BỘ GIÁO DỤC &amp ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

KHÓA LUẬN TỐT NGHIỆP
NGÀNH KỸ THUẬT Y SINH

ĐỀ TÀI:

THIẾT KẾ VÀ THI CÔNG
HỆ THỐNG THU THẬP VÀ PHÂN LOẠI
HÌNH ẢNH NHIỆT BÀN CHÂN
CỦA BỆNH NHÂN ĐÁI THÁO ĐƯỜNG
GVHD:

Th.S NGÔ BÁ VIỆT

SVTH:

MSSV:

Nguyễn Duy Khánh

20129056

Phạm Bảo Huy

20129016

Tp. Hồ Chí Minh – 06/2024

BỘ GIÁO DỤC &amp ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

KHÓA LUẬN TỐT NGHIỆP
NGÀNH KỸ THUẬT Y SINH

ĐỀ TÀI:

THIẾT KẾ VÀ THI CÔNG
HỆ THỐNG THU THẬP VÀ PHÂN LOẠI
HÌNH ẢNH NHIỆT BÀN CHÂN
CỦA BỆNH NHÂN ĐÁI THÁO ĐƯỜNG
GVHD:

Th.S NGÔ BÁ VIỆT

SVTH:

MSSV:

Nguyễn Duy Khánh

20129056

Phạm Bảo Huy

20129016

Tp. Hồ Chí Minh – 06/2024

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. Hồ Chí Minh, ngày 17 tháng 06 năm 2024

NHIỆM VỤ KHÓA LUẬN TỐT NGHIỆP
Họ tên sinh viên:

Nguyễn Duy Khánh

MSSV:

20129056

Phạm Bảo Huy

MSSV:

20129016

Chuyên ngành:

Kỹ thuật Y Sinh

Mã ngành:

7520212D

Hệ đào tạo:

Đại học chính quy

Mã hệ:

1

Khóa:

2020

Lớp:

20129

I. TÊN ĐỀ TÀI: THIẾT KẾ VÀ THI CÔNG HỆ THỐNG THU THẬP VÀ
PHÂN LOẠI HÌNH ẢNH NHIỆT BÀN CHÂN CỦA BỆNH
NHÂN ĐÁI THÁO ĐƯỜNG.
II. NHIỆM VỤ
1. Các số liệu ban đầu:


Ngôn ngữ lập trình: Python.



Tài liệu về biến chứng của bệnh đái tháo đường.



Tài liệu về lập trình Arduino.



Tài liệu về Simple Handheld Thermal Imager Version 2.0 Imaging Camera+2
240x320 LCD Display.



Tài liệu lập trình VS Code.



Tài liệu thiết kế giao diện bằng Qt Designer.



Tập dữ liệu “Plantar Thermogram Database for the Study of Diabetic Foot
Complications” từ 122 bệnh nhân được chẩn đoán là đái tháo đường và 45
bệnh nhân không mắc đái tháo đường, được tổng hợp từ các bệnh viện và
phòng khám ở Mexico.



Sử dụng mạng nơ-ron tích chập VGG16 để phân loại ảnh nhiệt bàn chân.

ii

2. Nội dung thực hiện:


Nội dung 1: Tìm hiểu lý thuyết về bệnh đái tháo đường, đặc biệt là sự ảnh
hưởng của bệnh đái tháo đường khi di căn đến bàn chân.



Nội dung 2: Thiết kế và thi công phần cứng của hệ thống để chụp ảnh nhiệt
bàn chân.



Nội dung 3: Kết nối máy ảnh nhiệt với máy tính.



Nội dung 4: Xây dựng và huấn luyện mô hình máy học để hỗ trợ chẩn đoán.



Nội dung 5: Thiết kế giao diện để điều khiển và lập trình các chức năng chụp
...

...
_show_uart)
self.ui_diag.loadimage_Button.clicked.connect(self.load_diag_image)
self.ui_diag.analysis_Button.clicked.connect(self.diag_image)
self.window_diag.show()
Chương trình hiển thị ảnh và chẩn đoán:
def load_diag_image(self):
self.ui_diag.size_label.clear()
filename, _ = QFileDialog.getOpenFileName(None, Chọn hình ảnh, ,
Images (*.png *.jpg *.jpeg))
if filename:
pixmap = QPixmap(filename)
pixmap_resized = pixmap.scaled(self.ui_diag.image_label.size(),
aspectRatioMode=True)
self.ui_diag.image_label.setAlignment(Qt.AlignCenter)
self.ui_diag.image_label.setPixmap(pixmap_resized)
self.image_path = filename
def diag_image(self):
if hasattr(self, image_path):
img = Image.open(self.image_path).resize((224, 224))
img = img.convert(RGB) # Convert image to RGB
img = np.array(img) / 255.0
new_model = keras.models.load_model(Model_Vgg16_3.h5)
result = new_model.predict(img[np.newaxis, ...])
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

98

PHỤ LỤC
label = DM if result[0, 0] 0.5 else CG
self.ui_diag.size_label.setText(fKết quả: {label})
if label == DM:
self.ui_diag.size_label.setStyleSheet(background-color: #034c5f color:
#CD5C5C)
else:
self.ui_diag.size_label.setStyleSheet(background-color: #034c5f color:
#FFFFF0) # Đặt lại style sheet nếu nhãn không phải là DM
else:
QtWidgets.QMessageBox.information(None, Thông báo, Vui lòng chọn
hình ảnh trước khi chẩn đoán.)
Chương trình cho mô hình huấn luyện dùng VGG16:
# Image dimensions
img_width = 224
img_height = 224
batch_size = 8
input_shape = (img_width, img_height, 3)

# Build the Image Data Generator
train_datagen = ImageDataGenerator(rescale=1./255, zoom_range=[0.6, 1.0],
brightness_range=[0.6, 1.0], horizontal_flip=True)

# Build the mode
pre_trained_model = VGG16(input_shape=(224, 224, 3), include_top=False,
weights=imagenet)
for layer in pre_trained_model.layers[:15]:
layer.trainable = False
for layer in pre_trained_model.layers[15:]:
layer.trainable = True
last_layer = pre_trained_model.get_layer(block5_pool)
last_output = last_layer.output
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

99

PHỤ LỤC
x = GlobalMaxPooling2D()(last_output)
x = Dense(256, activation=relu)(x)
x = out(0.45)(x)
x = Dense(1, activation=sigmoid)(x)

# Compile the mode
optimizer = optimizers.SGD(learning_rate = 1e-4, momentum = 0.9)
model.compile(optimizer=optimizer, loss = binary_crossentropy, metrics=[acc,
precision, recall])
epochs = 15

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

100