB
Phân loại được có hoặc không có sự ảnh hưởng của bệnh đái tháo đường đến bàn chân người bệnh
Chất liệu của hộp chụp: Thép không gỉ bên ngoài và nhựa PVC bên trong
Điều khiển thông qua giao diện máy tính.
BỐ CỤC
Bài viết này sẽ trình bày tổng quan về lý do chọn đề tài, mục tiêu nghiên cứu, nội dung chính của đề tài, một số giới hạn mà đề tài gặp phải, cùng với bố cục của đồ án Mục tiêu nghiên cứu nhằm làm rõ các vấn đề chính liên quan đến đề tài, đồng thời xác định các giới hạn cần lưu ý trong quá trình thực hiện Bố cục đồ án sẽ được sắp xếp hợp lý để giúp người đọc dễ dàng theo dõi và hiểu rõ nội dung nghiên cứu.
Chương 2: Cơ sở lý thuyết
Bài viết trình bày cơ sở lý thuyết về bệnh đái tháo đường, bao gồm việc thu thập hình ảnh và thông tin bệnh nhân Nó cũng đề cập đến mô hình máy học được sử dụng, cùng với lý thuyết về phần cứng và phần mềm cần thiết để thiết kế đề tài nghiên cứu.
Chương 3: Thiết kế và tính toán
Để thực hiện tính toán và thiết kế mô hình thu thập hình ảnh nhiệt bàn chân, cần tuân theo các bước cụ thể: đầu tiên, thiết kế sơ đồ khối để xác định cấu trúc tổng thể của hệ thống; tiếp theo, xây dựng sơ đồ nguyên lý nhằm thể hiện nguyên lý hoạt động; sau đó, phát triển giao diện người dùng để đảm bảo tính thân thiện và dễ sử dụng; cuối cùng, tạo bản vẽ chi tiết cho mô hình nhằm hỗ trợ quá trình lắp ráp và triển khai.
Chương 4: Thi công hệ thống
Quá trình thi công và kiểm tra các thành phần phần cứng được thực hiện một cách chi tiết, bao gồm xây dựng và huấn luyện mô hình máy học Đồng thời, các giao diện cần thiết được triển khai để người dùng có thể dễ dàng điều khiển hệ thống.
Chương 5: Kết quả - Nhận xét - Đánh giá
Kết quả thu được sẽ được trình bày và so sánh với yêu cầu của đề tài Từ đó, chúng tôi sẽ đưa ra những nhận xét và đánh giá chung về kết quả đạt được, giúp làm rõ mức độ hoàn thành và hiệu quả của đề tài.
Chương 6: Kết Luận và Hướng Phát Triển
Tổng kết quá trình nghiên cứu và kết quả tổng thể của đề tài, chúng ta cần xác định những hạn chế còn tồn tại Dựa trên những hạn chế này, có thể đưa ra những đề xuất và hướng phát triển tiếp theo cho đề tài trong tương lai.
CƠ SỞ LÝ THUYẾT
GIỚI THIỆU VỀ ĐÁI THÁO ĐƯỜNG VÀ CÁC BIẾN CHỨNG
Bệnh đái tháo đường (Diabetes Mellitus - DM) là một rối loạn chuyển hóa đặc trưng bởi tình trạng tăng đường huyết kéo dài do cơ thể không sản xuất đủ insulin hoặc kháng insulin Insulin, hormone do tuyến tụy sản xuất, đóng vai trò quan trọng trong việc điều hòa lượng đường trong máu Các yếu tố nguy cơ của bệnh bao gồm di truyền, môi trường và chỉ số khối cơ thể (BMI) cao.
Bệnh đái tháo đường gây ra nhiều biến chứng nghiêm trọng như bệnh tim mạch, đột quỵ, suy thận, mù lòa, thiếu máu cục bộ và bệnh lý mạch máu ngoại biên Trong số đó, biến chứng bàn chân do đái tháo đường (Diabetic Foot Ulcer - DFU) được coi là một trong những biến chứng nguy hiểm nhất, dẫn đến loét, nhiễm trùng và nguy cơ cắt cụt chi Nguyên nhân chính của DFU bao gồm tổn thương thần kinh và bệnh mạch máu ngoại biên.
Tổn thương thần kinh ảnh hưởng đến ba thành phần chính: cảm giác, vận động và tự chủ Bệnh lý thần kinh cảm giác ở chân do tổn thương dây thần kinh cảm giác khiến bệnh nhân không nhận biết được các vết thương nhỏ Tổn thương thần kinh vận động dẫn đến yếu cơ và biến dạng cấu trúc bàn chân, gây áp lực không đều khi di chuyển Bệnh lý thần kinh tự chủ có thể làm mất chức năng tự động của dây thần kinh, dẫn đến tình trạng khô da, nứt nẻ và dễ bị nhiễm trùng.
Bệnh mạch máu ngoại biên làm giảm lưu thông máu đến chân, giảm khả năng lành vết thương và tăng nguy cơ nhiễm trùng, dẫn đến hoại tử [5].
NHIỆT ĐỒ BÀN CHÂN CHẨN ĐOÁN ĐÁI THÁO ĐƯỜNG
Con người là động vật hằng nhiệt, duy trì nhiệt độ cơ thể khoảng 37°C nhờ vào sự cân bằng giữa sinh nhiệt và thải nhiệt, được kiểm soát bởi hệ thần kinh tự chủ Công nghệ máy ảnh hồng ngoại được phát triển để phát hiện và theo dõi biến động nhiệt độ một cách không tiếp xúc, mang lại sự tiện lợi và độ chính xác cao Máy ảnh hồng ngoại chuyển đổi tia hồng ngoại từ vật thể thành dữ liệu số, với mỗi điểm ảnh thể hiện một giá trị nhiệt độ Sự khác biệt nhiệt độ này phản ánh sự thay đổi trong cung cấp máu, viêm nhiễm, tổn thương da và các vấn đề sức khỏe khác.
Hình ảnh nhiệt không xâm lấn và không gây đau, đóng vai trò quan trọng trong chăm sóc y tế, bao gồm hỗ trợ sàng lọc ung thư vú, chẩn đoán rối loạn thần kinh, theo dõi chấn thương mô mềm trong thể thao, giám sát phẫu thuật và đánh giá lưu thông máu Đặc biệt, công nghệ này rất hữu ích trong việc chẩn đoán và theo dõi loét bàn chân ở bệnh nhân đái tháo đường, giúp phát hiện sớm các vùng có nguy cơ loét hoặc nhiễm trùng, từ đó cho phép can thiệp kịp thời và giảm nguy cơ cắt cụt chi.
THU THẬP HÌNH ẢNH VÀ THÔNG TIN BỆNH NHÂN
Việc thu thập hình ảnh nhiệt bàn chân và thông tin bệnh nhân rất quan trọng trong lĩnh vực chăm sóc sức khỏe và nghiên cứu khoa học, với mục đích chính là nâng cao chất lượng điều trị và hiểu biết về các bệnh lý liên quan.
Hình ảnh nhiệt là công cụ hữu ích trong việc phát hiện sớm các vấn đề như viêm nhiễm, lưu thông máu kém và vết loét tiềm ẩn Nhờ vào khả năng này, bác sĩ có thể lập kế hoạch điều trị hiệu quả hơn, từ đó giảm thiểu nguy cơ biến chứng cho bệnh nhân.
So sánh hình ảnh nhiệt theo thời gian cho phép bác sĩ phát hiện những thay đổi nhỏ trong tình trạng của bệnh nhân, từ đó điều chỉnh phương pháp điều trị một cách hợp lý và hiệu quả.
Giúp bác sĩ truyền đạt một cách rõ ràng tình trạng sức khỏe của bệnh nhân, đồng thời hướng dẫn các biện pháp phòng ngừa và quản lý tại nhà Sự hiểu biết về tình trạng sức khỏe không chỉ giúp bệnh nhân tuân thủ điều trị hiệu quả hơn mà còn phòng ngừa được các biến chứng có thể xảy ra.
Hình ảnh nhiệt và thông tin bệnh nhân đóng vai trò quan trọng trong nghiên cứu y học, cung cấp dữ liệu quý giá để hiểu rõ hơn về cơ chế bệnh lý Chúng được sử dụng để huấn luyện các mô hình trí tuệ nhân tạo, phát hiện xu hướng mới và thúc đẩy sự phát triển của công nghệ y tế tiên tiến.
2.3.2 Quy trình thu thập hình ảnh
Quá trình thu thập hình ảnh lâm sàng trong y tế là yếu tố thiết yếu cho việc chẩn đoán và theo dõi bệnh lý Quy trình này phức tạp và đòi hỏi sự thực hiện từ các chuyên gia và kỹ thuật viên có kỹ năng Dưới đây là các bước cơ bản thường được thực hiện trong quá trình này.
Để chuẩn bị cho bệnh nhân, cần hướng dẫn họ về quy trình thu thập hình ảnh và các yêu cầu cụ thể liên quan Đồng thời, thực hiện các biện pháp an toàn đặc biệt để đảm bảo sức khỏe và sự thoải mái cho bệnh nhân trong suốt quá trình.
Bác sĩ sẽ lựa chọn phương pháp thu hình ảnh phù hợp dựa trên triệu chứng và mục đích chẩn đoán, bao gồm các kỹ thuật như X-quang, siêu âm, cộng hưởng từ, chụp cắt lớp vi tính, chụp ảnh y khoa và chụp ảnh nhiệt.
Kỹ thuật viên thực hiện thu hình ảnh dưới sự hướng dẫn của bác sĩ, đảm bảo cấu hình thiết bị đúng cách và sử dụng chính xác để đạt được chất lượng hình ảnh tốt nhất.
Xử lý và đánh giá hình ảnh: Hình ảnh được xử lý và đánh giá bởi các chuyên gia để xác định bất thường và tạo báo cáo
Bác sĩ sử dụng báo cáo để chẩn đoán bệnh và xây dựng kế hoạch điều trị, đồng thời có thể chia sẻ thông tin này với các bác sĩ khác nhằm đưa ra quyết định điều trị chung.
Theo dõi và đánh giá sự tiến triển của bệnh là rất quan trọng; việc sử dụng hình ảnh giúp ghi lại và so sánh các thay đổi theo thời gian Bạn có thể yêu cầu kiểm tra hình ảnh định kỳ để đánh giá hiệu quả của phương pháp điều trị.
2.3.3 Trách nhiệm khi thu thập hình ảnh và thông tin bệnh nhân
Trong quá trình thu thập hình ảnh và thông tin y tế, việc tuân thủ trách nhiệm đạo đức và pháp lý là rất quan trọng Chuyên gia y tế cần đảm bảo tính chính xác và bảo mật dữ liệu, đồng thời tôn trọng quyền lợi và quyền riêng tư của bệnh nhân Các khía cạnh này cần được chú ý để đảm bảo sự tin cậy trong ngành y tế.
Trước khi thu thập dữ liệu, bệnh nhân cần được thông báo rõ ràng về mục đích, quy trình và cách thức sử dụng dữ liệu Họ phải đồng ý tham gia một cách tự nguyện, và tài liệu liên quan cần được lưu trữ cẩn thận để đảm bảo tính minh bạch.
Thông tin cá nhân của bệnh nhân cần được bảo mật tuyệt đối để ngăn chặn truy cập trái phép, giúp bệnh nhân yên tâm khi chia sẻ thông tin y tế.
Chất lượng và tiêu chuẩn hóa dữ liệu là yếu tố quan trọng trong quy trình thu thập dữ liệu Việc thiết lập tiêu chuẩn rõ ràng đảm bảo tính chính xác và nhất quán của dữ liệu Sử dụng các giao thức chuẩn giúp dữ liệu thu thập có thể so sánh, phân tích và sử dụng một cách hiệu quả.
MÔ HÌNH MÁY HỌC
2.4.1 Mạng nơ-ron tích chập
Mạng nơ-ron tích chập (CNN) là một mô hình học sâu hiệu quả, chuyên xử lý dữ liệu có cấu trúc lưới như hình ảnh và video CNN có khả năng tự động học và rút trích các đặc trưng từ dữ liệu đầu vào thông qua các lớp tích chập, lớp gộp, lớp kết nối đầy đủ và các hàm kích hoạt.
Lớp tích chập (Convolutional Layer) là phần quan trọng nhất trong mạng nơ-ron tích chập (CNN), có nhiệm vụ trích xuất các đặc trưng từ dữ liệu đầu vào Lớp này hoạt động bằng cách áp dụng các kernel lên dữ liệu đầu vào để tạo ra các ma trận ảnh đặc trưng (feature maps) Các tham số chính của lớp tích chập rất quan trọng trong quá trình xử lý và phân tích dữ liệu.
Kernel là một ma trận nhỏ (3x3, 5x5 hoặc 7x7) chứa các trọng số học trong quá trình huấn luyện, quét qua ảnh đầu vào tạo ra ma trận ảnh đặc trưng 2D
Stride là số bước mà kernel di chuyển qua ảnh đầu vào Sử dụng stride lớn giúp giảm kích thước ma trận ảnh đặc trưng, tuy nhiên có thể dẫn đến việc mất thông tin chi tiết Việc chọn stride phù hợp là cần thiết để cân bằng giữa việc giữ lại thông tin chi tiết và giảm độ phức tạp tính toán.
Padding là việc thêm giá trị (thường là 0) xung quanh biên của ảnh đầu vào, giúp kiểm soát kích thước của ma trận ảnh đặc trưng đầu ra Có hai loại padding phổ biến.
“valid” (không thêm padding) và “same” (thêm padding để giữ nguyên kích thước đầu ra như đầu vào)
CNN thường áp dụng từ 3 đến 4 lớp tích chập, với các lớp tích chập sâu hơn được xây dựng sau lớp đầu tiên Điều này cho phép mô hình học hỏi các đặc trưng cấp thấp và phát triển các đặc trưng cấp cao hơn, qua đó cải thiện khả năng nhận diện và phân loại hình ảnh.
Lớp lấy mẫu (Pooling Layer) có vai trò quan trọng trong việc giảm kích thước không gian của các ma trận ảnh đặc trưng, đồng thời vẫn bảo toàn các thông tin cần thiết Lớp này thực hiện chức năng của mình thông qua việc áp dụng các phép toán lên các vùng nhỏ trong ma trận ảnh đặc trưng.
Max Pooling là phương pháp phổ biến trong xử lý ảnh, chia ma trận đặc trưng thành các vùng nhỏ không chồng lấn và chọn giá trị lớn nhất từ mỗi vùng Phương pháp này giúp giảm kích thước không gian và trích xuất các đặc trưng mạnh mẽ nhất, nâng cao khả năng của mô hình trong việc nhận diện các đặc điểm nổi bật trong dữ liệu ảnh.
Average Pooling là phương pháp chia ma trận ảnh đặc trưng thành các vùng nhỏ không chồng lấn, sau đó tính giá trị trung bình của các phần tử trong mỗi vùng Phương pháp này giúp duy trì thông tin tổng quát hơn và tăng cường sự ổn định của mô hình trước các yếu tố nhiễu.
Lớp kết nối đầy đủ:
Lớp kết nối đầy đủ (Fully Connected Layer) là thành phần quan trọng cuối cùng trong mạng CNN, nơi mỗi nơ-ron kết nối với tất cả nơ-ron của lớp trước, chuyển đổi đầu vào thành vector phẳng chứa giá trị từ ma trận ảnh đặc trưng Lớp này kết hợp các đặc trưng đã được trích xuất từ các lớp trước và đưa ra quyết định cuối cùng, như xác suất của các lớp trong bài toán phân loại ảnh, từ đó nâng cao hiệu suất và độ chính xác của CNN.
Hàm kích hoạt đóng vai trò quan trọng trong việc tạo tính phi tuyến tính cho mạng nơ-ron, cho phép mô hình học các mối quan hệ phức tạp trong dữ liệu Nếu không có hàm kích hoạt, các lớp trong mạng chỉ thực hiện các phép biến đổi tuyến tính, làm hạn chế khả năng giải quyết các vấn đề phức tạp Do đó, việc lựa chọn hàm kích hoạt phù hợp là rất cần thiết để đảm bảo hiệu suất và độ chính xác của mô hình Một số hàm kích hoạt điển hình bao gồm ReLU, Sigmoid và Tanh.
Hàm sigmoid chuyển đổi đầu vào thành giá trị trong khoảng (0, 1) và thường được sử dụng trong lớp đầu ra của mô hình phân loại nhị phân Tuy nhiên, hàm này gặp phải vấn đề với gradient bị tiêu biến, điều này gây khó khăn cho quá trình học sâu.
Hàm kích hoạt tanh biến đổi đầu vào thành một giá trị nằm trong khoảng (-1,
Tương tự như hàm sigmoid, hàm tanh cũng gặp phải vấn đề với gradient bị tiêu biến, nhưng nó hoạt động hiệu quả hơn trong việc xử lý các giá trị âm và dương.
ReLU (Rectified Linear Unit) chuyển đổi các giá trị đầu vào bằng cách gán giá trị 0 cho những đầu vào nhỏ hơn 0 và giữ nguyên những đầu vào lớn hơn 0 Hàm kích hoạt này không chỉ giúp giảm thiểu vấn đề gradient bị tiêu biến mà còn cải thiện tốc độ hội tụ của mô hình Tuy nhiên, ReLU cũng có thể gặp khó khăn khi xử lý các giá trị âm lớn.
Trong các phương trình (2.1), (2.2), (2.3) 𝑥 là đầu vào của hàm
VGG16 là một kiến trúc mạng CNN nổi tiếng, được phát triển bởi nhóm nghiên cứu tại Visual Geometry Group (VGG) của Đại học Oxford Với thiết kế đơn giản nhưng hiệu quả, VGG16 đã trở thành một công cụ quan trọng trong lĩnh vực thị giác máy tính, đặc biệt trong các bài toán phân loại ảnh Kiến trúc này nổi bật nhờ khả năng đạt được độ chính xác cao trong việc nhận diện và phân loại hình ảnh.
Mạng nơ-ron bao gồm 16 lớp, trong đó có các lớp tích chập và lớp kết nối đầy đủ Lớp đầu vào có kích thước 224x224x3, tương ứng với ảnh màu RGB, sau đó là 13 lớp tích chập sử dụng kernel 3x3 và stride.
PHẦN CỨNG
Arduino là nền tảng mã nguồn mở cho các dự án điện tử, bao gồm bo mạch vi điều khiển và môi trường phát triển tích hợp (IDE), được ứng dụng rộng rãi trong DIY, công nghiệp và giáo dục Qua cổng USB, Arduino tương tác với máy tính và có các chân I/O để kết nối với thiết bị ngoại vi như bộ dao động thạch anh và bộ ổn áp Trong số các bo mạch Arduino phổ biến, Arduino UNO R3 được sử dụng làm bộ xử lý trung tâm, nổi bật với vi điều khiển ATmega328P mạnh mẽ và linh hoạt Thông số kỹ thuật của Arduino UNO R3 được trình bày chi tiết trong bảng 2.1.
Hình 2.1 Các loại Arduino phổ biến
Bảng 2.1 Bảng thông số kỹ thuật của Arduino UNO R3
Bộ nhớ SRAM 2KB, FLASH 32KB, EEPROM 1KB
Số chân I/O kỹ thuật số 14 (6 chân PWM)
Số chân I/O tương tự 6 Điện áp hoạt động 5V Điện áp đầu vào 7-12V
Dòng điện tiêu thụ trên mỗi chân 20mA
Sơ đồ chân của Arduino UNO R3 được thể hiện như hình 2.2, có tổng cộng
14 chân đầu vào/ra kỹ thuật số (trong số này có 6 chân có thể làm đầu ra xung PWM,
Bài viết này đề cập đến các chân giao tiếp của một mạch điện, bao gồm 2 chân hỗ trợ giao tiếp UART, 4 chân cho giao tiếp SPI, và 2 chân cho giao tiếp I2C Ngoài ra, mạch còn có 6 chân đầu vào analog với độ phân giải 10bit, cho phép đọc giá trị điện áp từ 0 đến 5V Các chức năng cụ thể của các chân này được trình bày trong bảng 2.2.
Hình 2.2 Sơ đồ các chân của Arduino UNO R3
Sơ đồ chân của Arduino UNO R3 được thể hiện như hình 2.2, có tổng cộng
14 chân đầu vào/ra kỹ thuật số (trong số này có 6 chân có thể làm đầu ra xung PWM,
Bài viết này đề cập đến các chân giao tiếp của một thiết bị, bao gồm 2 chân sử dụng giao tiếp UART, 4 chân hỗ trợ giao tiếp SPI, và 2 chân có khả năng giao tiếp I2C Ngoài ra, thiết bị còn có 6 chân đầu vào analog với độ phân giải 10 bit, cho phép đọc giá trị điện áp từ 0 đến 5V Các chân chức năng được liệt kê chi tiết trong bảng 2.2.
Bảng 2.2 Bảng chức năng các chân của Arduino UNO R3 sử dụng trong đề tài
Tên chân Kí hiệu chân Chức năng
Vin Chân cấp nguồn cho Arduino, điện áp vào từ 7-12V GND Chân nối đất
Chân digital D0 đến D13 Chân đầu vào/ra số, hoạt động ở hai mức điện áp 0V và
5V với các dòng vào/ra tối đa trên mỗi chân là 40 mA
Máy ảnh nhiệt, hay máy ảnh hồng ngoại, là thiết bị sử dụng công nghệ hồng ngoại để phát hiện và hiển thị nhiệt độ của các vật thể Cảm biến trong máy ảnh này nhận diện bức xạ hồng ngoại, chuyển đổi thành tín hiệu điện tử và xử lý để tạo ra hình ảnh nhiệt, với các mức nhiệt độ được biểu thị qua màu sắc khác nhau.
Máy ảnh nhiệt là thiết bị quan trọng trong việc quan sát và phân tích nhiệt độ, ứng dụng rộng rãi trong y tế, công nghiệp, giáo dục và giám sát môi trường Một ví dụ tiêu biểu là máy ảnh nhiệt Simple Handheld Thermal Imager Version 2.0, với cảm biến hồng ngoại MLX90640ESF-BAB, độ phân giải 24x32 và màn hình LCD 2.0 inch sắc nét Thiết bị có khả năng đo nhiệt độ từ -40°C đến 300°C với độ chính xác ±2°C, tốc độ làm mới 8Hz cho hình ảnh nhiệt động liên tục và góc nhìn rộng giúp quan sát khu vực lớn Ngoài ra, bộ nhớ 16MB cho phép lưu trữ nhiều hình ảnh và dữ liệu, trong khi kết nối TYPE-C và pin tích hợp 3.7V 600mAh mang lại sự tiện lợi và thời gian sử dụng dài.
2.5.3 Động cơ điện Động cơ điện chuyển đổi năng lượng điện thành năng lượng cơ học để tạo ra chuyển động [12] Động cơ điện có thể được phân loại theo nhiều tiêu chí khác nhau, nếu dựa theo cấu trúc và nguyên lý hoạt động thì động cơ điện có thể phân thành động cơ servo, động cơ bước và động cơ truyền động trực tiếp Hình 2.4 lần lượt là động cơ servo, động cơ bước, động cơ truyền động trực tiếp
Động cơ bước là lựa chọn lý tưởng để di chuyển và dừng ở vị trí chính xác, chia chuyển động quay thành các bước rời rạc với góc quay cố định Chúng hoạt động nhờ sự tương tác giữa phần tĩnh và rotor, khi cuộn dây tĩnh được cấp điện, từ trường sinh ra làm rotor xoay Bằng cách cấp điện theo trình tự nhất định, rotor có thể xoay từng bước nhỏ, tạo ra chuyển động quay liên tục và chính xác, cho phép kiểm soát vị trí và tốc độ hiệu quả.
Vít me là một cơ cấu truyền động tuyến tính chuyển đổi chuyển động quay của động cơ thành chuyển động thẳng Chức năng chính của vít me là sử dụng ren để đẩy đai ốc về phía trước và phía sau với độ chính xác cao Khi trục vít xoay, đai ốc gắn liền sẽ di chuyển theo, tạo ra chuyển động chính xác và hiệu quả.
Các loại động cơ điện phổ biến có thể chuyển đổi động quay thành chuyển động tuyến tính, trong đó vít me đóng vai trò là bộ truyền động tuyến tính cơ học Hình 2.5 minh họa cho trục vít me và con trượt tròn.
Hoạt động của vít me phụ thuộc vào sự trượt giữa trục vít và rãnh của đai ốc mà không sử dụng vòng bi, dẫn đến ma sát cao và tổn thất năng lượng Ma sát này xảy ra do tiếp xúc trực tiếp giữa trục vít và đai ốc trên diện tích lớn, gây cản trở cho chuyển động hiệu quả Tuy nhiên, thiết kế rãnh đã được cải tiến để giảm thiểu ma sát thông qua các kỹ thuật gia công và vật liệu tiên tiến Vít me thường được chế tạo từ các vật liệu như thép, inox, đồng hoặc nhôm.
PHẦN MỀM
2.6.1 Phần mềm lập trình a Arduino IDE
Arduino IDE là phần mềm mã nguồn mở do Arduino.cc phát triển, cho phép viết, biên dịch và tải mã vào bo mạch Arduino Phần mềm tương thích với nhiều hệ điều hành, cung cấp chức năng gỡ lỗi, chỉnh sửa và biên dịch mã Arduino IDE thường xuyên cập nhật với tính năng mới và hỗ trợ quản lý thư viện và bo mạch bên thứ ba dễ dàng Mã viết trên IDE được biên dịch thành tệp Hex và tải lên bo mạch Môi trường IDE bao gồm trình soạn thảo để viết mã và trình biên dịch để tải mã vào bo mạch, hỗ trợ ngôn ngữ lập trình C và C++.
Giao diện của Arduino IDE được thể hiện như hình 2.6, cụ thể là:
1 Vùng công cụ: gồm thanh công cụ (chứa các nút biên dịch, tải lên và mở cửa sổ Serial), menu tùy chọn, kết nối với bo mạch cần nạp chương trình
2 Vùng soạn thảo: đây là vùng viết mã lập trình cho bo mạch
3 Vùng thông báo kết quả đầu ra: chứa cửa sổ kết quả của quá trình biên dịch và cửa sổ Serial
Hình 2.6 Giao diện lập trình chính của Arduino IDE b Ngôn ngữ lập trình Python
Python là một ngôn ngữ lập trình phổ biến, được ứng dụng rộng rãi trong lập trình web, phát triển phần mềm, khoa học dữ liệu và máy học Ngôn ngữ này được Guido Van Rossum bắt đầu phát triển từ năm 1989 và phiên bản đầu tiên được ra mắt vào năm 1991.
Python, ra mắt vào năm 1991, là một ngôn ngữ lập trình mạnh mẽ với nhiều đặc điểm nổi bật Là ngôn ngữ thông dịch, Python cho phép phát triển và thử nghiệm mã nhanh chóng mà không cần biên dịch Cú pháp rõ ràng và gần gũi với ngôn ngữ tự nhiên giúp Python trở thành một lựa chọn linh hoạt và dễ sử dụng cho lập trình viên.
Hệ sinh thái Python rất phong phú với nhiều thư viện và framework mạnh mẽ, cho phép lập trình trên nhiều phần mềm và môi trường phát triển khác nhau Từ các trình soạn thảo văn bản đơn giản đến các IDE chuyên nghiệp, Python cung cấp nhiều lựa chọn cho lập trình viên như IDLE, PyCharm, Visual Studio Code và Jupyter Notebook.
Visual Studio Code (VS Code) là một trình soạn thảo mã nguồn mở miễn phí do Microsoft phát triển, lý tưởng cho việc phát triển trang web, ứng dụng di động và backend VS Code cung cấp công cụ gỡ lỗi mạnh mẽ và hỗ trợ tích hợp Git, giúp quản lý mã nguồn hiệu quả Tính năng tự động hoàn thành mã và gợi ý mã cũng được tích hợp, cùng với terminal cho phép thực thi lệnh trực tiếp trong trình soạn thảo, hỗ trợ nhiều shell như Bash, PowerShell và Command Prompt Ngoài ra, các tiện ích mở rộng như Prettier, ESLint và Python hỗ trợ định dạng mã, kiểm tra cú pháp JavaScript và cung cấp tính năng IntelliSense, debugging và testing cho Python.
Giao diện cấu trúc phân cấp của VS Code cung cấp cách quản lý tệp và thư mục rõ ràng và hiệu quả thông qua sidebar hiển thị cấu trúc cây của toàn bộ dự án Hình 2.7 minh họa giao diện của VS Code với các thành phần chính trong giao diện này.
1 Thanh menu: bao gồm các lệnh để quản lý tệp, chỉnh sửa văn bản, điều chỉnh giao diện, di chuyển trong mã nguồn, quản lý quá trình chạy và gỡ lỗi ứng dụng, cũng như truy cập vào các tài liệu và trợ giúp
2 Thanh công cụ: chứa các biểu tượng để truy cập nhanh vào các tính năng chính quản lý tệp và thư mục, tìm kiếm, quản lý mã nguồn, chạy và gỡ lỗi và các tiện ích mở rộng khác
3 Thanh bên: hiển thị nội dung của mục được chọn trong Activity Bar
4 Cửa sổ soạn thảo: là nơi viết và chỉnh sửa mã Có thể thao tác nhiều tệp để xem và chỉnh sửa nhiều tệp cùng lúc
5 Cửa sổ đầu ra: là cửa sổ hiển thị kết quả đầu ra của quá trình biên dịch
6 Thanh trạng thái: hiển thị thông tin nhánh Git đang làm việc, thông báo lỗi, định dạng tệp, vị trí con trỏ trong tệp và các chi tiết khác liên quan đến môi trường phát triển của bạn
Hình 2.7 Giao diện lập trình chính của VS Code
2.6.2 Phần mềm thiết kế a PyQT, QT Designer
PyQT là một bộ thư viện mạnh mẽ để phát triển giao diện đồ hoạ người dùng trên máy tính bằng ngôn ngữ Python, nổi bật với nhiều widget và hỗ trợ đa nền tảng Dựa trên framework Qt, PyQT cung cấp các công cụ kết nối mạng, luồng, biểu thức chính quy, cơ sở dữ liệu SQL, SVG, OpenGL, XML và nhiều tính năng khác Để thiết kế giao diện người dùng, người dùng có thể sử dụng QT Designer, một công cụ WYSIWYG cho phép tạo giao diện GUI một cách nhanh chóng và hiệu quả bằng cách kéo và thả các đối tượng QWidget trên biểu mẫu trống và sắp xếp chúng bằng các quản lý bố cục khác nhau.
Một số widget phổ biến khi tạo giao diện trong Qt Designer:
- QPushButton: Nút bấm thực hiện lệnh khi nhấn
- QLabel: Hiển thị văn bản hoặc hình ảnh tĩnh
- QLineEdit: Ô nhập một dòng văn bản
- QTextEdit: Ô nhập và chỉnh sửa văn bản đa dòng
- QComboBox: Danh sách thả xuống để chọn một mục
- QCheckBox: Tùy chọn: chọn hoặc bỏ chọn
- QListWidget: Danh sách các mục để chọn
- QTableWidget: Hiển thị dữ liệu dạng bảng
- QProgressBar: Hiển thị tiến trình của một nhiệm vụ
Chuyển đổi tệp ui thành mã Python bằng lệnh pyuic5 trong PyQt cho phép bạn tích hợp mã này vào ứng dụng GUI của mình Ngoài ra, bạn có thể trực tiếp đọc và tải nội dung từ các tệp ui để tạo ra giao diện GUI tương ứng.
SQLite, được phát triển bởi D Richard Hipp vào năm 2000, là một hệ quản trị cơ sở dữ liệu nhẹ và đơn giản Qua thời gian, SQLite đã trở thành lựa chọn phổ biến trong nhiều ứng dụng như trình duyệt web, điện thoại di động và phần mềm khác Là một thư viện phần mềm cung cấp hệ quản trị cơ sở dữ liệu quan hệ, SQLite hỗ trợ kiểu dữ liệu động cho các bảng, cho phép lưu trữ giá trị bất kỳ trong bất kỳ cột nào mà không cần quan tâm đến kiểu dữ liệu.
SQLite cho phép một kết nối cơ sở dữ liệu duy nhất truy cập nhiều tệp cơ sở dữ liệu đồng thời, mang lại tính năng kết hợp bảng từ các cơ sở dữ liệu khác nhau và sao chép dữ liệu chỉ với một lệnh Ngoài ra, SQLite còn hỗ trợ tạo ra các cơ sở dữ liệu trong bộ nhớ, giúp tăng tốc độ xử lý hiệu quả.
Trong thời đại công nghệ hiện đại, máy tính và phần mềm CAD (Computer-Aided Design) đã thay thế việc vẽ bản vẽ kỹ thuật bằng tay SolidWorks, phần mềm CAD phổ biến do Dassault Systèmes phát triển, được ưa chuộng trong thiết kế và mô phỏng sản phẩm 3D Nó cung cấp công cụ mạnh mẽ cho việc tạo bản vẽ kỹ thuật và thực hiện phân tích Với giao diện dễ sử dụng và tính linh hoạt, SolidWorks đóng vai trò quan trọng trong nhiều lĩnh vực, từ thiết kế sản phẩm đến giáo dục và nghiên cứu Giao diện chính của phần mềm SolidWorks bao gồm bốn phần lớn.
TÍNH TOÁN VÀ THIẾT KẾ HỆ THỐNG
TÍNH TOÁN VÀ THIẾT KẾ HỆ THỐNG
3.1.1 Thiết kế sơ đồ khối hệ thống
Hình 3.1 Sơ đồ khối hệ thống
Hệ thống được mô tả qua sơ đồ khối Hình 3.1, bao gồm các thành phần chính: khối nguồn, khối xử lý trung tâm, khối chụp ảnh, khối điều khiển cơ, khối giao tiếp người dùng và khối cơ sở dữ liệu Mỗi khối đảm nhận những chức năng riêng biệt, góp phần vào hoạt động tổng thể của hệ thống.
Khối xử lý trung tâm nhận tín hiệu từ khối giao tiếp người dùng, kiểm tra dữ liệu và đưa ra quyết định Nó điều khiển hoạt động của khối chụp ảnh và khối điều khiển cơ.
- Khối điều khiển cơ: Khối này có chức năng điều khiển khối chụp ảnh di chuyển qua lại Được điều khiển bởi khối xử lý trung tâm
Khối chụp ảnh, sau khi được di chuyển đến vị trí chụp, sẽ được điều khiển bởi khối điều khiển trung tâm Nó thực hiện quá trình chụp ảnh, lưu trữ hình ảnh và gửi chúng đến khối giao tiếp người dùng.
Khối giao tiếp người dùng đóng vai trò là giao diện chính cho người sử dụng hệ thống, cho phép gửi tín hiệu đến khối xử lý trung tâm để điều khiển khối chụp ảnh và khối điều khiển cơ Giao diện này không chỉ giúp người dùng kết nối với khối chụp ảnh và nhận dữ liệu ảnh để hiển thị, mà còn cho phép thu thập thông tin bệnh nhân và truy cập vào cơ sở dữ liệu để lấy thông tin cần thiết Đây là cầu nối thiết yếu giữa người dùng và hệ thống, giúp người dùng điều khiển toàn bộ hoạt động của hệ thống một cách hiệu quả.
Khối cơ sở dữ liệu đóng vai trò quan trọng trong việc lưu trữ dữ liệu của hệ thống Khi cần thiết, khối giao tiếp người dùng sẽ kết nối với khối này để truy cập và lấy dữ liệu cần thiết.
- Khối nguồn: Cấp nguồn cho toàn mạch hoạt động, đảm bảo mạch hoạt động ổn định
3.1.2 Tính toán và thiết kế mạch a Khối xử lý trung tâm
Khối xử lý trung tâm trong hệ thống được xây dựng trên nền tảng bộ điều khiển Arduino UNO R3 với vi điều khiển ATmega328 Nhiệm vụ chính của khối này là tiếp nhận tín hiệu từ khối giao tiếp người dùng và điều khiển các khối khác để đảm bảo hệ thống hoạt động theo yêu cầu Việc lựa chọn Arduino UNO R3 là hợp lý do tính phổ biến, dễ sử dụng và khả năng đáp ứng tốt các yêu cầu của đề tài.
Arduino sử dụng ngôn ngữ lập trình C và C++, với phần mềm phổ biến là Arduino IDE Bên cạnh đó, Arduino UNO R3 cũng có thể được lập trình trên các IDE khác như PlatformIO trong Visual Studio Code, Eclipse, và Atmel Studio, một IDE chuyên nghiệp do Atmel (hiện là Microchip) phát triển.
Arduino UNO R3 có thể nhận nguồn 5V từ máy tính qua cổng USB, hoặc sử dụng nguồn ngoài với điện áp khuyên dùng từ 7V đến 12V DC qua jack kết nối.
Khi nhận dữ liệu từ khối giao diện người dùng, Arduino UNO R3 điều khiển khối chụp ảnh và khối điều khiển cơ thông qua các chân digital, thực hiện các hành động như chụp ảnh, chuyển chế độ đọc dữ liệu của máy ảnh và điều khiển động cơ bước quay theo số bước đã được cài đặt Các chân kết nối được mô tả trong hình 3.2, và tín hiệu được truyền tới Arduino qua giao tiếp serial (UART), từ đó kích hoạt các chức năng cần thiết, đảm bảo sự phối hợp nhịp nhàng và chính xác giữa các khối chức năng trong hệ thống.
Khối điều khiển cơ trong hệ thống Arduino UNO R3 có nhiệm vụ di chuyển máy ảnh nhiệt trên bàn trượt giữa hai vị trí trái và phải Nó nhận tín hiệu từ vi điều khiển để thực hiện di chuyển theo yêu cầu của người dùng thông qua giao diện điều khiển.
Trong khối điều khiển cơ của hệ thống, vít me được kết nối với động cơ bước và điều khiển thông qua mạch DRV8825, cho phép chuyển đổi chuyển động quay của động cơ thành chuyển động tịnh tiến Vít me bao gồm một trục vít với các rãnh xoắn ốc và một đai ốc di chuyển dọc theo trục khi trục vít quay Mạch DRV8825 điều khiển động cơ bước với độ chính xác cao về vị trí và tốc độ, làm quay trục vít me, từ đó tạo ra lực đẩy hoặc kéo khi các ren xoắn ốc tương tác với đai ốc cố định Máy ảnh nhiệt được gắn trên đai ốc, cho phép nó di chuyển theo quỹ đạo thẳng khi đai ốc dịch chuyển, đảm bảo quá trình quét hình ảnh nhiệt của bàn chân trái và phải diễn ra mượt mà và chính xác.
Vi điều khiển điều chỉnh chiều quay của động cơ thông qua chân D2 kết nối với chân DIR của mạch DRV8825, trong khi chân D3 kiểm soát số bước kết nối với chân STEP Các chân A1, A2, B1, B2 của DRV8825 được kết nối với các cuộn dây của động cơ bước, cung cấp năng lượng và điều khiển các pha, đảm bảo động cơ hoạt động chính xác theo tín hiệu điều khiển Kết nối của khối điều khiển cơ được mô phỏng trong hình 3.3 và sơ đồ kết nối được thể hiện trong hình 3.4.
Hình 3.3 Sơ đồ nguyên lý của khối điều khiển cơ
Hệ thống điều khiển cơ sử dụng động cơ bước và vít me trượt cho phép kiểm soát chính xác chuyển động của máy ảnh nhiệt, đảm bảo di chuyển đến vị trí chân chính xác để chụp hình ảnh nhiệt hiệu quả Sự kết hợp này giúp thu thập dữ liệu nhiệt bàn chân một cách chi tiết và chính xác, phục vụ cho các mục tiêu nghiên cứu và ứng dụng y tế.
Hình 3.4 Sơ đồ kết nối giữa khối điều khiển cơ với khối xử lý trung tâm c Khối chụp ảnh
Trong bối cảnh công nghệ phát triển, máy ảnh nhiệt cầm tay như Simple Handheld Thermal Imager Version 2.0 mang lại nhiều lợi ích trong chẩn đoán sức khỏe, như phát hiện sốt và kiểm tra viêm nhiễm Thiết bị này không chỉ có độ phân giải cảm biến cao và độ chính xác đo lường tốt, mà còn sở hữu màn hình hiển thị sắc nét, phù hợp với nhu cầu của người dùng cá nhân và công nghiệp Giao diện TYPE-C và pin dung lượng lớn cũng nâng cao tính tiện dụng và hiệu quả sử dụng, khiến đây trở thành công cụ thiết yếu trong việc đo và giám sát nhiệt độ.
Khối chụp ảnh sử dụng máy ảnh nhiệt kết nối với Arduino UNO R3 qua hai mạch relay 5V Khi có tín hiệu chụp ảnh, khối xử lý trung tâm gửi tín hiệu điều khiển hai mạch relay: một mạch kích hoạt nút Imager và mạch còn lại kích hoạt nút Thermal Để bảo vệ vi điều khiển khỏi sự cố điện áp cao, sử dụng opto cách ly PC817, với khả năng cách ly lên đến 5000Vrms Linh kiện này phù hợp với dải điện áp 5V và dòng điều khiển 5mA, đồng thời có tuổi thọ cao, giá thành thấp và dễ sử dụng.
TÍNH TOÁN VÀ THIẾT KẾ MÔ HÌNH THU THẬP ẢNH NHIỆT BÀN CHÂN
Bằng cách kế thừa mô hình từ dự án trước đây về thiết bị quản lý thu thập và lưu trữ hình ảnh phục vụ chẩn đoán vết loét bàn chân do đái tháo đường, chúng tôi đã tiến hành chỉnh sửa và thay thế một số bộ phận để phù hợp với đề tài mới Dưới đây là các bản vẽ và hình 3D của các bộ phận trong mô hình.
3.2.1 Thiết kế mô hình chụp ảnh nhiệt bàn chân
Bản vẽ mặt trước và mặt sau:
Hình 3.9 Bản vẽ mặt trước và mặt sau của mô hình chụp bàn chân
Bảng 3.2 Bảng kích thước bàn chân
Size Chiều dài chân (cm) Chiều rộng chân (cm)
Hình 3.9 trình bày bản vẽ mặt trước và mặt sau của mô hình chụp ảnh nhiệt bàn chân, với kích thước chiều cao và chiều rộng ở mặt trước là 42x42cm Mỗi ô đặt bàn chân có kích thước 30x15cm Bảng 3.2 cung cấp kích thước chiều dài và chiều rộng của bàn chân người trưởng thành, giúp lựa chọn kích thước phù hợp cho mặt trước của hộp.
Hộp chụp ảnh được thiết kế với hai lỗ trống phía trước giúp bệnh nhân dễ dàng đặt chân vào Mô hình còn có một vách ngăn bằng tấm xốp PVC cách lỗ 7cm, nhằm cố định bàn chân và ngăn cách nhiệt độ với môi trường xung quanh, đảm bảo ảnh thu được chỉ là ảnh nhiệt của bàn chân Ngoài ra, mặt sau của hộp có một lỗ tròn 2cm và một lỗ chữ nhật 4x1.7cm để luồn dây điện từ máy ảnh và động cơ bước, kết nối với các cầu đấu dây tương ứng.
Bản vẽ mặt bên của mô hình cho thấy kích thước chiều sâu và chiều cao của hộp lớn và hộp nhỏ, lần lượt là 55x42cm và 12.4x12.2cm Hộp nhỏ gắn phía sau mô hình, có chức năng chứa nguồn và bo mạch điều khiển các hoạt động của thiết bị.
Hình 3.10 Bản vẽ mặt bên của mô hình chụp bàn chân
Bản vẽ mặt trên và mặt dưới:
Bản vẽ mô hình (Hình 3.11) hiển thị kích thước của hộp lớn và hộp nhỏ, với kích thước lần lượt là 55x42cm và 12.4x22.2cm Bản vẽ mặt dưới bổ sung một lỗ hình chữ nhật kích thước 7.45x7.1cm, là vị trí lắp đặt quạt tản nhiệt nguồn tổ ong Quạt này có nhiệm vụ hút không khí nóng từ bên trong và thổi ra ngoài, giúp duy trì nhiệt độ ổn định, ngăn ngừa quá nhiệt và đảm bảo hiệu suất cũng như độ bền của nguồn điện.
Hình 3.11 Bản vẽ mặt trên và mặt dưới của mô hình chụp bàn chân
Hình 3.12 Bản vẽ mô phỏng 3D của mô hình chụp bàn chân.
Mô hình 3D được thiết kế dựa trên các kích thước từ bản vẽ trước đó, với kích thước hộp lớn là 42x42x55cm và hộp nhỏ là 22.2x12.2x12.4cm.
3.2.2 Thiết kế bộ vít me và hộp đựng máy ảnh
Dựa vào kích thước của hộp, có thể xác định chiều sâu và chiều rộng khi nhìn từ mặt trước, từ đó giúp lựa chọn vít me phù hợp Vít me cần có chiều dài tổng thể, kết hợp với khớp nối mềm và động cơ bước, vừa vặn với chiều rộng của hộp Điều này đảm bảo hệ thống truyền động được lắp đặt gọn gàng bên trong hộp mà không gây cản trở.
Biết chiều sâu của hộp là cần thiết để xác định vị trí lắp đặt bộ vít me hiệu quả Căn chỉnh vị trí và độ cao của máy ảnh cũng cần dựa vào độ rộng góc máy ảnh để đảm bảo có góc nhìn lý tưởng, giúp chụp rõ ràng hình ảnh bàn chân bệnh nhân Việc xác định đúng độ cao của máy ảnh là rất quan trọng để đạt kết quả mong muốn mà không bị ảnh hưởng bởi các thành phần khác trong hộp Bộ vít me thường đi kèm với gối đỡ và cơ cấu chống lật để đảm bảo hoạt động mượt mà Lựa chọn trục vít me phù hợp với kích thước hộp là cần thiết, và khớp nối mềm được sử dụng để kết nối vít me với động cơ bước, giúp hấp thụ dao động và lệch tâm giữa trục động cơ và vít me.
Khi động cơ bước quay, khớp nối mềm truyền động đến trục vít me, khiến cho con trượt vuông di chuyển tịnh tiến qua lại Điều này cho phép máy ảnh di chuyển dọc theo trục vít me trong hộp Để đảm bảo sự ổn định và tránh lật, cần thiết kế thêm một trục tròn trơn dài bằng chiều dài của vít me, đặt song song với trục vít me.
Trục tròn được cố định bởi hai gối đỡ vuông ở hai đầu, trên đó gắn một con trượt vuông Con trượt này kết nối với con trượt vuông trên trục vít me thông qua một mặt phẳng mica Khi trục vít me quay, con trượt vuông di chuyển, kéo theo con trượt vuông trên trục tròn, đảm bảo rằng hai con trượt di chuyển đồng bộ và song song.
Mặt phẳng mica đóng vai trò là đế cho hộp cố định máy ảnh, giúp đảm bảo sự ổn định và chính xác trong quá trình điều chỉnh vị trí Khi hệ thống hoạt động, động cơ bước quay và khớp nối mềm truyền động lực đến trục vít me, khiến con trượt vuông di chuyển đồng bộ với mặt phẳng mica Thiết kế này không chỉ mang lại sự vận hành mượt mà và bền bỉ mà còn đảm bảo độ chính xác cao, đáp ứng yêu cầu về độ ổn định trong quá trình vận hành máy ảnh.
Để đảm bảo bàn chân nằm trọn trong khung hình khi máy ảnh được đặt dọc ở khoảng cách 35cm, cần xác định độ cao từ mặt đất đến máy ảnh với góc nhìn ngang là 55°.
Hình 3.13 Mô tả kích thước tính toán khoảng cách đặt máy ảnh nhiệt
Dựa vào các mô tả trong hình 3.13, tam giác vuông ABC có chiều dài cạnh
AB là 35cm và góc 𝐵𝐴𝐶̂ là 27.5 𝑜 , ta có: tan(𝐵𝐴𝐶̂) = 𝐵𝐶
- Thay AB = 35cm, 𝐵𝐴𝐶̂ = 27.5 𝑜 vào (3.9) ta được: tan(27.5) = 𝐵𝐶
- Từ đó, ta tính được:
Để đảm bảo bàn chân nằm giữa khung hình khi quay máy ảnh theo chiều dọc, chiều cao của máy ảnh cần được đặt khoảng 18cm từ góc bàn chân Cách tính chiều cao này dựa trên công thức BC = tan(27.5) × 35 = 18.22cm, giúp đảm bảo bàn chân sẽ nằm trọn trong khung hình máy ảnh.
Hộp đựng máy ảnh có kích thước 14x5.6x2.2cm, giúp bảo vệ máy ảnh trong quá trình hoạt động và nâng cao vị trí chụp để lấy trọn bàn chân trong ảnh Thiết kế của hộp bao gồm một lỗ tròn đường kính 1.5cm ở phía trước để đưa ống kính ra ngoài, cùng với một lỗ hình chữ nhật kích thước 2x1.4cm ở bên hông để kết nối các dây điều khiển chụp và chuyển chế độ Mặt trên của hộp được để trống, cho phép đưa máy ảnh vào dễ dàng và kết nối dây nguồn với máy tính.
Bản vẽ đế cố định máy ảnh có kích thước 8.55x4.5x0.3cm, như thể hiện trong hình 3.15 Đế này có các lỗ tròn để lắp đặt ốc vít, giúp cố định đế lên bề mặt.
2 con trượt vuông của bộ vít me
Hình 3.14 Bản vẽ hộp cố định máy ảnh Hình 3.15 Bản vẽ đế cố định hộp cố định máy ảnh trên con trượt vuông gắn vào vít me.
THIẾT KẾ MÔ HÌNH PHÂN LOẠI HÌNH ẢNH NHIỆT BÀN CHÂN
Tập dữ liệu “Plantar Thermogram Database for the Study of Diabetic Foot Complications” được sử dụng để huấn luyện mô hình phân loại hình ảnh nhiệt bàn chân của bệnh nhân đái tháo đường Nó bao gồm các hình ảnh nhiệt của bàn chân từ cả bệnh nhân đái tháo đường và người không mắc bệnh, tạo nên một bộ so sánh phong phú Mỗi hình ảnh ghi nhận nhiệt độ tại các điểm khác nhau trên bàn chân, giúp phân tích và xác định các khu vực có nhiệt độ bất thường, từ đó phát hiện các biến chứng như loét bàn chân.
Tập dữ liệu này bao gồm 244 ảnh từ nhóm DM, được thu thập từ 122 bệnh nhân chẩn đoán mắc bệnh đái tháo đường, cùng với 90 ảnh từ nhóm CG.
45 bệnh nhân không mắc bệnh đái tháo đường Tất cả các hình ảnh trên đều thuộc định dạng (*.png)
Tiền xử lý ảnh là bước thiết yếu trong việc chuẩn bị dữ liệu cho mô hình máy học Đề tài sử dụng bộ dữ liệu từ tác giả Vuppala Adithya Sairam trên Kaggle.com, với dữ liệu gốc từ "Plantar Thermogram Database for the Study of Diabetic Foot Complications" Tập dữ liệu này đã được xoay và làm sắc nét để tăng cường hình ảnh, đồng thời chia thành 80% cho tập huấn luyện và 20% cho tập xác thực Để ổn định quá trình huấn luyện, ảnh được chuẩn hóa về khoảng giá trị pixel từ 0 đến 1 và kích thước ảnh được điều chỉnh thành 224x224x3, phù hợp với mô hình máy học Phân loại và số lượng ảnh ở mỗi phân loại được mô tả chi tiết trong bảng 3.3.
Bảng 3.3 Phân loại và số lượng từng phân loại trong tập dữ liệu
Phân loại Số lượng ảnh gốc
Số lượng ảnh từ tập dữ liệu đã tiền xử lý
Số lượng ảnh chia cho tập training
Số lượng ảnh chia cho tập validation
DM (có bệnh) 244 ảnh 976 ảnh 724 ảnh 252 ảnh
Mô hình mạng VGG16 cho việc học chuyển giao:
Việc xây dựng mô hình từ đầu gặp khó khăn do tập dữ liệu không đủ lớn, dễ dẫn đến hiện tượng overfitting, khiến mô hình hoạt động tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu mới Để khắc phục tình trạng này, đề tài đã áp dụng mô hình VGG16, một trong những mạng nơ-ron tích chập (CNN) nổi tiếng và hiệu quả, đã được huấn luyện trước trên tập dữ liệu ImageNet với hàng triệu ảnh và hàng nghìn nhãn khác nhau.
Việc sử dụng mô hình pre-trained như VGG16 có các lợi ích sau:
Khởi tạo trọng số tốt là một yếu tố quan trọng trong việc xây dựng mô hình học máy Việc sử dụng các trọng số đã được huấn luyện trước trên tập dữ liệu lớn giúp mô hình bắt đầu với những trọng số đã học được nhiều đặc điểm hữu ích, từ đó cải thiện hiệu suất và độ chính xác của mô hình ngay từ giai đoạn đầu.
- Tiết kiệm thời gian và tài nguyên: Giảm thời gian huấn luyện và yêu cầu tài nguyên tính toán vì không phải huấn luyện từ đầu
Kỹ thuật học chuyển giao cho phép tận dụng kiến thức từ mô hình VGG16 đã được huấn luyện trên tập dữ liệu lớn Bằng cách sử dụng các lớp đã được tối ưu hóa của VGG16 để nhận diện đặc trưng phổ quát của ảnh, người dùng chỉ cần huấn luyện lại các lớp cuối cùng với dữ liệu cụ thể Phương pháp này không chỉ tiết kiệm thời gian và tài nguyên tính toán mà còn giúp cải thiện hiệu suất của mô hình trên tập dữ liệu nhỏ nhờ vào việc bắt đầu với các trọng số đã được tối ưu hóa.
- Đóng băng các lớp: Giữ nguyên các trọng số của các lớp dưới cùng của mô hình pre-trained để bảo toàn các đặc điểm đã học
Để hoàn thiện mô hình, đầu tiên thêm một lớp Dense với 512 nút và hàm kích hoạt ReLU nhằm học các đặc trưng phức tạp từ dữ liệu Tiếp theo, sử dụng lớp Dropout với tỷ lệ 0.45 để ngẫu nhiên loại bỏ một số nút trong quá trình huấn luyện, giúp ngăn chặn hiện tượng overfitting và nâng cao khả năng tổng quát hóa của mô hình Cuối cùng, lớp đầu ra được thiết lập là một lớp Dense với một nút và hàm kích hoạt sigmoid, chuyển đổi đầu ra thành xác suất cho bài toán phân loại nhị phân.
Mô hình phân loại hình ảnh nhiệt bàn chân đái tháo đường sử dụng đầu vào là ảnh kích thước 224x224x3 và áp dụng kiến trúc VGG16 kết hợp với học chuyển giao Kết quả đầu ra của mô hình là chẩn đoán dương tính hoặc âm tính với bệnh đái tháo đường Việc sử dụng VGG16 và học chuyển giao giúp xây dựng một mô hình mạnh mẽ và chính xác hơn, đặc biệt trong bài toán phân loại nhị phân, ngay cả khi dữ liệu huấn luyện bị hạn chế.
Hình 3.17 Mô hình mạng VGG16 kết hợp kỹ thuật học chuyển giao
Phương pháp tùy biến mô hình:
Tùy chỉnh mô hình học sâu bằng Keras mang lại nhiều lợi ích cho phát triển ứng dụng trí tuệ nhân tạo Keras cung cấp API cấp cao dễ sử dụng, giúp đơn giản hóa việc xây dựng, huấn luyện và tối ưu hóa mô hình Điều này hỗ trợ việc thử nghiệm nhiều mô hình khác nhau để tìm ra mô hình tốt nhất cho nhiệm vụ cụ thể Hơn nữa, Keras cho phép tùy chỉnh linh hoạt các siêu tham số, tối ưu hóa hiệu suất mô hình theo nhu cầu dự án.
Trong việc phân loại hình ảnh nhiệt bàn chân, ngoài mô hình VGG16, còn có nhiều lựa chọn khác như ResNet, Inception và EfficientNet Để thuận tiện trong việc thay thế VGG16, một hàm linh hoạt đã được xây dựng cho phép người dùng chọn mô hình dựa trên tham số đầu vào Hàm này định nghĩa các siêu tham số như kích thước đầu vào, số lớp đầu ra và các tham số huấn luyện khác như learning rate, batch size và số epochs, giúp tối ưu hóa và tùy chỉnh mô hình một cách hiệu quả.
Sử dụng hàm này để huấn luyện và đánh giá các mô hình khác nhau trên tập dữ liệu, cho phép dễ dàng thay thế VGG16 bằng mô hình khác chỉ bằng cách thay đổi tham số loại mô hình Phương pháp này không chỉ làm cho mã nguồn linh hoạt và dễ bảo trì hơn, mà còn mở rộng khả năng thử nghiệm và tối ưu hóa các mô hình học sâu trong cùng một dự án.
Phương pháp đánh giá mô hình:
Sau khi hoàn thành huấn luyện mô hình, việc đánh giá hiệu suất là rất quan trọng để xác định khả năng hoạt động và đáp ứng yêu cầu thực tế Sử dụng nhiều phương pháp đánh giá khác nhau giúp có cái nhìn toàn diện về khả năng của mô hình, từ đó tạo điều kiện cho việc cải tiến và tối ưu hóa Một số phương pháp đánh giá phổ biến bao gồm ma trận nhầm lẫn và các chỉ số như recall, precision, và f1-score.
Ma trận nhầm lẫn (confusion matrix) là công cụ quan trọng để đánh giá hiệu suất mô hình phân loại, cung cấp bảng tóm tắt về số lượng dự đoán đúng và sai Nó bao gồm 4 chỉ số chính: True Positive (TP), True Negative (TN), False Positive (FP) và False Negative (FN) Bằng cách xác định tỷ lệ dự đoán chính xác và các loại lỗi mà mô hình gặp phải, ma trận nhầm lẫn giúp tối ưu hóa và cải tiến mô hình một cách hiệu quả.
- True Positive là số lượng các mẫu dương tính thực sự được mô hình dự đoán chính xác là dương tính
- True Negative là số lượng các mẫu âm tính thực sự được mô hình dự đoán chính xác là âm tính
- False Positive là số lượng các mẫu âm tính thực sự nhưng bị mô hình dự đoán sai là dương tính
- False Negative là số lượng các mẫu dương tính thực sự nhưng bị mô hình dự đoán sai là âm tính
Hình 3.18 Mô hình ma trận nhầm lẫn
Recall là tỷ lệ phần trăm các mẫu dương tính thực sự được mô hình dự đoán chính xác, được tính bằng cách chia số lượng True Positive cho tổng số mẫu dương tính thực sự Đây là chỉ số quan trọng trong việc giảm thiểu lỗi âm tính giả, tức là những trường hợp mà mô hình không nhận diện được các mẫu dương tính thực sự.
Precision là tỷ lệ mẫu dương tính được mô hình dự đoán chính xác trong tổng số dự đoán dương tính Nó được tính bằng cách chia số lượng True Positive cho tổng số dự đoán dương tính (TP + FP) Precision rất quan trọng khi mục tiêu là giảm thiểu lỗi dương tính giả, tức là những trường hợp mà mô hình sai lầm trong việc xác định mẫu âm tính là dương tính.
THI CÔNG HỆ THỐNG
THI CÔNG HỆ THỐNG
Từ sơ đồ nguyên lý toàn mạch đã đề ra, tiến hành thiết kế mạch in PCB của hệ thống Hình 4.1 là hình bo mạch đã vẽ
Hình 4.1 Hình mặt sau của mạch in khi thiết kế PCB Hình 4.2 Sơ đồ bố trí linh kiện của mặt trên (bên trái) và chân linh kiện mặt trên
Sau khi hoàn thành mạch in, hình 4.2 hiển thị sơ đồ 3D của bố trí linh kiện Từ mạch in và sơ đồ này, bảng 4.1 cung cấp danh sách chi tiết các linh kiện có trong mạch.
Bảng 4.1 Bảng danh sách linh kiện trong mạch in
STT Tên linh kiện Ghi chú
6 Opto quang PC817 Số lượng 2 cái
8 Điện trở 330 Số lượng 2 cái
9 Điện trở 2.2K Số lượng 2 cái
10 Tụ 100uF 25V Số lượng 1 cái
11 Đầu nối điện hai cực Loại 5.08mm
12 Hàng rào đực cong Loại 2.54mm
8 chân cắm: 2 Để tạo một mạch in (PCB) từ mô phỏng đến thành phẩm, cần thực hiện các bước sau:
Đầu tiên, sử dụng phần mềm mô phỏng Proteus để thiết kế mạch in, sau đó in layout mạch trên giấy nhiệt hoặc giấy glossy bằng máy in laser
Tiếp theo, chuyển layout lên bo đồng bằng cách ủi giấy nhiệt in layout lên bo đồng
Ngâm bo trong dung dịch axit để khắc mạch, chỉ giữ lại các đường đồng mong muốn Sau khi hoàn tất quá trình khắc, cần làm sạch bo và kiểm tra lại các đường mạch để đảm bảo chất lượng.
Tiếp đó, khoan lỗ cho chân linh kiện và hàn linh kiện vào các vị trí tương ứng trên mạch
Cuối cùng, hãy kiểm tra mạch để đảm bảo không có lỗi và hoạt động đúng Hình 4.3 hiển thị mạch in hoàn thiện với đầy đủ linh kiện Bước tiếp theo là kết nối nguồn tổ ong với module hạ áp, trong đó nguồn tổ ong có đầu vào 220VAC và ngõ ra 24VDC Sử dụng 24VDC để cấp cho đầu vào của hai mạch hạ áp, sau đó điều chỉnh ngõ ra để đạt được 12VDC và 5VDC Các kết nối giữa nguồn tổ ong và module hạ áp được minh họa trong hình 4.4.
Hình 4.3 Mạch in sau khi hàn các linh kiện
Hình 4.4 Nguồn tổ ong đầu vào 220VAC, đầu ra 24VDC
Sau khi có ngõ ra là 12VDC và 5VDC, tiến hành cấp nguồn cho mạch in vào
Để bảo vệ mạch in và ngăn ngừa rò điện giữa mạch và nguồn tổ ong, cần sử dụng mica làm lớp cách điện giữa hai lớp này sau khi kết nối Việc này đảm bảo an toàn cho hệ thống và giảm thiểu rủi ro từ tiếp xúc trực tiếp giữa mạch và nguồn điện Vị trí của mạch in và module hạ áp khi đặt lên nguồn tổ ong được minh họa trong hình 4.5.
Hình 4.5 Bố trí mạch in và nguồn
Sau khi hoàn thành thiết kế và thi công mạch in, bước tiếp theo là triển khai mô hình cho hệ thống, bao gồm lắp đặt và kiểm tra cẩn thận các bộ phận để đảm bảo tính tương thích và hiệu suất Việc này giúp đảm bảo rằng hệ thống hoạt động ổn định và đáp ứng yêu cầu đề ra của đề tài.
Quá trình thi công gồm các bước
Để tạo ra phần đế cố định vị trí đặt bàn chân, bạn cần cắt và tạo hình tấm xốp PVC Sau khi hoàn thành việc cắt, hãy cố định các tấm xốp đã được tạo hình vào mô hình như hình 4.6.
Hình 4.6 Vị trí đặt chân trong hộp chụp bàn chân
Thi công bộ vít me bao gồm lắp đặt các bộ phận như vít me sắt T8 với đường kính xoắn ốc 2mm và thanh trượt tròn bằng sắt có kích thước tương đương với trục vít me Cần đảm bảo rằng hai trục này được đặt song song và cố định chắc chắn ở vị trí cần thiết trên phần đế PVC.
Để lắp đặt đế cho máy ảnh, đầu tiên bạn cần tạo đế máy ảnh bằng mica Sau đó, đặt đế lên hai con trượt vuông trên thanh tròn và điều chỉnh vít me theo vị trí như hình 3.16 Cuối cùng, hãy cố định đế máy ảnh bằng ốc vít phù hợp để đảm bảo sự ổn định.
Để lắp ráp hộp đựng máy ảnh từ thành mica, trước tiên cần in thành mica theo bản vẽ thiết kế đã chuẩn bị Sử dụng công nghệ in 3D hoặc cắt mica theo kích thước và hình dạng mong muốn, sau đó lắp ráp các mặt lại thành hộp đựng máy ảnh Hộp này sẽ có một lỗ tròn cho ống kính, lỗ hình chữ nhật để đưa dây chụp ảnh, dây chuyển chế độ và dây nguồn, đồng thời cũng là dây truyền dữ liệu đến máy tính.
Hình 4.7 Ống kính chụp ảnh và các dây kết nối với máy ảnh nhiệt
Để đảm bảo hộp cố định máy ảnh được lắp đặt chính xác, cần cố định chắc chắn trên đế máy ảnh đã thi công trước đó Sử dụng keo để giữ hộp máy ảnh không bị lệch hoặc di chuyển Sau khi hoàn tất kết nối và lắp ráp, ta thu được hình ảnh hoàn chỉnh của khối điều khiển cơ và khối chụp ảnh, bao gồm động cơ bước điều khiển trục vít me, hộp máy ảnh cố định trên đế, và bộ vít me được gắn lên tấm xốp PVC.
In 3D hộp đựng nguồn: Tiến hành in 3D một hộp đựng nguồn bằng nhựa theo mẫu thiết kế đã được chuẩn bị trước đó
Hình 4.8 Động cơ bước, bộ vít me, hộp máy ảnh
Cố định hộp chứa nguồn ở mặt sau của thùng chụp sau khi hoàn thiện in 3D và lắp ráp Hộp nguồn bao gồm công tắc nguồn và các lỗ đi dây cho nguồn 220VAC, cùng với dây cáp USB-B của Arduino và dây cáp type-C của máy ảnh nhiệt kết nối với máy tính.
Hình 4.9 Hộp nguồn được cố định ở mặt sau hộp lớn (bên trái) và vị trí đặt nguồn và mạch in bên trong (bên phải)
Sau khi hoàn tất các bộ phận cần thiết, tiến hành lắp đặt chúng vào vị trí đã xác định Hình 4.10 minh họa vị trí đặt chân và bộ vít me khi nhìn từ trên xuống.
Hình 4.10 Vị trí đặt chân và bộ vít me bên trong mô hình.
LẬP TRÌNH HỆ THỐNG
❖ Lưu đồ giải thuật chương trình điều khiển hệ thống:
Hình 4.11 Lưu đồ giải thuật chương trình điều khiển hệ thống
Hình 4.11 mô tả lưu đồ giải thuật cho chương trình điều khiển hệ thống, bắt đầu bằng việc khởi tạo cổng serial và thiết lập tốc độ đọc cho vi điều khiển Arduino UNO R3 Sau đó, các chân kết nối phần cứng được khai báo, bao gồm chân điều khiển nút chụp hình, nút chuyển chế độ đọc của máy ảnh, cùng với các chân điều khiển của driver DRV8825 cho động cơ bước.
Khi hệ thống nhận dữ liệu từ cổng serial, nó sẽ kiểm tra và xử lý dữ liệu Nếu dữ liệu là 1 hoặc 2, hệ thống chụp ảnh ở vị trí tương ứng với chân trái hoặc chân phải Khi nhận dữ liệu là 3, hệ thống chuyển sang chế độ đọc của máy ảnh Cuối cùng, nếu dữ liệu là 4, hệ thống sẽ chuyển từ chế độ đọc sang chế độ chụp.
Trong quá trình chụp ảnh, các hành động cụ thể sẽ được thực hiện:
Đối với chụp chân trái (dữ liệu nhận được là 1): Chân 13 sẽ được chuyển sang mức cao để chụp ảnh và sau đó trở lại mức thấp
Hệ thống điều khiển sẽ di chuyển máy ảnh đến vị trí chân phải, thực hiện chụp ảnh và sau đó trở về vị trí ban đầu.
Đối với chuyển chế độ đọc (dữ liệu nhận được là 3): Chân 12 sẽ được bật lên mức cao để chuyển sang chế độ đọc của máy ảnh
Đối với dữ liệu là 4: Chân 13 sẽ được chuyển sang mức cao và sau đó trở lại mức thấp
❖ Lưu đồ giải thuật chương trình điều khiển giao diện chính:
- Lưu đồ giải thuật chương trình chính điều khiển giao diện chính:
Hình 4.12 Lưu đồ giải thuật chương trình chính điều khiển giao diện chính Giải thích lưu đồ:
Hình 4.12 mô tả lưu đồ giải thuật của chương trình điều khiển giao diện chính của hệ thống Người dùng bắt đầu bằng cách nhấn nút “Cập nhật” để quét và chọn cổng kết nối với vi điều khiển Sau khi nhấn “Kết nối”, các nút khác sẽ được kích hoạt, bao gồm “Hỗ trợ chẩn đoán”, “ID mới”, “Ảnh” và “Chụp ảnh” Khi nhấn vào một trong ba nút “Hỗ trợ chẩn đoán”, “ID mới” hoặc “Ảnh”, chương trình sẽ truy cập vào các giao diện tương ứng.
Hỗ trợ chẩn đoán: Mở giao diện hỗ trợ chẩn đoán
ID mới: Đăng ký hoặc truy xuất thông tin bệnh nhân
Ảnh: Truy xuất thông tin ảnh đã chụp
Trong giao diện chính, hệ thống được thiết kế để chụp ảnh nhiệt bàn chân Người dùng cần nhập ID, và hệ thống sẽ kiểm tra ID trong cơ sở dữ liệu để xác định giới tính nếu ID hợp lệ Sau khi nhập ID, người dùng chọn chân (trái hoặc phải) từ danh sách trước khi chụp Khi nhấn nút “Chụp ảnh”, hệ thống sẽ tự động truy cập vào chương trình chụp ảnh Nếu việc chụp ảnh thành công, hệ thống sẽ chuyển sang chương trình hiển thị và lưu ảnh, cho phép người dùng xem và lưu ảnh ngay tại giao diện chính.
- Lưu đồ giải thuật chương trình con chụp ảnh:
Hình 4.13 Lưu đồ giải thuật chương trình con chụp ảnh
Lưu đồ giải thuật cho chương trình chụp ảnh được trình bày trong hình 4.13 Khi nhấn nút “Chụp ảnh”, nếu chọn chân trái, hệ thống sẽ gửi dữ liệu 1 qua vi điều khiển và thực hiện delay để chụp ảnh, sau đó gửi dữ liệu 3 và 4 để đọc và hiển thị ảnh Ngược lại, nếu chọn chân phải, quá trình sẽ tương tự nhưng gửi dữ liệu 2 thay vì dữ liệu 1 Người dùng có khả năng lưu và hiển thị ảnh sau khi chụp, và để truy cập dữ liệu hình ảnh trong máy ảnh, cần nhấn nút “SD” để gửi dữ liệu 3 cho vi điều khiển, sau đó gửi dữ liệu 4 để trở về chế độ chụp ảnh.
- Lưu đồ giải thuật chương trình con hiển thị và lưu ảnh đã chụp:
Hình 4.14 Lưu đồ giải thuật chương trình con hiển thị và lưu ảnh đã chụp Giải thích lưu đồ:
Hình 4.14 trình bày lưu đồ giải thuật cho chương trình con hiển thị và lưu ảnh đã chụp Sau khi người dùng chụp ảnh nhiệt bàn chân thành công, hình ảnh sẽ được đọc và hiển thị trên label, đảm bảo là hình mới nhất Khi nhấn nút “Lưu ảnh”, ảnh sẽ được lưu vào thư mục với tên ID mà người dùng đã tạo, sau khi chọn chẩn đoán Tên ảnh sẽ được định dạng theo (ID_chẩn đoán_giới tính_chân_ngày chụp_số thứ tự.png) Tất cả hình ảnh và thông tin liên quan sẽ được lưu vào file Excel để hỗ trợ gán nhãn hình và huấn luyện mô hình máy học phân loại Thông báo lưu ảnh thành công sẽ hiển thị nếu quá trình lưu diễn ra thành công.
- Lưu đồ giải thuật chương trình con đăng ký ID mới:
Hình 4.15 Lưu đồ giải thuật chương trình con đăng ký ID mới
Lưu đồ giải thuật chương trình điều khiển giao diện đăng ký và truy xuất thông tin bệnh nhân được trình bày ở hình 4.15 Khi người dùng nhấn nút “ID mới” trên giao diện chính, một giao diện mới sẽ xuất hiện để thực hiện việc truy xuất và đăng ký thông tin ID mới Giao diện này kết nối với cơ sở dữ liệu để lấy dữ liệu từ bảng thông tin bệnh nhân và hiển thị dưới dạng danh sách trong tablewidget Người dùng có thể nhấn nút “QR CCCD” để mở giao diện quét mã QR trên căn cước công dân, hỗ trợ trong việc đăng ký thông tin bệnh nhân mới.
Người dùng có thể dễ dàng quản lý thông tin bệnh nhân thông qua các chức năng trong hệ thống Bằng cách nhấn nút “Thêm”, họ có thể đăng ký thông tin bệnh nhân mới vào cơ sở dữ liệu Khi nhấn vào thông tin của bệnh nhân trong danh sách, hệ thống sẽ hiển thị chi tiết trên các textedit và combobox tương ứng Nếu cần thay đổi thông tin, người dùng chỉ cần nhấn nút “Cập nhật” để sửa đổi dữ liệu Để xóa thông tin bệnh nhân, họ chọn hàng dữ liệu và nhấn nút “Xóa” Quy trình này giúp tối ưu hóa việc quản lý thông tin bệnh nhân từ đăng ký, xem, cập nhật đến xóa.
- Lưu đồ giải thuật các chương trình con quét QR CCCD, thêm, cập nhật, xoá và tìm kiếm thông tin bệnh nhân:
Khi nhấn nút “QR CCCD”, giao diện quét mã QR sẽ mở ra, kích hoạt máy ảnh để quét mã QR CCCD dưới dạng nhị phân Hệ thống hiển thị hình ảnh từ máy ảnh và khi phát hiện mã QR, nó sẽ số hóa thành chuỗi byte và giải mã thành ký tự có thể đọc được Sau khi kiểm tra tính hợp lệ của dữ liệu, hệ thống sẽ tách các nội dung của QR CCCD, được phân tách bởi dấu “|” Cuối cùng, giao diện quét QR sẽ đóng lại và hệ thống quay về giao diện truy xuất và đăng ký thông tin bệnh nhân.
Hệ thống sẽ thông báo kết quả kiểm tra mã QR Nếu mã QR hợp lệ, thông tin bệnh nhân sẽ được tự động điền vào các ô textedit và combobox trên giao diện truy xuất và đăng ký thông tin.
Hình 4.16 Lưu đồ giải thuật chương trình con quét QR CCCD
- Lưu đồ giải thuật chương trình con thêm dữ liệu bệnh nhân mới và cập nhật dữ liệu bệnh nhân đã có trước đó
Chương trình con thêm dữ liệu bệnh nhân mới:
Khi người dùng truy cập giao diện để đăng ký thông tin bệnh nhân, họ có thể nhập dữ liệu qua các ô textedit và combobox hoặc quét mã QR CCCD để tự động điền thông tin Sau khi hoàn tất việc nhập liệu, hệ thống sẽ kiểm tra để đảm bảo không có ô nào bị bỏ trống Nếu phát hiện ô trống, hệ thống sẽ thông báo yêu cầu người dùng cung cấp đủ thông tin cần thiết.
Hệ thống sẽ kiểm tra tính hợp lệ của số CCCD nhập vào bằng cách đối chiếu với cơ sở dữ liệu để đảm bảo mỗi số CCCD chỉ được đăng ký một lần Nếu số CCCD đã tồn tại, hệ thống sẽ xóa toàn bộ thông tin đã nhập và thông báo rằng số CCCD này đã có trong hệ thống Ngược lại, nếu số CCCD hợp lệ, thông tin bệnh nhân mới sẽ được thêm vào cơ sở dữ liệu và hệ thống sẽ thông báo thành công.
Sau khi thêm dữ liệu, tablewidget sẽ tự động tải lại thông tin từ cơ sở dữ liệu để hiển thị danh sách bệnh nhân mới nhất Quy trình này đảm bảo rằng thông tin bệnh nhân được quản lý một cách chính xác và dễ dàng truy cập.
Hình 4.17 Lưu đồ giải thuật các chương trình con thêm (trái) và cập nhật (phải) dữ liệu bệnh nhân
Chương trình con cập nhật dữ liệu thông tin bệnh nhân:
Trong chương trình con cập nhật dữ liệu bệnh nhân, khi người dùng chọn một ô nội dung trên tablewidget, hệ thống sẽ tự động hiển thị toàn bộ thông tin của hàng dữ liệu đó lên các textedit và combobox tương ứng Sau khi chỉnh sửa thông tin, người dùng có thể nhấn nút “Cập nhật” Hệ thống sẽ kiểm tra nội dung đã được chỉnh sửa và cập nhật thông tin vào cơ sở dữ liệu Đồng thời, tablewidget sẽ tải lại dữ liệu để hiển thị danh sách bệnh nhân mới nhất, và người dùng sẽ nhận được thông báo xác nhận rằng dữ liệu đã được cập nhật thành công Quy trình này đảm bảo thông tin bệnh nhân luôn được cập nhật và chính xác.
- Lưu đồ giải thuật chương trình con xóa và tìm kiếm dữ liệu thông tin bệnh nhân
Hình 4.18 Lưu đồ giải thuật các chương trình con xóa (trái) và tìm kiếm (phải) thông tin bệnh nhân
Chương trình con xóa dữ liệu thông tin bệnh nhân:
HƯỚNG DẪN SỬ DỤNG VÀ THAO TÁC
Dưới đây là các bước hướng dẫn người dùng sử dụng và thao tác hệ thống chụp ảnh nhiệt bàn chân:
Bước 1: Cấp nguồn cho hệ thống:
Cắm dây nguồn của hệ thống vào nguồn điện 220VAC
Kết nối dây máy ảnh và dây Arduino với máy tính
Bật công tắc nguồn của hệ thống
Bật công tắc khởi động máy ảnh
Bước 2: Mở giao diện người dùng trên máy tính Khi giao diện chính của hệ thống xuất hiện, người dùng cần thực hiện các bước để khởi động hệ thống và thực hiện các thao tác cần thiết.
Sau khi hoàn thành các bước trên, người dùng có thể thực hiện các thao tác:
Thao tác với giao diện đăng ký và truy xuất thông tin bệnh nhân
Để mở giao diện đăng ký và truy xuất thông tin bệnh nhân, hãy nhấn vào nút “ID mới” trên giao diện chính Giao diện này sẽ hiển thị thông tin bệnh nhân như trong hình 4.38.
Các bước đăng ký thông tin bệnh nhân mới:
+ Có 2 cách để nhập thông tin bệnh nhân:
Cách 1: Quét mã QR trên CCCD của bệnh nhân như các bước ở hình 4.39:
(1) Chọn nguồn máy ảnh (có thể là máy ảnh máy tính hoặc máy ảnh được tích hợp bên ngoài)
(2) Nhấn vào nút “QR CCCD”
Sau khi quét mã QR, hệ thống tự động điền thông tin từ CCCD vào các ô tương ứng Bệnh nhân chỉ cần cung cấp thêm số điện thoại và email để hoàn tất thông tin.
Cách 2: Nhập thông tin bệnh nhân lên các ô tương ứng trong giao diện
(4) Nhấn nút “Thêm” để thêm thông tin bệnh nhân mới
Hình 4.36 Các bước kết nối với cổng Port
Hình 4.37 Vị trí mở giao diện truy xuất và đăng ký thông tin bệnh nhân
Hình 4.38 Giao diện của đăng ký và truy xuất thông tin bệnh nhân
Hình 4.39 Các bước để đăng ký thông tin bệnh nhân mới
Để cập nhật thông tin bệnh nhân, thực hiện các bước như hình 4.40:
(1) Chọn thông tin bất kỳ của bệnh nhân trong bảng
(2) Thông tin bệnh nhân sẽ hiện ra tương ứng lên các ô dữ liệu Tiến hành chỉnh sửa các thông tin cần thiết
(3) Sau khi chỉnh sửa xong thông tin, nhấn nút “Cập nhật”
Hình 4.40 Các bước truy xuất và cập nhật thông tin bệnh nhân đã đăng ký
Thực hiện xoá thông tin bệnh nhân theo các bước như hình 4.41:
(1) Chọn ô thông tin bất kỳ của bệnh nhân trong bảng danh sách
(2) Thông tin của bệnh nhân sẽ hiện lên trong các ô dữ liệu tương ứng
(3) Nhấn nút “Xóa” trên giao diện
Lưu ý: Mọi thao tác thêm, cập nhật, xóa dữ liệu thông tin của bệnh nhân đều được cập nhật lại vào cơ sở dữ liệu SQLite
(1) Nhập ID hoặc tên của bệnh nhân vào ô tìm kiếm
(2) Các kết quả có liên quan sẽ được hiển thị ra trong bảng nếu thông tin bệnh nhân có nằm trong cơ sở dữ liệu như hình 4.42
Hình 4.41 Các bước truy xuất và xóa thông tin bệnh nhân đã đăng ký
Hình 4.42 Các bước tìm kiếm thông tin bệnh nhân đã đăng ký
- Chụp ảnh nhiệt bàn chân cho bệnh nhân được tiến hành với các bước như hình 4.43:
(1) Ở giao diện chính, tiến hành nhập ID của bệnh nhân
Nếu ID bệnh nhân trùng khớp, giới tính của họ sẽ được hiển thị Ngược lại, nếu không thấy giới tính, điều đó có nghĩa là ID bệnh nhân không tồn tại trong cơ sở dữ liệu Người dùng cần đăng ký thông tin bệnh nhân theo các bước đã hướng dẫn trước đó.
(3) Khi ID đã hợp lệ, người dùng lựa chọn chân trái hoặc chân phải để chụp
Bệnh nhân cần đặt chân vào vị trí đúng và bên trái hoặc phải đã chọn, sau đó nhấn nút “Chụp ảnh” Sau khi nhấn nút, bệnh nhân chờ đèn trong thùng chụp sáng lên trước khi rút chân ra.
(5) Hình ảnh được chụp thành công sẽ hiển thị lên giao diện để người dùng xem
(6) Nếu hình ảnh hiển thị đạt yêu cầu, người dùng sẽ lựa chọn ô chẩn đoán là DM (Có bệnh) hoặc CG (Không có bệnh)
Sau khi nhấn nút “Lưu ảnh”, hình ảnh sẽ được lưu vào máy tính của bạn Mỗi ID sẽ có một thư mục riêng biệt, và các hình ảnh sẽ được lưu trữ trong những thư mục tương ứng đó.
Hình 4.43 Các bước chụp hình ảnh nhiệt bàn chân ở giao diện chính
Hình 4.44 Truy cập vào giao diện truy xuất ảnh
- Thao tác với giao diện truy xuất hình ảnh nhiệt bàn chân của bệnh nhân:
Để mở giao diện truy xuất hình ảnh, hãy nhấn vào nút “Ảnh” trên giao diện chính Sau đó, một cửa sổ mới sẽ xuất hiện, cho phép bạn truy cập vào các hình ảnh đã chụp trước đó.
Để thực hiện việc truy xuất và xoá hình ảnh, người dùng cần thực hiện các thao tác như mô tả trong hình 4.46 Giao diện truy xuất ảnh được thể hiện rõ ràng trong hình 4.45.
(1) Nhập ID của bệnh nhân mà bạn muốn truy xuất hình ảnh
Nhấn nút “Chọn ảnh” để mở cửa sổ mới hiển thị tất cả hình ảnh liên quan đến ID đã nhập Tiếp theo, bạn có thể nhấp vào hình ảnh mong muốn để xem chi tiết.
(3) Hình ảnh bạn đã chọn sẽ hiển thị trên giao diện chính
Các thông tin liên quan đến bệnh nhân và chi tiết ảnh sẽ được hiển thị, bao gồm: thông tin cá nhân của bệnh nhân, chân nào (trái hoặc phải), phân loại bệnh (DM hoặc CG) và thời gian chụp ảnh.
(5) Nếu bạn muốn xóa hình ảnh đang hiển thị trên giao diện, nhấn vào nút
Để xóa ảnh, hệ thống sẽ loại bỏ bức ảnh bạn đã chọn khỏi máy tính Nếu chưa có ảnh hiển thị trên giao diện, hãy làm theo các bước hướng dẫn để chọn ảnh.
- Thao tác với giao diện hỗ trợ chẩn đoán hình ảnh:
Trên giao diện chính, nhấn nút “Chẩn đoán” để truy cập giao diện hỗ trợ chẩn đoán hình ảnh Sau khi nhấn, một giao diện mới sẽ xuất hiện, cung cấp các tùy chọn hỗ trợ quá trình chẩn đoán Các bước thực hiện được mô tả chi tiết trong hình ảnh minh họa.
Trong giao diện hỗ trợ chẩn đoán, bạn có thể nhấn vào nút “Chọn ảnh” để mở hộp thoại chọn ảnh cần chẩn đoán Hộp thoại này sẽ hiển thị tất cả các ảnh đã chụp trong hệ thống, cho phép bạn dễ dàng chọn ảnh bằng cách nhấp đúp vào nó.
(2) Ảnh bạn đã chọn sẽ hiển thị trên giao diện chính để bạn có thể xem lại trước khi chẩn đoán
Sau khi lựa chọn ảnh, bạn hãy nhấn nút “Chẩn đoán” để gửi yêu cầu đến hệ thống Giao diện sẽ hiển thị kết quả chẩn đoán, có thể là “CG” (Không có bệnh) hoặc “DM” (Có bệnh).
Lưu ý: Kết quả chẩn đoán dựa trên mô hình máy học đã được huấn luyện
Hình 4.47 Truy cập vào giao diện hỗ trợ chẩn đoán
Hình 4.48 Giao diện hỗ trợ chẩn đoán
Hình 4.49 Các bước thao tác trong giao diện hỗ trợ chẩn đoán.
KẾT QUẢ - NHẬN XÉT - ĐÁNH GIÁ
KẾT QUẢ THI CÔNG MÔ HÌNH THU THẬP HÌNH ẢNH NHIỆT BÀN CHÂN CỦA BỆNH NHÂN ĐÁI THÁO ĐƯỜNG
Mô hình thu thập hình ảnh nhiệt bàn chân cho bệnh nhân đái tháo đường có kích thước 42cm x 42cm x 67.4cm, với hai lỗ đặt chân ở mặt trước, phù hợp cho bệnh nhân nằm hoặc ngồi trong quá trình chụp hình Hệ thống hoạt động với nguồn điện 220V qua ổ cắm phía sau, và để chụp ảnh cũng như điều khiển giao diện, cần kết nối dây cáp của Arduino và máy ảnh nhiệt vào máy tính điều khiển.
Hình 5.1 Hệ thống đang hoạt động.
KẾT QUẢ GIAO DIỆN ĐIỀU KHIỂN CỦA HỆ THỐNG
5.2.1 Kết quả giao diện chính của hệ thống
❖ Kết quả khi kết nối với các port
Hình 5.2 Hộp thoại thông báo kết nối thành công
Sau khi cấp nguồn và kết nối các cổng cần thiết với máy tính, giao diện sẽ hiển thị hộp thoại “Kết nối thành công” Lúc này, bạn có thể sử dụng tất cả các chức năng có trong hệ thống.
5.2.2 Kết quả giao diện đăng ký và truy xuất thông tin bệnh nhân
❖ Kết quả thêm thông tin bệnh nhân
Sau khi người dùng quét thành công mã QR, giao diện sẽ hiển thị hộp thoại
“QR hợp lệ Vui lòng điền thêm thông tin còn thiếu” như trong hình 5.3
Hình 5.3 Hộp thoại thông báo quét QR thành công
Hình 5.4 hiển thị hộp thoại “Thêm dữ liệu thành công” sau khi người dùng đã điền đầy đủ thông tin khi thêm dữ liệu bệnh nhân mới
Hình 5.4 Hộp thoại thông báo thêm dữ liệu bệnh nhân mới thành công
❖ Kết quả cập nhật thông tin bệnh nhân
Khi bạn nhấn nút “Cập nhật”, một hộp thoại sẽ hiện ra hỏi “Bạn muốn thay đổi thông tin người này?” như trong hình 5.5 Hộp thoại này giúp người dùng xác nhận rằng họ đã chắc chắn về việc thay đổi thông tin bệnh nhân, vì thông tin đã thay đổi sẽ không thể khôi phục lại.
Hình 5.5 Hộp thoại xác nhận cập nhật thông tin bệnh nhân
Khi đã xác nhận việc thay đổi thông tin, giao diện sẽ xuất hiện hình 5.6 với hộp thoại “Đã cập nhật lại dữ liệu”
Hình 5.6 Hộp thoại thông báo cập nhật thông tin bệnh nhân thành công
❖ Kết quả xoá thông tin bệnh nhân
Sau khi hoàn tất các bước hướng dẫn, hộp thoại xác nhận sẽ hiển thị với thông báo “Bạn có chắc chắn muốn xoá dữ liệu này không?” Việc xoá dữ liệu yêu cầu sự đồng ý của bệnh nhân và phải tuân thủ các quy định về quyền riêng tư và bảo mật thông tin y tế Lưu ý rằng thông tin của bệnh nhân sẽ bị xoá hoàn toàn và không thể khôi phục lại sau khi đã thực hiện thao tác này.
Hình 5.7 Hộp thoại xác nhận xóa dữ liệu thông tin bệnh nhân
Khi đã xác nhận chắc chắn xoá, giao diện sẽ xuất hiện hộp thoại thông báo
“Xoá dữ liệu thành công” như hình 5.8
Hình 5.8 Hộp thoại thông báo xóa dữ liệu thông tin bệnh nhân thành công
❖ Kết quả tìm kiếm thông tin bệnh nhân
Khi tìm kiếm thông tin bệnh nhân, người dùng cần nhập chính xác ID hoặc tên bệnh nhân theo hướng dẫn Kết quả hợp lệ sẽ được hiển thị trong tablewidget, như minh họa ở hình 5.9 (tìm kiếm theo ID) và hình 5.10 (tìm kiếm theo tên).
Hình 5.9 Kết quả tìm kiếm theo ID bệnh nhân
Hình 5.10 Kết quả tìm kiếm gần đúng theo họ và tên bệnh nhân
❖ Kết quả lưu trữ thông tin bệnh nhân trong cơ sở dữ liệu
Hình 5.11 Dữ liệu được lưu trong cơ sở dữ liệu
Bảng dữ liệu trong hình 5.11 chứa thông tin bệnh nhân đã đăng ký, cho phép thao tác như thêm, sửa, xóa thông qua giao diện được thiết kế bằng Qt Designer và lập trình bằng Python Các tương tác với cơ sở dữ liệu từ giao diện sẽ được thực hiện thông qua các câu truy vấn dữ liệu.
❖ Kết quả chụp ảnh nhiệt bàn chân
Khi thực hiện chụp ảnh nhiệt bàn chân, hãy tuân thủ đầy đủ các hướng dẫn đã cung cấp Sau khi nhập thông tin cần thiết và nhấn nút “Chụp ảnh”, hình ảnh sẽ được hiển thị trên giao diện sau khi quá trình chụp hoàn tất.
Hình 5.12 Giao diện sau khi chụp ảnh nhiệt bàn chân thành công
❖ Kết quả lưu ảnh nhiệt bàn chân (có các thư mục và file excel)
Sau khi nhấn “Lưu ảnh”, bức ảnh sẽ được lưu vào thư mục theo ID tương ứng, với tên hình chứa thông tin bệnh nhân và các chi tiết cụ thể về hình ảnh như được trình bày trong hình 5.13.
Hình 5.13 Ảnh và đường dẫn của ảnh sau khi lưu
Hình 5.14 trình bày thông tin ảnh được tổng hợp vào file Excel nhằm hỗ trợ gán nhãn hình ảnh cho quá trình huấn luyện mô hình File Excel này chứa các cột quan trọng như ID bệnh nhân, Tên ảnh, Phân loại bệnh, Giới tính bệnh nhân, Chân trái/phải, đường dẫn của ảnh, và Thời gian lưu ảnh.
5.2.3 Kết quả giao diện truy xuất hình ảnh
❖ Kết quả truy xuất ảnh
Hình ảnh từ thư mục ID sẽ được hiển thị trên giao diện, kèm theo thông tin bệnh nhân và chi tiết về ảnh, như minh họa trong hình 5.15.
Hình 5.15 Giao diện truy xuất ảnh thành công
Khi xác nhận xoá ảnh một hộp thoại hiển thị lên để chắc chắn là người dùng có muốn xóa hình đang hiển thị không như hình 5.16
Hình 5.16 Hộp thoại xác nhận xóa ảnh
Nếu xác nhận là xoá xuất hiện hộp thoại thông báo là đã xóa ảnh trong máy và dữ liệu file Excel của ảnh thành công như hình 5.17
Hình 5.17 Hộp thoại thông báo xóa ảnh thành công
5.2.4 Kết quả giao diện hỗ trợ chẩn đoán a Kết quả mô hình máy học hỗ trợ chẩn đoán
Bằng việc sử dụng mô hình máy học VGG16 kết hợp với kỹ thuật học chuyển giao đã đề cập ở phần 3.3, ta thu được các kết quả như sau:
Kết quả huấn luyện tập train: độ chính xác toàn tập train là 97.21% và giá trị f1-score là 97.22%
Kết quả huấn luyện tập validation: độ chính xác toàn tập validation là 90.61% và giá trị f1-score là 92.23%
Hình 5.18 và 5.19 minh họa sự thay đổi của giá trị accuracy và loss qua từng epoch trên tập huấn luyện và tập validation Dù giá trị accuracy trên tập train tăng, nhưng trên tập validation lại có dấu hiệu giảm, kèm theo đó là giá trị loss ở tập validation tăng trong khi ở tập train giảm Do đó, quyết định dừng huấn luyện mô hình sau 15 epochs nhằm tránh hiện tượng overfitting.
Hình 5.18 Đồ thị thể hiện sự thay đổi của giá trị accuracy
Hình 5.19 Đồ thị thể hiện sự thay đổi của giá trị loss
Kết quả thực hiện trên giao diện hỗ trợ chẩn đoán
Hình 5.20 là cửa sổ cho phép người dùng chọn ảnh để đưa vào giao diện hỗ trợ chẩn đoán
Hình 5.20 Cửa sổ cho phép người dùng chọn ảnh cần chẩn đoán
Sau khi chọn hình ảnh và nhấn nút “Chẩn đoán”, hình 5.21 sẽ hiển thị kết quả chẩn đoán từ mô hình máy học đã được huấn luyện Kết quả này phản ánh độ chính xác và hiệu quả của quá trình chẩn đoán hình ảnh.
Hình 5.21 Kết quả sau khi chẩn đoán.
NHẬN XÉT VÀ ĐÁNH GIÁ TÍNH HOẠT ĐỘNG ỔN ĐỊNH CỦA HỆ THỐNG
Sau khi hoàn thiện hệ thống, tiến hành thực nghiệm để đánh giá tốc độ hoạt động và độ ổn định Thực hiện chụp thử ảnh bàn chân trái 20 lần để kiểm tra thời gian chụp và hiển thị ảnh lên giao diện, đồng thời đánh giá chất lượng hình ảnh Dữ liệu thí nghiệm được trình bày trong bảng 5.1.
Bảng 5.1 Bảng thống kê thời gian chụp ảnh bàn chân trái
Thời gian chụp ảnh thành công ở chân trái
Thời gian ảnh chân trái được hiển thị lên giao diện (giây)
Theo bảng 5.1, thời gian trung bình chụp ảnh thành công ở chân trái là 34.7 giây, trong khi thời gian trung bình hiển thị ảnh lên giao diện là 5.02 giây Tất cả hình ảnh hiển thị sau khi chụp đều thể hiện rõ sự phân bố nhiệt độ ở bàn chân.
Tiến hành thử nghiệm tương tự với bàn chân phải bằng cách chụp ảnh 20 lần, ghi lại thời gian chụp và thời gian hiển thị ảnh Đánh giá chất lượng hình ảnh đã chụp được, với tất cả dữ liệu thí nghiệm được trình bày trong bảng 5.2.
Bảng 5.2 Bảng thống kê thời gian chụp ảnh bàn chân phải
STT Thời gian chụp ảnh thành công ở chân phải (giây)
Thời gian ảnh chân phải được hiển thị lên (giây)
Theo bảng 5.2, thời gian trung bình để chụp ảnh thành công ở chân phải là 39.96 giây, trong khi thời gian trung bình hiển thị ảnh lên giao diện là 5.07 giây.
Nhận xét chung: Để hệ thống chụp ảnh bàn chân hoạt động bình thường và ổn định:
Ở chân trái, thời gian mà người dùng sau khi chụp phải đợi quá trình lưu ảnh và hiển thị ảnh lên giao diện là khoảng 40 giây
Ở chân phải, thời gian mà người dùng sau khi chụp phải đợi quá trình lưu ảnh và hiển thị ảnh lên giao diện là khoảng 45 giây
Sự chênh lệch về thời gian giữa chân trái và chân phải xuất phát từ việc máy ảnh cần khoảng 5 giây để di chuyển đến vị trí chân phải trước khi chụp Thời gian chụp ảnh thành công ở cả hai chân tương đối lâu là do cấu hình phần cứng, phần mềm và cấu hình của máy ảnh.
Thử nghiệm thứ ba đã sử dụng giao diện hỗ trợ chẩn đoán để phân tích 20 ảnh khác nhau, ghi lại thời gian xử lý và hiển thị kết quả phân loại trên màn hình Tất cả các kết quả này được tổng hợp trong bảng 5.3.
Theo kết quả thống kê ở bảng 5.3, trong lần phân loại đầu tiên, thời gian xử lý để đưa ra kết quả là 736ms, một khoảng thời gian khá lớn so với các lần phân loại sau Thời gian trung bình trong những lần tiếp theo giảm xuống còn 454ms, cho thấy hệ thống hoạt động ổn định và có tốc độ tương đối nhanh.
Thử nghiệm thứ tư thực hiện chẩn đoán hình ảnh nhiệt bàn chân bằng giao diện hỗ trợ chẩn đoán, với 11 ảnh thuộc nhóm CG và 19 ảnh thuộc nhóm DM Kết quả của thực nghiệm được trình bày trong bảng 5.4.
Từ bảng 5.4, có thể thấy rằng số ảnh phân loại DM được dự đoán chính xác là 18/19 và số ảnh phân loại CG được dự đoán đúng là 9/11, được tổng hợp trong ma trận hình 5.22 Độ chính xác đạt 90% và chỉ số f1-score là 92.43% Mặc dù kết quả phân loại khá cao, nhưng do tập ảnh test còn ít và chưa đa dạng, nên kết quả này chỉ phản ánh một phần độ chính xác và không hoàn toàn đánh giá được hiệu suất phân loại của mô hình đã xây dựng.
Bảng 5.3 Thống kê thời gian đưa ra kết quả phân loại
STT Thời gian đưa ra kết quả phân loại (mili giây)
Hình 5.22 Ma trận nhầm lẫn của mô hình phân loại
Bảng 5.4 Kết quả phân loại sử dụng giao diện hỗ trợ chẩn đoán
STT Phân loại thực tế
Kết quả phân loại sử dụng giao diện hỗ trợ chẩn đoán
CHI PHÍ THI CÔNG HỆ THỐNG
Chi phí thi công hệ thống được trình bày chi tiết trong bảng 5.5, bao gồm nhiều yếu tố như mua sắm linh kiện, thiết bị, chi phí nhân công và các chi phí phát sinh khác Đặc biệt, một số linh kiện có thể được lấy từ phòng Lab, giúp tiết kiệm chi phí tổng thể.
Bảng 5.5 Bảng danh sách linh kiện được sử dụng để thi công hệ thống
STT Tên linh kiện Giá trị Đơn giá (VNĐ) Ghi chú
Vi điều khiển ATmega328P Điện áp hoạt động: 5VDC Dòng tiêu thụ: 30mA Điện áp vào: 7-12VDC
Mô men giữ 0.55 Nm Góc quay mỗi bước 1.8 °
Sử dụng nguồn từ driver
Gá đỡ động cơ bước size 42 20 000x1 000
12 Mạch giảm áp DC-DC 5A XL4015 39 000x2x 000
Gối đỡ đai ốc vít me vuông
Gối đỡ thanh trượt tròn
Gối đỡ vòng bi dạng đứng
20 Mica Chất liệu trong suốt 60 000
21 In 3D Chất liệu nhựa đục 240 000
24 Nguồn tổ ong 220VAC-24VDC Sử dụng từ Lab
28 Đầu nối điện hai cực
Một số linh kiện, vật liệu khác
Nẹp, keo, dây điện, ốc vít, đai ốc 100 000
