Đồ án tốt nghiệp - Thiết kế hệ thống theo dõi và hỗ trợ bệnh nhân hạn chế vận động bằng nhận DCCBT

Tên môn học: Khóa luận tốt nghiệp

Giá: 81.000đ

Tổng thanh toán:

81.000đ

Người đăng tải:

#10377

Chi tiết tài liệu :

Đồ án tốt nghiệp ngành Công nghệ Kỹ thuật máy tính - Thiết kế hệ thống theo dõi và hỗ trợ bệnh nhân hạn chế vận động bằng nhận dạng cử chỉ bàn tay - Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE)

Định dạng	PDF
Dung lượng	7.92 MB
Số trang	67
Ngành	CNKT máy tính

Lượt xem	50
Ngày đăng	22/12/2025

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH
HỆ ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

THIẾT KẾ HỆ THỐNG THEO DÕI VÀ HỖ
TRỢ BỆNH NHÂN HẠN CHẾ VẬN ĐỘNG
BẰNG NHẬN DẠNG CỬ CHỈ BÀN TAY.

NGUYỄN ĐĂNG KHANH
MSSV: 19119102

NGUYỄN MINH TRÌNH
MSSV: 19119141

SVTH:

TP. HỒ CHÍ MINH – 06/2025

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ
NGÀNH CÔNG NGHỆ KỸ THUẬT MÁY TÍNH
HỆ ĐÀO TẠO CHẤT LƯỢNG CAO

ĐỒ ÁN TỐT NGHIỆP

THIẾT KẾ HỆ THỐNG THEO DÕI VÀ HỖ
TRỢ BỆNH NHÂN HẠN CHẾ VẬN ĐỘNG
BẰNG NHẬN DẠNG CỬ CHỈ BÀN TAY.

SVTH:

NGUYỄN ĐĂNG KHANH
MSSV: 19119102

NGUYỄN MINH TRÌNH
MSSV: 19119141

GVHD:

Th.S Huỳnh Thị Thu Hiền

TP. HỒ CHÍ MINH – 06/2025

ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA ĐIỆN – ĐIỆN TỬ

Độc lập – Tự do – Hạnh phúc

Bộ Môn: KTMT - VT

***

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên:

Nguyễn Đăng Khanh

MSSV: 19119102

Nguyễn Minh Trình

MSSV: 19119141

Ngành: Công nghệ Kỹ thuật Máy tính
Tên đề tài: Thiết kế hệ thống theo dõi và hỗ trợ bệnh nhân hạn chế vận
động bằng nhận dạng cử chỉ bàn tay.
Giáo viên hướng dẫn: Th.S Huỳnh Thị Thu Hiền.
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện (khả năng ứng dụng, tính mới,
sáng tạo, mức độ đóng góp của sinh viên, ....):

2. Hình thức trình bày quyển báo cáo (Văn phong, trích dẫn tài liệu tham
khảo, chất lượng các hình ảnh, bảng biểu, tỷ lệ trùng lắp, ......):

3. Những hạn chế cần chỉnh sửa, bổ sung:

4. Đề xuất của GVHD (Đồng ý cho bảo vệ, đề nghị chỉnh sửa để được bảo vệ,
không đồng cho bảo vệ)

TP. Hồ Chí Minh, ngày 19 tháng 6 năm 2025

GIẢNG VIÊN HƯỚNG DẪN

5

6

ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA ĐIỆN – ĐIỆN TỬ

Độc lập – Tự do – Hạnh phúc

Bộ Môn: KTMT - VT

***

Tp. HCM, ngày 03 tháng 07 năm 2025
BẢN GIẢI TRÌNH CHỈNH SỬA ĐỒ ÁN TỐT NGHIỆP
NGÀNH: CNKT MÁY TÍNH (HỆ ĐT CLC)
1. Tên đề tài: Thiết kế hệ thống theo dõi và hỗ trợ bệnh mất hạn chế vận
động bằng nhận dạng cử chỉ tay
2. Tên sinh viên: Nguyễn Đăng Khanh
MSSV: 19119102
Tên sinh viên: Nguyễn Minh Trình
MSSV: 19119141
3. GVHD: Th.s Huỳnh Thị Thu Hiền
4. Hội đồng bảo vệ HĐ2, phòng A2- 402, ngày 26 tháng 06 năm 2025
5. Giải trình chỉnh sửa báo cáo đồ án tốt nghiệp:
TT

1

Nội dung góp ý của Hội

Kết quả chỉnh sửa, bổ

đồng

sung

Căn
...

...
Nature,
521(7553), 436–444.
67

[11] Redmon, J., Divvala, S., Girshick, R., &amp Farhadi, A. (2016). You Only Look
Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference
on Computer Vision and Pattern Recognition (CVPR), 779–788.
[12] Ultralytics. (2023). YOLOv8 Docs – Ultralytics. https://docs.ultralytics.com
[13] Bochkovskiy, A., Wang, C. Y., &amp Liao, H. Y. M. (2020). YOLOv4: Optimal
Speed and Accuracy of Object Detection. arXiv preprint arXiv:2004.10934.
[14] Zhou, Z. H. (2012). Ensemble Methods: Foundations and Algorithms.
Chapman and Hall/CRC.
[15] Redmon, J., Divvala, S., Girshick, R., &amp Farhadi, A. (2016). You Only Look
Once: Unified, Real‑Time Object Detection. In Proceedings of the IEEE
Conference on Computer Vision and Pattern Recognition (CVPR)
[16] Terven, J. &amp Cordova‑Esparza, D. (2023). A Comprehensive Review of
YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and
YOLO‑NAS
[17] Encord Team. (2022). YOLO Object Detection Explained: A Beginner’s
Guide.
[18] Basic.ai (2024). YOLO Algorithm: Advancing the Frontiers of Object
Detection in AI.
[19] Redmon, J., &amp Farhadi, A. (2018). YOLOv3: An Incremental Improvement.
arXiv preprint arXiv:1804.02767.
[20] Bochkovskiy, A., Wang, C. Y., &amp Liao, H. Y. M. (2020). YOLOv4: Optimal
speed and accuracy of object detection. arXiv preprint arXiv:2004.10934.
[21] Lin, T. Y., Dollár, P., Girshick, R., He, K., Hariharan, B., &amp Belongie, S.
(2017). Feature Pyramid Networks for Object Detection. Proceedings of the
68

IEEE Conference on Computer Vision and Pattern Recognition (CVPR),
2117–2125.
[22] Liu, S., Qi, L., Qin, H., Shi, J., &amp Jia, J. (2018). Path Aggregation Network
for Instance Segmentation. Proceedings of the IEEE Conference on Computer
Vision and Pattern Recognition (CVPR), 8759–8768.
[23] Redmon, J., Divvala, S., Girshick, R., &amp Farhadi, A. (2016). You Only Look
Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference
on Computer Vision and Pattern Recognition (CVPR), 779–788.
[24] Redmon, J., &amp Farhadi, A. (2016). YOLO9000: Better, Faster, Stronger. In
Proceedings of the IEEE Conference on Computer Vision and Pattern
Recognition (CVPR), 7263–7271.
[25] Mehta, S., &amp Ultralytics Team. (2023). YOLOv8n - Model Architecture and
Layers. Ultralytics Documentation.
[26] kash. (2017). ASL Alphabet – Image Dataset for American Sign Language
Alphabets. Kaggle. Truy cập từ:
“https://www.kaggle.com/datasets/grassknoted/asl-alphabet”

69