Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi

Theo tổ chức y tế thế giới, hàng năm có khoảng 17

triệu người chết vì các cơn đau tim và đột quỵ [1].

Đột quỵ là nguyên nhân gây tử vong đứng thứ 3 sau

bệnh tim mạch và bệnh ung thư. Nó có thể gây ra

những hậu quả rất nặng nề như tử vong hay tàn phế

vĩnh viễn. Ở Mỹ, cứ mỗi 45 giây có ít nhất 1 người bị

đột quỵ và mỗi 3 phút có 1 người tử vong do căn bệnh

này [2]. Ở nước ta, hằng năm có khoảng 200.000

người bị đột quỵ với khoảng 100.000 người tử vong

và số người bị đột quỵ có xu hướng trẻ hóa [3].

Tuổi càng lớn, nguy cơ bị đột quỵ càng cao. Đột

quỵ thường xảy ra đột ngột với rất ít dấu hiệu báo

trước. Thậm chí nó có thể xuất hiện bất ngờ ở một

người bình thường, khi họ đang nghỉ ngơi, đang ngủ,

hoặc đang làm việc [1]. Việc cấp cứu bệnh nhân cần

hết sức khẩn trương, đặc biệt trong khoảng 3 giờ đầu

tiên sau cơn đột quỵ gọi là “giờ vàng”. Nếu chậm 1

phút trong cấp cứu đột quỵ não sẽ làm 2 triệu tế bào

thần kinh chết đi [4].

Trong xã hội hiện đại ngày nay, nhiều người cao

tuổi phải ở nhà một mình do con cái phải đi làm. Đã

có nhiều trường hợp người cao tuổi sau khi đột quỵ

không thể tự đứng lên hay gọi sự giúp đỡ từ người

khác. Vì vậy, nhu cầu phát triển một giải pháp có khả

năng phát hiện sớm tình trạng đột quỵ ở người cao

tuổi là rất cần thiết. Nghiên cứu này nhằm mục tiêu

phát hiện tình trạng té ngã, đồng thời, xác định hành

vi bất bình thường so với thói quen hàng ngày

của họ để cảnh báo cần thiết cho những người liên

quan, nhằm giám sát kịp thời tình trạng sức khỏe của

người cao tuổi.

Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi trang 1

Trang 1

Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi trang 2

Trang 2

Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi trang 3

Trang 3

Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi trang 4

Trang 4

Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi trang 5

Trang 5

pdf 5 trang baonam 7520
Bạn đang xem tài liệu "Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi

Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi
Hội nghị toàn quốc lần thứ 3 về Điều khiển và Tự động hoá - VCCA-2015 
VCCA-2015 
Một giải pháp phát hiện sớm tình trạng đột quỵ của người cao tuổi 
A solution for early detecting the stroke status of the elderly 
Phạm Minh Hiền1, Nguyễn Chí Ngôn2 
1Trường Đại học SPKT Tp.Hồ Chí Minh, 2Trường Đại học Cần Thơ 
e-Mail: ncngon@ctu.edu.vn 
Tóm tắt 
Đột quỵ thường xảy ra đột ngột với rất ít dấu hiệu báo 
trước. Việc phát hiện sớm tình trạng đột quỵ giúp 
giảm rủi ro, đặc biệt là thời điểm “3 giờ vàng” đầu 
tiên. Nghiên cứu này nhằm tìm kiếm một giải pháp 
phát hiện sớm tình trạng đột quỵ cho người cao tuổi 
thông qua: (i) phát hiện tình trạng té ngã bằng cảm 
biến gia tốc, (ii) phát hiện hành vi sinh hoạt bất 
thường so với thói quen hằng ngày, dựa trên kỹ thuật 
xác định vị trí sinh hoạt của họ trong nhà, theo thời 
gian thực. Cơ chế định vị này được thực hiện nhờ 
phương pháp đo khoảng cách bằng sóng vô tuyến. 
Khi hệ thống phát hiện sự cố, nó sẽ cảnh báo hai cấp 
cho người cao tuổi và cho người giám sát qua mạng 
điện thoại di động. Thực nghiệm bước đầu cho thấy 
tính khả thi của giải pháp là rất cao. 
Từ khóa: Đột quỵ, cường độ sóng vô tuyến, cảm biến 
gia tốc. 
Abstract: 
Stroke usually occurs suddenly with a little of known 
signs. Early detection of the stroke status can reduce 
risks, especially in first 3 “golden” hours. This study 
aims to develop a solution for early detecting the 
stroke status of the elderly through: (i) detecting the 
state of falls by acceleration sensor, (ii) seeking 
abnormal activities of the elders, in comparision with 
the daily routine, based on locating their activities in 
the house, in real time. The positioning mechanism is 
realized by measuring the distance using radio waves. 
When the system detects a problem, it will alert two 
levels for the elderly and for the caring people via the 
mobile phone networks. Initial experiments showed 
that the solution is feasible. 
Keywords: Strokes, RSSI, Acceleration sensor. 
Chữ viết tắt 
RSSI Received Signal Strength Indication 
1. Giới thiệu 
Theo tổ chức y tế thế giới, hàng năm có khoảng 17 
triệu người chết vì các cơn đau tim và đột quỵ [1]. 
Đột quỵ là nguyên nhân gây tử vong đứng thứ 3 sau 
bệnh tim mạch và bệnh ung thư. Nó có thể gây ra 
những hậu quả rất nặng nề như tử vong hay tàn phế 
vĩnh viễn. Ở Mỹ, cứ mỗi 45 giây có ít nhất 1 người bị 
đột quỵ và mỗi 3 phút có 1 người tử vong do căn bệnh 
này [2]. Ở nước ta, hằng năm có khoảng 200.000 
người bị đột quỵ với khoảng 100.000 người tử vong 
và số người bị đột quỵ có xu hướng trẻ hóa [3]. 
Tuổi càng lớn, nguy cơ bị đột quỵ càng cao. Đột 
quỵ thường xảy ra đột ngột với rất ít dấu hiệu báo 
trước. Thậm chí nó có thể xuất hiện bất ngờ ở một 
người bình thường, khi họ đang nghỉ ngơi, đang ngủ, 
hoặc đang làm việc [1]. Việc cấp cứu bệnh nhân cần 
hết sức khẩn trương, đặc biệt trong khoảng 3 giờ đầu 
tiên sau cơn đột quỵ gọi là “giờ vàng”. Nếu chậm 1 
phút trong cấp cứu đột quỵ não sẽ làm 2 triệu tế bào 
thần kinh chết đi [4]. 
Trong xã hội hiện đại ngày nay, nhiều người cao 
tuổi phải ở nhà một mình do con cái phải đi làm. Đã 
có nhiều trường hợp người cao tuổi sau khi đột quỵ 
không thể tự đứng lên hay gọi sự giúp đỡ từ người 
khác. Vì vậy, nhu cầu phát triển một giải pháp có khả 
năng phát hiện sớm tình trạng đột quỵ ở người cao 
tuổi là rất cần thiết. Nghiên cứu này nhằm mục tiêu 
phát hiện tình trạng té ngã, đồng thời, xác định hành 
vi bất bình thường so với thói quen hàng ngày 
của họ để cảnh báo cần thiết cho những người liên 
quan, nhằm giám sát kịp thời tình trạng sức khỏe của 
người cao tuổi. 
2. Phương pháp thực hiện 
2.1 Nguyên tắc tổng quát 
Để có thể phát hiện tình trạng bất thường của người 
cần giám sát, họ được cho đeo một thiết bị theo dõi 
nhỏ gọn. Cảm biến gia tốc tích hợp trong thiết bị sẽ 
phát hiện tình trạng té ngã của họ. Ngoài ra, người cao 
tuổi thường có thói quen lặp đi lặp lại các sinh hoạt 
hằng ngày. Do vậy cảm biến vị trí tích hợp trên thiết 
bị theo dõi sẽ phát hiện hành vi bất thường của họ so 
với hành vi mẫu. Hành vi mẫu này được khởi tạo và 
được cập nhật trong quá trình cài đặt hệ thống. Thông 
qua cảm biến gia tốc và cảm biến vị trí, hành vi bất 
thường của người cần giám sát sẽ được thông báo cho 
những người liên quan qua mạng thông tin di động. 
Để hạn chế cảnh báo nhầm, hệ thống có trang bị cơ 
chế hỏi lại người giám sát trước khi báo động. 
2.2 Thiết bị hỗ trợ 
Thiết bị hỗ trợ của hệ thống bao gồm các mô-đun sau: 
(i) Mô-đun cảm biến gia tốc MPU6050 dùng để xác 
định tình trạng té ngã; (ii)mô-đun XBee đóng vai trò 
truyền nhận thông tin không dây để xác định vị trí của 
người cần theo dõi dựa trên cường độ tín hiệu thu 
nhận (Received Signal Strength Indication – RSSI); 
(iii)mô-đun SIM900A có nhiệm vụ gửi tin nhắn SMS 
đến người giám sát; (iv) mô-đun RTC DS1307 tạo 
thời gian thực cho hệ thống nhằm xác định biểu đồ 
hành vi đặc trưng của người cần theo dõi; (v) mô-đun 
 VCCA-2015 
giao tiếp với người cần theo dõi; (vi)mô-đun Arduino 
Nano để điều khiển mọi hoạt động của hệ thống. Các 
mô-đun này được kết hợp để tạo thành 3 thiết bị cơ 
bản sau: 
Thiết bị theo dõi: Thiết bị này được đeo vào thắt lưng 
của người cần theo dõi, như hình H.1. 
H.1 Thiết bị theo dõi người cao tuổi 
Thiết bị định vị: Thiết bị này (hình H.2) có nhiệm vụ 
giao tiếp không dây với thiết bị theo dõi ở hình H.1, 
để xác định vị trí sinh hoạt của người cao tuổi trong 
nhà, theo thời gian thực. Từ 3 đến 4 thiết bị định vị 
này sẽ được bố trí cố định trong nhà, như hình H.4. 
H.2 Thiết bị định vị 
Thiết bị quản lý: Thiết bị quản lý, hình H.3, có nhiệm 
vụ thu tín hiệu từ thiết bị theo dõi (hình H.1) và thiết 
bị định vị (hình H.2) để truyền về máy tính. Thiết bị 
này cũng được lắp cố định trong nhà như hình H.4. 
H.3 Thiết bị quản lý 
Minh họa việc bố trí các thiết bị trên trong nhà, được 
trình bày như hình H.4. Trong hình H.4, các thiết bị 
được bố trí để có thể theo dõi được 6 khu vực: (i)sân 
trước, (ii)phòng khách, (iii)phòng vệ sinh (WC), (iv) 
phòng ngủ, (v)phòng ăn/bếp và (vi)sân vườn. Trên 
hình H.4, S là thiết bị theo dõi; A là thiết bị quản lý, 
kết nối được với máy tính; B, C, D là 3 thiết bị định 
vị. Khoảng cách giữa các thiết bị AB, BC, CD, DA 
cho phép đến 9 mét. 
DA
S
C
Internet
GSM
B
PHÒNG BẾP + 
ĂN
PHÒNG NGỦ
VƯỜN 
KHÔ
PHÒNG 
WC
PHÒNG KHÁCH
SÂN TRƯỚC
SÂN SAU
H.4 Minh họa sơ đồ bố trí các thiết bị thực nghiệm 
2.3 Phát hiện trình trạng té ngã 
Để nhận dạng được tình trạng té ngã của người cần 
theo dõi, cảm biến gia tốc MPU6050 [5] tích hợp trên 
thiết bị theo dõi (hình H.1), được vi xử lý theo dõi 
liên tục sau mỗi 0.1 giây. Hình H.5 mô tả dạng tín 
hiệu nhận được từ cảm biến gia tốc. Tại thời điểm 8 
giây và 10 giây có xảy ra té ngã, làm biến thiên gia 
tốc đột ngột, dẫn đến sự gia tăng biên độ tín hiệu thu 
được. 
H.5 Tín hiệu thu được từ cảm biến MPU6050 
Tình trạng té ngã được xác lập khi: 
out thrV V (1) 
Với Vout là biên độ trung bình của tín hiệu ngõ ra của 
MPU6050 tại thời điểm đang xét và Vthr là biên độ 
ngưỡng được cài đặt trước. 
2.4 Phát hiện hành vi bất thường 
Người cao tuổi có thói quen lặp đi lặp lại các sinh 
hoạt thường ngày. Vì vậy, nghiên cứu này hướng đến 
mục tiêu xa hơn là học các hành vi lặp lại ấy. Trong 
quá trình theo dõi người cao tuổi, tại thời điểm giám 
sát, nếu vị trí sinh hoạt của họ trong nhà theo thời 
gian thực khác biệt so với thói quen thường ngày, thì 
hệ thống sẽ sẵng sàng cảnh báo tình trạng bất thường 
về sức khỏe của họ. Ví dụ, trong khoảng từ 21g00 đến 
23g00, thường ngày họ đi ngủ, vị trí của họ không 
thay đổi trong phòng ngủ. Nếu ở thời điểm đó, hệ 
thống phát hiện vị trí của họ thay đổi nhỏ, nhiều khả 
năng họ đang trằn trọc, không ngủ được. Trường hợp 
này người chăm sóc nên được biết để kịp thời kiểm 
tra sức khỏe của họ. Với nguyên tắc này, việc xác 
định hành vi bất thường của người cần theo dõi được 
 VCCA-2015 
thực hiện theo các bước sau: (i)thói quen sinh hoạt 
hằng ngày của người cao tuổi sẽ được thống kê và lập 
thành một cơ sở dữ liệu hành vi quen thuộc; (ii)các 
thiết bị theo dõi được lắp đặt để giám sát vị trí sinh 
hoạt của người cao tuổi trong nhà; (iii)một phần mềm 
được phát triển để so sánh hành vi hiện tại với cơ sở 
dữ liệu và cảnh báo cần thiết nếu có. 
2.4.1 Xác định vị trí của người cần theo dõi 
Để xác định vị trí hiện tại của người cần theo dõi, 
các thiết bị hỗ trợ được cài đặt theo nguyên tắc trên 
hình H.6. 
H.6 Nguyên tắc định vị người cần theo dõi 
Khi người cao tuổi mang thiết bị theo dõi (hình H.1) ở 
thắt lưng, thiết bị này sẽ giao tiếp không dây với 3 
thiết bị định vị (hình H.2) và thiết bị quảng lý (hình 
H.3). Các thiết bị này được tích hợp mô-đun giao tiếp 
không dây Xbee[6] để tương tác với nhau. Tùy thuộc 
vào cường độ tín hiệu thu nhận RSSI [7], hệ thống sẽ 
xác định được vị trí của họ trong phạm vi quan sát. 
Hình H.7 minh họa cường độ RSSI thực nghiệm thu 
được theo khoảng cách. Khi khoảng cách càng xa thì 
cường độ RSSI càng nhỏ. 
H.7 Cường độ RSSI thay đổi theo khoảng cách 
H.8 Xác định vị trí 
Để xác định vị trí người cần theo dõi, ta giả sử các 
điểm đặt 3 thiết bị định vị và 1 thiết bị theo dõi là vị 
trí A,B,C,D; đồng thời thiết bị theo dõi (mang ở thắt 
lưng) là điểm chuyển động S trên hình H.8. Gọi tọa 
độ của các điểm này là A(xa,ya), B(xb,yb), C(xc,yc), 
D(xd,yd) và S(xS,yS). Khoảng cách từ các điểm 
A,B,C,D đến điểm chuyển động S lần lượt là dA, dB, 
dC và dD. Khoảng cách này được xác định dựa trên 
cường độ RSSI, theo (2)[8]. 
( - )
1010
RSSI A
nd (2) 
Trong đó, A là cường độ RSSI tại khoảng cách 1m và 
n là hệ số truyền sóng đặc trưng của môi trường. Để 
tính được khoảng cách, ta cần xác định 2 tham số A và 
n. Theo thực nghiệm ở khoảng cách 1 mét, trong môi 
trường không khí, ta có A = -40 dBm. Việc xác định n 
cần xác định RSSI giữa 2 đường chéo AC và BD của 
khu vực khảo sát (hình H.8). Khi đó tham số n được 
tính như công thức (3) [8]: 
D
D
D
D
SS
10log d
SS
10log d
2
AC
AC
AC
B
B
B
AC B
R I A
n
R I A
n
n n
n
 (3) 
Sau khi xác định khoảng cách giữa S đến các điểm 
A,B,C,D bởi (2), ta sẽ xác định được vùng không gian 
hình chữ nhật P với các đỉnh lần lượt là P1, P2, P3, P4 
(xem hình H.8). Tọa độ của 4 điểm này được xác định 
theo (4) [9]: 
1 1 1
2 2 2
3 3 3
4 4 4
( , ) [max( - ),max( - )]
( , ) [max( - ),max( )]
( , ) [max( ),max( )]
( , ) [max( ),max( - )]
P P i i i i
P P i i i i
P P i i i i
P P i i i i
P x y x d y d
P x y x d y d
P x y x d y d
P x y x d y d
 (4) 
với i = A, B,C,D. 
Tọa độ của điểm chuyển động S được xác định là tâm 
điểm của hình chữ nhật P theo (5) hay (6) [9]: 
1 4
1 2
( ) / 2
( ) / 2
S P P
S P P
x x x
y y y
 (5) 
hay 
2 3
3 4
( ) / 2
.
( ) / 2
S P P
S P P
x x x
y y y
 (6) 
Tọa độ điểm chuyển động S(xS, yS) chính là vị trí 
người cần theo dõi trong phạm vi quan sát. Với 
nguyên lý này, qua thực nghiệm, hệ thống có thể phát 
hiện được khi điểm S chuyển động ở khoảng cách nhỏ 
nhất là 30cm, tức có thể giám sát được sự di chuyển 
của người cần theo dõi ở khoảng cách nhỏ đến 30cm. 
2.4.1 Hành vi quen thuộc của người cao tuổi 
Hành vi quen thuộc của người cao tuổi được xây dựng 
để phục vụ công tác giám sát tình trạng sức khỏe của 
họ. Hành vi này được khởi tạo, chẳng hạn như trên 
bảng B.1. Trong quá trình cài đặt hệ thống, phần mềm 
sẽ thống kê và cập nhật hành vi này cho phù hợp với 
từng cá nhân. Tình nguyện viên trong nghiên cứu này 
 VCCA-2015 
là ông Phạm Văn Thắng, 68 tuổi, ngụ tại số 121 
CMT8, phường An Thới, quận Bình Thủy, Thành phố 
Cần Thơ. Ông là một cán bộ nghỉ hưu thường xuyên ở 
nhà một mình, do con cháu phải đi làm trong giờ hành 
chính. Bước đầu nghiên cứu này cài đặt cơ sở dữ liệu 
hành vi chưa linh hoạt, tuy nhiên, định hướng tiếp 
theo, nghiên cứu này sẽ sử dụng một số công cụ phân 
lớp dữ liệu để xây dựng tập dữ liệu hành vi quen 
thuộc của người cần theo dõi. 
B.1 Dữ liệu hành vi quen thuộc của người cao tuổi 
Thời gian Vị trí 
4:00 ÷ 5:00 Phòng ngủ 
5:00 ÷ 5:30 Phòng vệ sinh 
5:30 ÷ 6:30 Phòng khách 
6:30 ÷ 7:00 Sân trước 
7:00 ÷ 7:30 Phòng ăn, phòng bếp 
7:30 ÷ 10:00 Sân vườn 
10:00 ÷ 11:00 Phòng ăn, phòng bếp 
11:00 ÷ 11:15 Phòng vệ sinh 
11:15 ÷ 12:00 Phòng khách 
12:00 ÷ 13:00 Phòng ngủ 
13:00 ÷ 13:15 Phòng vệ sinh 
13:15 ÷ 16:00 Phòng khách 
16:00 ÷ 16:30 Sân trước 
16:30 ÷ 17:00 Sân vườn 
17:00 ÷ 18:00 Phòng ăn, phòng bếp 
18:00 ÷ 18:30 Phòng vệ sinh 
18:30 ÷ 21:00 Phòng khách 
21:00 ÷ 21:15 Phòng vệ sinh 
21:15 ÷ 24:00 Phòng ngủ 
1:00 ÷ 1:15 Phòng vệ sinh 
1:15 ÷ 4:00 Phòng ngủ 
2.5 Cảnh báo 
Từ việc phát hiện tình trạng té ngã hay xác định hành 
vi bất thường của người cần theo dõi thông qua việc 
so sánh vị trí hiện tại với vị trí quen thuộc của họ 
(minh họa trên bảng B.1), hệ thống sẽ cảnh báo 2 cấp: 
Cấp 1: Cảnh báo bằng âm thanh trên thiết bị theo dõi 
trong 10 giây. Nếu người cần theo dõi tắt cảnh báo, 
nghĩa là họ vẫn khỏe mạnh. 
Cấp 2: Sau 10 giây cảnh báo trên thiết bị theo dõi, 
nếu người cần theo dõi không có phản ứng, thì hệ 
thống chuyển sang mức cảnh báo cấp 2 bằng cách gửi 
tin nhắn SMS cho những người liên quan. Việc gửi tin 
nhắn cảnh báo, được thực hiện đơn giản bằng mô-đun 
SIM900A tích hợp trên thiết bị quản lý. 
3. Kết quả và thảo luận 
Nghiên cứu này bước đầu đã thiết lập giải pháp phần 
cứng và phần mềm cơ bản, phục vụ cho việc giám sát 
tình trạng sức khỏe của người cao tuổi, đặc biệt quan 
tâm đến tình trạng đột quỵ khi họ ở nhà một mình. 
Kết quả đạt được bao gồm: 
- Hoàn thiện được cơ chế phát hiện tình trạng té ngã 
của người cần theo dõi bằng cảm biến gia tốc. 
- Xác định được vị trí của người cần theo dõi đang 
sinh hoạt ở đâu trong nhà theo thời gian thực. 
- Xây dựng biểu đồ hành vi quen thuộc của người 
cao tuổi qua khảo sát thực tế. Tuy nhiên, biểu đồ 
này sẽ tiếp tục được phát triển sao cho hệ thống tự 
học, tự xây dựng biểu đồ hành vi sau một thời gian 
áp dụng. 
- Hoàn thiện được cơ chế cảnh báo 2 cấp khi người 
cao tuổi bị té ngã, hoặc khi hành vi hiện tại của họ 
khác biệt so với hành vi quen thuộc đã được cài 
đặt, nhằm phát hiện sớm các bất thường về sức 
khỏe, nhất là tình trạng đột quỵ. 
- Xây dựng được một phần mềm trên máy tính cho 
phép người giám sát theo dõi tình trạng sức khỏe 
của người cao tuổi từ xa. Hình H.9 minh họa một 
màn hình giao diện của phần mềm này. Màu đỏ 
trên giao diện xuất hiện tại vị trí phòng ngủ cảnh 
báo cho người giám sát nguy cơ người theo dõi 
gặp trục trặc ở vị trí này. 
H.9 Thông báo tình trạng bất thường trên giao diện 
Tuy nhiên, giải pháp này sử dụng mô-đun Xbee và 
dùng công nghệ RSSI chỉ phát hiện vị trí của người 
theo dõi khi họ ở cách xa điểm thu sóng vô tuyến tối 
đa 9 mét. Điều này làm cho việc thiết lập hệ thống đòi 
hỏi nhiều điểm thu sóng vô tuyến hơn, làm tăng chi 
phí phần cứng. Ngoài ra, hiệu quả của phương pháp 
này cũng phụ thuộc vào sự tuân thủ của người sử 
dụng. Nếu người dùng tháo thiết bị theo dõi ra thì hệ 
thống sẽ cảnh báo liên tục. 
4. Kết luận và đề nghị 
Nghiên cứu này bước đầu đã hoàn thiện được giải 
pháp phần cứng và phần mềm cho phép theo dõi tình 
trạng sức khỏe của người cao tuổi, đặc biệt là tình 
trạng đột quỵ khi họ ở nhà một mình. Hệ thống có khả 
năng phát hiện tình trạng té ngã bằng cảm biến gia 
tốc. Ngoài ra, hệ thống cũng phát hiện được vị trí sinh 
hoạt trong nhà của người cần theo dõi theo thời gian 
thực. Khi vị trí sinh hoạt của họ khác biệt so với thói 
quan hằng ngày, hệ thống sẽ cảnh báo cấp 1 để nhắc 
nhỡ người sử dụng. Nếu người sử dụng không có khả 
năng từ chối cảnh báo cấp 1, thì hệ thống sẽ tự động 
chuyển sang chế độ cảnh báo cấp 2 bằng cách gửi tin 
nhắn cho điện thoại di động của những người liên 
quan. Những người liên quan, có thể truy cập vào 
 VCCA-2015 
máy tính quản lý để xem tình trạng cảnh báo và có 
những ứng cứu kịp thời, nếu có sự cố xảy ra. Thực 
nghiệm cho thấy, hệ thống báo động chính xác trong 
trường hợp người cần theo dõi bị té ngã. Đồng thời, 
cơ chế phát hiện các hành vi sinh hoạt bất thường so 
với thói quen hằng ngày hứa hẹn nhiều triển vọng 
phát triển. 
Trong thời gian tới, nghiên cứu sẽ được tiếp tục trang 
bị mô-đun XBee Pro có công suất lớn hơn, nhằm tăng 
khoảng cách truyền nhận sóng vô tuyến, từ đó cải 
thiện được phạm vi theo dõi. Ngoài ra, kỹ thuật phân 
lớp dữ liệu bằng SVM (Support Vector Machine) dự 
kiến sẽ được áp dụng để học tập hành vi quen thuộc 
của người cần theo dõi, nhằm đưa ra cơ sở dữ liệu 
hành vi quen thuộc phù hợp cho từng người. 
Tài liệu tham khảo 
[1] Judith Mackay, George A. Mensah, The Atlas of 
Heart Disease and Stroke, 1Ed., WHO, 2004, 
112 pages. ISBN: 978-9241562768. 
[2] Bruce Rauner, Facts About Stroke, Illinois Dept. 
of Public Health (accesed Aug. 2015). 
[3] Hà Anh, Đột quỵ não đang tấn công giới trẻ, 
GiaDinhNet, số ra 26/8/2014 (truy cập 8/2015). 
[4] Deb Parker, Stroke! - Accelerating the critical 
countdown, expediting response and treatment, 
Washington University in St. Louis, The School 
of Medicine, 2015. 
[5] InvenSence, MPU-6000 & MPU-6050 product 
Specification, Rev. 3.4, 2013. 
[6] Jiuqiang Xu et al. Distance Measurement Model 
Based on RSSI in WSN, School of Information 
Science & Engineering Northeastern University, 
Shenyang, China, 2010, vol 2, no 8, pp. 606 – 
611. 
[7] Digi International Inc., XBee®/XBee-PRO® RF 
Modules - Product Manual, No. 90000982_B, 
2009. 
[8] Jiuqiang Xu, Wei Liu, Fenggao Lang, Yuanyuan 
Zhang, and Chenglong Wang, “Distance 
Measurement Model Based on RSSI in WSN,” 
Wireless Sensor Network, Vol.2, No. 8, pp. 
606-611, 2010. 
[9] Robles, J.J., mmun., J.S. Pola, R. Lehnert, 
“Extended Min-Max algorithm for position 
estimation in sensor networks”, Proc. the 9th 
Workshop on Positioning Navigation and 
Communication (WPNC), Dresden, 2012. ISBN 
978-1-4673-1437-4. 
Phạm Minh Hiền sinh năm 
1975. Nhận bằng Kỹ sư Điện - 
Điện tử tại trường Đại học Đại 
học Sư phạm Kỹ thuật Tp.HCM 
năm 1998. Công tác trong ngành 
Viễn thông từ năm 1998 đến 
nay. Hiện đang làm luận văn 
Thạc sỹ Kỹ thuật Điện tử tại 
trường Đại học Đại học Sư 
phạm Kỹ thuật Tp.HCM. 
Nguyễn Chí Ngôn nhận bằng 
Kỹ sư Điện tử tại trường Đại học 
Cần Thơ năm 1996, bằng Thạc 
sỹ Kỹ thuật Điện tử tại trường 
Đại học Bách khoa, Đại học 
Quốc gia Tp. Hồ Chí Minh năm 
2001, bằng Tiến sỹ Kỹ thuật 
Điều khiển tại trường Đại học 
Tổng hợp Rostock, CHLB Đức 
năm 2007 và được phong hàm Phó giáo sư Tự động 
hóa năm 2015. 
PGS.TS. Nguyễn Chí Ngôn tham gia giảng dạy tại 
trường Đại học Cần Thơ từ năm 1996 đến nay. Hiện 
anh là Giám Đốc Trung tâm Điện – Điện tử và 
Trưởng khoa Công Nghệ, Trường Đại học Cần Thơ. 
View publication stats

File đính kèm:

  • pdfmot_giai_phap_phat_hien_som_tinh_trang_dot_quy_cua_nguoi_cao.pdf