Hệ thống camera thông minh giám sát hành động bệnh nhân từ xa

Dịch vụ y tế từ xa là một trong những dịch vụ đang phát triển và được nhiều bệnh viện đầu tư phát triển, đặc biệt là các công nghệ y tế thông minh. Trong bài viết này đề xuất một hệ thống camera thông minh thời gian thực giám sát, nhận dạng và cảnh báo hành động bất thường của bệnh nhân từ xa với chi phí hợp lý và dễ dàng triển khai thực tế.
Nội dung trích xuất từ tài liệu:
Hệ thống camera thông minh giám sát hành động bệnh nhân từ xaKỷ yếu Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), TP. HCM, ngày 23-24/12/2021DOI: 10.15625/vap.2021.0049 HỆ THỐNG CAMERA THÔNG MINH GIÁM SÁT HÀNH ĐỘNG BỆNH NHÂN TỪ XA Đoàn Thanh Nghị1, Nguyễn Thanh Hiền Triết2, Thái Trường An1 Trường Đại học An Giang, Đại học Quốc gia Thành phố Hồ Chí Minh 1 2 Trung tâm Viễn thông An Giang dtnghi@agu.edu.vn, triettsn1979@gmail.com, ttan_18pm@student.agu.edu.vnTÓM TẮT: Dịch vụ y tế từ xa là một trong những dịch vụ đang phát triển và được nhiều bệnh viện đầu tư phát triển, đặc biệt là cáccông nghệ y tế thông minh. Các công nghệ này có thể tránh việc điều trị bệnh nhân tập trung tại các bệnh viện lớn, đông người, thayvào đó bệnh nhân có thể được chăm sóc sức khỏe tại nhà. Khi đó hệ thống giám sát từ xa hành động của bệnh nhân là quan trọngvà cần thiết, giúp cảnh báo và điều trị kịp thời. Tuy nhiên hiện nay các hệ thống này vẫn còn nhiều hạn chế. Trong bài báo nàychúng tôi đã đề xuất một hệ thống camera thông minh thời gian thực giám sát, nhận dạng và cảnh báo hành động bất thường củabệnh nhân từ xa với chi phí hợp lý và dễ dàng triển khai thực tế. Cụ thể, chúng tôi đã đề xuất mô hình mạng kết hợp LSTM,MobileNetV2 và Raspberry Pi 4 trong nhận dạng hành động bệnh nhân từ xa. Tập dữ liệu do chúng tôi tự xây dựng bằng cách thuthập dữ liệu thực tế và sử dụng lại các tập dữ liệu đã có sẵn. Hệ thống của chúng tôi đã được đánh giá và kiểm thử thực tế với độchính xác trên 96%.Từ khóa: Thị giác máy tính, Mạng nơron tích chập học sâu, Raspberry Pi, giám sát hành động bệnh nhân từ xa. I. GIỚI THIỆU Phát triển hệ thống chăm sóc sức khỏe từ xa hiệu quả và đáng tin cậy đã và đang nhận được nhiều quan tâm từcộng đồng nghiên cứu. Các hệ thống này được thiết kế để theo dõi bệnh nhân từ xa, phát hiện bệnh theo thời gian thực.Ưu điểm của chúng là: phát hiện bệnh sớm nhất có thể, khả năng theo dõi bệnh nhân liên tục, ngăn ngừa bệnh trở nặnghoặc tử vong, giảm chi phí và số lần nhập viện, kết quả chính xác hơn trong khi vẫn cho phép các hoạt động thườngngày của bệnh nhân. Điều này giúp nâng cao hiệu quả dịch vụ chăm sóc sức khỏe, đó là chăm sóc y tế khẩn cấp, phụcvụ bệnh nhân có vấn đề về vận động, cấp cứu tai nạn giao thông và các chấn thương khác. Do đó theo dõi thời gianthực các hành động của bệnh nhân trong nhà thông minh sẽ được hiện thực hóa trong tương lai gần. Trong những năm gần đây, nhận dạng hành động đã được chú trọng nhiều trong các công nghệ phân tích video.Có nhiều định nghĩa về nhận dạng hành động đã được trình bày trong nghiên cứu của Herath và cộng sự [1]. Sự pháttriển nhanh chóng của các thiết bị thông minh và kỹ thuật học sâu đã thúc đẩy sự phát triển các ứng dụng nhận dạnghành động. Các kỹ thuật này có thể được áp dụng rộng rãi trong cuộc sống như giải trí, giám sát và chăm sóc sức khỏe[2]. Tuy nhiên, theo khảo sát của Szegedy và cộng sự [3], việc nhận dạng các hành động phức tạp vẫn còn là một tháchthức lớn cần nghiên cứu. Eliasz và cộng sự [4] đã giới thiệu một thiết bị IoT thông minh được đeo vào bệnh nhân đểnhận biết hành vi ít vận động và đo nguy cơ tim mạch, nhưng kỹ thuật này bị hạn chế do bệnh nhân cần phải đeo cảmbiến và không thể theo dõi trực tiếp các vấn đề của bệnh nhân. Gần đây, nhiều phương pháp tiếp cận dựa trên thị giácmáy tính và học máy đã được đề xuất cho mô hình nhận dạng hành động của con người [2], [3]. Vì vậy, việc áp dụngcác phương pháp này vào việc chăm sóc sức khỏe bệnh nhân từ xa là phù hợp với xu hướng tiến bộ của thế giới. Mạng nơron tích chập (CNN) [5] đã được sử dụng rộng rãi trong các bài toán phân loại hình ảnh thuộc nhiềulĩnh vực. Do hiệu suất vượt trội của CNN [6] nên nhiều nghiên cứu đã bắt đầu áp dụng CNN để phân loại video. Hailoại cấu trúc CNN đã được chứng minh là hoạt động tốt trong nhận dạng hành động (HAR). Đó là mạng CNN truyềnthống và mạng nơron hồi quy Long Short-Term Memory (LSTM) hoặc sự kết hợp của cả hai. CNN đã được ứng dụngvào dữ liệu cảm biến cho HAR với những hiệu suất vượt trội [7]. Các nghiên cứu trước đây đề xuất bổ sung vector đặctrưng do CNN trích xuất với một số đặc trưng thống kê [8]. Aviléz-Cruz và cộng sự [9] đã phát triển một mô hình CNNba đầu vào để nhận dạng 6 hành động. Các nghiên cứu khác đã chỉ ra mức độ phù hợp của việc sử dụng mạng LSTMđối với HAR [10]. Cuối cùng, một số nghiên cứu đã đề xuất tăng cường CNN với các lớp LSTM [11]. Karim và cộngsự [12] đề xuất một kiến trúc mô hình trong đó CNN có ba lớp và một lớp LSTM trích xuất các đặc trưng từ dữ liệucảm biến song song. Các nghiên cứu khác cũng đã bổ ...