PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP LUẬN VĂN THẠC SĨ KỸ THUẬT

TRANG TÓM TẮT TIẾNG ANH PHÂN TÍCH DÁNG ĐI NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP Học viên: Nguyễn Thị Hồng Huệ Chuyên ngành: Khoa học máy tính Mã số: 84800101 Khóa: 34.KMT.QB T

LUẬN VĂN THẠC SĨ KỸ THUẬT

Người hướng dẫn khoa học: TS HUỲNH HỮU HƯNG

Đà Nẵng - Năm 2018

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn trực tiếp của TS Huỳnh Hữu Hưng

Mọi tham khảo dùng trong luận văn đều được trích dẫn rõ ràng tên tác giả, tên công trình, thời gian, địa điểm công bố

Mọi sao chép không hợp lệ, vi phạm quy chế đào tạo, hay gian trá, tôi xin chịu hoàn toàn trách nhiệm

Tác giả

Nguyễn Thị Hồng Huệ

MỤC LỤC

TRANG BÌA

LỜI CAM ĐOAN

MỤC LỤC

TRANG TÓM TẮT TIẾNG ANH

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Mục tiêu và nhiệm vụ 2

3 Đối tượng và phạm vi nghiên cứu 2

4 Phương pháp nghiên cứu 2

5 Ý nghĩa khoa học và thực tiễn 3

6 Bố cục luận văn 3

CHƯƠNG 1 TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI 4

CÁC THÔNG SỐ ĐẶC TRƯNG CỦA DÁNG ĐI 4

1.1 1.1.1 Chu kỳ dáng đi 4

1.1.2 Các tham số bình thường của dáng đi 6

CÁC THIẾT BỊ PHÂN TÍCH DÁNG ĐI 7

1.2 1.2.1 Sử dụng cảm biến 7

1.2.2 Sử dụng dữ liệu thu được từ camera 9

CÁC PHƯƠNG PHÁP PHÂN TÍCH DÁNG ĐI 12

1.3 1.3.1 Phương pháp dựa vào đặc trưng 12

1.3.2 Phương pháp dựa vào mô hình 14

KẾT LUẬN CHƯƠNG 1 19

1.4 CHƯƠNG 2 BỆNH PARKINSON 20

TỔNG QUAN VỀ BỆNH PARKINSON 20

2.1 2.1.1 Giới thiệu 20

2.1.2 Nguyên nhân gây ra bệnh Parkinson 20

2.1.3 Một số biểu hiện của bệnh Parkinson 21

2.1.4 Dáng đi Parkinson (Parkinsonian Gait) 22

2.1.5 Diễn biến của bệnh Parkinson 23

2.1.6 Các phương pháp điều trị bệnh Parkinson 23

MỘT SỐ PHƯƠNG PHÁP CHẤN ĐOÁN SỚM BỆNH PARKINSON 26

2.2 2.2.1 Chẩn đoán Parkinson bằng phương pháp quét DAT 26

2.2.2 Ph n mềm chẩn đoán sớm bệnh Parkinson 27

2.2.3 Dùng bàn phím máy tính để phát hiện sớm bệnh Parkinson 28

2.2.4 Phát hiện bệnh Parkinson qua điện thoại 29

2.2.5 Phát hiện bệnh Parkinson qua khứu giác 29

2.2.6 Có thể chẩn đoán Parkinson sớm theo nét chữ 30

2.2.7 Phát hiện sớm bệnh thông qua kiểm tra mắt đơn giản 31

2.2.8 Kiểm tra hơi thở giúp chẩn đoán bệnh Parkinson sớm 32

KẾT LUẬN CHƯƠNG 2 33

2.3 CHƯƠNG 3 PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP 35

TỔNG QUAN HỆ THỐNG 35

3.1 XÂY DỰNG DỮ LIỆU 36

3.2 3.2.1 Ph n mềm thiết kế 3D MakeHuman 36

3.2.2 Ph n mềm Blender 37

TRÍCH XUẤT ĐẶC TRƯNG LBP (Local Binary Pattern) 39

3.3 3.3.1 Phương pháp biểu diễn kết cấu dựa vào toán tử LBP 39

3.3.2 Cải tiến LBP: Uniform Patterns [28] 45

HUẤN LUYỆN 51

3.4 3.4.1 Xây dựng mô hình phân lớp sử dụng SVM để nhận dạng dáng đi 51

3.4.2 Phát hiện dáng đi người bị bệnh Parkinson 54

THỰC NGHIỆM VÀ KẾT QUẢ 55

3.5 3.5.1 Dữ liệu thử nghiệm 55

3.5.2 Quá trình thực hiện 56

3.5.3 Kết quả thực nghiệm 61

3.5.4 Nhận xét 62

KẾT LUẬN CHƯƠNG 3 62

3.6 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 63

TÀI LIỆU THAM KHẢO 64

U ẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO)

BẢN SAO KẾT LUẬN CỦA HỘI ĐỒNG, BẢN SAO NHẬN XÉT CỦA CÁC PHẢN BIỆN

TRANG TÓM TẮT TIẾNG ANH

PHÂN TÍCH DÁNG ĐI NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG

ĐẶC TRƯNG LBP

Học viên: Nguyễn Thị Hồng Huệ Chuyên ngành: Khoa học máy tính

Mã số: 84800101 Khóa: 34.KMT.QB Trường Đại học Bách khoa - ĐHĐN

Tóm tắt - Ngày nay, các nghiên cứu trong lĩnh vực thị giác máy tính hỗ trợ rất

nhiều cho cuộc sống, đặc biệt là các nghiên cứu phân tích dáng đi hỗ trợ quan sát, chẩn đoán bệnh nhân trong lĩnh vực y tế Trong luận văn này, tôi đề xuất giải pháp phân tích dáng đi của bệnh nhân Parkinson thông qua đặc trưng LBP uá trình xử lý bao gồm các bước: (1) Trích xuất đặc trưng LBP từ dữ liệu được xây dựng bởi ph n mềm Makehuman và Blender; (2) Đưa véc-tơ đặc trưng LBP của các frame ảnh lịch sử chuyển động vào mô hình huấn luyện SVM; (3) Từ ngưỡng quy định, xác định các dáng đi c n nhận dạng thuộc nhãn “Dáng đi bình thường” hay “Dáng đi Parkinson” từ đó đưa ra kết luận Kết quả thực nghiệm trên bộ cơ

sở dữ liệu tự xây dựng bằng mô hình 3D cho thấy giải phải đề xuất mang lại hiệu quả hứa hẹn

Từ khóa: Thị giác máy tính, phân tích dáng đi, Makehuman, Blender, LBP,

SVM

ANALYZING THE POSTURE OF PARKINSON’S PATIENTS

THROUGH LBP CHARACTERISTICS Abstract - Nowadays, researchs in visual field machine suports for life a lot,

especially the diagnostic analysis of the gait supports the observation and diagnosis of patients in the medical field In this essay, I offer solutions to analyze the gait of Parkinson's patients through LBP characteristics The process consists of steps (1) Extract LBP characteristics from data created by Makehuman and Blender software; (2) Bring the LBP characteristic vector of moving historical picture frames to the SVM training model, and then identify the gait that should be identified under the label "Normal gait" or "Parkinsonian gait" and draw conclusions The results in a self-built 3D modeling database show that the proposed solution has promising effects

Key words: Computer vision, gait analysis, Makehuman, Blender, LBP, SVM

DANH MỤC CÁC BẢNG

Bảng 1.1 Tổng hợp các đặc trưng dáng đi trong nghiên cứu [52] 12

Bảng 3.1 Bảng thống kê đặc trưng LBP của lược đồ 256 chiều 43

Bảng 3.2 Ví dụ uniform và non-uniform LBP 46

Bảng 3.3 M LBP và mã Uniform LBP 47

Bảng 3.4 Bảng thống kê đặc trưng LBP và m nhị phân tương ứng 49

Bảng 3.5 Số l n chuyển bit của từng mã nhị phân LBP 49

Bảng 3.6 Bảng LBP và chiều tương ứng cho lược đồ uniform 59

chiều 50

Bảng 3.7 Số khung ảnh lấy từ mỗi nhân vật 55

Bảng 3.8 Kết quả nhận dạng dáng đi 61

DANH MỤC CÁC HÌNH

Hình 1.1 Chu kỳ dáng đi gồm 8 giai đoạn 5

Hình 1.2 Chu kỳ dáng đi gồm 7 giai đoạn 6

Hình 1.3 Đo lường bước chân và sải chân 7

Hình 1.4 Sử dụng máy gia tốc và con quay hồi chuyển 7

Hình 1.5 Hệ thống giày cảm biến Gaitshoe 8

Hình 1.6 Hình ảnh thảm cảm biến trên sàn nhà 8

Hình 1.7 Hình chiếu và các đặc trưng sử dụng trong nghiên cứu 9

Hình 1.8 Hệ thống giám sát hành vi té ngã 10

Hình 1.9 Camera Kinect và hệ thống máy tính thử nghiệm 10

Hình 1.10 Định vị markerless ở nhiều góc quay khác nhau 11

Hình 1.11 Hình ảnh thu được trong nghiên cứu 12

Hình 1.12 Mẫu mô hình dáng đi 14

Hình 1.13 Tham số xác suất của một mô hình Markov ẩn 16

Hình 1.14 Đơn vị đo lường quán tính gắn trên ngực đối tượng 16

Hình 1.15 Mô hình HMM tương ứng với các mô hình HMM con của mỗi hoạt động 17

Hình 1.16 Mô hình mạng nơron dùng trong nghiên cứu 18

Hình 2.1 Bệnh nhân Parkinson cứng đờ các cơ bắp 21

Hình 2.2 Dáng đi của người bị bệnh Parkinson 22

Hình 2.3 Điều trị bệnh Parkinson bằng phương pháp kích thích não sâu 24

Hình 2.4 Kỹ thuật quét DAT được thực hiện trong trường hợp nghi ngờ Parkinson 26

Hình 2.5 Ch c n v trên giấy để xác định tình trạng bệnh Parkinson 27

Hình 2.6 Parkinson có thể được phát hiện sớm bởi một kiểm tra mắt 32

Hình 3.1 Giải pháp đề xuất 35

Hình 3.2 Giao diện công cụ MakeHuman 37

Hình 3.3 Giao diện ph n mềm Blender 38

Hình 3.4 Một số khung ảnh được lưu vào cơ sở dữ liệu 39

Hình 3.5 Ví dụ cơ bản toán tử LBP 40

Hình 3.6 Minh họa toán tử LBP mở rộng với các giá trị P và R khác nhau 40

Hình 3.7 Quá trình tính giá trị LBP 41

Hình 3.8 Lược đồ Local Binary Patterns 256 chiều 44

Hình 3.9 Ví dụ minh họa mô tả đặc điểm cấu trúc véc-tơ LBP 45

Hình 3.10 Các mẫu uniform 46

Hình 3.11 Lược đồ uniform Local Binary Patterns 59 chiều 51

Hình 3.12 Siêu phẳng phân chia dữ liệu học thành 2 lớp + và - với khoảng cách biên lớn nhất Các điểm g n nhất (điểm được khoanh tròn) là các Support Vector 52

Hình 3.13 Minh họa bài toán phân hai lớp với phương pháp SVM 53

Hình 3.14 Bài toán SVM trong trường hợp dữ liệu mẫu không phân tách tuyến tính 53 Hình 3.15 Chuỗi ảnh thể hiện dáng đi 56

Hình 3.16 Giao diện làm việc và nhân vật mặc định 57

Hình 3.17 Nhân vật sau khi hoàn thiện 57

Hình 3.18 Thêm khung xương cho nhân vật 58

Hình 3.19 Giao diện ban đ u của Blender 58

Hình 3.20 Ghi hình dữ liệu 59

Hình 3.21 Chuyển ảnh thành ảnh xám 59

Hình 3.22 Ảnh trước và sau khi trích xuất đặc trưng LBP 60

Hình 3.23 Kết quả nhận dạng 61

MỞ ĐẦU

1 Lý do chọn đề tài

Một trong những bệnh lý liên quan đến dáng đi đó là bệnh Parkinson Parkinson

là một bệnh th n kinh mạn tính thường kết hợp với rối loạn tâm th n, gặp chủ yếu ở người cao tuổi Theo thống kê thì độ tuổi khởi bệnh Parkinson trung bình vào khoảng trên 60 tuổi, với tỷ lệ mắc là 90 - 100/100.000 dân và tỷ lệ mới mắc là 20/100.000 dân/năm, hiếm gặp các trường hợp khởi bệnh trước 40 tuổi Khoảng 45% bệnh nhân Parkinson bị tr m cảm và 30 - 60% bị sa sút tinh th n Phòng và điều trị bệnh vẫn còn gặp khó khăn, bên cạnh đó, bệnh Parkinson có thể dẫn đến một số biến chứng [63] Bệnh Parkinson ảnh hưởng đến hơn 6.3 triệu người và là bệnh thoái hóa th n kinh phổ biến thứ hai trên toàn thế giới Số người mắc bệnh này ngày một gia tăng và đang ngày càng trẻ hóa

Parkinson không phải là bệnh nguy hiểm cấp tính nhưng gây cản trở lớn đến công việc, sinh hoạt hằng ngày, làm giảm chất lượng cuộc sống của người bệnh, bệnh

có thể diễn tiến ngày càng nặng d n Nếu không được điều trị đúng đắn, kịp thời, sau

từ 5 đến 7 năm s có nguy cơ bị tàn phế Cho tới nay, y học hiện đại cũng chưa có cách nào để phòng ngừa và chữa khỏi hẳn được bệnh Parkinson, chính vì vậy việc phát hiện sớm và can thiệp kịp thời là biện pháp tốt nhất giúp người bệnh có thể cải thiện chức năng vận động của mình, đồng thời phát ra cảnh báo cho những người phụ trách chăm sóc trở thành một nhu c u hết sức cấp thiết

Ngày nay, cùng với sự phát triển của ngành khoa học kĩ thuật, đặc biệt là sự bùng

nổ của công nghệ thông tin, các nghiên cứu trong lĩnh vực thị giác máy tính hỗ trợ rất nhiều trong công tác y tế, đặc biệt là các nghiên cứu phân tích dáng đi giúp quan sát bệnh nhân và có thể phát hiện sớm một số bệnh tật Ứng dụng phân tích dáng đi trong lĩnh vực y tế đ được triển khai từ rất sớm để chuẩn đoán và phát hiện các bệnh tiềm

ẩn liên quan đến khung xương [1]

Đặc trưng LBP (Local Binary Pattern) là một đặc trưng được sử dụng rất phổ biến trong các bài toán liên quan đến nhận dạng khuôn mặt nói riêng và nhận dạng nói chung, LBP có khả năng bất biến với độ sáng cũng như khả năng phân tách cao và chi phí tính toán thấp

Với những lí do trên, tôi đề xuất chọn đề tài “Phân tích dáng đi của người bị

bệnh Parkinson sử dụng đặc trưng LBP”

2 Mục tiêu và nhiệm vụ

2.1 Mục tiêu

Mục tiêu của đề tài là xây dựng giải pháp đề xuất để phân tích dáng đi ở người bệnh Parkinson, áp dụng phương pháp trích xuất đặc trưng LBP cùng với xây dựng mô hình huấn luyện dựa trên mô hình SVM để phân tích dáng đi xem người đó có bị bệnh Parkinson hay không?

2.2 Nhiệm vụ

Từ mục tiêu của đề tài, luận văn tập trung nghiên cứu các nhiệm vụ sau:

- Tìm hiểu tổng quan về bệnh Parkinson;

- Tìm hiểu các loại camera hỗ trợ ghi nhận dáng đi;

- Tìm hiểu những mô hình đ được sử dụng trong phân tích nhận dạng dáng đi;

- Nghiên cứu phương pháp trích chọn đặc trưng LBP;

- Triển khai thực nghiệm để kiểm chứng kết quả

3 Đối tượng và phạm vi nghiên cứu

3.1 Đối tượng

Luận văn tập trung tìm hiểu những vấn đề sau:

- Dáng đi của người bị bệnh Parkinson;

- Các kỹ thuật nhận dạng dáng đi, các phương pháp phân tích dáng đi;

- Phương pháp trích chọn đặc trưng LBP

3.2 Phạm vi nghiên cứu

Luận văn tập trung trong phạm vi nghiên cứu phân tích dáng đi với dữ liệu thu được từ camera hoặc dữ liệu có sẵn, áp dụng phương pháp trích xuất đặc trưng LBP và

mô hình SVM để nhận dạng dáng đi của người bị bệnh Parkinson

4 Phương pháp nghiên cứu

4.1 Phương pháp nghiên cứu tài liệu

Luận văn tập trung nghiên cứu một số lý thuyết như sau:

- Tìm hiểu các kĩ thuật xử lý ảnh;

- Tìm hiểu phương pháp trích chọn đặc trưng LBP;

- Tìm hiểu các tài liệu hiện có về nhận dạng dáng đi khác nhau; các thiết bị đ được sử dụng trong phân tích dáng đi

- Nghiên cứu các bài báo liên quan

4.2 Phương pháp thực nghiệm

Luận văn nghiên cứu một số vấn đề về thực nghiệm như sau:

- Xây dựng dữ liệu;

- Thực nghiệm mô hình;

- Phân tích, đánh giá kết quả

5 Ý nghĩa khoa học và thực tiễn

Về khoa học: Kết quả nghiên cứu của đề tài là tiền đề để thực hiện các nghiên cứu

tiếp theo về dáng đi nói riêng và phân tích hành vi con người nói chung

Về thực tiễn: Góp ph n hỗ trợ cảnh báo kịp thời cho bệnh nhân Parkinson về tình

trạng bệnh để sớm điều trị đúng cách

6 Bố cục luận văn

Nội dung của luận văn được trình bày với các ph n chính như sau:

Mở đầu

Chương 1 - Tổng quan về phân tích dáng đi

Chương này trình bày tổng quan về phân tích dáng đi gồm các thông số đặc trưng của dáng đi, các thiết bị được sử dụng trong phân tích dáng đi đồng thời giới thiệu các phương pháp phân tích dáng đi mà các nhà nghiên cứu đã và đang được thực hiện

Chương 2 - Bệnh Parkinson

Nội dung trong chương 2 sẽ trình bày tổng quan về bệnh Parkinson gồm giới thiệu

về bệnh Parkinson, nguyên nhân gây ra bệnh, biểu hiện của bệnh Parkinson, dáng đi Parkinson, diễn biến bệnh, các phương pháp điều trị và một số phương pháp chẩn đoán sớm bệnh Parkinson

Chương 3 - Phân tích dáng đi của người bị bệnh Parkinson sử dụng đặc trưng LBP

Trong chương này mô tả giải pháp đề xuất của phương pháp phân tích dáng đi Parkinson sử dụng đặc trưng LBP bao gồm: tổng quan hệ thống, xây dựng dữ liệu bởi phần mềm MakeHuman kết hợp với Blender, trích xuất đặc trưng LBP, xây dựng mô hình dáng đi dựa trên mô hình máy véc-tơ hỗ trợ (SVM), tính ngưỡng xác xuất để nhận biết dáng đi của người bị bệnh Parkinson, trình bày kết quả thực nghiệm của giải pháp đề xuất

Kết luận và hướng phát triển

CHƯƠNG 1 - TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI

Phân tích dáng đi là một trong những bài toán chính của các hệ thống tự động có chức năng giám sát và chăm sóc y tế tại nhà, là chủ đề của nhiều dự án nghiên cứu tại thời điểm hiện tại Từ đ u thế kỷ 19 đến nay, các nghiên cứu về phân tích dáng đi đ tập trung vào các thông số đặc trưng cho dáng đi để áp dụng chúng vào các lĩnh vực khác nhau như thể thao, xác định người cho mục đích an ninh và y học Trong lĩnh vực

y tế, những bất thường trong dáng đi thể hiện thông tin quan trọng của các bệnh: về

thần kinh, Parkinson; bệnh tim; di chứng do đột quỵ và các bệnh do lão hóa Do đó,

việc theo dõi thông tin và đánh giá dáng đi theo thời gian, s cho phép chẩn đoán sớm bệnh và biến chứng để giúp đỡ bệnh nhân được điều trị tốt nhất

Nội dung tiếp theo s trình bày về các thông số đặc trưng của dáng đi, các thiết bị

và phương pháp phân tích dáng đi mà các nhà nghiên cứu đ và đang thực hiện

CÁC THÔNG SỐ ĐẶC TRƯNG CỦA DÁNG ĐI

1.1.

1.1.1 Chu kỳ dáng đi

Chu kỳ dáng đi [33] của con người được định nghĩa là khoảng thời gian giữa hai

sự kiện lặp đi lặp lại liên quan đến cùng một chân

Một dáng đi bình thường gồm hai giai đoạn chính: giai đoạn chống và giai đoạn

đu; được xác định dựa vào cử động di chuyển của cùng một chân Giai đoạn chống

bao gồm hai giai đoạn: giai đoạn hỗ trợ một chân và giai đoạn hỗ trợ hai chân Trong

đó, giai đoạn hỗ trợ hai chân là khoảng thời gian mà cả hai chân đều chạm đất Giai đoạn đu thực tế là giai đoạn hỗ trợ chống một chân của chân còn lại Do đó, trong một chu kỳ dáng đi, có hai giai đoạn chính: giai đoạn hỗ trợ một chân và giai đoạn hỗ trợ hai chân

Theo [27] thì một chu kỳ dáng đi gồm có 8 thì sau (với thì được hiểu là giai đoạn

hoặc trạng thái): thì tiếp đất, thì chuyển trọng lượng, giữa thì chống, cuối thì chống,

tiền thì đu, đầu thì đu, giữa thì đu và cuối thì đu

- Thì tiếp đất: Giai đoạn này bao gồm thời điểm khi gót chân 1 chạm sàn

- Thì chuyển trọng lượng: Giai đoạn này bắt đ u khi chân 1 bắt đ u tiếp xúc với

mặt sàn và tiếp tục cho đến khi gót chân 2 được nâng lên Ở cuối giai đoạn chuyển trọng lượng, bàn chân 1 tiếp xúc hoàn toàn với mặt sàn

- Giữa thì chống: Trong suốt giữa thì chống, chân 1 chống đỡ toàn bộ trọng

lượng cơ thể trong khi chân 2 đu ra trước Giữa thì chống bắt đ u khi chân 2 được nâng lên và tiếp tục cho đến khi trọng lượng cơ thể đặt hết lên bàn chân 1

- Cuối thì chống: Giai đoạn này hoàn thành giai đoạn chống đơn Tư thế này bắt

đ u khi gót chân 1 nâng lên và tiếp tục cho đến khi chân 2 chạm mặt đất Trong suốt giai đoạn này, trọng lượng cơ thể di chuyển về phía trước của bàn chân 2 Ở cuối giai đoạn chống, khối cơ thể tiếp tục tiến ra trước trên chân 2 trong khi thân đổ ra trước

- Tiền thì đu: Giai đoạn này xảy ra khi chân 2 tiến từ giai đoạn gót chạm đất đến

giai đoạn chuyển trọng lượng

- Đầu thì đu: Trong suốt đ u thì đu, chân 1 bị đẩy ra trước Giai đoạn này chiếm

khoảng một ph n ba của thời kỳ đu, bắt đ u bằng việc nâng bàn chân từ mặt sàn lên và kết thúc khi đ u bàn chân 1 đối diện với chân 2 Trong giai đoạn này, bàn chân 1 được nâng lên, hông và đ u gối chân 1 gập để đưa các chi lên

- Giữa thì đu: Giai đoạn này bắt đ u khi chân 1 đối diện với chân 2 và kết thúc

khi chân 1 tiến tới trước Lúc này, xương ống chân 1 thẳng đứng, đ u gối kéo dài phản ứng với trọng lực, trong khi mắt cá chân tiếp tục gập mu bàn chân

- Cuối thì đu: Giai đoạn này bắt đ u khi xương ống chân 1 thẳng đứng và kết thúc

khi bàn chân 1 chạm sàn Chân hướng về phía trước Trong giai đoạn này, đ u gối mở

rộng, khớp gối duỗi, khớp cổ chân ở vị trí trung gian

Trong các nghiên cứu [42], một chu kỳ dáng đi bao gồm 7 giai đoạn: Tiếp xúc

ban đầu, giữa thì chống, cuối thì chống, tiền giai đoạn đu, đầu thì đu, giữa thì đu, cuối

dáng đi, toàn bộ bàn chân hoặc các ngón chân lại chạm đất trước) Giai đoạn này kết thúc khi các ngón chân của chân 2 được nâng lên khỏi mặt đất

Một chu kỳ dáng đi trong nghiên cứu của [41] gồm 4 giai đoạn: giai đoạn chống,

giai đoạn nhấc gót chân, giai đoạn đu và giai đoạn đặt bàn chân

- Giai đoạn chống: Là khoảng thời gian toàn bộ bàn chân tiếp xúc với mặt đất

(vận tốc góc giữa bàn chân và mặt đất = 0)

- Giai đoạn nhấc gót chân: Xảy ra ngay sau giai đoạn chống, trong khi ph n

trước bàn chân vẫn còn chạm đất, ch có gót chân nhấc lên

- Giai đoạn đu: Giai đoạn khi chân không tiếp xúc với mặt đất và vung về phía

trước

- Giai đoạn đặt bàn chân: Xảy ra sau giai đoạn đu, thường bắt đ u khi gót chân

tiếp xúc đ u tiên với mặt đất và kết thúc khi toàn bộ bàn chân chạm mặt đất

1.1.2 Các tham số bình thường của dáng đi

a Độ dài bước chân

Độ dài bước chân [14] là khoảng cách giữa các điểm tiếp xúc của hai chân Thông thường độ dài bước chân từ 40-60 cm, hai chân như nhau Độ dài này thay đổi theo lứa tuổi, giới tính, ví dụ như trẻ em bước ngắn hơn người lớn, phụ nữ bước ngắn hơn nam giới Chiều cao cũng ảnh hưởng đến độ dài bước chân, người cao s bước dài hơn Độ dài bước chân s giảm theo tuổi, khi mệt mỏi, đau đớn hay bị bệnh tật

b Độ dài sải chân

Độ dài sải chân [51] là khoảng cách giữa các điểm tiếp xúc bàn chân đến bàn chân ở trên cùng một chân Thông thường, độ dài một sải chân khoảng 100 - 130 cm, trên thực tế đó là một chu kỳ dáng đi Tương tự như độ dài bước chân, độ dài sải chân giảm theo tuổi, khi đau, bị bệnh tật, mệt mỏi

Hình 1.2 Chu kỳ dáng đi gồm 7 giai đoạn.

Hình 1.3 Đo lường bước chân và sải chân

CÁC THIẾT BỊ PHÂN TÍCH DÁNG ĐI

1.2.

Trước đây, việc phân tích dáng đi được thực hiện bởi các chuyên gia quan sát dáng đi bộ của bệnh nhân Tuy nhiên, phương pháp đánh giá này chủ quan và không chính xác Hiện nay, có hai hướng nghiên cứu chính thường được áp dụng cho bài toán

phân tích dáng đi: sử dụng cảm biến và sử dụng hệ thống thị giác máy tính

1.2.1 Sử dụng cảm biến

Hiện tại, có nhiều nghiên cứu về sử dụng cảm biến trong việc phân tích dáng đi, các bộ cảm biến được sử dụng trên một số bộ phận của cơ thể, chẳng hạn như bàn chân, đ u gối, đùi hay eo Trong nghiên cứu [56], thời gian chu kỳ dáng đi và số bước

đi bộ có thể được xác định bằng cách sử dụng một số gia tốc gắn liền với thắt lưng của đối tượng Các loại cảm biến khác nhau được sử dụng để nắm bắt các tín hiệu khác nhau đặc trưng cho dáng đi con người như: gia tốc, cảm biến con quay, từ kế, cảm biến lực, điện cơ đồ,…

Bằng cách sử dụng ba cặp máy gia tốc và con quay hồi chuyển gắn trên bàn chân, bắp chân và đùi một cách riêng biệt, các tác giả trong nghiên cứu [52] đ đo được các góc chuyển động của chi dưới chân phải trong một chu kỳ đi bộ và so sánh với kết quả dựa trên hệ thống nhiều máy quay

Hình 1.4 Sử dụng máy gia tốc và con quay hồi chuyển.

Trong nghiên cứu [6] các tác giả sử dụng các bộ cảm biến bao gồm ba cảm biến gia tốc trực giao, ba con quay hồi chuyển trực giao, bốn cảm biến lực, hai cảm biến uốn cong hai chiều, hai cảm biến áp lực động và cảm biến điện trường để tạo thành thiết bị “GaitShoe” - có thể gắn lên bất cứ đôi giày nào Các kết quả thu được từ hệ thống giày cảm biến GaitShoe đ được phân tích, so sánh và xác nhận với cùng kết quả thu được đồng thời từ bệnh viện đa khoa Massachusetts và phòng thí nghiệm Biomotion Sau khi thử nghiệm trên tổng số 270 dáng đi, nghiên cứu đ sử dụng kết quả từ GaitShoe có thể tách dáng đi thành hai nhóm: khỏe mạnh và dáng đi có hội chứng Parkinson dựa vào góc cực trị, chiều dài sải chân, thời gian bước đi

Thí nghiệm trong nghiên cứu [31] gồm 1536 bộ cảm biến riêng lẻ sắp xếp trên một mặt sàn hình chữ nhật kích thước 3 x 0.5m được thực hiện trên 15 người, mỗi người bước qua tấm thảm 12 l n, hoàn thành hai chu kỳ dáng đi bằng chân không, hệ thống s đo chiều dài sải chân, nhịp sải chân, và thời gian trên ngón chân và gót chân với tỷ lệ thành công là 80%

Hình 1.6 Hình ảnh thảm cảm biến trên sàn nhà

Hình 1.5 Hệ thống giày cảm biến Gaitshoe.

Tuy có nhiều nghiên cứu về việc sử dụng cảm biến trong phân tích, nhận dạng dáng đi nhưng việc sử dụng cảm biến cũng có nhiều nhược điểm như cảm biến phải được đặt chính xác và an toàn [26], phải tính toán sai lệch trọng lực, tiếng ồn, tín hiệu [27] Bên cạnh đó, mỗi cảm biến thường giới hạn sử dụng để đo ít đặc trưng dáng đi Ngoài ra, với cảm biến mặc trên người, phải gắn hoặc mang trên người, gây bất tiện cho người sử dụng, mỗi người phải được trang bị một bộ cảm biến riêng, đòi hỏi chi phí cao để sử dụng

Vì các hạn chế nêu trên, g n đây, các nhà nghiên cứu thường chuyển sang sử dụng kỹ thuật phân tích dáng đi bằng các thiết bị thu nhận ảnh như camera, camera có cảm biến

1.2.2 Sử dụng dữ liệu thu được từ camera

Ngoài cách sử dụng cảm biến, các nhà nghiên cứu thường sử dụng những dữ liệu thu được từ một hoặc nhiều camera, hoặc camera cảm biến để phân tích dáng đi

Khi nghiên cứu phát hiện té ngã ở người cao tuổi, các hệ thống thường sử dụng một camera đơn để giám sát, các nhà nghiên cứu ở [44] sử dụng một camera để phát hiện sự mất cân bằng và khuynh hướng té ngã của người già dựa vào hình chiếu đối tượng chuyển động

Các tác giả trong nghiên cứu [36] nhận dạng con người dựa trên các đặc trưng dáng đi được trích xuất tự động từ dữ liệu camera Từ hình chiếu của đối tượng, các đặc trưng chiều cao, chiều rộng, chiều cao đáy qu n, khoảng cách bước chân, quỹ đạo

chung được trích xuất, làm mịn và sử dụng ba kỹ thuật k láng giềng g n nhất mờ, LDA

và SVM để phân lớp Khi thử nghiệm trên 11 người với 13 tham số khác nhau về qu n

áo, các loại giày, mang đồ vật và tốc độ đi bộ khác nhau, hệ thống đạt kết quả nhận dạng là 81.3%, 83.2% và 84.0% tương ứng với ba mô hình phân lớp kể trên

Hình 1.7 Hình chiếu và các đặc trưng sử dụng trong nghiên cứu

Ông Glen Debard và cộng sự [16] sử dụng một camera đơn để tiến hành quan sát nhận biết các dấu hiệu có nguy cơ té ng của bệnh nhân, sau đó sử dụng mô hình SVM

để phân loại đối tượng thành nhóm bình thường và nhóm bị té ngã Dấu hiệu có nguy

cơ té ng dựa vào các đặc điểm: tỷ lệ cạnh (rộng/cao) của khung bao đối tượng, góc nghiêng, trọng lực trung tâm và vận tốc đ u của đối tượng Khi thử nghiệm trên 4 người lớn tuổi trong vòng 6 tháng với 14.000 giờ quay video, hệ thống đ xác định được 24 trường hợp ng để cảnh báo

Trong một nghiên cứu ở [48], các tác giả sử dụng một camera Kinect cùng với hệ thống máy tính để đo các thông số dáng đi như: vận tốc trung bình, thời gian một bước dài, chiều dài sải chân, chiều cao người của 7 người lớn tuổi từ 75-95 sống trong năm căn hộ khác nhau

Hình 1.8 Hệ thống giám sát hành vi té ngã.

Hình 1.9 Camera Kinect và hệ thống máy tính thử nghiệm

Goffredo và các đồng nghiệp [21] triển khai phân tích dáng đi để nhận dạng đối tượng được giám sát bằng nhiều camera, thí nghiệm được thực hiện trên 300 chuỗi video tổng hợp từ 12 người khỏe mạnh từ nguồn dữ liệu CASIA-B với các đối tượng

đi tự do theo 6 hướng đi khác nhau (360; 540; 720; 900; 1080; 1260) Hiệu suất của phương pháp đề xuất được đo đối với các thuộc tính video khác nhau như: tỷ lệ khung hình, độ phân giải ảnh, nén dữ liệu và chất lượng hình ảnh Các kết quả thu được cho

thấy phân tích dáng đi bằng việc định vị markerless có thể đạt được hiệu quả cao mà không c n quan tâm về vị trí của máy ảnh và tư thế của đối tượng Các thông số dáng

đi được trích xuất cho phép nhận dạng người đi bộ từ những đặc điểm khác nhau với một tỷ lệ nhận dạng trung bình 92.2% với các chuỗi ảnh được thu với tốc độ 25 khung hình/giây và 81% với chuỗi ảnh thu 15 khung hình/giây Nghiên cứu này xác nhận rằng dáng đi có thể được sử dụng một cách hiệu quả để xác định đối tượng dựa trên hệ thống nhiều camera giám sát

Các tác giả trong nghiên cứu [18] sử dụng camera có cảm biến Microsoft Kinect

để theo dõi chuyển động của con người, đ phát triển một hệ thống trích xuất được 3

thông số dáng đi bao gồm độ dài, thời gian của các bước và tốc độ của dáng đi Có 11

đối tượng đ tham gia vào các thí nghiệm, trong đó gồm 4 nữ và 7 nam ở độ tuổi từ 22 đến 53 Hệ thống có sử dụng thêm một tấm thảm cảm biến dài 5m để kiểm tra tính hiệu quả cũng như tính chính xác của các thông số dáng đi thu được từ camera Các đối tượng đi vuông góc với hướng nhìn camera ở khoảng cách 3m, mỗi đối tượng phải

Hình 1.10 Định vị markerless ở nhiều góc quay khác nhau

đi bộ 3 l n cho 4 tình huống: đi thẳng bình thường, đi bước nhỏ, mặc váy dài, đi phía

trước máy quay Kết quả là thuật toán cho kết quả đúng 96.3% khi đi bình thường, đi

bước nhỏ và đúng 95.6% khi mặc váy dài, với trường hợp đi phía trước máy quay, kết quả ch đạt 93.4%

So với việc sử dụng cảm biến, việc sử dụng dữ liệu thu được từ camera có ưu điểm là không vướng thiết bị, độ phân giải camera ngày càng cao nên chất lượng hình ảnh tốt hơn, thông thường camera không c n điều kiện đặc biệt về các cảnh chiếu sáng, giá thành camera không cao, có thể lắp cố định tại một địa điểm để quan sát nhiều người, có khả năng tích hợp vào hệ thống camera giám sát đ có

CÁC PHƯƠNG PHÁP PHÂN TÍCH DÁNG ĐI

1.3.

Về cơ bản, có hai phương pháp phân tích dáng đi: dựa vào đặc trưng và dựa vào

mô hình

1.3.1 Phương pháp dựa vào đặc trưng

Trong phương pháp này, dựa vào mục đích phân tích dáng đi mà các đặc trưng khác nhau có thể được sử dụng để biểu diễn cho dáng đi Nghiên cứu [52] đ tổng hợp các đặc trưng dáng đi thường dùng trong các lĩnh vực y tế, thể thao và nhận dạng trong bảng sau:

Bảng 1.1 Tổng hợp các đặc trưng dáng đi trong nghiên cứu [52]

Đặc trưng Y học Thể thao Nhận dạng

Hình 1.11 Hình ảnh thu được trong nghiên cứu [18].

Đặc trưng Y học Thể thao Nhận dạng

Hiện nay, các nhà nghiên cứu sử dụng nhiều đặc trưng khác nhau để phân tích dáng đi phục vụ việc nhận dạng, phân tích hành vi té ngã hoặc phân loại, trong các nghiên cứu dựa vào dữ liệu từ video, các tác giả đ sử dụng đặc điểm chính là hình chiếu đối tượng, nghiên cứu [9] hình chiếu nhị phân của đối tượng được phủ bởi hình chữ nhật để nhận dạng người, các tác giả [45] sử dụng một ph n hình chiếu của người

để nhận dạng dáng đi

Glen Debard và các cộng sự [16] dựa vào đặc trưng thay đổi góc nghiêng của người khi nghiên cứu phát hiện hành vi té ngã, một người đang đứng có góc giữa trục dài elip khung bao và sàn nhà là g n 90o Vì vậy, trong khoảng thời gian ngắn cố định, việc góc nghiêng thay đổi g n 90o so với cơ thể ban đ u là dấu hiệu của hành vi té ngã Trong nghiên cứu này, tỷ lệ cạnh của chiều rộng so với chiều cao của khung bao cũng được xét đến Tỷ lệ cạnh thấp thể hiện người đang ở tư thế đứng, nhưng nếu tỷ lệ cạnh thay đổi thành cao thì thể hiện hành vi ngã

Để nhận dạng dáng đi, Ju Han và đồng nghiệp [24] sử dụng các đặc trưng về

chiều dài thân, chiều dài cánh tay, chiều dài đùi, chiều dài bắp chân, và chiều dài chân

Để phân loại giới tính [11] ở Hàn Quốc, các đặc trưng chiều cao cơ thể, chiều dài

chân, nhịp bước, chiều rộng xương chậu, vận tốc, chiều rộng bước, chiều dài sải chân, khớp hông và khớp gối đ được các nhà nghiên cứu khoa học dùng

Trong nghiên cứu [30] để phân tích trong dáng đi của các đối tượng người cao

tuổi các tác giả sử dụng các đặc trưng như độ dài bước chân, vận tốc, tổng thời gian

dừng lại, khoảng cách dừng lại, số bước để dừng lại, chiều dài bước và chiều rộng bước

Ở [19] dữ liệu hình ảnh 3D chuyển động cánh tay đ được sử dụng trong nhận dạng chuyển động của con người Trong các nghiên cứu [32], [20], [53], [60] khung xương cũng được sử dụng rộng rãi

1.3.2 Phương pháp dựa vào mô hình

Trong phương pháp này, nhiều nhà nghiên cứu đ sử dụng các mô hình toán học

để biểu diễn và phân tích dáng đi như máy véc-tơ hỗ trợ, mô hình Markov ẩn, mạng nơron …

a Máy véc-tơ hỗ trợ (Support Vector Machine - SVM)

Máy véc-tơ hỗ trợ là một thuật toán học máy nổi tiếng được sử dụng để giải quyết bài toán phân lớp Thuật toán SVM ban đ u được phát minh bởi Vladimir N Vapnik [55], là một bộ phân loại tuyến tính, phương pháp của nó dựa trên lý thuyết học thống kê và hàm hạt nhân với ý tưởng nhận dữ liệu vào và phân loại chúng vào hai lớp khác nhau Nhiều nhà nghiên cứu đ áp dụng rất thành công SVM trong việc giải quyết các vấn đề của thế giới thực như nhận dạng văn bản, hình ảnh, chữ viết tay… Trong nghiên cứu [59] các tác giả đ tiến hành thử nghiệm một hệ thống phân loại giới tính tự động bằng cách phân tích dữ liệu từ dáng đi của con người Hệ thống

phân loại giới tính bao gồm ba giai đoạn: (1) phát hiện, khai thác việc di chuyển của

cơ thể người và đánh dấu đường viền của nó từ hình ảnh quỹ đạo; (2) xây dựng mô hình dáng đi của con người từ những góc khớp và các điểm nối cơ thể; (3) phân tích chuyển động và trích xuất đặc trưng để phân loại giới tính trong các mẫu dáng đi

Một tập tu n tự các khung xương 2D được sử dụng để biểu diễn cho mô hình dáng đi, là dữ liệu đặc trưng dáng đi dựa trên thông số chuyển động Tiếp đó, để phân loại giới tính trong mô hình dáng đi các tác giả đ sử dụng bộ phân lớp SVM, thí nghiệm được thực hiện trên 100 đối tượng khác nhau (84 nam và 16 nữ), mỗi đối tượng xây dựng 7 mô hình dáng đi Trong 700 mô hình dáng đi (≈19,534 hình ảnh) được trích xuất thành các véc-tơ, các nhà nghiên cứu chọn ra 400 véc-tơ để huấn

Hình 1.12 Mẫu mô hình dáng đi

luyện, 100 véc-tơ để đánh giá, 200 véc-tơ dùng để kiểm tra và kết quả phân loại giới tính đạt 96%

Các tác giả ở [10] sử dụng SVM với mục đích nhận dạng tự động dáng đi của hai nhóm người: trẻ tuổi và lớn tuổi từ mô hình dáng đi tương ứng Nghiên cứu này sử dụng hệ thống phân tích chuyển động PEAK-2D để phân tích dữ liệu về khoảng cách tối thiểu bàn chân Khi 30 người trẻ tuổi và 28 người lớn tuổi tiến hành thử nghiệm đi

bộ liên tục với tốc độ tự chọn trong 20 phút trên máy chạy bộ, các mẫu dáng đi được trích xuất về khoảng cách tối thiểu bàn chân được sử dụng để huấn luyện SVM Kết quả kiểm tra cho biết hiệu suất tổng quát để nhận dạng dáng đi người trẻ và người già của phương pháp SVM trung bình là 83.3% ( so với kết quả chính xác 75.0% ( khi dùng phương pháp mạng nơron để nhận dạng trên tập dữ liệu này

b Mô hình Markov ẩn (Hidden Markov Model - HMM)

Mô hình Markov ẩn (HMM) được bắt đ u xây dựng và công bố từ những năm

1960, đây là mô hình toán học về thống kê Nhiều năm sau đó (từ 1980), mô hình này được bắt đ u nghiên cứu để ứng dụng trong lĩnh vực nhận dạng Do đạt được độ chính xác cao và có khả năng thay đổi cấu trúc dễ dàng nên mô hình này ngày càng được sử dụng rộng rãi trong nhiều lĩnh vực, đặc biệt là trong lĩnh vực nhận dạng HMM là kết quả của mở rộng khái niệm mô hình Markov (mô hình Markov là mô hình mà mỗi trạng thái tương ứng với một sự kiện có thể quan sát được) bằng cách mỗi trạng thái được gắn với một hàm mật độ xác suất của các sự kiện quan sát được (observation distribution) Ngoài quá trình ngẫu nhiên chuyển tiếp giữa các trạng thái, tại mỗi trạng thái còn có một quá trình ngẫu nhiên nữa đó là quá trình ngẫu nhiên sinh ra một quan sát Như vậy, HMM có một quá trình ngẫu nhiên kép, trong đó có một quá trình ngẫu nhiên không quan sát được (ẩn sâu bên trong) Các trạng thái của HMM được xem là

ẩn bên trong mô hình vì tại mỗi thời điểm ch nhìn thấy các sự kiện quan sát còn các trạng thái cũng như sự chuyển động trạng thái được vận hành ẩn bên trong mô hình Các sự kiện quan sát được nằm trong mỗi trạng thái và phụ thuộc vào hàm mật độ xác suất trong các trạng thái đó

Trong hình 1.13, là các trạng thái ẩn và là các quan sát, một HMM thông thường có thể được định nghĩa với A là ma trận xác suất chuyển trạng thái, B là ma trận xác suất quan sát và là ma trận khởi đ u của các

trạng thái Dựa trên 3 ma trận này, các giai đoạn huấn luyện và phân lớp được tiến hành: Ở giai đoạn huấn luyện, mỗi một lớp được xây dựng và huấn luyện với số lượng trạng thái được ch định, các xác suất chuyển trạng thái và xác suất quan sát tương ứng được tối ưu sao cho xác suất xuất hiện các chuỗi quan sát giống với véc-tơ đặc trưng mẫu ở mức cao nhất Ở giai đoạn phân lớp s tính toán xác suất mỗi HMM có thể tạo

ra một chuỗi quan sát tương ứng với véc-tơ đặc trưng đ u vào, và kết quả phân lớp được đưa ra dựa trên HMM cho giá trị xác suất cao nhất Các nhà nghiên cứu đ áp dụng thành công HMM trong nhiều ứng dụng bao gồm cả nhận dạng giọng nói [43],

phát hiện gen [47], và nhận dạng cử ch …

Gharaled Panahandeh và các cộng sự trong nghiên cứu [40] dùng mô hình HMM

liên tục để phân loại 5 hoạt động gồm: đứng yên, đi bộ, chạy, đi lên cầu thang, đi

xuống cầu thang của người đi bộ dựa trên các đơn vị đo lường quán tính gắn trên ngực

đối tượng

Hình 1.14 Đơn vị đo lường quán tính gắn trên ngực đối tượng

Hình 1.13 Tham số xác suất của một mô hình Markov ẩn

Với mỗi hoạt động, hệ thống sử dụng một mô hình HMM con để huấn luyện, kiểm thử và tích hợp năm mô hình lại để tạo ra lớp HMM cao hơn

Nghiên cứu này cho kết quả phân loại chính xác khoảng 95% dữ liệu kiểm thử nhưng điểm hạn chế là các đối tượng phải mang thêm máy tính xách tay kết nối với máy đo lường quán tính gắn trên ngực khi di chuyển, do đó có thể ảnh hưởng đến chuyển động bình thường của họ

Các tác giả trong nghiên cứu [6] sử dụng giày thông minh (Smart Shoe) để phân tích dáng đi thực tế dựa trên dữ liệu thu được từ HMM, dựa vào các xác suất thu từ HMM để suy ra các giai đoạn dáng đi, và quá trình chuyển đổi bất thường giữa các giai đoạn dáng đi đều được kiểm tra bởi các ma trận chuyển đổi Các phương pháp phân tích giai đoạn dáng đi được đề xuất đ được áp dụng cho dữ liệu dáng đi thực tế gồm một dữ liệu dáng đi bình thường, hai dữ liệu từ một bệnh nhân Parkinson và kết quả cho thấy các phương pháp đề xuất là công cụ tiềm năng để chẩn đoán tình trạng của bệnh nhân và đánh giá chức năng điều trị phục hồi

c Mạng nơron nhân tạo (Artificial Neural Network - ANN)

Mạng nơ-ron nhân tạo gọi tắt là mạng nơ-ron là một mô hình tính toán được xây dựng dựa trên các mạng nơ-ron sinh học Nó gồm có một nhóm các nơ-ron nhân tạo (nút) nối với nhau, và xử lý thông tin bằng cách truyền theo các kết nối và tính giá trị mới tại các nút (cách tiếp cận connectionism đối với tính toán) Trong nhiều trường

hợp, mạng nơ-ron nhân tạo là một hệ thống thích ứng (adaptive system) tự thay đổi cấu

trúc của mình dựa trên các thông tin bên ngoài hay bên trong chảy qua mạng trong quá trình học; Về bản chất, học chính là quá trình hiệu ch nh trọng số liên kết giữa các nơron sao cho giá trị hàm lỗi là nhỏ nhất

Trong nghiên cứu [60] các tác giả nhận biết dáng đi người sử dụng mạng nơ-ron lan truyền ngược: Đ u tiên cơ thể và hình chiếu được trích xuất từ các chuỗi ảnh của

Hình 1.15 Mô hình HMM tương ứng với các mô hình HMM con của

mỗi hoạt động

chuyển động dáng đi; tiếp đến khung xương 2D được trích xuất từ hình chiếu bằng cách xác định 9 tọa độ điểm trên cơ thể, các góc chuyển động trong chu kỳ dáng đi được tính từ chuỗi dáng đi để phân tích; sau đó thuật toán mạng nơ-ron lan truyền ngược tăng cường được dùng để xác định các đặc điểm dáng đi Thí nghiệm được thực hiện trên 90 đối tượng khác nhau, mỗi đối tượng xây dựng 7 mô hình dáng đi, có tất cả

630 mô hình dáng đi được sử dụng Các đối tượng này được phân loại thành ba nhóm, mỗi nhóm có 30 đối tượng, dựa theo mức chất lượng của dữ liệu ở giai đoạn tiền xử lý Mỗi nhóm dùng 150 véc-tơ để huấn luyện, 30 véc-tơ thử nghiệm Hệ thống sử dụng 10 đặc trưng dáng đi của từng đối tượng làm dữ liệu đ u vào, 28 nút ẩn và 13 nút đ u ra

Để nhận dạng dáng đi, mạng nơ-ron được huấn luyện cho đến khi hiệu quả nhận dạng trên dữ liệu huấn luyện đạt 100% Kết quả nhận dạng đạt 90.0% với nhóm dữ liệu tiền

xử lý tốt, cùng đạt 83.3% với nhóm trung bình và yếu

Để huấn luyện và thử nghiệm việc nhận dạng dáng đi [46] các tác giả sử dụng mạng nơ-ron với giải thuật lan truyền ngược sai số: Đ u tiên, hình chiếu nhị phân của đối tượng được tách, sau đó tính trọng tâm, chiều dài bước đi, chiều dài chu kỳ dáng đi của đối tượng; tiếp đến, mạng nơ-ron được dùng để xây dựng mô hình huấn luyện

Hình 1.16 Mô hình mạng nơron dùng trong nghiên cứu [46]

Theo tính toán thực nghiệm của các tác giả, lớp dữ liệu vào gồm 4 nơron tương ứng với bốn đặc trưng ở trên, lớp ẩn gồm 40 nơron sử dụng hàm sigmoid để tính toán, lớp ra gồm 25 nơron Khi tiến hành thử nghiệm với bộ dữ liệu CASIA, tỷ lệ nhận dạng đạt tối đa là 96.32%

KẾT LUẬN CHƯƠNG 1

1.4.

Như vậy, trong chương này luận văn đ trình bày các thông số đặc trưng của dáng đi, các thiết bị được sử dụng trong phân tích dáng đi cũng như các phương pháp phân tích dáng đi đ và đang được sử dụng phổ biến Mỗi thiết bị, mỗi phương pháp đều có các ưu điểm và hạn chế riêng Việc sử dụng thiết bị nào, áp dụng phương pháp nào tùy thuộc vào từng bài toán cụ thể

Với thời gian và điều kiện thực tế, đề tài sử dụng một camera ghi nhận quá trình chuyển động của đối tượng, sử dụng LBP để trích đặc trưng và dùng mô hình SVM để huấn luyện và nhận dạng dáng đi của bệnh nhân Parkinson Muốn đạt kết quả tốt cho giải pháp đề xuất, c n phải hiểu rõ hơn về bệnh Parkinson - một bệnh lý liên quan đến dáng đi Chương tiếp theo s trình bày tổng quan về bệnh Parkinson

là run tay chân, tăng trương lực cơ, co cứng, cử động chậm chạp, gây trở ngại lớn tới sinh hoạt và công việc hằng ngày của người bệnh Bệnh nặng d n theo thời gian từ vài năm đến vài chục năm và đa số người bệnh đều bị mất khả năng vận động ở giai đoạn cuối cùng, sau đó tử vong do suy kiệt

2.1.2 Nguyên nhân gây ra bệnh Parkinson

Hiện nay, y học vẫn chưa biết rõ nguyên nhân gây ra bệnh Parkinson, nhưng nhận thấy ở người mắc bệnh, hàm lượng DPM trong cơ thể giảm đi đáng kể, DPM là chất dẫn truyền th n kinh thuộc nhóm catecholamin (gồm có: dopamin, noradrenalin, adrenalin) tập trung nhiều ở vùng hạch đáy (basal ganglia) của não DPM đóng vai trò quan trọng trong việc cử động và phối hợp các động tác của cơ thể, khi các tế bào sản sinh ra DPM bị thoái hoá hay chết đi, cơ thể thiếu hụt DPM và đây chính là yếu tố nguy cơ gây ra bệnh Parkinson

Ngoài ra còn có một số yếu tố gây ra bệnh Parkinson gồm:

- Di truyền: yếu tố này chiếm khoảng từ 5% - 10%, bệnh Parkinson thường có xu

hướng di truyền gen sang thế hệ sau

- Thuốc: Có một số loại thuốc nếu sử dụng liều cao hay kéo dài thì có thể dẫn đến

một số triệu chứng của bệnh Parkinson

- Yếu tố môi trường: Bệnh cũng thường gặp ở những người sống ở môi trường bị

ô nhiễm, làm nông nghiệp, nguồn nước sinh hoạt bẩn

- Hóa chất độc hại: Những người tiếp xúc với các chất độc hại có nguy cơ bị mắc

bệnh Parkinson gấp 3 l n so với người không tiếp xúc

- Tuổi tác: những người cao tuổi thường bị mắc bệnh Parkinson, có đến

90% những người mắc bệnh Parkinson ở độ tuổi 60

- Có tiền sử về chấn thương vùng đầu, viêm não

- Có bệnh xơ vữa động mạch

2.1.3 Một số biểu hiện của bệnh Parkinson

Bệnh Parkinson được biểu hiện ở hai triệu chứng: triệu chứng về vận động và

triệu chứng không thuộc về vận động

Triệu chứng về vận động: run, cứng đờ, cử động chậm chạp và rối loạn thăng

bằng

- Run: Là triệu chứng thường gặp ở bệnh Parkinson, run có thể cả ở tay lẫn chân,

thường run s rõ hơn khi ngh ngơi, trái ngược với chứng run vô căn hoặc run

do bệnh tiểu n o Tuy vậy, vẫn có g n 15% người bệnh Parkinson trong suốt quá trình điều trị không bao giờ có biểu hiện run

- Cứng đờ các cơ bắp: Khó quay cổ, xoay người, khó trở mình khi nằm trên

giường và làm những cử động khéo léo của các ngón tay, nét mặt đờ đẫn, ít biểu

lộ cảm xúc như người bình thường

Hình 2.1 Bệnh nhân Parkinson cứng đờ các cơ bắp

- Chậm vận động: Mọi việc đối với bệnh nhân Parkinson đều làm rất chậm, rất

khó bắt đ u các cử động của mình, viết chậm và chữ viết nhỏ d n

- Rối loạn giữ thăng bằng: Ngồi xuống, đứng dậy và xoay trở người rất khó

khăn, dáng đi hơi còng xuống hoặc đ u hướng về phía trước, khi đi dễ bị ng

Triệu chứng không thuộc về vận động

Những triệu chứng không thuộc về vận động có thể xuất hiện từ rất sớm, trước khi bệnh được chẩn đoán từ 5 - 10 năm, bao gồm:

- Thay đổi về giọng nói: Giọng nói nhỏ và khó nghe

- Rối loạn giấc ngủ: Mất ngủ về đêm, thường cảm thấy khó ngủ, hay gặp ác

mộng

- Khuôn mặt ít biểu cảm: ít biểu lộ các cảm xúc như buồn vui, giận dữ hay chán

nản…

- Táo bón: có thể xuất hiện từ rất sớm, thậm chí ngay từ trước 10 năm chẩn đoán

Parkinson Đó là do bệnh làm ảnh hưởng đến hệ th n kinh tự chủ, làm giảm nhu động ruột và dẫn đến gây ra táo bón Nếu biểu hiện này kéo dài hơn 3 tu n mà không phải do chế độ ăn uống sinh hoạt, thì rất có thể là triệu chứng sớm của bệnh Parkinson

- Thay đổi về khứu giác: Bệnh Parkinson có thể làm tổn thương khứu giác, khiến

người bệnh mất d n khả năng nhận biết mùi, ngửi mùi vị không chính xác, thậm chí không nhận biết được một số mùi đặc trưng như mùi của mít, s u riêng…

2.1.4 Dáng đi Parkinson (Parkinsonian Gait)

Bệnh Parkinson làm cho cơ bắp bị cứng, cân bằng và điều phối kém, đi bộ dễ bị

té ng Để tự bảo vệ, người bệnh thích ứng một cách tự nhiên chia nhỏ một bước đi thông thường để rút ngắn khoảng cách sải chân giúp giữ thăng bằng của cơ thể

Bệnh nhân Parkinson đi không vung vẫy tay, toàn bộ cơ thể bệnh nhân di chuyển như một khối, ngập ngừng, cứng nhắc, nửa trên người có xu hướng lao về trước, bước

đi ngắn và nhanh d n như chạy đuổi theo trọng tâm của chính mình

Bệnh nhân Parkinson khó kiểm soát cơ thể có triệu chứng rõ hơn là rung tay

Hình 2.2 Dáng đi của người bị bệnh Parkinson.

2.1.5 Diễn biến của bệnh Parkinson

Quá trình phát triển bệnh Parkinson bao gồm những giai đoạn sau:

Giai đoạn 1: Run xuất hiện ở một bên cơ thể Đây là mức độ nhẹ nhất, các biểu

hiện run đều nhẹ và chưa ảnh hưởng tới cuộc sống thường ngày nên dễ bị bỏ qua

Giai đoạn 2: Run cả hai bên của cơ thể Các dấu hiệu run, lắc rõ hơn, dáng đi bị

thay đổi do cứng cơ, khó cử động, nét mặt bắt đ u giảm sự biểu cảm Sự tiến triển từ giai đoạn 1 đến giai đoạn 2 có thể mất vài tháng tới nhiều năm

Giai đoạn 3: Giảm phản xạ và khó giữ thăng bằng - đây được coi là giai đoạn

bước ngoặt của bệnh Parkinson, ở giai đoạn này người bệnh dễ té ng và khó khăn khi thực hiện công việc hàng ngày Sử dụng thuốc, kết hợp với lao động trị liệu s giúp cải thiện triệu chứng

Giai đoạn 4: Người bệnh vẫn có thể tự đứng và đi được một đoạn ngắn mặc dù

chức năng vận động đ bị ảnh hưởng nặng nề Họ không thực hiện được các công việc thường ngày do cứng cơ, vận động chậm chạp và luôn c n sự hỗ trợ từ người thân

Giai đoạn 5: Không thể đi lại, c n xe lăn hoặc nằm liệt giường Đây là giai đoạn

nặng nhất, các cơ bắp cứng đờ, người bệnh phụ thuộc hoàn toàn vào việc chăm sóc của người thân Thuốc điều trị ở giai đoạn này ít tác dụng với bệnh

2.1.6 Các phương pháp điều trị bệnh Parkinson

Theo [69] bệnh Parkinson gây trở ngại cho sinh hoạt và công việc hằng ngày của người bệnh Bệnh tăng lên từ từ không ngừng, nhưng nếu phát hiện bệnh sớm và điều trị kịp thời, đa số bệnh nhân vẫn duy trì được cuộc sống và công việc trong rất nhiều năm

Cho tới nay, y học hiện đại cũng chưa có cách nào để phòng ngừa và chữa khỏi hẳn được bệnh Parkinson Tuy nhiên, hiện nay thuốc điều trị có thể làm giảm triệu chứng của bệnh rất tốt Các bác sĩ cũng khuyên nên phối hợp dùng thuốc với các biện pháp khác như vật lý trị liệu, tập luyện thể dục, chế độ ăn thích hợp… Một số bệnh nhân có thể được điều trị bằng phương pháp phẫu thuật, ví dụ như phương pháp kích thích não sâu

Dưới đây là một số phương pháp điều trị bệnh Parkinson hiệu quả:

a Điều trị Parkinson bằng thuốc

- Levodopa: Levodopa (L-dopa) là một dạng tiền chất của Dopamine Nó được

sử dụng từ những năm 1970 và vẫn là thuốc đặc trị có hiệu quả nhất với bệnh Parkinson Khi sử dụng Levodopa, thuốc đi qua hàng rào máu n o và chuyển thành DPM Nồng độ DPM trong n o tǎng s cải thiện khả nǎng dẫn truyền th n kinh và giải quyết những rối loạn vận động trong bệnh Parkinson như: di chuyển chậm chạp và cơ

cứng cơ khớp, từ đó giúp người bệnh di chuyển dễ dàng hơn Sử dụng Levodopa tác dụng phụ thường gặp là buồn nôn, nôn và buồn ngủ, hiện tượng ảo giác, hoang tưởng

và các cử động không ý thức (như dạng múa giật) có thể xảy ra khi sử dụng dài ngày

- Chất chủ vận Dopamin: Thuốc có tác dụng tương tự DPM gọi là chất chủ vận

Dopamine, có thể được sử dụng thay thế DPM để giảm các triệu chứng của bệnh Parkinson Một số thuốc với dược chất là các chất chủ vận Dopamin hay được sử dụng: Apokyn, Mirapex, Parlodel và Requip Apokyn dạng tiêm, có thể được sử dụng khi có hiện tượng giảm tác dụng của Levodopa Các tác dụng phụ thường gặp của nhóm bao gồm: Buồn nôn, ói mửa, buồn ngủ, giữ nước và rối loạn tâm th n

b Phẫu thuật điều trị Parkinson

- Kích thích não sâu: Kích thích não sâu mặc dù chưa phổ biến tại Việt Nam

nhưng đ được sử dụng khá rộng rãi ở nhiều nước trên thế giới Đây là một kỹ thuật cấy ghép những vi điện cực vào các nhân xám tham gia điều khiển vận động trong não

để tạo ra các kích thích điện thích hợp lên các nhân xám này, từ đó điều hòa lại các rối loạn vận động Có 1 hoặc 2 điện cực được đặt ở n o, đồng thời 1 máy phát xung điện

và 1 máy điện toán cực nhỏ đặt ở ngực Khi máy vận hành, các điện cực được kích thích và các triệu chứng rối loạn vận động, run rẩy và cứng ngắc tứ chi ở người bệnh Parkinson h u như hoàn toàn biến mất Các thống kê cho thấy, 70% bệnh nhân được

áp dụng kỹ thuật này đ trở lại sinh hoạt bình thường; 30% thấy bệnh giảm bớt

- Phẫu thuật mở đồi thị: Phẫu thuật mở đồi thị là phương pháp sử dụng t n số vô

tuyến năng lượng phá hủy vĩnh viễn một trung khu của n o có liên quan đến bệnh Parkinson, làm giảm bớt cử động bất thường của bệnh nhân Phương pháp này ít được

sử dụng vì có thể gây biến chứng rối loạn nhiều chức năng khác

Hình 2.3 Điều trị bệnh Parkinson bằng phương pháp kích thích não sâu

c Biện pháp kết hợp tăng hiệu quả điều trị Parkinson khác

- Điều chỉnh chế độ ăn: Bệnh nhân Parkison nên chọn một chế độ ăn uống cung

cấp nhiều canxi và vitamin D để tăng cường sức khỏe hệ cơ - xương, tăng cường chất

xơ để ngăn ngừa táo bón Nên giảm protein (chất đạm) trong khẩu ph n ăn do protein

và Levodopa cạnh tranh hấp thu ở ruột, nên uống thuốc trước bữa ăn khoảng nửa giờ Nếu tác dụng phụ của thuốc khiến buồn nôn, bạn nên sử dụng thêm bánh hoặc rượu gừng Cũng có nhiều nghiên cứu cho thấy uống cà phê và hút thuốc lá có thể làm giảm nguy cơ mắc bệnh Parkinson (tuy nhiên, hãy nhớ hút thuốc rất có hại cho sức khỏe)

- Tránh xa môi trường độc hại: Nghiên cứu ch ra rằng việc tiếp xúc với thuốc

trừ sâu và thuốc diệt cỏ có thể làm tăng nguy cơ của bệnh Parkinson Một số người đ

có tiền sử gia đình mắc bệnh Parkinson khi sống trong môi trường độc hại s làm tăng cao nguy cơ mắc bệnh Hãy lựa chọn một môi trường sống trong lành để tránh xa bệnh tật

- Luyện tập thể dục: Tập thể dục có tác dụng giúp bộ não sử dụng DPM một cách

hiệu quả hơn Đồng thời giúp cải thiện chức năng vận động của hệ cơ xương, giúp bệnh nhân giữ cân bằng tốt hơn, dáng đi thẳng và giảm run giật Để có hiệu quả tốt nhất, người bệnh Parkinson nên thường xuyên tập thể dục, tốt nhất là nên tập 1giờ/l n

và mỗi tu n từ 3-4 l n chia đều các ngày Bạn có thể sử dụng máy chạy bộ, đạp xe hoặc tập yoga để giúp cân bằng cơ thể và tăng tính linh hoạt của chân tay

- Yếu tố tâm lý: Parkinson ảnh hưởng đến nhiều khía cạnh của cuộc sống hàng

ngày Thuốc điều trị có thể giúp bạn giảm triệu chứng, nhưng bên cạnh đó yếu tố tâm

lý cũng đóng một vai trò quan trọng Các rối loạn về tâm trạng, chẳng hạn như tr m cảm và lo âu cũng có thể làm nặng thêm tình trạng bệnh Điều trị bằng các phương pháp vật lý trị liệu tại nhà cùng với điều ch nh tâm trạng s mang lại tác dụng tốt cho người bệnh

- Giải pháp hỗ trợ từ thiên nhiên: Việc sử dụng thuốc điều trị ch mới là một biện

pháp giải quyết được ph n ngọn vấn đề đó là bổ sung DPM để làm giảm triệu chứng Tuy nhiên để có một tác dụng toàn diện, tăng cường chức năng hệ th n kinh, người bệnh có thể lựa chọn sử dụng thêm các sản phẩm từ Đông có độ an toàn cao, sử dụng lâu dài để tăng hiệu quả điều trị của thuốc

Chăm sóc cho một người bị Parkinson có thể là một thử thách do người bệnh bị suy giảm khả năng vận động, mọi hoạt động đơn giản nhất cũng có thể trở nên khó khăn, nhưng h y giúp người bệnh có một kế hoạch tự tập luyện để duy trì sự độc lập Đồng thời kết hợp cả việc sử dụng thuốc với các biện pháp hỗ trợ và liệu pháp tâm lý

để có thể đạt được kết quả điều trị cao nhất, giúp duy trì sức khỏe và nâng cao chất lượng cuộc sống cho người bệnh Vì vậy, việc chẩn đoán sớm bệnh Parkinson là một

việc rất quan trọng để hỗ trợ cho việc điều trị làm giảm khả năng phát triển của bệnh là rất c n thiết

MỘT SỐ PHƯƠNG PHÁP CHẤN ĐOÁN SỚM BỆNH PARKINSON

2.2.

Dựa vào các biểu hiện của bệnh Parkinson, các nhà khoa học trong và ngoài nước đ và đang nghiên cứu một số phương pháp để chẩn đoán sớm bệnh Parkinson giúp cho việc theo dõi và điều trị bệnh được tốt hơn

2.2.1 Chẩn đoán Parkinson bằng phương pháp quét DAT

Theo [70] chẩn đoán Parkinson bằng phương pháp quét DAT được Cục quản lý Dược và Thực phẩm Hoa Kỳ phê duyệt năm 2011 Kỹ thuật quét DAT (DATScan) là một trong những phương pháp có giá trị giúp phát hiện Parkinson giai đoạn sớm đ nhanh chóng được áp dụng và thực hiện trên 300.000 người Mỹ và nhiều nước châu

Âu

Kỹ thuật quét DAT để chẩn đoán Parkinson là gì?

Phương pháp quét DAT là một công nghệ hình ảnh được thực hiện bằng cách sử dụng một lượng nhỏ chất phóng xạ để xác định có bao nhiêu Dopamine trong não của một người

Đối với Parkinson, các triệu chứng thường ch xuất hiện rõ rệt khi lượng DPM trong não giảm xuống còn khoảng 20%, còn trước đó rất khó có thể phát hiện Thường thì việc sử dụng chụp cộng hưởng từ ch có thể cho thấy được sự bất thường về tổn thương của não, vị trí tổn thương (nếu có) chứ không thể xác định được lượng DPM trong não Vì vậy, DAT có ý nghĩa lớn trong việc phát hiện sớm Parkinson và phân biệt với những chứng run khác đặc biệt là run vô căn

Hình 2.4 Kỹ thuật quét DAT được thực hiện trong trường hợp

nghi ngờ Parkinson.

Theo Tiến sĩ, bác sĩ Th n kinh học James Beck, phó chủ tịch - phụ trách khoa học của Tổ chức Parkinson uốc tế cho biết: “Kỹ thuật DAT không thể chẩn đoán chính xác hoàn toàn được bệnh Parkinson bởi có rất nhiều nguyên nhân có thể gây tình trạng giảm DPM trong não, DAT ch có vai trò đưa ra một trong những định hướng chẩn đoán cho bác sĩ giúp bệnh nhân phòng ngừa Parkinson một cách chủ động hơn.” Đúng như những gì Tiến sĩ James Beck nói, không phải tất cả số người có lượng DPM trong não giảm sau khi thực hiện kỹ thuật quét DAT đều đối mặt với Parkinson Hơn nữa, trong tất cả các kỹ thuật đều có những sai số, nghiên cứu cho thấy độ chính xác của DAT chưa đạt tới con số tuyệt đối 100% Kết của này ch mang tính chất tham khảo trong việc đưa ra chẩn đoán cuối cùng của bác sĩ

2.2.2 Ph n mềm chẩn đoán sớm bệnh Parkinson

Theo nghiên cứu được xuất bản trong tạp chí khoa học Frontiers of Neurology,

các nhà khoa học Úc sử dụng ph n mềm đo tốc độ và áp lực lên giấy trong lúc bệnh nhân viết hoặc v để chẩn đoán bệnh và giai đoạn bệnh tình [71]

Nghiên cứu được thực hiện trên 55 đối tượng, trong đó 27 người mắc bệnh và 28 người không Độ chính xác của thiết bị lên đến 93%

Các nhà khoa học khẳng định lợi thế lớn nhất của phương pháp mới là giá tiền và phương thức hoạt động đơn giản

Hình 2.5 Chỉ cần vẽ trên giấy để xác định tình trạng bệnh Parkinson

Như vậy, bác sĩ đa khoa có thể dễ dàng kiểm tra các bệnh nhân đ bước sang độ tuổi trung niên để chẩn đoán bệnh sớm nhất có thể, cũng như đo lường độ hiệu quả của những phương thức điều trị ở bệnh nhân đ mắc phải Parkinson

Đối với bệnh Parkinson, việc điều trị ch hiệu quả khi bệnh được chẩn đoán ở giai đoạn đ u Mặc dù vậy, trước đây chưa có thiết bị hay bài kiểm tra nào để chẩn bệnh nên bác sĩ phải đợi các dấu hiệu như run hay tê cứng tay xuất hiện

Tuy nhiên, đến lúc đó các tế bào th n kinh đ bị tổn thương nặng nề và rất khó chữa trị

2.2.3 Dùng bàn phím máy tính để phát hiện sớm bệnh Parkinson

ua nghiên cứu, một nhóm nhà khoa học của Học viện Massachusetts (Massachusetts Institute of Technology - MIT) cho rằng thao tác gõ bàn phím máy tính thể hiện rất nhiều thông tin liên quan tới kỹ năng vận động của người thao tác Hiện nay họ đang thiết kế loại bàn phím có khả năng ch qua việc phân tích cách gõ bàn phím mà biết được một người có tổn thương về th n kinh hay không [72]

Khi cơ thể con người bắt đ u một động tác nào đó thì lớp da vận động (primary motor cortex) của não người ấy s phát tín hiệu đến một số vùng của n o, gồm vùng phụ trợ vận động, tiểu n o và hạch th n kinh Những vùng này kích hoạt th n kinh tủy sống, qua đó kích thích cơ bắp hoàn thành động tác Có nhiều nhân tố can nhiễu năng lực vận động, ví dụ thiếu ngủ s làm giảm độ nhạy vận động

Ở bệnh nhân Parkinson, do tế bào sinh ra chất DPM trong não - gọi là tế bào liềm đen - bị chết mà dẫn đến hậu quả người bệnh bị run chân tay, động tác chậm chạp và

đi lại khó khăn

Nhóm nhà khoa học của MIT đang nghiên cứu lập ra một thuật toán có thể xác định tính hữu hiệu gõ bàn phím Ví dụ, nó có thể phân biệt được động tác gõ phím vào nửa đêm với động tác gõ phím khi người gõ được ngh ngơi đ y đủ, hoàn toàn thư giãn

Gõ bàn phím vào nửa đêm có nghĩa là người đó thiếu ngủ, s tổn hại tới kỹ năng vận động Ở đây đ áp dụng nguyên lý phân tích “thời gian gõ phím máy tính”, tức

qu ng thời gian từ lúc phím bị ấn xuống cho tới lúc được nhả ra

Nghiên cứu sơ bộ hơn 20 bệnh nhân Parkinson cho thấy, sử dụng thuật toán phân tích động tác gõ bàn phím có thể phân biệt được người khỏe mạnh với người mắc chứng Parkinson

Các nhà nghiên cứu chú trọng xem xét ảnh hưởng của sự mệt mỏi, và cho biết họ

có thể chẩn đoán được từ rất sớm những bệnh gây tổn hại cho cơ năng vận động, như bệnh Parkinson

Các nhà khoa học nói, thông thường y học ch chẩn đoán được bệnh Parkinson sau khi nó đ phát bệnh được 5 đến 10 năm, tức là khi đ xảy ra rất nhiều tổn thương Bởi vậy phát hiện sớm bệnh Parkinson là điều rất quan trọng

John Growdon, chủ nhiệm Khoa Rối loạn ký ức và vận động của Bệnh viện tổng hợp Massachusetts, nói: “Điều quan trọng trong nghiên cứu tiếp theo là c n chứng minh được mối quan hệ giữa các khiếm khuyết về gõ bàn phím với mức độ nặng nhẹ của bệnh Parkinson” Ông nói, “Điều làm chúng tôi ngạc nhiên là việc này có tiềm năng lớn giúp phát hiện các tổn thương nhỏ sớm hơn rất nhiều so với khả năng chẩn

đoán của các th y thuốc.”

Nhóm nghiên cứu tin rằng biện pháp nói trên có thể dùng để chẩn đoán cả những bệnh ảnh hưởng tới kỹ năng vận động khác, như bệnh thấp khớp

2.2.4 Phát hiện bệnh Parkinson qua điện thoại

Theo [73] một cuộc gọi điện thoại đơn giản cũng có thể giúp chúng ta ghi nhận được những dấu hiệu đ u tiên của bệnh Parkinson bằng cách phát hiện những thay đổi rất nhỏ trong giọng nói của bệnh nhân vài năm trước khi những triệu chứng nghiêm trọng hơn xuất hiện

Công nghệ mới được phát triển ở Mỹ cho phép phân tích hiện tượng run, thở hổn hển và các dấu hiệu ốm yếu khác của người bệnh thông qua giọng nói - 1 trong những triệu chứng sớm nhất của bệnh Parkinson

Các chuyên gia thuộc Viện Công nghệ Massachusetts cho biết chương trình máy tính mà họ lập trình có thể phát hiện ra bệnh nhân Parkinson với độ chính xác 99% thông qua việc phân tích giọng nói

Bệnh nhân Parkinson và những người tình nguyện được mời tham gia vào một cuộc điện đàm dài 3 phút, trong đó họ s nói từ ah, một vài câu, trả lời một vài câu hỏi,

hệ thống s được lập trình để phân tích giọng nói từ xa, cho phép phát hiện và điều trị bệnh từ sớm

Tiến sỹ Max Little, một nhà nghiên cứu người Anh, người khởi xướng ý tưởng phát hiện bệnh Parkinson thông qua điện thoại cho hay: “Các nhà khoa học cho chúng tôi biết sự suy yếu trong giọng nói có thể là dấu hiệu sớm của bệnh Parkinson Nghe

có vẻ hơi khác thường vì bệnh Parkinson là bệnh về sự rối loạn trong vận động và giọng nói lại là một dạng của vận động Các nhà th n kinh học s quan sát những thay đổi trong khả năng vận động, thường là với các chi, nhưng giờ đây chúng tôi quan tâm đến những cơ quan phát âm - âm thanh được phát ra từ miệng Chúng tôi khá tự tin là

có thể phát hiện được bệnh Parkinson thông qua điện thoại”

2.2.5 Phát hiện bệnh Parkinson qua khứu giác

Trong một nghiên cứu được xuất bản trực tuyến trên trang Web Neurology (Th n kinh học), các nhà nghiên cứu cho biết, họ đ thiết kế một bài kiểm tra có thể giúp đo lường khứu giác của một người, từ đó dẫn đến chẩn đoán và điều trị sớm cho bệnh ua những bài kiểm tra, họ phát hiện ra mối liên quan giữa mùi hôi và

bệnh Parkinson lớn hơn ở nam giới, dù họ không biết lý do Parkinson là một bệnh

về n o do thoái hoá hệ th n kinh không thể chữa trị Chúng ta cũng chưa biết chắc được nguyên nhân gì gây ra chứng bệnh này [74]

Lạnh và nhiễm trùng đường hô hấp là nguyên nhân chính của mất mùi Một số nghiên cứu đ ch ra rằng hút thuốc thường xuyên cũng s có cảm giác về mùi yếu hơn so với những người không hút thuốc Các nhà nghiên cứu trong nghiên cứu này tìm thấy một liên kết giữa mất khứu giác và nhược cơ Nhược cơ là một bệnh th n kinh cơ tự miễn dịch lâu dài trong đó bệnh nhân trải qua mức độ biến động mệt mỏi

và yếu cơ Nhược cơ làm suy giảm trí nhớ, cũng như các vấn đề thị lực, thính giác

và khứu giác

Theo tiến sĩ Honglei Chen, tác giả các bài kiểm tra, khảo sát về khả năng khứu giác của một người có thể dự đoán trước từ 4 đến 5 năm xem họ có thể s mắc căn bệnh Parkinson hay không Nếu khảo sát kỹ lưỡng hơn, dự báo có thể trước cả 10 năm, 2.462 người có tuổi trung bình là 75 đ tham gia khảo sát Họ bị bịt mắt và cho ngửi để xác định những mùi quen thuộc từ chanh, xăng đến hành và quế Sau đó họ được theo dõi trong khoảng 10 năm ua một thập kỷ, những người ngửi mùi kém

h u như đều bắt đ u bị bệnh Parkinson so với người nhận mùi khá và chính xác, sau khi loại trừ những yếu tố nguy cơ gây bệnh cao như hút thuốc, nghiện cà phê và có bệnh sử bị thương ở vùng đ u Khảo sát cũng nhận thấy sự liên đới giữa trục trặc khứu giác với bệnh Parkinson rõ ràng với người da trắng hơn người da đen

Dù bệnh này không chữa được nhưng vẫn có một số cách điều trị để giảm đến mức tối thiểu các triệu chứng như tay, chân, mặt và hàm run rẩy, cánh tay, chân, hoặc cơ thể xơ cứng, cử động chậm chạp, cân bằng cơ thể và phối hợp các chi kém Cũng không có xét nghiệm nào để chẩn đoán cho đúng tình trạng này, và các bác sĩ thường không phát hiện ra chúng cho đến khi các triệu chứng xuất hiện Thế nên ch vài năm sau khi phát, bệnh đ bắt đ u gây tổn thương th n kinh khiến việc điều trị trở nên khó khăn hơn

Nhóm nghiên cứu nhấn mạnh không phải tất cả những người đạt điểm thấp trong bài kiểm tra mùi đều bị bệnh trong tương lai Tuy nhiên, những con số thu được cũng đủ để cho thấy mối tương quan ấy là báo động nguy cơ bệnh cao hơn ngẫu nhiên bị bệnh Do đó các nhà nghiên cứu vẫn tiếp tục nghiên cứu để xem điều

gì tạo ra mối liên kết chưa thể lý giải này

2.2.6 Có thể chẩn đoán Parkinson sớm theo nét chữ

Các nhà khoa học thuộc Trung tâm y tế Groningen (Hà Lan) đ thử nghiệm một phương pháp mới để chẩn đoán sớm bệnh Parkinson Trong thí nghiệm của mình, họ

sử dụng bút cảm biến (sensor) để ghi lại mối liên quan giữa hệ th n kinh và cơ bắp của người tham gia trong khi đang viết Để phân tích nét chữ, các nhà khoa học sử dụng

các phương pháp của kỹ thuật số Đồng thời họ cũng quan sát tất cả những gì diễn ra trong các bộ phận khác của cơ thể, nghĩa là từ trên xuống dưới “Dựa trên đoạn viết tay bằng chiếc bút đặc biệt này, trong khoảng 10-15 phút các bác sĩ có thể chẩn đoán người tham gia thí nghiệm có nguy cơ mắc bệnh Parkinson hay không”, bác sĩ Natasha Maurits, điều phối viên của Dự án tại bệnh viện Groningen cho biết “Đương nhiên bác

sĩ không thể khẳng định ngay lập tức, mà ch có thể kết luận là người tham gia thí nghiệm có nhất thiết phải đến ngay để khám tiếp tại bác sĩ chuyên khoa th n kinh hay không mà thôi” Theo bà, người mắc bệnh Parkinson bao giờ cũng viết ra những nét chữ mảnh mai hơn những người khỏe mạnh Trong giai đoạn thử nghiệm tiếp theo, các nhà khoa học s so sánh các đoạn viết tay bằng bút cảm biến của người khoẻ mạnh ứng người khỏe mạnh với chữ viết tay của bệnh nhân bị bệnh Parkinson và các rối loạn th n kinh khác [75]

2.2.7 Phát hiện sớm bệnh thông qua kiểm tra mắt đơn giản

Theo [76] một bài kiểm tra mắt đơn giản có thể giúp phát hiện sớm bệnh Parkinson trước khi các triệu chứng run và cứng cơ bắp phát triển, theo nghiên cứu mới được công bố vào tháng 8 năm 2016 của các nhà khoa học tại Đại học London, Anh

Các nhà khoa học tại Đại học London, Anh đ tiến hành nghiên cứu và tìm ra một phương pháp mới giúp phát hiện sớm bệnh Parkinson bằng cách quan sát những thay đổi ở trên võng mạc mắt

Nhóm nghiên cứu cho biết, hình ảnh võng mạc có những điểm thay đổi đáng kể ở người bệnh Parkinson và các bác sĩ có thể dễ dàng nhận thấy chúng ch với những công cụ đơn giản thường dùng tại các phòng khám nh n khoa

Giáo sư Francesca Cordeiro, chuyên gia nghiên cứu về thoái hóa th n kinh và bệnh võng mạc mắt cho biết: "Đây là một bước đột phá mang tính cách mạng trong chẩn đoán sớm và điều trị Parkinson Những xét nghiệm này cho phép chúng ta

có thể can thiệp sớm hơn và hiệu quả hơn để giúp ngăn chặn tiến triển của căn bệnh này”