Ứng dụng bộ lọc gauss và phân lớp svm cho vấn đề nhận dạng sóng động kinh trên điện não đồ

i

ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

NGUYỄN THÌN CƯỜNG

ỨNG DỤNG BỘ LỌC GAUSS VÀ PHÂN LỚP SVM
CHO VẤN ĐỀ NHẬN DẠNG SÓNG ĐỘNG KINH
TRÊN ĐIỆN NÃO ĐỒ
Chuyên ngành: Vật lý kỹ thuật
Mã số: 852 04 01

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 02 năm 2023


i

Cơng trình được hồn thành tại:
TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC QUỐC GIA
THÀ NH PHỐ HỒ CHÍ MINH
Cán bộ hướng dẫn khoa học:
PGS. TS. Huỳnh Quang Linh
Cán bộ chấm nhâ ̣n xét 1:
TS. Hoàng Mạnh Hà
Cán bộ chấm nhâ ̣n xét 2:
TS. Lưu Gia Thiện
Luâ ̣n văn thạc sĩ được bảo vệ tại Trường Đại Học Bách Khoa – Đại Học Quốc
Gia TP. HCM ngày 11 tháng 02 năm 2023

Thành phần Hội đồng đánh giá luâ ̣n văn thạc sĩ gồm:
(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luâ ̣n văn thạc sĩ)
1. Chủ tịch hội đồng: TS. Lý Anh Tú
2. Thư ký hội đồng: TS. Nguyễn Trung Hậu
3. Ủy viên phản biện 1: TS. Hoàng Mạnh Hà
4. Ủy viên phản biện 2: TS. Lưu Gia Thiện
5. Ủy viên: PGS. TS Huỳnh Quang Linh
Xác nhâ ̣n của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên
ngành sau khi luâ ̣n văn đã được sửa chữa.
CHỦ TỊCH HỘI ĐỒNG

TS. Lê Anh Tú

TRƯỞNG KHOA KHOA HỌC ỨNG DỤNG


i

ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: NGUYỄN THÌN CƯỜNG

MSHV: 2070384

Ngày, tháng, năm sinh: 06/02/1977

Nơi sinh: Thanh Hóa

Chuyên ngành: Kỹ thuâ ̣t y sinh

Mã số: 8520401

I. TÊN ĐỀ TÀ I: Ứng dụng bộ lọc GAUSS và phân lớp SVM cho vấn đề
nhận dạng sóng động kinh trên điện não đồ. (Application of GAUSS filter and
SVM classifier to the problem of epileptic wave recognition on EEG).
II. NHIỆM VỤ VÀ NỘI DUNG: Nhiệm vụ của luận văn là tìm ra những gai
của bệnh động kinh trong chuỗi tín hiệu điện não đồ bằng đề xuất phương pháp
sử dụng bộ lọc Gauss và phân lớp SVM cho kết quả chính xác cao.
Nội dung gồm: Tổng quan về động kinh và thu tín hiệu điện não đồ. Lý do chọn
bộ lọc Gauss và phân lớp SVM, chạy thực nghiệm, so sánh và đánh giá kết quả.
III. NGÀ Y GIAO NHIỆM VỤ: 14/02/2022
IV. NGÀ Y HOÀ N THÀ NH NHIỆM VỤ: 30/12/2022
V. CÁN BỘ HƯỚNG DẪN: PGS.TS. HUỲNH QUANG LINH

Tp. HCM, ngày 11 tháng 02 năm 2023
CÁN BỘ HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN ĐÀ O TẠO

PGS. TS. Huỳnh Quang Linh
TRƯỞNG KHOA KHOA HỌC ỨNG DỤNG


ii

LỜI CẢM ƠN
Tôi xin chân thành cảm ơn quý thầy cô trường Đại học Bách Khoa - ĐHQG
TP.HCM, đã truyền đạt kiến thức, kinh nghiệm quý báu và tạo những điều kiện thuận
lợi cho tôi trong thời gian học tập và nghiên cứu tại trường.
Tôi xin chân thành cảm ơn PGS.TS. Huỳnh Quang Linh trực tiếp hướng dẫn cho
tôi trong suốt quá trình học tập, triển khai nghiên cứu để tơi có thể hồn thành luận
văn: "Ứng dụng bộ lọc GAUSS và phân lớp SVM cho vấn đề nhận dạng sóng
động kinh trên điện não đồ”.
Xin chân thành cảm ơn ThS.BS. Hoàng Tiến Trọng Nghĩa CN Khoa Nội Thần
Kinh, Ban giám đốc, Bệnh Viện Quân Y 175 - BQP đã tận tình giúp đỡ tơi trong q
trình thực hiện luận văn.
Xin chân thành cảm ơn các đồng nghiệp, bạn bè, những người thân và gia đình đã
ln hết lịng tạo mọi điều kiện cho tơi trong suốt q trình học tập và hoàn thành
luận văn.
Xin trân trọng cảm ơn!
Tác giả luận văn

Nguyễn Thìn Cường


iii

TĨM TẮT NỘI DUNG LUẬN VĂN
Trong chẩn đốn Động kinh, một vấn đề quan trọng là tìm ra sự hiện diện của cơn
động kinh. Cho đến gần đây, SVM là cơng cụ chính cho mục đích ghi nhận cơn động
kinh. Độ chính xác của phương pháp này dựa trên khả năng trích xuất đặc trưng của
q trình tiền xử lý. Mục đích của luận văn là tìm ra những gai xuất hiện bất thường
trong chuỗi tín hiệu điện não tương ứng với các gai của bệnh động kinh. Luận văn
sau khi hoàn thành đưa ra giải phương pháp nâng cao tính bền vững của bài tốn kết
hợp “Ứng dụng bộ lọc GAUSS và phân lớp SVM cho vấn đề nhận dạng sóng

động kinh trên điện não đồ”. Các cơ sở lý thuyết về lâm sàng, bộ lọc GAUSS, phân
lớp SVM, mơ hình xử lý tín hiệu, kết quả thực nghiệm cho thấy phương pháp của
chúng tơi đề xuất có ưu điểm là độ chính xác cao và phát hiện chính xác trong trường
hợp cơn động kinh phức tạp mà các phương pháp khác chưa đạt được.
ABSTRACT
In the diagnostic of Epilepsy, an important issue is to infer epileptic seizure
presence. Until recently, the SVM is the main tool for epileptic seizure recognition

purposes. The key issue is finding abnormal spikes in the brain's electrical signal that
correspond to the spikes in epilepsy. The purpose of the thesis is to find out abnormal
spikes in the electrical brain signal sequence corresponding to the spikes of epilepsy.
In this thesis, we proposed a method to improve the stability of above problem by
combining the GAUSS filter and SVM for seizure wave recognition on EEG". The
theoretical basis of clinical, GAUSS filter, SVM classification, signal processing
model and experimental results show that our proposed method has the advantages

of high accuracy and accurate detection. In the case of complex seizures for which
other methods have not been achieved.


iv

LỜI CAM ĐOAN
Tơi là Nguyễn Thìn Cường, học viên cao học khóa năm 2020- 2022, Đại học Bách
Khoa TP.HCM, chuyên ngành Vật lý y sinh, xin cam đoan:
•
Đây là luận văn do bản thân tôi trực tiếp thực hiện dưới sự hướng dẫn của
PGS.TS. Huỳnh Quang Linh.
•
Cơng trình này khơng trùng lặp với các nghiên cứu khác đã được công bố tại

Việt Nam.
•
Các số liệu và thơng tin trong luận văn là hồn tồn chính xác, trung thực và
khách quan, đã được xác nhận và chấp thuận của khoa “Khoa Học Ứng Dụng”.
Tơi xin hồn tồn chịu trách nhiệm trước pháp luật về những cam kết này.
TP. HCM, ngày 11 tháng 02 năm 2023

Tác giả Nguyễn Thìn Cường


v

MỤC LỤC
NHIỆM VỤ LUẬN VĂN THẠC SĨ .................................................................... i
LỜI CẢM ƠN .....................................................................................................ii
TÓM TẮT NỘI DUNG LUẬN VĂN ................................................................iii
ABSTRACT ......................................................................................................iii
LỜI CAM ĐOAN .............................................................................................. iv
MỤC LỤC .......................................................................................................... v
DANH MỤC CÁC TỪ VIẾT TẮT ..................................................................viii
DANH MỤC KÝ HIỆU TOÁN HỌC ................................................................ ix
DANH MỤC HÌNH VẼ ...................................................................................... x
DANH MỤC BẢNG ........................................................................................ xiii
MỞ ĐẦU ............................................................................................................ 1
1.

Đặt vấn đề. ............................................................................................... 1

2.

Mục tiêu của luận văn............................................................................... 1

3.

Đối tượng và phạm vi nghiên cứu của luận văn. ....................................... 2

4.

Phương pháp nghiên cứu. ......................................................................... 2

5.

Ý nghĩa khoa học và thực tiễn của luận văn. ............................................. 3

6.

Đóng góp mới của luận văn. ..................................................................... 3

CHƯƠNG 1 ........................................................................................................ 4
TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ TRONG ĐỘNG KINH VÀ CÁC PHƯƠNG
PHÁP PHÂN TÍCH TÍN HIỆU ĐIỆN NÃO ....................................................... 4
1.1. Tổng quan về vấn đề nghiên cứu. ............................................................. 4
1.1.1.Nguồn gốc của tín hiệu EEG ................................................................... 9
1.1.2. Ðặc điểm của EEG. .............................................................................. 21
1.1.3. Nhiễu trong điện não đồ. ...................................................................... 22
1.2. Đặc điểm lâm sàng bệnh động kinh. ......................................................... 23
1.2.1. Các khái niệm chung. .......................................................................... 23
1.2.1.1. Khái niệm về cơn động kinh.............................................................. 23
1.2.1.2. Khái niệm về bệnh động kinh. ........................................................... 23

vi

1.2.1.3. Khái niệm về trạng thái động kinh. .................................................... 23
1.2.1.4. Khái niệm về hội chứng động kinh. ................................................... 23
1.2.2. Đặc điểm lâm sàng bệnh động kinh. ..................................................... 24
1.2.2.1. Đặc điểm lâm sàng các cơn động kinh toàn thể. .................................. 24
1.2.2.2. Đặc điểm lâm sàng các hội chứng động kinh cục bộ. .......................... 29
1.2.3. Phân loại và chẩn đoán động kinh. ....................................................... 30
1.3. Tổng quan về phương pháp phân tích tín hiệu điện não. .............................. 31
1.3.1.

Dữ liệu phân tích sử dụng trong luận văn. ....................................... 33

1.3.2. Bộ dữ liệu 1. ..................................................................................... 33
1.3.3. Bộ dữ liệu 2. .................................................................................... 34
1.4. Kết luận chương 1. ................................................................................. 35
CHƯƠNG 2. ..................................................................................................... 36
BỘ LỌC GAUSS VÀ PHÂN LỚP SVM .......................................................... 36
A. Bộ lọc Gauss. ......................................................................................... 36
2.1 . Giới thiệu hàm Gauss: .......................................................................... 36
2.2 . Ứng dụng hàm Gauss cho bài tốn tách đặc trưng sóng động kinh từ tín
hiệu điện não. ......................................................................................... 37
B. Phân lớp SVM. .......................................................................................... 41
2.3. Giới thiệu SVM. ..................................................................................... 41
2.4. Phương pháp phân lớp SVM. ................................................................. 41
2.4.1. SVM tuyến tính. .............................................................................. 42
2.4.2. Phân lớp mềm. .................................................................................. 43
2.4.3. SVM phi tuyến. ................................................................................ 44
2.5. Các thuật tốn huấn luyện SVM. ............................................................ 46

2.6. Tóm tắt. .................................................................................................. 47
2.7. Kết luận chương 2. .................................................................................. 52
CHƯƠNG 3 ...................................................................................................... 53
ÁP DỤNG BỘ LỌC GAUSS VÀ BỘ PHÂN LỚP SVM CHO BÀI TỐN
PHÁT HIỆN GAI ĐỘNG KINH....................................................................... 53
3.1. Đề xuất mơ hình...................................................................................... 53


vii

3.2. Thực nghiệm và đánh giá. ...................................................................... 54
3.2.1 Mô tả thực nghiệm. ............................................................................ 54
3.2.2. Đánh giá một số kết quả tại bước phân lớp các tín hiệu sau lọc, làm
trơn............................................................................................................. 70
3.2.3. Đánh giá thực nghiệm. ...................................................................... 71
3.3. Kết luận chương 3. ................................................................................. 77
KẾT LUẬN ...................................................................................................... 78
•

Những kết quả đạt được và những mặt cịn hạn chế ................................ 78

•

Hướng phát triển của đề tài..................................................................... 78

TÀI LIỆU THAM KHẢO ................................................................................. 79
PHỤ LỤC ......................................................................................................... 86


viii

DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết tắt

Nghĩa tiếng Anh

Nghĩa tiếng Việt

ACU

Accuracy

Độ chính xác

AI

Artificial Intelligence

Trí tuệ nhân tạo

ANN

Artificial Neural Network

Mạng nơron nhân tạo

EOG

Electrooculogram

Điện nhãn đồ

EEG

Electroencephalogram

Điện não đồ

EMG

Electromyography

Điện cơ đồ

ICD

The International Classification
of Diseases and Related Health

Bảng phân loại bệnh quốc tế

SMO

Sequential Minimal Optimization Tối ưu hóa tối thiểu tuần tự

SVM

Support vector machine

Công cụ vectơ hỗ trợ

SE

Sample Entropy

Entropy mẫu

VHO

World Health Organization

Tổ chức Y tế Thế giới

CS

Cộng sự

ĐK

Động kinh

ĐKTT

Động kinh toàn thể

ĐKCB

Động kinh cục bộ

ĐNĐ

Điện não đồ

HC

Hội chứng

HCĐK

Hội chứng động kinh


ix

DANH MỤC KÝ HIỆU TỐN HỌC
Ký hiệu

Diễn giải
Là tích vơ hướng trong không gian đặc trưng

K(x,y)
C

Là tập compact của RD

i

Biến trể

fX(x ̶)

Hàm phân phối xác suất

µ

Kỳ vọng

δ2

Phương sai

f(x)

Hàm quyết định phân lớp cuối

 f ( xi , yi )  yi (w T .xi  b)

 f  min  f ( xi , yi )
i 1..l

Khoảng cách hình học nhỏ nhất của mẫu huấn
luyên

K(x, y) = ((x . y) +  )d

K ( x, y)  e

Khoảng cách đại số của một mẫu huấn luyện

|| x  y||2

2 2

Hàm nhân đa thức
Hàm nhân của Gauss


x

DANH MỤC HÌNH VẼ
Hình 1.1. Bố trí 21 điện cực theo chuẩn quốc tế 10-20............................................. 8
Hình 1.2. Bố trí điện cực điện não mở rộng theo chuẩn 10-20 quốc tế .................... 9
Hình 1.3. Cấu tạo não trung gian ............................................................................. 11
Hình 1.4. Cấu tạo của bộ não ................................................................................... 12
Hình 1.5. Thành phần chính của neuron................................................................... 14
Hình 1.6. Cấu trúc của màng tế bào ......................................................................... 15
Hình 1.7. Độ dẫn của xung thần kinh trên một sợi trục thần kinh ............................. 17
Hình 1.8. Đồ thị điện thế hoạt động của màng ........................................................ 18
Hình 1.9. Cấu trúc của vỏ não.................................................................................. 19
Hình 1.10. Cấu trúc các lớp khác nhau của vỏ não ................................................... 20
Hình 1.11. Các nhịp sóng cơ bản của EEG .............................................................. 22
Hình 1.12. Tín hiệu EEG động kinh cơn vắng ý thức. .............................................. 25
Hình 1.13. Tín hiệu EEG có dấu hiệu động kinh ...................................................... 34
Hình 2.1. Mơ tả phân phối Gauss với các giá trị µ khác nhau. ................................. 36
Hình 2.2. Mơ tả tác dụng của hàm Gauss đối với EEG có gai động kinh ................. 37
Hình 2.3. Mơ tả tác dụng của hàm Gauss đối với EEG không gai động kinh ........... 37
Hình 2.4. Mơ tả mặt phẳng phân tách trong khơng gian R3 ...................................... 39
Hình 2.5. Mơ tả 1 đỉnh (gai) và kết quả tương ứng khi tính đạo hàm bậc1. .............. 40
Hình 2.6. Mơ tả một gai kép và kết quả tương ứng khi tính đạo hàm bậc1. .............. 40
Hình 2.7. Siêu phẳng tách tuyến tính. ...................................................................... 42
Hình 2.8 . Phân lớp mềm. ........................................................................................... 43

Hình 2.9. Ánh xạ dữ liệu vào khơng gian đặc trưng. ................................................ 45
Hình 2.10. Hình ảnh tín hiệu EEG bình thường. ...................................................... 48
Hình 2.11. Hình ảnh tín hiệu EEG có các cơn động kinh ......................................... 48
Hình 2.12. Tín hiệu mơ phỏng cơn động kinh và SE đoạn dữ liệu 1......................... 49
Hình 2.13. Tín hiệu mơ phỏng cơn động kinh và SE đoạn dữ liệu 2......................... 49
Hình 2.14. Tín hiệu mơ phỏng cơn động kinh và SE đoạn dữ liệu 3. ........................ 50
Hình 2.15. Tín hiệu mơ phỏng cơn động kinh và SE đoạn dữ liệu 4 ............................................ 50


xi

Hình 2.16. Biến thiên SE theo thời gian tín hiệu EEG bản ghi Z001 bộ dữ liệu 1(bản ghi khơng
có cơn động kinh)....................................................................................................................... 51
Hình 2.17. Biến thiên SE theo thời gian kênh 12 tín hiệu EEG bản ghi chb01_03_edfm
bộ dữ liệu 2 (trích đoạn có cơn động kinh từ 2996s-3036s). .................................... 52
Hình 3.1. Sơ đồ mơ tả các bước kết hợp ứng dụng hàm Gauss với SVM để phát hiện
gai động kinh ........................................................................................................... 53
Hình 3.2. So sánh tín hiệu điện não trước và sau lọc ................................................ 54
Hình 3.3 mơ tả kết quả tại bước lọc, tách đặc trưng là các gai ĐK từ tín hiệu EEG trong
dữ liệu chb01-15, kênh 17. ..................................................................................... 54
Hình 3.4. So sánh tín hiệu điện não của bản ghi chb01_01 trước và sau lọc ............. 56
Hình 3.5. So sánh tín hiệu điện não của bản ghi chb01_02 trước và sau lọc ............. 56
Hình 3.6. So sánh tín hiệu điện não của bản ghi chb01_03 trước và sau lọc ............. 57
Hình 3.7. So sánh tín hiệu EEG của bản ghi chb01_03, kênh 5, trước, sau lọc ......... 57
Hình 3.8. So sánh tín hiệu điện não của bản ghi chb01_04 trước và sau lọc ............. 58
Hình 3.9. So sánh tín hiệu EEG của bản ghi chb01_04, kênh 5, trước, sau lọc ......... 58
Hình 3.10. So sánh tín hiệu điện não của bản ghi chb01_05 trước và sau lọc ........... 59
Hình 3.11. So sánh tín hiệu điện não của bản ghi chb01_06 trước và sau lọc ........... 59
Hình 3.12. So sánh tín hiệu điện não của bản ghi chb01_07 trước và sau lọc ........... 60
Hình 3.13. So sánh tín hiệu điện não của bản ghi chb01_08 trước và sau lọc ........... 60

Hình 3.14. So sánh tín hiệu điện não của bản ghi chb01_09 trước và sau lọc ........... 61
Hình 3.15. So sánh tín hiệu điện não của bản ghi chb01_10 trước và sau lọc ........... 61
Hình 3.16. So sánh tín hiệu điện não của bản ghi chb01_11 trước và sau lọc ........... 62
Hình 3.17. So sánh tín hiệu điện não của bản ghi chb01_12 trước và sau lọc ........... 63
Hình 3.18. So sánh tín hiệu điện não của bản ghi chb01_13 trước và sau lọc ........... 63
Hình 3.19. So sánh tín hiệu điện não của bản ghi chb01_14 trước và sau lọc ........... 64
Hình 3.20. So sánh tín hiệu điện não của bản ghi chb01_15 trước và sau lọc ........... 64
Hình 3.21. So sánh tín hiệu EEG của bản ghi chb01_15, kênh 6, trước, sau lọc ....... 65
Hình 3.22. So sánh tín hiệu điện não của bản ghi chb01_16 trước và sau lọc ........... 65
Hình 3.23. So sánh tín hiệu EEG của bản ghi chb01_16, kênh 16, trước, sau lọc ..... 66
Hình 3.24. So sánh tín hiệu điện não của bản ghi chb01_17 trước và sau lọc ........... 66


xii

Hình 3.25. So sánh tín hiệu điện não của bản ghi chb01_18 trước và sau lọc ........... 67
Hình 3.26. So sánh tín hiệu EEG của bản ghi chb01_18, kênh 2, trước và sau lọc ... 67
Hình 3.27. So sánh tín hiệu điện não của bản ghi chb01_19 trước và sau lọc ........... 68
Hình 3.28. So sánh tín hiệu điện não của bản ghi chb01_20 trước và sau lọc ........... 68
Hình 3.29. So sánh tín hiệu điện não của bản ghi chb01_21 trước và sau lọc ........... 69
Hình 3.30. So sánh tín hiệu EEG của bản ghi chb01_21, kênh 5, trước và sau lọc ... 69
Hình 3.31. So sánh tín hiệu điện não của bản ghi chb01_22 trước và sau lọc ........... 70


xiii

DANH MỤC BẢNG

Bảng 1.1. Bảng phân loại động kinh theo ICD-10 năm 1992 ................................... 30
Bảng 2.1. Bảng phương pháp phát hiện gai động kinh ............................................. 38

Bảng 3.1. Bảng kết quả thực nghiêm ....................................................................... 70
Bảng 3.2. Độ chính xác (Accuracy) của một số kết quả tiêu biểu trên cùng bộ dữ
liệu .......................................................................................................................... 73
Bảng 3.3. Độ chính xác (Accuracy) của một số kết quả tiêu biểu (khác bộ dữ liệu) . 75


1

MỞ ĐẦU
1. Đặt vấn đề.
Động kinh (Epilepsy) là một bệnh rối loạn thần kinh khá nguy hiểm do nó làm
mất khả năng tự kiểm soát hành vi của người bị bệnh. Theo thống kê của tổ chức Y
tế thế giới (WHO), tỷ lệ người mắc bệnh động kinh trên thế giới khoảng 1% dân số
thế giới [47]. Tại Việt Nam khoảng 2% dân số bị bệnh động kinh, trong đó gần 60%
số bệnh nhân là trẻ em [7]. Đối với người bệnh, đặc biệt là trẻ em, nếu không được
phát hiện và điều trị kịp thời có thể làm cho người bệnh bị thiểu năng trí tuệ, rối loạn
hành vi, giảm khả năng miễn dịch,…vv. Chính vì thế, việc nghiên cứu phát hiện
chính xác bệnh động kinh sớm có ý nghĩa rất quan trọng.
Chẩn đoán động kinh hiện nay ở Việt Nam chủ yếu dựa vào phương pháp lâm
sàng thông qua nhận biết các dấu hiệu hay triệu chứng của các cơn co giật lâm sàng.
Điện não đồ (EEG) ghi lại các biểu hiện hoạt động của não, là một xét nghiệm bổ trợ
cho chẩn đoán lâm sàng bệnh động kinh( ĐK) thông dụng nhất, đặc biệt là xác định
thể loại động kinh và khu vực não bị tổn thương. Các cơn động kinh được biểu hiện
bằng các xung tín hiệu đặc trưng trên bản ghi và các xung này có biên độ, hình dạng,
tần số, v.v…là bất thường. Hiện nay, rất nhiều bệnh viện ở Việt Nam đã trang bị các
thiết bị đo điện não khá hiện đại. Tuy nhiên việc phân tích và đánh giá dữ liệu vẫn
phụ thuộc hoàn toàn vào kinh nghiệm chủ quan của các bác sĩ chuyên môn và kỹ
thuật viên đo điện não. Chính vì thế, việc nghiên cứu đề tài “Ứng dụng bộ lọc Gauss
và phân lớp SVM cho bài toán nhận dạng sóng động kinh trên điện não đồ” mang ý
nghĩa thiết thực trong phát triển chuyên sâu về nghiên cứu điện não và sinh lý thần

kinh.
2. Mục tiêu của luận văn.
Nghiên cứu việc dùng lý thuyết các bộ lọc trong Matlab lựa chọn các phương pháp
sử dụng hàm Gauss và phân lớp SVM cho bài tốn phân tích sóng điện não để xác
định được bệnh lý động kinh nhanh và chính xác hơn. Đề xuất kết hợp bộ lọc Gauss
với phân lớp SVM trong phân tích tín hiệu y sinh nói chung và tín hiệu điện não đồ
nói riêng. Xây dựng tiêu chí nhận biết, phát hiện những dị thường bệnh lý trên các


2

bản ghi điện não đồ trong động kinh (trước, trong và sau cơn) từ đó xây dựng thuật
tốn và hệ thống phát hiện sóng động kinh và vùng nghi ngờ khởi phát động kinh
thơng qua phân tích tín hiệu điện não đồ. Phân tích, so sánh, đánh giá chất lượng
giải pháp đã được đề xuất.
3. Đối tượng và phạm vi nghiên cứu của luận văn.
Đối tượng nghiên cứu của luận văn là các bản ghi tín hiệu điện não đồ (EEG)
bao gồm: các bản ghi của những người khỏe mạnh và bệnh nhân có các cơn động
kinh, các dữ liệu mơ phỏng tín hiệu EEG trong và ngồi cơn động kinh. Phạm vi
những nội dung chính mà luận văn sẽ đề cập:

- Điện não đồ trong các cơn động kinh. Các phương pháp phân tích điện não đồ.
- Nghiên cứu và xác định đánh dấu các tham số tín hiệu điện não đồ trong động
kinh, mơ phỏng tín hiệu điện não đồ trong cơn động kinh.

- Đề xuất giải pháp tự động phát hiện động kinh dựa trên bộ lọc Gauss và phân
lớp SVM.

- So sánh độ chính xác của giải pháp đề xuất với các nghiên cứu khác trong và
ngồi nước trên cùng bộ dữ liệu có sẵn.

- Đánh giá ưu, nhược điểm của giải pháp đề xuất
4. Phương pháp nghiên cứu.
Luận văn sử dụng phương pháp nghiên cứu bài tốn tách đặc trưng là gai động
kinh trên sóng điện não đồ, trên cơ sở đó đề xuất giải pháp. Kết hợp với thực nghiệm
để so sánh giải pháp đề xuất với các tác giả khác. Tiến hành đánh giá ưu nhược điểm
của giải pháp đề xuất. Kiểm chứng mức độ chính xác, tin cậy của giải pháp đề xuất.
Trong đó, nghiên cứu các phương pháp tách đặc trưng của tín hiệu. Dựa trên kết quả
thu được tại bước nghiên cứu cơ sở lý thuyết, luận văn đề xuất giải pháp tự động
phát hiện các cơn động kinh trên các bản ghi EEG. Độ chính xác của giải pháp đề
xuất được kiểm chứng trên các bộ dữ liệu EEG có sẵn được cung cấp phổ biến cho
các nhà nghiên cứu. Các bộ dữ liệu đã bao gồm đầy đủ các thơng tin về tình trạng
bệnh lý, các thời điểm phát hiện bệnh lý trên bản ghi EEG: Trong bộ dữ liệu “CHB-


3

MIT scalp EEG database” [24]., bộ dữ liệu của trường đại học Bonn – Đức [25]
5. Ý nghĩa khoa học và thực tiễn của luận văn.
Ở nước ta là một trong những nước phát triển có số người bị động kinh cao, tình
trạng quá tải ở các bệnh viện thường xuyên xảy ra. Trong khi đó số lượng chuyên
gia có kinh nghiệm về thần kinh khơng nhiều dẫn đến tình trạng chẩn đoán nhầm
bệnh hay xảy ra. Hiện tại các chuyên gia về thần kinh tại Việt Nam đang phải phân
tích, dị tìm các cơn động kinh trên bản ghi điện não đồ bằng cách thủ công hoặc
phải kết hợp với thiết bị ghi kết hợp Video và EEG (các chuyên gia phải quan sát cả
video về tình trạng bệnh nhân) nên tốn rất nhiều thời gian và công sức trong việc
chẩn đoán lâm sàng các bệnh lý động kinh. Đã có nhiều cơng trình nghiên cứu về tự
động phát hiện các sóng động kinh nhưng chưa có cơng trình nào áp dụng hiệu quả
vào thực tế để hỗ trợ cho các bác sĩ trong việc chẩn đoán bệnh lý động kinh. Vì vậy
việc đề xuất sử dụng bộ lọc Gauss kết hợp phân lớp SVM để cho nhận diện sóng

động kinh trong tín hiệu EEG cho kết quả chính xác cao hơn, hệ thống tự động phát
hiện các cơn và vùng khởi phát cơn động kinh trên các bản ghi điện não đồ có ý
nghĩa khoa học và thực tiễn rất lớn.
6. Đóng góp mới của luận văn.

- Đề xuất giải pháp kỹ thuật hữu ích cho hệ thống tự động phát hiện các gai của
cơn động kinh của tín hiệu điện não đồ, bằng phương pháp bộ lọc GAUSS và phân
lớp SVM, với độ chính xác cao trong các cơn động kinh và cơn động kinh phức tạp
đáp ứng được mong muốn của các bác sĩ.

- Tiến hành cài đặt và làm thực nghiệm so sánh đánh giá ưu khuyết điểm của đề
xuất.


4

CHƯƠNG 1
TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ TRONG ĐỘNG KINH VÀ CÁC PHƯƠNG
PHÁP PHÂN TÍCH TÍN HIỆU ĐIỆN NÃO
1.1.

Tổng quan về vấn đề nghiên cứu.

Ngành kỹ thuật Y Sinh (Biomedical engineering) kết hợp với các ngành điện tửtự động hóa, cơng nghệ phần mềm, tích hợp khoa học kỹ thuật với sinh học, y học
và lâm sàng, nhằm tạo ra các công cụ và thiết bị phục vụ cải thiện sức khỏe con
người. Một trong nhiều lĩnh vực chính của kỹ thuật Y Sinh đó chính là lĩnh vực xử
lý tín hiệu y - sinh (Biosignal processing).
Xử lý tín hiệu y sinh nhằm áp dụng các phương pháp xử lý tín hiệu trong lĩnh
vực kỹ thuật điện tử để xử lý các loại tín hiệu y sinh nhằm lấy được thông tin, thông
số cần thiết để trợ giúp các nhà chun mơn y tế trong chẩn đốn và điều trị người

bệnh. Động kinh được định nghĩa là một quá trình bệnh lý mạn tính đặc trưng bằng
sự xuất hiện của ít nhất 2 cơn ĐK cách nhau trên 24 giờ, khơng liên quan đến bất
cứ một tổn thương cấp tính hay rối loạn chuyển hóa nào [1].
Đã có nhiều phương pháp nghiên cứu và phân tích tín hiệu EEG nhằm tìm ra
những thay đổi bệnh lý (những bất thường trong tín hiệu) về thần kinh nói chung và
về bệnh động kinh nói riêng [34, 36, 38]. Nhiều phương pháp đã được ứng dụng
trong lâm sàng nhưng hiệu quả cịn có những hạn chế. Hiện tại các nhà khoa học
vẫn chủ yếu dùng các phương pháp tuyến tính như: phương pháp phân tích tần số thời gian, các phương pháp phân tích thống kê... Phương pháp hiệu quả hơn cả vẫn
là đánh giá bằng quan sát hình ảnh tín hiệu EEG [30]. Khi ấy ngay cả các bác sĩ giàu
kinh nghiệm vẫn có những nhận định trái chiều nhau khi xem trên cùng một tín hiệu
EEG là nhiễu hay là các dị thường. Thậm chí cịn chưa thống nhất được phương thức
xác định một cơn động kinh thế nào, đâu là khởi đầu của cơn và đâu là điểm kết thúc
[30]. Tất cả những điều này dẫn đến ý tưởng là dùng một đại lượng đặc trưng nào
đó để đánh giá điện não đồ. Tín hiệu mơ tả hành vi của một hệ động học phức tạp,


5

đặc thù hoạt động của nó là hỗn loạn nên việc dùng các phương pháp tuyến tính sẽ
cho hiệu quả thấp.
Babloyantz A và Destexhe A là những người đầu tiên thực hiện nghiên cứu phi
tuyến các cơn động kinh vắng ý thức [48]. Mức độ tương quan của các cơn này thấp
hơn đáng kể so với điện não đồ bình thường ở trạng thái tỉnh táo. Điều đó chứng tỏ
rằng các cơn động kinh là hệ quả của “suy tổn phức tạp” bệnh lý. Sự suy giảm số mũ
Lyapunop cực đại trong cơn động kinh được Iasemidis LD và các cộng sự mơ tả
trong các cơng trình nghiên cứu của mình là phù hợp với quan niệm trên [17]. Frank
GW cũng phân tích điện não đồ của các cơn vắng ý thức.
Hiện nay đã có nhiều minh chứng về việc các cơn động kinh phản ánh hoạt động
của não [31]. Các cơn động kinh được đặc trưng bởi các mối liên hệ qua lại phi tuyến
giữa các kênh điện não (các vùng của não).

Bất kỳ phương pháp nào làm rõ hành vi phi tuyến của tín hiệu điện não đồ đều
đảm bảo cho những thơng tin hữu ích về trạng thái của não [42]. Philippe và Henri
phát hiện ra rằng chứng tâm thần phân liệt, mất ngủ, động kinh và một vài rối loạn
khác có thể nhận biết thơng qua nghiên cứu diễn biến hỗn loạn của các nơ-ron ….
Babloyantz và các cộng sự [29], Pritchard và Duke [40] đã đề xuất dùng kỹ thuật
phi tuyến để phân tích điện não đồ khi ngủ. Lehnertz và Elger [47] phát hiện ra rằng
việc phân tích các đặc trưng phi tuyến tín hiệu ghi được từ các vùng gây ra động
kinh của não cho phép tìm ra những khác biệt trong các chỉ số trong vòng vài phút
trước khi xuất hiện cơn. Martinerie và các cộng sự [21] tiến hành phân tích kích
thước khơng gian EEG và đi đến kết luận rằng các cơn động kinh chính là các trạng
thái có kích thước không gian EEG nhỏ hơn so với các trạng thái bình thường và
chỉ ra rằng hồn tồn có thể dự báo cơn. Jing và Takigawa [22] dùng kích thước
tương quan của tín hiệu EEG để nghiên cứu các trạng thái thần kinh khác nhau khi
động kinh. Andrezejak và các cộng sự [27] sử dụng một đơn vị đo mới để tách biệt
các hệ thống hỗn loạn tuyến tính với các hệ phi tuyến xác định, từ đó phát hiện ra
rằng các tín hiệu điện não đồ ghi được từ các vùng gây động kinh biểu lộ tính xác
định phi tuyến rất rõ, trong khi đó các vùng khơng gây động kinh lại đặc trưng bởi
các hệ hỗn loạn. Aschebrenner - Schelbe và các cộng sự [27] đề xuất một vài phương


6

pháp dự báo các cơn động kinh đang tới dựa trên việc phân tích kích thước tương
quan tín hiệu EEG. Nhóm này nghiên cứu sự giảm kích thước tương quan ở giai
đoạn trước cơn. Pavinen và các cộng sự [40] sử dụng các đặc trưng phi tuyến và các
phương pháp phân tích bằng máy tính như: phân tích phân biệt để phát hiện các cơn
động kinh, bổ trợ cho các phương pháp phân tích thời gian- tần số. Bai và các cộng
sự lại sử dụng các tham số phi tuyến như Entropy để phân tích tín hiệu EEG và nhận
thấy trong các cơn động kinh Entropy giảm xuống. Tất cả các nghiên cứu trên đây
cho thấy giá trị đặc biệt của các phương pháp phi tuyến phân tích tín hiệu điện não

đồ, từ đó hiểu được tính chất các rối loạn làm việc của não. Phương pháp dùng bộ lọc
Gauss kết hợp phân lớp SVM cho kết quả phát hiện các cơn động kinh có độ chính xác
cao hơn các phương pháp khác.
Hầu hết các hệ thống phát hiện động kinh hiện tại chỉ tập trung vào phân tích dữ
liệu tín hiệu EEG trên một vài kênh tại một thời điểm chứ không xử lý đồng thời
trên tất cả các kênh của bản ghi EEG. Các nghiên cứu tập trung chủ yếu vào việc
phát hiện có hay khơng có sóng động kinh trên các bản ghi và có rất ít nghiên cứu
chỉ ra thơng tin cụ thể về sóng động kinh (thời điểm khởi phát, kết thúc cơn, vùng
khởi phát). Trong cơn động kinh thì khả năng xuất hiện các gai sóng động kinh trên
các kênh gần nhau trong cùng một thời điểm là cao [33, 39] nên phương pháp xử lý
đa kênh đồng thời có thể sẽ cho phép khai thác mối liên hệ theo không gian của các
cơn động kinh, tăng hiệu quả phát hiện bệnh động kinh và vùng não khởi phát sóng
động kinh đó. Indiradevi là một trong số ít các nhà khoa học đề cập đến định vị khu
vực não tổn thương gây nên các cơn động kinh trong tín hiệu điện não đồ sử dụng
đồng thời thông tin từ nhiều kênh [33]. Tuy nhiên, các cơng trình nghiên cứu sử dụng
thơng tin đa kênh để nhận biết bệnh động kinh chưa nhiều và chưa đưa ra công cụ hiệu
quả để hỗ trợ các bác sĩ trong việc tự động phát hiện và đánh dấu các bệnh động kinh
trên các bản ghi EEG.
Động kinh là một rối loại chức năng não bộ khá phổ biến ở Việt Nam. Một thống kê
gần đây ở Việt Nam chỉ ra rằng tỉ lệ mắc bệnh động kinh là 0,44% [1]. Tuy nhiên việc sử
dụng các bản ghi EEG trong chẩn đoán và điều trị bệnh động kinh vẫn cịn ở giai đoạn sơ
khai do một số lí do sau:


7

Số lượng các bác sỹ thần kinh có kinh nghiệm để có thể đọc và đưa ra các phân tích có
độ chinh xác cao dừa trên thơng tin EEG, Hầu hết các bác sĩ chuyên khoa hiện nay vẫn
phân tích và chẩn đốn động kinh từ số liệu đo thơ trức tiếp từ máy điện não mà không qua
công đoạn xử lý của máy tính. Quy trình đo tín hiệu EEG khơng đáp ứng hồn tồn chuẩn

quốc tế thơng thường thì (thời gian ghi tín hiệu EEG tối thiểu là 20 phút trong khi chúng ta
thường đo chỉ 10 phút cho mỗi ca tại các bệnh viện do lượng bệnh nhân đông, nguồn nhân
lực và thiết bị hạn chế không đáp ứng kịp). Các nghiên cứu áp dụng công nghệ trong phát
hiện bệnh động kinh trên tín hiệu điện não đồ qua xử lý tín hiệu điện não cho bệnh động
kinh rất ít. Luận án Ts. Nguyễn Thị Anh Đào [2] sử dụng đắc trưng hình thái gai sóng để
phát các gai đơng kinh vớ độ chính xác 88,5%; Phương pháp này chỉ phát hiện các gai
sóng trên từng kênh riêng lẻ, không phát hiện và xử lý được đa kênh có khối lượng số liệu
lớn.
Sử dụng phần mềm của nước ngồi để xử lý tín hiệu EEG để nhận biết gai động kinh
chưa phổ biến do giá thành các phần mềm cịn cao. Do đó, để hỗ trợ các nhân viên y tế cải
thiện chất lượng rút ngắn thời gian cho chẩn đốn bệnh đơng kinh là một trong những vấn
đề cấp thiết đối với thời đại số 4.0 của các nhà khoa học tìm ra phương pháp xử lý tín hiệu
EEG của Việt Nam.
Bản ghi điện não đồ (Electroencephalogram) là sự biểu diễn dạng đồ họa, sự thay
đổi hiệu điện thế theo thời gian giữa các điện cực được bố trí ở các vị trí khác nhau
trên da đầu tương ứng với các vùng của vỏ não. EEG cung cấp thông tin về các hoạt
động điện não thông qua biên độ, tần số, hình thái, phân bố khơng gian, sự phân cực
của hiệu điện thế.
Thông thường để thu tín hiệu EEG chúng ta dùng một bộ điện cực gắn trên da
đầu theo hệ thống đặt điện cực 10-20 của quốc tế. Hệ thống 10-20% của Jasper được
quốc tế công nhận từ năm 1981 và sử dụng thông dụng nhất trong các thiết bị ghi
sóng điện não. Hệ thống này bao gồm các điện cực được đặt theo một tỉ lệ nhất định
trên toàn bộ vùng da đầu. Các điện cực được đặt đối xứng, giống hệt nhau ở hai bên.
Dưới đây hình ảnh vị trí bố trí các điện cực cơ bản trên da đầu theo chuẩn quốc tế 1020.


8

Thông thường chúng ta sẽ dùng một bộ 21 điện cực gắn trên da dầu theo hệ

Hình 1.1. Bố trí 21 điện cực theo chuẩn quốc tế 10-20
thống đặt điện cực 10-20 của quốc tế.
Vị trí các điểm mốc:

- Ðiểm gốc mũi (nasion), nằm giữa 2 chân lông mày (glabella).
- Ðiểm chẩm (inion).
- Ống tai ngoài 2 bên.
- Các ký hiệu vùng não:
- F là trán (Frontal).

- C là trung tâm (Central).

- O là chẩm (Occipital).

- P là đỉnh (Parietal).

Ðánh số lẻ nếu là bên trái, và số chẵn nếu là bên phải.
"10" và "20" đề cập đến thực tế là khoảng cách thực tế giữa các điện cực liền kề là
10% hoặc 20% tổng khoảng cách trước-sau hoặc phải-trái của hộp sọ.
Gần đây Hội điện não Hoa Kỳ thông qua một biến đổi nhỏ trong danh pháp theo
số và chữ cái nguyên thủy. Trong đó, trước đây là T3, T4, T5, T6 thì nay chuyển
thành T7, T8, P7 và P8. Cải tiến này nhằm làm tăng phạm vi đặt điện cực đã chuẩn


9

hóa vào trong vùng dưới thái dương (ví dụ: F9, T9, P9, F10, T10, P10) và chỉ rõ tên
của vị trí điện cực nằm ở đường vịng trung gian, giữa các đường vịng chuẩn (ví
dụ: AF7, AF3, FT9, FT7, PO3 và v.v.). Cách đặt thêm điện cực như vậy sẽ giúp cho
định khu các bất thường tốt hơn (ví dụ định khu ổ phát động kinh ở bệnh nhân bị

động kinh cục bộ).

Hình 1.2. Bố trí điện cực điện não mở rộng theo chuẩn 10-20 quốc tế.
1.1.1.Nguồn gốc của tín hiệu EEG
Trước khi làm rõ nguồn gốc phát sinh ra tín hiệu điện não chúng ta tìm hiểu một
số nội dung sau:
1.1.1.1.Cấu trúc giải phẫu và chức năng của não Não người là phần trên và trước
nhất của hệ thần kinh trung ương và là cơ quan chủ yếu trong điều hành hệ thần kinh
ngoại vi. Não người nặng khoảng 1500 g (Williams và Warwick, 1989). Diện tích
bề mặt của não khoảng 1600 cm², và dày khoảng 3 mm. Não gồm có : thân não, tiểu
não, não trung gian và đại não.
1.1.1.2 Thân não: Thân não gồm các cấu trúc thần kinh: Hành não (Medula) Cầu
não (Pons) Não giữa (Midbrain –Mesencephalon) Thân não có nhiều chức năng tự
động khác nhau, như kiểm sốt hơ hấp, nhịp tim, huyết áp, sự ngủ, sự thức tĩnh, và


10

sự chú ý.
a. Hành não (hay còn gọi là hành tủy)
Hành não là phần trên của tủy sống, nối tủy sống với não bộ, dài khoảng 3 cm,
chỗ rộng nhất 2,4 cm. Hành não có những đặc điểm giống tủy sống, nghĩa là vẫn
cịn mang tính phân đốt nhưng khơng rõ nét như ở tuỷ sống. Mặt ngoài của hành tuỷ
cũng có các rãnh, bên trong có ống tủy. Phần ống tuỷ ở hành tuỷ phình rộng ra tạo
nên não thất IV. Chất xám ở bên trong đã được tập hợp lại thành các hạch (nhân)
thần kinh. Các dây thần kinh xuất phát từ các hạch cũng có rễ trước, rễ sau. Các
rãnh và các rễ thần kinh đã chia hành tủy thành 3 cột: trước, bên, sau. Tại hành não
có nhân của các đơi dây thần kinh não từ V – XII.
b. Cầu não Cầu não nằm trên hành tuỷ, ngăn cách với hành tuỷ bởi rãnh hành cầu. Cấu tạo gồm hai phần: phần nền và phần mái. Tại đây có các đơi dây thần kinh
não số V, VI, Hình 1 cấu tạo của cầu não VII, VIII (V: sinh ba; VI: vận nhỡn ngoài;

VII: thần kinh mặt; VIII: thính giác). Phần ống giữa tủy ở cầu não và hành não phình
rộng ra tạo nên não thất IV chứa dịch não tuỷ. Cũng như hành tuỷ, trong cầu não có
một số nơron tập trung lại thành các trung khu điều khiển, điều hòa một số hoạt
động quan trọng như trung khu ức chế hô hấp ở cầu não, trung khu thần kinh vận
mạch, trung khu ăn uống, trung khu nôn, trung khu tiết mồ hôi, trung.khu tiết nước
mắt, trung khu hắt hơi, trung.khu hô hấp, trung khu nhấp nháy mắt.
c. Não giữa Não giữa là phần ít biến đổi nhất trong quá trình phát triển của não.
Não giữa gồm có hai phần: cuống não và củ não sinh tư. Cuống não (chân não), nằm
ở phần trước của não giữa, phía trên cầu não. Cuống não có hai phần: phần nền và
phần mái, được phân cách bởi các tế bào sắc tố (gọi là liềm đen). Củ não sinh tư
nằm ở phần sau của não giữa, gồm: hai củ trên là trung khu của các phản xạ định
hướng thị giác và hai củ não dưới là trung khu của các phản xạ định hướng thính
giác. Nhờ đó cho phép ta quay đầu về hướng có kích thích âm thanh và nhận biết sự
có mặt của ánh sáng, ngay cả khi ta nhắm mắt.
1.1.1.3.Tiểu não
Tiểu não là một cấu trúc lớn nằm sau cầu não và hành tuỷ, bị thùy chẩm của bán
cầu đại não che khuất. Tiểu não được phát triển mạnh ở động vật có vú và chim.