HỆ THỐNG VÒNG KÍN DỰA TRÊN HỌC SÂU LAI ĐỂ PHÁT HIỆN ĐÓNG BĂNG DÁNG ĐI VÀ GỢI NHỊP THÍCH ỨNG CHO BỆNH NHÂN PARKINSON

Abstract

Hiện tượng Đóng băng Dáng đi (Freezing of Gait - FOG), một triệu chứng vận động nghiêm trọng và phổ biến ở bệnh nhân Parkinson (PD), làm gia tăng đáng kể nguy cơ té ngã và suy giảm trầm trọng chất lượng cuộc sống. Các phương pháp can thiệp hiện hành thường gặp hạn chế do tính chủ quan trong đánh giá hoặc thiếu khả năng đáp ứng theo thời gian thực. Bài báo này trình bày chi tiết quá trình thiết kế, triển khai và xác thực một hệ thống đeo vòng kín, tiêu thụ năng lượng thấp, có khả năng phát hiện FOG trong thời gian thực và tự động cung cấp tín hiệu gợi nhịp điệu nhằm hỗ trợ bệnh nhân. Hệ thống tích hợp một Đơn vị Đo lường Quán tính (IMU) duy nhất đeo tại cẳng chân để thu thập dữ liệu động học của dáng đi. Trọng tâm của hệ thống là một thuật toán phát hiện FOG dựa trên kiến trúc học sâu lai, kết hợp Mạng Nơ-ron Tích chập (CNN) và Mạng Bộ nhớ Dài-Ngắn (LSTM), được tối ưu hóa để triển khai trực tiếp trên vi điều khiển (MCU). Kiến trúc này cho phép trích xuất các đặc trưng không-thời gian phức tạp từ dữ liệu cảm biến thô một cách hiệu quả. Khi một cơn FOG được nhận diện, hệ thống sẽ kích hoạt các gợi ý đa phương thức, bao gồm tín hiệu thính giác hoặc rung, tùy theo lựa chọn của người dùng. Quá trình xác thực chéo theo phương pháp Loại bỏ một đối tượng (Leave-One-Subject-Out - LOSO) trên bộ dữ liệu công khai Daphnet cho thấy thuật toán đề xuất đạt được độ nhạy 92.5%, độ đặc hiệu 94.3%, và điểm F1 là 0.93. Các thử nghiệm thí điểm trên người dùng đã chứng minh rằng việc cung cấp gợi ý theo yêu cầu giúp giảm đáng kể thời gian của các cơn FOG. Nghiên cứu này khẳng định tiềm năng của một giải pháp khả thi, hiệu quả và kín đáo, mở ra hướng đi mới trong việc cải thiện sự an toàn và tính tự chủ trong vận động cho các cá nhân mắc bệnh Parkinson.