Luận văn Thạc sĩ: Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng Học sâu đa nhiệm

Tình hình gia tăng các bệnh lý hô hấp mãn tính, cùng với các thách thức y tế toàn cầu như đại dịch Covid-19, đã đặt ra yêu cầu cấp thiết về các giải pháp phát hiện và phân loại nhịp thở hiệu quả. Khả năng giám sát và phân tích chính xác các mô hình hô hấp không chỉ đóng vai trò then chốt trong chẩn đoán sớm mà còn hỗ trợ theo dõi và quản lý bệnh hiệu quả, giúp ngăn ngừa các biến chứng nghiêm trọng. Tuy nhiên, việc này đối mặt với nhiều rào cản như xử lý dữ liệu y tế nhạy cảm, khối lượng dữ liệu lớn và chi phí thiết bị. Luận văn này tập trung nghiên cứu và đề xuất một số phương pháp tiên tiến sử dụng mạng học sâu đa nhiệm để giải quyết những thách thức trên, nhằm cải thiện độ chính xác và tính ứng dụng của hệ thống phát hiện và phân loại nhịp thở.

Các nhà nghiên cứu trong lĩnh vực trí tuệ nhân tạo, học máy, khoa học máy tính, kỹ thuật y sinh, và các chuyên gia y tế quan tâm đến ứng dụng công nghệ trong chẩn đoán và theo dõi bệnh hô hấp.

Nghiên cứu này tập trung vào việc phát triển các phương pháp phát hiện và phân loại nhịp thở hiệu quả, một lĩnh vực có tầm quan trọng đặc biệt trong bối cảnh gia tăng các bệnh lý hô hấp và nhu cầu giám sát sức khỏe liên tục. Tác giả đã phân tích sâu các thách thức hiện tại, bao gồm việc quản lý dữ liệu y tế nhạy cảm, yêu cầu xử lý lượng lớn dữ liệu âm thanh nhịp thở liên tục, và hạn chế về chi phí cũng như sự vướng víu của các thiết bị theo dõi hiện có. Để giải quyết những vấn đề này, luận văn đề xuất một cách tiếp cận đột phá dựa trên mô hình học sâu đa nhiệm (multi-task deep learning), trong đó nổi bật là việc sử dụng mạng Bi-LSTM (Bidirectional Long Short-Term Memory). Phương pháp này cho phép hệ thống không chỉ phát hiện sự hiện diện của nhịp thở mà còn phân loại các dạng nhịp thở khác nhau từ dữ liệu âm thanh thu được. Cụ thể, dữ liệu âm thanh nhịp thở được thu thập thông qua một thiết bị Raspberry Pi tích hợp micro, sau đó được xử lý và phân tích bằng mô hình Bi-LSTM. Mô hình này được thiết kế để tự động trích xuất các đặc trưng phù hợp và đưa ra quyết định phân loại theo thời gian thực. Giá trị ứng dụng của công trình nằm ở khả năng xây dựng một hệ thống giám sát nhịp thở phi xâm lấn, chi phí thấp, và có độ chính xác cao, góp phần cải thiện đáng kể khả năng chẩn đoán sớm và quản lý bệnh hô hấp, đặc biệt trong các ứng dụng y tế từ xa và chăm sóc sức khỏe cộng đồng.