Đồ án tốt nghiệp - Đo và phân loại tín hiệu ECG thông qua Iot và Deep neural networks

Đồ án tốt nghiệp
TRƯỜNG ĐH SPKT TP. HỒ CHÍ MINH

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA ĐIỆN-ĐIỆN TỬ

ĐỘC LẬP - TỰ DO - HẠNH PHÚC

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP– Y SINH

o0o

Tp. HCM, ngày 1 tháng 7 năm 2023

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ tên sinh viên:

Lê Đinh Hưng

MSSV: 19161243

Họ tên sinh viên:

Lê Phước Tín

MSSV: 19161300

Chuyên ngành: Công Nghệ Kỹ Thuật Điện Tử - Viễn Thông
Hệ đào tạo:

Đại học chính quy

Khóa:

2019

Mã ngành: 161

Mã hệ:

1

I. TÊN ĐỀ TÀI: ĐO VÀ PHÂN LOẠI TÍN HIỆU ECG THÔNG QUA IOT
VÀ DEEP NEURAL NETWORKS
II. NHIỆM VỤ
1. Các số liệu ban đầu:
- Nguyễn Văn Hải và Nguyễn Minh Quân “Giám sát nhịp tim qua điện thoại
Android” Đồ Án Tốt Nghiệp (ĐATN), Đại học SPKT Tp.HCM.
- Nguyễn Thanh Phụng – Hoàng Vũ Hoài Sang “Thiết kế và chế tạo thiết bị đo
điện tim ECG” Đồ Án Tốt Nghiệp (ĐATN), Đại học SPKT Tp.HCM.
- Khoa Y,“ Kĩ thuật đo và phân tích điện tâm đồ bình thường”, NXB ĐH Quốc
Gia Tp.HCM, 2015
2. Nội dung thực hiện:
- Thu thập dữ liệu, phân tích và chọn lọc tài liệu cần cho quá trình thực hiện.
- Lựa chọn các thiết bị trong việc thiết kế mô hình phần cứng.
- Thiết kế phần cứng.
- Viết phần mềm.
- Đánh giá kết quả thực hiện.
III. NGÀY GIAO NHIỆM VỤ: 20/02/2023
IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 20/06/2023
V. HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS. Nguyễn Thanh Nghĩa
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

i

Đồ án tốt nghiệp
CÁN BỘ HƯỚNG DẪN

BM.ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

ii

Đồ án tốt nghiệp
TRƯỜNG ĐH SPKT TP. HỒ CHÍ MINH
KHOA ĐIỆN-ĐIỆN TỬ

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
ĐỘC LẬP - TỰ DO - HẠNH PHÚC

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

o0o-Tp. HCM, ngày tháng năm 2023

LỊCH TRÌNH THỰC HIỆN ĐỒ ÁN TỐT NGHIỆP
Họ tên sinh viên : Lê Đinh Hưng
Lớp: 19161ĐTCNC

MSSV:19161243

Họ tên sinh viên : Lê Phước Tín
Lớp: 19161ĐTCNB

MSSV:19161300

Tên đề tài: ĐO VÀ PHÂN LOẠI TÍN HIỆU ECG THÔNG QUA IOT VÀ
DEEP NEURAL NETWORKS.
Tuần/ngày

Nội dung

Tuần 1

-

Tìm hiểu Arduino Uno, tìm hiểu về Raspberry Pi, tím
hiểu về module cảm biến AD8232. Tìm hiểu giao tiếp
giữa Arduino Uno và Raspberry Pi, tìm hiểu giao tiếp
giữa AD8232 với Arduino.

-

Viết chương trình Arduino giao tiếp với AD8232 đọc
tín hiệu ECG, xử lý, tính toán nhịp tim.

-

Tìm hiểu và viết chương trình truyền nhận dữ liệu
giữa Arduino Uno và Raspberry Pi.

-

Tìm hiểu về SQL phpmyadmin và tạo cơ sở dữ liệu
trên Raspberry Pi để lưu trữ thông tin.

-

Tìm hiểu và viết chương trình tạo trang WEB và cách
truyền dữ liệu từ SQL
...

...
ận tiện và chính xác hơn trong việc thu thập và xử lý dữ liệu.
Ngoài những thành quả đạt được ở trên, mô hình của đề tài còn tồn tại một số lỗi phát
sinh khách quan làm cho hệ thống hoạt động chưa thật sự ổn định. Kết quả của hệ
thống so với một số thiết bị trên thị trường còn chênh lệch nhưng cơ bản là không
đáng kể.

6.2 HƯỚNG PHÁT TRIỂN
Để tăng tính thực tế và hiệu quả hơn cho thiết bị, nhóm đề ra một số hương phát
triển như sau:
- Sử dụng server trên Google thay vì sử dụng server Raspberry Pi
- Thực hiện đo và phân loại tín hiệu điện tim trên người.

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

76

Đồ án tốt nghiệp

TÀI LIỆU THAM KHẢO
[1]

Smith Jr, S.C., et al., Our time: a call to save preventable death from

cardiovascular disease (heart disease and stroke). Circulation, 2012. 126(23): p.
2769-2775.
[2]

Nguyễn Thanh Phụng, Hoàng Vũ Hoài Sang, Thiết kế và chế tạo thiết bị đo

điện tim ECG, Đồ án tốt nghiệp, trường ĐHSPKT, Tp.HCM, 2016.
[3]

Nguyễn Văn Hải, Nguyễn Minh Quân, Giám sát nhịp tim qua điện thoại

Android, Đồ án tốt nghiệp, trường Đại học Bà Rịa Vũng Tàu, 2017.
[4] Venes Donald and Clarence Wilbur Taber, Tabers Cyclopedic Medical
Dictionary, Edition 21 illustrated in full color ed. F.A. Davis Company 2009.
[5] Simonyan, K. and A. Zisserman, Very deep convolutional networks for largescale image recognition, arXiv preprint arXiv:1409.1556, 2014.
[6]

G. B. Moody and R. G. Mark, The impact of the MIT-BIH Arrhythmia

Database, in IEEE Engineering in Medicine and Biology Magazine, vol. 20, no. 3,
pp. 45-50, May-June 2001, doi: 10.1109/51.932724.
[7]

M. Kachuee, S. Fazeli and M. Sarrafzadeh, ECG Heartbeat Classification: A

Deep Transferable Representation, 2018 IEEE International Conference on
Healthcare Informatics (ICHI), New York, NY, USA, 2018, pp. 443-444, doi:
10.1109/ICHI.2018.00092.
[8]

Garcia, G., Moreira, G., Menotti, D. et al, Inter-Patient ECG Heartbeat

Classification with Temporal VCG Optimized by PSO, Sci Rep 7, 10543 (2017).
https://doi.org/10.1038/s41598-017-09837-3
[9]

Hadaeghi, F. (2019), Reservoir computing models for patient-adaptable ECG

monitoring in wearable devices, arXiv preprint arXiv:1907.09504.
[10] Nguyễn Thanh Hải, “Giáo Trình: Xử Lý Ảnh”, Trường ĐHSPKT, Tp.HCM, Nhà
xuất bản ĐH Quốc Gia, 2015.
[11] Nguyễn Trường Duy, Võ Đức Dũng, Nguyễn Thanh Hải, “Giáo trình: Kỹ thuật
số”, Trường ĐHSPKT, Tp.HCM, Nhà xuất bản ĐH Quốc Gia, Tp.HCM, 2018.

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

77