Trang chủ Thế giới cảm biến Thế giới cảm biến Cảm biến âm thanh dùng cho giám sát y tế tự động

Cảm biến âm thanh dùng cho giám sát y tế tự động

Nguyễn Công Phương (Đại học Bách khoa Hà Nội)

Cùng với những tiến bộ của khoa học kỹ thuật, ngày nay y học từ xa đang được nghiên cứu và phát triển rộng rãi. Có thể hiểu y học từ xa là việc cung cấp các dịch vụ y tế (giáo dục/tư vấn sức khỏe, khám bệnh, phẫu thuật, …) qua một khoảng cách nào đó. Hệ thống giám sát y tế tự động là một lĩnh vực thuộc y học từ xa. Nó cho phép giám sát một cách hoàn toàn tự động một bệnh nhân (hoặc một người cao tuổi) ở một mình trong phòng bệnh. Khi phát hiện thấy bệnh nhân đang ở trong một tình huống nguy hiểm, hệ thống sẽ phát tín hiệu cảnh báo về trung tâm y tế hoặc cho nhân viên y tế. Lợi ích lớn nhất của một hệ thống như thế là không cần sự hiện diện của nhân viên y tế mà vẫn đảm bảo giám sát được 24/24 giờ.
Một hệ thống như thế thường sử dụng camera để giám sát và phân tích hình ảnh. Tuy nhiên ngày nay người ta có xu hướng thay camera bằng micro, vì micro có một số ưu điểm như rẻ hơn, xử lý tín hiệu nhanh hơn, trường quan sát rộng hơn. Nhược điểm của micro là không nhận biết được vị trí của đối tượng. Vì thế hệ thống thường được bổ sung thêm các cảm biến vị trí.
Cảm biến âm thanh (micro), hiểu theo nghĩa thông thường là một thiết bị chuyển đổi sóng âm thanh sang tín hiệu điện. Khi ứng dụng vào giám sát từ xa, cảm biến âm thanh được hiểu theo nghĩa rộng hơn. Nó bao gồm một micro, một bộ lọc để lọc tín hiệu thu được, một vỉ thu thập để chuyển đổi từ tín hiệu tương tự sang tín hiệu số, và một máy tính có nhiệm vụ thu thập số liệu, phân tích tình huống, và ra quyết định (có phát tín hiệu báo động hay không). Hệ thống này được minh họa ở hình 1.

Hình 1 – Cảm biến âm thanh
1: micro; 2: bộ lọc; 3: vỉ thu thập số liệu; 4: máy tính

Bộ cảm biến âm thanh như hình 1 cần có một phần mềm cài đặt trong máy tính. Phần mềm đó là hệ thống phân tích âm thanh. Nhiệm vụ chính của nó là dò tìm các tình huống nguy hiểm dựa vào phân tích âm thanh. Tình huống nguy hiểm là tình huống bệnh nhân bị ngã, bị đau, bị ốm. Nhiệm vụ của hệ thống phân tích âm thanh được đặt ra dựa vào những nhận xét sau đây: Khi bị ngã, bệnh nhân rất có thể làm đổ bàn ghế, đánh rơi cốc chén; khi bị đau thì sẽ kêu rên; khi bị ốm thì sẽ ho, thở dốc. Những âm thanh kể trên có khả năng đại diện cho các tình huống nguy hiểm. Nói cách khác, nếu có các âm thanh này thì nhiều khả năng là đã có (những) tình huống nguy hiểm. Như vậy nhiệm vụ của hệ thống phân tích âm thanh là dò tìm các âm thanh đó và gửi tín hiệu cảnh báo. Các âm thanh này được gọi là các âm thanh bất thường. Những âm thanh bình thường bao gồm các tiếng động trong phòng và tiếng nói. Hoạt động của hệ thống này được mô tả bằng lưu đồ trong hình 2.

Hình 2 - Hệ thống phân tích âm thanh

Hệ thống âm thanh có hai phần chính. Thứ nhất là dò tìm (sự xuất hiện của) âm thanh. Thứ hai là phân loại âm thanh thành hai loại: bình thường và bất thường. Việc dò tìm âm thanh dựa trên quá trình phân tích năng lượng của chuỗi âm thanh. Năng lượng âm thanh được tính bằng bình phương biên độ âm thanh. Năng lượng này sẽ tăng lên ở thời điểm bắt đầu có âm thanh. Như vậy khi năng lượng âm thanh vượt qua một ngưỡng nào đó, hệ thống sẽ bắt đầu thu lại để đưa âm thanh vào khâu phân loại âm thanh; khi năng lượng giảm xuống dưới ngưỡng, hệ thống ngừng thu âm.
Khâu thứ hai, phân loại âm thanh, dựa trên việc sử dụng các đặc trưng phân biệt và mô hình phân loại. Một đặc trưng phân biệt là một thông số nói chung có các giá trị khác nhau khi được tính toán từ các lớp âm thanh khác nhau. Ví dụ, khi tính từ lớp âm thanh bình thường, đặc trưng BER1 có giá trị 0,25; trong khi với lớp âm thanh bất thường, đặc trưng này sẽ bằng 0,30. Tuy nhiên giá trị của một đặc trưng không phải luôn luôn khác nhau đối với các lớp khác nhau, vì thế người ta phải kết hợp nhiều đặc trưng để tạo thành một bộ đặc trưng phân biệt. Hệ thống phân tích âm thanh sử dụng các đặc trưng phân biệt BER, MFCC, và PLP.
Cách đơn giản nhất để phối hợp các đặc trưng phân biệt là tính tổng (có trọng số hoặc không) của chúng. Đó là phép phối hợp tuyến tính. Tuy nhiên biên giới giữa hai lớp âm thanh bình thường và âm thanh bất thường không phải là một đường thẳng, vì thế kiểu tuyến tính trở nên không phù hợp. Để nâng cao hiệu quả phân loại, người ta thường sử dụng các phép phối hợp phức tạp hơn, đó là các mô hình phân loại. Trong các bài toán phân loại, người ta thường dùng các mô hình như mô hình hỗn hợp Gauss, mạng nơron nhân tạo, cây quyết định, SVM (support vector machine). Đối với hệ thống phân tích âm thanh này, mạng nơron nhân tạo tỏ ra thích hợp nhất.
Khâu phân loại âm thanh được thực hiện theo các bước chính sau. Đầu tiên, các đặc trưng phân biệt được rút ra từ âm thanh thu được. Sau đó chúng được đưa vào mạng nơron nhân tạo. Dựa trên những số liệu thu thập được trong quá trình huấn luyện, mạng này sẽ đưa ra loại (bình thường hoặc bất thường) của tín hiệu âm thanh. Khi phân loại âm thanh, hệ thống này có sai số tối đa là 3,86%.

Tài liệu tham khảo
1. Istrate, D. (2003), Détection et reconnaissance des sons pour la surveillance médicale, Thesis, Institut National Polytechnique de Grenoble.
2. Dan Istrate, Michel Vacher, Eric Castelli, Cong-Phuong Nguyen. Sound Processing for Health and Smart Home. Toward a Human – Friendly Assistive Environment, Volume 14 Assistive Technology Research Series, edited by D. Zhang and M. Mokhtari, IOS Press Amsterdam 9/2004, ISBN: 1-58603-457-X.

Số 105 (6/2009)♦Tự động hóa ngày nay


Newer news items:
Older news items:

 

Hỗ trợ online

Hỗ trợ Web
Mr Phương: 0988906030

Liên kết & Quảng cáo


 
 
 

logost new




 


 



Nhà tài trợ


Sửa biến tần

Mới cập nhật

Tìm kiếm

Quảng cáo&Liên kết