đánh giá mức độ stress dựa trên biến thiên nhịp tim

[1]


LỜI NÓI ĐẦU
Ngày nay, khoa học công nghệ đã có những bước phát triển mạnh, vượt bậc
về mọi mặt. Trong đó, việc bùng nổ các thiết bị di động cầm tay, đặc biệt là dòng
điện thoại thông minh với sự xuất hiện của hàng loạt các dòng điện thoại cao cấp
như iPhone, Samsung, HTC,… Theo đó, các ứng dụng về lĩnh vực sức khoẻ đang
ngày càng phát triển đa dạng và phong phú, góp phần hỗ trợ nâng cao sức khoẻ con
người như các ứng dụng quản lý giấc ngủ, quản lý bước chạy bộ, quản lý lượng
cholesterol, quản lý tim mạch, quản lý mức độ căng thẳng… Điều này cho thấy con
người ta ngày càng quan tâm đến sức khoẻ hơn…
Trong cuộc sống bộn bề, rất nhiều mối lo cho công việc, gia đình và cả xã
hội làm cho con người ta càng ngày càng dễ mắc nhiều căn bệnh nhất là stress. Do
đó, việc tích hợp những ứng dụng giúp quản lý, kiểm tra sức khoẻ sẽ đem lại rất
nhiều tiện ích cho người dùng.
Vì vậy, đồ án đã triển khai đề tài nghiên cứu việc đánh giá mức độ stress bằng
xử lý tín hiệu PPG thu từ điện thoại di động thông minh mà đa số mỗi người chúng
ta đều sở hữu. Đồ án sẽ cung cấp những chức năng cơ bản nhất giúp người dùng
đánh giá mức độ stress của mình, theo dõi quá trình theo từng ngày, từng tháng,
từng năm. Để sớm phát hiện stress và có cách điều chỉnh hợp lý giúp cơ thể luôn
khỏe mạnh về thể chất và tinh thần. Trong phạm vi thời gian có hạn, đồ án chỉ
nghiên cứu phương pháp đánh giá mức độ stress bằng xử lý tìn hiệu PPG thu bởi
video quay từ điện thoại, quá trình xử lý và mô phỏng được thực hiện trên phần
mềm Matlab. Hướng phát triển là xây dựng ứng dụng trên điện thoại.
Đầu tiên, em xin gửi lời cảm ơn chân thành nhất tới thầy giáo hướng dẫn Tiến
sĩ Võ Lê Cường đã hướng dẫn, giúp đỡ em rất nhiều trong suốt quá trình hoàn
thành đồ án này. Em cũng xin cảm ơn bạn bè, người thân và nhà trường đã ủng hộ
em trong suốt thời gian qua.

[2]

TÓM TẮT LUẬN VĂN
Đồ án này đã xây dựng phương pháp đánh giá mức độ stress dựa trên cơ sở lý
thuyết Photophlethysmogram (PPG). Trong cuộc sống hiên đại đầy những áp lực dễ
khiến chúng ta gặp các bệnh về căng thẳng thần kinh (stress). Tuy nhiên các
phương pháp truyền thống để đánh giá mức độ stress còn nhiều hạn chế. Vì vậy,
mục đích của đồ án này là nghiên cứu một phương pháp đánh giá mức độ stress
thân thiện với người dùng. Với việc phát triển của công nghệ PPG, việc ứng dụng
kỹ thuật trên để đo nhịp tim và mức độ stress là một giải pháp hàng đầu đang được
nghiên cứu và phát triển. Đầu tiên là quá trình thu tín hiệu PPG từ camera điện
thoại. Tiếp theo là quá trình xử lý video trên Matlab: đọc video, tách RGB, lọc
nhiễu và tìm đỉnh của tín hiệu nhịp tim, sau đó tính khoảng cách các nhịp tim, xuất
ra tín hiệu HRV và biến đổi FFT và trích xuất ra các tham số cần thiết cho đánh giá
stress: HR, MeanRR, SDNN, LF/HF. Sau đó ta thực nghiệm và đánh giá kết quả thu
được của phương pháp và định hướng phát triển trong tương lai.

ABSTRACT
This research project has built a method to measure mental stress level which
based on the studying about Photophlethysmogram. In modern life, the pressure
makes us so stress. However, the traditional methods in evaluating stress level are
limited. Therefore, this project was aiming to develop a new method for assessing
stress level. With the development of technology PPG, the application of this
technique to measure stress level is a leading solution which is being researched and
developed. The first is the process of PPG signal from the phone camera. The
subsequent is processing video on Matlab: reading video, separating RGB, filtering
interference and finding the peak of the heartbeat signals , then calculating the
distance among heart rate,outputing HRV signals and transforming FFT and
extracting the necessary parameters to evaluate stress: HR, MeanRR, SDNN, LF /
HF. Finally, we experiment and evaluate the results of the method and orient the

future development.
[3]


MỤC LỤC

[4]


CÁC HÌNH VẼ SỬ DỤNG TRONG LUẬN VĂN

DANH MỤC BẢNG BIỂU

[5]


MỞ ĐẦU
Phân tích tín hiệu PPG là một phương pháp được đề xuất để nghiên cứu và sử
dụng nhằm xác định thể tích máu trong động mạch chảy dưới da bằng việc sử dụng
ánh sáng. Phân tích tín hiệu PPG đã và đang được ứng dụng rộng rãi trong lĩnh vực
đánh giá các chỉ số sức khỏe của cơ thể như nồng độ oxy trong máu (SPO2), huyết
áp, nhịp tim, mức độ stress…Trong phạm vi đồ án sẽ triển khai xử lý tín hiệu PPG
để đánh giá mức độ stress.
Hiện nay để đánh giá mức độ stress có hai phương pháp chính là:
− Phỏng vấn và trắc nghiệm tâm lý: Sau những phát triển trog lĩnh vực tâm lý
thì căng thẳng có thể đo được bằng phương pháp trắc nghiệm tâm lý. Để thực
hiện nhà tâm lý học đã phát triển các câu hỏi bao gồm hàng loạt các triệu
chứng tâm lý gây ra do tác động của stress. Có một loạt các câu hỏi đã được
pháp triển để đánh giá các yếu tố tâm lý có liên quan đến stress [4] [5].
− Biện pháp sinh lý : Việc giải thích về tình trạng căng thẳng dẫn đến các kích

hoạt các vấn đề sinh lý trong cơ thể, phân tích các chỉ số sinh lý trong cơ thể
như huyết áp, vagal tone, tuyến nước bọt .. như là các biện pháp sính lý để
phát hiện stress ở người [4] [5].
Nhưng các phương pháp này thì khá tốn thời gian và chi phí, cần tới các
chuyên gia có kinh nghiệm trong ngành tâm lý học. Vì vậy, vấn đề đặt ra là xây
dựng một ứng dụng có thể giúp người dùng đo, quản lý và đánh giá mức độ stress
của mình một cách đơn giản, hiệu quả. Để người sử dụng có thể theo dõi sức khỏe
tinh thần hằng ngày và đến các chuyên gia tâm lý khi cần thiết. Kết quả của việc
đánh giá mức độ stress được phát triển nhằm ứng dụng trên điện thoại thông minh
chạy hệ điều hành android giúp người dùng kiểm tra stress một cách thuận tiện
nhất.
Trong phạm vi đồ án này, tác giả sẽ trình bày tổng quan về phương pháp phân
tích và xử lý tín hiệu PPG trên Matlab để đánh giá mức độ stress. Tiêu chí của đồ án
là đưa ra phương pháp đánh giá được mức độ stress trên phân mềm Matlab bằng
việc phân tích tín hiệu PPG.
[6]


Cấu trúc của đồ án này bao gồm bốn chương:
 Chương một: Trình bày khát quát về khái niệm stress. Những tác hại của stress
đối với người bệnh, định hướng phương pháp nghiên cứu và nêu ra nhiệm vụ
của đề tài.
 Chương hai: Trình bày về các cơ sở lý thuyết và các công nghệ sử dụng trong
đồ án.
 Chương ba: Trình bày cụ thể phương pháp ứng dụng phân tích tín hiệu PPG
trong đánh giá mức độ stress.
 Chương bốn: Trình bày về kết quả thực nghiệm đối với phương pháp phân tích
tín hiệu PPG trong đánh giá mức độ stress. Đánh giá độ chính xác của kết quả
thu được của đồ án.

[7]


CHƯƠNG 1: ĐẶT VẤN ĐỀ VÀ ĐỊNH HƯỚNG GIẢI PHÁP
Chương một nêu tầm quan trọng của đánh giá stress với sức khỏe thể chất và
tinh thần của con người trong cuộc sống hiện đại ngày nay. Các phương pháp đánh
giá stress truyền thống có rất nhiều hạn chế là tốn thơi gian và của cải. Dựa trên sự
phát triển của xử lý tin hiệu PPG vào các ứng dụng trong lĩnh vực xác định các
thông số về sức khỏe như: nhịp tim, mức độ stress, nồng độ oxy trong máu, huyết
áp…Đồ án đã nghiên cứu và giải quyết vấn đề đánh giá mức độ stress dựa trên
camera điện thoại và phần mềm Matlab.
1.1 Đặt vấn đề.
Ngày nay, khoa học công nghệ ngày càng phát triển, đã đem lại những tiện ích,
nâng cao chất lượng cuộc sống. Tuy nhiên cũng chính vì sự phát triển đó đã khiến
con người ngày càng lệ thuộc vào công nghệ và trở lên lười biếng hơn. Điều đó
khiến con người ta dễ mắc nhiều căn bệnh nguy hiểm, đặc biệt là các bệnh về tim
mạch. Kèm theo là cuộc sống hiện đại, tấp nập với những áp lực trong công việc, tài
chính, gia đình và xã hội dễ khiến cho con người bị stress. Chăm sóc và kiểm tra
sức khoẻ tim mạch và mức độ stress, để phát hiện sớm các dấu hiệu không tốt từ đó
giúp cơ thể giải tỏa căng thẳng mệt mỏi kip thời là việc làm cần thiết của tất cả mọi
người trong nhịp sống hối hả hiện nay.
1.1.1

Khái niệm stress.

Stress là một khái niệm đa hình. Hằng ngày chúng ta đều trải nghiệm stress ở
nhiều khía cạnh khác nhau trong các hoạt động của chúng ta: ở trường, ở nhà, nơi
công sở và thậm chí cả trong các hoạt động thể dục thể thao cũng có stress, stress
luôn luôn tồn tại quanh ta.
Có thể hiểu đơn giản stress là phản ứng của cơ thể trước bất cứ một yêu cầu,

áp lực hay một yếu tố tác động nào đe dọa đến sự tồn tại lành mạnh của con người
cả về thể chất lẫn tinh thần.

[8]


1.1.2 Phân loại stress
Stress gia đình: Kết hôn, sinh con, nuôi dạy con, kế hoạch cho tương lai,
những sự kiện ngoài xã hội đem về nhà... là những vấn đề có thể nảy sinh stress.
Stress dễ lan truyền từ thành viên này sang thành viên khác của gia đình. Người
chịu stress nhiều nhất chính là những đứa trẻ. Nếu không được kiểm soát stress có
thể phá vỡ gia đình.
Stress xã hội: Môi trường sống, mật độ dân cư, tài chính, sự bùng nổ thông tin,
sự thay đổi nghề nghiệp, giáo dục, biến đổi hệ thống giá trị và các tập tục truyền
thống... Những yếu tố đó sẽ làm chứng lo âu tăng mạnh, hiện tượng trầm cảm cũng
gia tăng.
Stress công việc (học tập, lao động): Điều kiện lao động, công việc phức tạp,
quá tải về khối lượng công việc hay quá tải về năng lực, liên quan đến việc ra quyết
định và trách nhiệm,...
1.1.3 Tác hại của stress.
Tác động về mặt thể chất:Tình trạng căng thẳng kéo dài dẫn đến rối loạn
chuyển hóa lipid, làm tăng cholesterol trong máu. Căng thẳng làm tăng tiết
catecholamin mà chủ yếu là adrenalin, gây co mạch máu dẫn đến thiếu oxy ở tim và
thành mạch, thiếu oxy ở các cơ quan. Tăng catecholamim trong những điều kiện
nhất định gây tình trạng thiếu oxy tổ chức, loạn dưỡng và hoại tử cơ tim, thành
mạch. Stress có thể gây ra nhiều căn bệnh:
Bệnh tâm thần kinh: mất ngủ, đau đầu, hoa mắt, chóng mặt, buồn phiền, cáu
gắt, loạn trí nhớ, trầm cảm...
Bệnh tim mạch: tăng huyết áp, nhồi máu cơ tim, tai biến mạch máu não, loạn
nhịp tim, hồi hộp đánh trống ngực...

Bệnh tiêu hóa: viêm loét dạ dày - tá tràng, chảy máu tiêu hóa, thủng dạ dày,
tiêu chảy, khô miệng, chán ăn, ăn không tiêu, hơi thở hôi, rối loạn chức năng đại
tràng...
Bệnh tình dục: giảm ham muốn, di tinh, mộng tinh, giao hợp đau.
Bệnh phụ khoa: rối loạn kinh nguyệt, rối loạn nội tiết...
[9]


Bệnh cơ khớp: co cứng cơ, đau lưng, đau khớp, cảm giác kiến bò ở ngón tay,
máy mắt, chuột rút, run rẩy...
Toàn thân: suy sụp, mệt mỏi, dễ mắc các bệnh dị ứng hay bệnh truyền nhiễm.
Tác động về mặt tinh thần: Song song với tác động về mặt thể chất, căng thẳng
gây ra tác động cả về mặt tinh thần. Các biểu hiện của nó là: Hay quên, mất trí nhớ,
căng thẳng, lo sợ, mất ngủ, run rẩy…
Vì vậy cần thường xuyên theo dõi Stress để phát hiện stress sớm và có các
biện pháp giảm căng thăng kịp thời để có các biện pháp điều chỉnh sinh hoạt giúp
cơ thể trở về trạng thái thoải mái nhất.
1.2 Nhiệm vụ đề ra và phương hướng giải quyết.
Sau khi phân tích đề tài, đã xác định được phương pháp phân tích và xử lý
tín hiệu PPG trên Matlab là phương pháp được sử dụng để đánh giá mức độ stress.
Đồng thời nêu ra các công việc cụ thể cần làm như sau:
− Tìm hiểu kỹ thuật photoplethysmography.
− Ứng dụng kỹ thuật Photoplethysmography vào việc đo nhịp tim và đánh mức
độ stress từ tín hiệu thu bằng camera điện thoại.
− Tìm hiểu lập trình Matlab. Việc xử lý video: Đọc video, tách kênh màu
RGB, làm mượt tín hiệu, tìm đỉnh tín hiệu nhịp tim, tính khoảng cách các
đỉnh của tín hiệu nhịp tim, biến đổi FFT cho tín hiệu HRV, trích xuất các chỉ
số của tín hiệu: HR, SDRR, MeanRR, LF/HF.
− Tìm hiểu về hệ điều hành android và ngôn ngữ lập trình java, android để sau
tiếp tục phát triển đề tài.

1.3 Kết luận.
Trong chương đầu tiên này đã trình bày khái quát về stress và ảnh hưởng của
stress đối với cuộc sống và sức khỏe người bị stress. So với các phương pháp khác
phương pháp đánh giá mức độ stress bằng phân tích và xử lý tín hiệu PPG thu từ
camera điện thoại tỏ ra dễ dàng trong việc thực hiện ,thích hợp với điều kiện thí
nghiệm hiện có của tác giả và nó giải quyết được một trong những vấn đề quan
trọng nhất đánh giá được mức độ stress.

[10]


CHƯƠNG 2 : CƠ SỞ LÝ THUYẾT VÀ KÝ THUẬT SỬ DỤNG
Chương hai trình bày cơ sở lý thuyết của các công nghệ đưa ra để thực hiện
nhiệm vụ đặt ra trong đồ án là kỹ thuật Photoplethysmography, và ứng dụng công
nghệ này vào đánh giá mức độ stress. Lý thuyết về bộ lọc tín hiệu, mối liên hệ giữa
biến thiên nhịp tim và hệ thần kinh tự tri ở cơ thể người và phương pháp phân tích
biến thiên nhịp tim (HRV).
2.1 Kỹ thuật Photoplethysmography.
Là kỹ thuật sử dụng để thu tín hiệu đồng bộ với nhịp tim mà không làm ảnh
hưởng tới lưu thông máu tại khu vực đó bằng việc sử dụng camera điện thoại và đèn
flash để thu tín hiệu ánh sáng phản xạ lại qua da trong một khoảng thời gian nhất
định.
2.1.1

Giới thiệu tổng quan về Photoplethysmography.

Theo định nghĩa của trang NCBI (National Center for Biotechnology
Information), Photoplethysmography là một kỹ thuật quang học đơn giản và chi phí
thấp dùng để phát hiện sự thay đổi của máu trong mao mạch. Nó thường được dùng

để thực hiện các phép đo trên bề mặt da.[8]
Về cơ bản, PPG xác định thể tích máu chảy dưới da bằng việc sử dụng ánh
sáng hồng ngoại. Tuy nhiên cũng có thể dùng ánh sáng với cường độ lớn để thay
thế. Nó có thể xác định được nồng độ máu, huyết áp, nhịp tim và đánh giá các chức
năng tự trị. Đây là một kỹ thuật đầy hứa hẹn để ban đầu sàng lọc và chẩn đoán dấu
hiệu của một số loại bệnh lý [1].
2.1.2

Nguyên lý hoạt động.

PPG hoạt động dựa trên sự thay đổi độ sắc máu trong chu kỳ tuần hoàn (vòng
tuần hoàn lớn), cụ thể:
Máu giàu Oxy (O2) có màu đỏ tươi từ tâm thất trái qua động mạch vào các
mao mạch: Ở đây sẽ diễn ra sự trao đổi chất với tế bào, O2 trong máu sẽ được thay
thế bởi Cacbon Dioxit (CO2) do tế bào thải ra.Tới tĩnh mạch trở về tâm nhĩ phải

[11]


Hình 2.1 - Sơ đồ lớp da người[8]
Hình 2.1 mô tả rõ ràng ngay dưới lớp da người có rất nhiều mao mạch nên
rất dễ thu nhận những biến đổi của mạch máu dưới da. Vậy cách thức hoạt động của
kỹ thuật PPG sẽ như sau: Đầu tiên chiếu ánh sáng có cường độ mạnh xuyên qua da
tới các mao mạch, dùng một camera ghi lại sự thay đổi của ánh sáng phản xạ lại.
Khi máu giàu O2 được chuyển đến các mao mạch khiến lượng máu tăng lên, ánh
sáng bị hấp thụ nhiều nên ánh sáng bị phản xạ lại tối hơn. Khi máu nhận khí CO2
và bị đẩy về tim thì lượng máu trong mao mạch giảm dẫn tới ánh sáng bị hấp thụ ít
đi, ánh sáng phản xạ lại có độ sáng sáng hơn. Kết quả nhận được sau khi đó trong y
học gọi là Photoplethysmogram với dạng biểu đồ như hình 2.2[8]:

[12]


Hình 2.2 - Biểu đồ PPG với các dữ liệu về chu kỳ tâm thất sớm (PVC), huyết áp
(BP) và các tín hiệu điện tâm đồ (EKG)[8]
Từ tín hiệu PPG thu được bởi việc tính cường độ sáng giữa các khung hình
thu từ camera, ta có thể tính được nhịp tim, tốc độ hô hấp, thể tích mạch đập và cả
nồng độ O2 trong máu.
2.2 Nhiễu và bộ lọc tín hiệu.
Trong quá trình đo, tín hiệu PPG thu được có thể chứa nhiều tín hiệu nhiễu
bị gây ra bởi sự dich chuyển của ngón tay hay sự thay đổi áp lực tĩnh mạch và các
tín hiệu nhiễu cao tần. Do đó, ta cần phải áp dụng một số phương pháp khử nhiễu
và làm mịn để thu tín hiệu ổn định và chính xác nhất.
2.2.1

Nhiễu .
Khái quát về nhiễu ảnh: Mỗi pixel trên cảm biến của camera đều có chứa

một hay nhiều Diode dò sáng để chuyển ánh sáng chiếu tới thành tín hiệu điện, sau
đó xử lý thành những giá trị màu của những pixel tạo nên ảnh sau cùng. Nếu trên
cùng một pixel không được chiếu sáng cùng một lượng ánh sáng trong một khoảng

[13]


thời gian thu ảnh thì giá trị màu trên pixel đó không được tương ứng với thực tế.
Những trường hợp như thế được gọi là nhiễu.
Nhiễu bao gồm:
Nhiễu độc lập với dữ liệu ảnh
− Là một loại nhiễu cộng: ảnh thu được là tổng của ảnh thực và nhiễu.

− Thông tin ảnh có tần số thấp, còn nhiễu ảnh hưởng đến tần số cao và ảnh
hưởng này có thế được giảm đi khi sử dụng bộ lọc thông thấp.
− Lọc nhiễu bằng bộ lọc tần số hay bộ lọc không gian.
Nhiễu phụ thuộc vào dữ liệu
− Nhiễu này xuất hiện khi có sự bức xạ đơn sắc nằm rải rác trên bề mặt ảnh, độ
gồ ghề của bề mặt phụ thuộc vào bước sóng của điểm ảnh.
− Do sự giao thoa giữa các sóng ảnh làm xuất hiện những vết lốm đốm trên
ảnh.
Nhiễu Gaussian
− Nhiễu do bản chất rời rạc của bức xạ. Nghĩa là hệ thống ghi ảnh bằng cách
đếm các photon lượng tử ánh sáng.
− Là nhiễu cộng và độc lập.
− Mỗi pixel trong ảnh nhiễu là tổng giá trị pixel thực và pixel ngẫu nhiên.
Nhiễu muối tiêu
− Nhiễu này sinh ra do xảy ra sai số trong quá trình truyền dữ liệu.
− Những pixel đơn được gán luân phiên mang giá trị 0 hay giá trị cao nhất tạo
ra hình muối tiêu trên ảnh.
2.2.2 Bộ lọc tín hiệu.
Các phương pháp lọc nhiễu cơ bản: Ý tưởng cho phương pháp chung là biến
đổi các giá trị của mỗi pixel dựa vào tính toán trên các giá trị của các pixel lân cận.
Các pixel lân cận được xác định bởi một Kernel (giá trị trung bình của tất cả các
pixel trong cửa sổ đó) và giá trị output được đặt ở trung tâm cửa sổ. Cách thức xử
lý là dùng các cửa sổ Kernel nhân chập lần lượt qua các pixel trong ảnh từ trái qua
phải, từ trên xuống dưới.
Lọc là một trong những hoạt động xử lý tín hiệu phức tạp được sử dụng rộng
rãi nhất. Bộ lọc kỹ thuật số thường được sử dụng cho hai mục đích chung: tách tín
hiệu đã được kết hợp hoặc nhiễm tiếng ồn hoặc can thiệp và phục hồi các tín hiệu
[14]

đó đã bị bóp méo một cách nào đó. Chúng có thể được phân thành hai bộ khác
nhau: đáp ứng xung hữu hạn (FIR) và đáp ứng xung (IIR) bộ lọc vô hạn. Bộ lọc FIR
có thể được thực hiện bởi một chuỗi tổng trọng số của các mẫu tín hiệu đầu vào với
đáp ứng xung của nó, là sản phẩm của một hệ thống khi đầu vào là một xung. Bộ
lọc IIR, cũng tên là bộ lọc đệ quy, mở rộng định nghĩa các bộ lọc FIR. Ngoài việc
sử dụng các mẫu đầu vào, họ sử dụng trước đây đã tính ra những mẫu để xác định
giá trị đầu ra của bộ lọc, và được xác định bởi một tập hợp các hệ số đệ quy. Đáp
ứng tần số của bộ lọc này có thể thu được bằng cách tính toán biến đổi Fourier rời
rạc của đáp ứng xung.
− Bộ lọc di chuyển trung bình có trọng số(Moving Average Filter:MAF)[6]
Bộ lọc di chuyển trung bình có trọng số là bộ lọc phổ biến nhất trong DSP bởi vì
bộ lọc có thuật toán đơn giản nhất để lọc bỏ nhiễu trong miền tần số cao và giữ lại
tín hiệu trong miền tần số cần thiết với mục đích sử dụng. Bộ lọc này có hiệu suất
tốt hơn các bộ lọc Gaussian, Blackman, và Multiplepass vậy sẽ giảm được thời gian
xử lý tín hiệu. Thuật toán để phân tích các điểm tín hiệu bằng cách tính trung bình
của các tập con khác nhau (các tập con được tạo ra bằng cách dịch chuyển tập con
hiện taị về phía trước) trong khoảng độ dài tín hiệu gốc. Tín hiệu ra là tập hợp các
điểm trung bình.
− Bộ lọc làm mượt.( Smooth Differentiation Filter:SDF)[6]
Độ sáng trung bình của ánh sáng đỏ của tất cả các khung hình là đầu ra của bộ
lọc, cụ thể là bộ lọc đã làm mịn tín hiệu. Đầu ra của bộ lọc tính như sau:
b(t) : độ sáng trung bình ánh sáng đỏ của mỗi pixels
f(t) : Đầu ra của bộ lọc.
c,d : Hệ số làm mịn
C_t = min{c,t-1}
D_t = min{d,t-1}

[15]

Để C_t là lẻ thì: đối với số khung hình trên một giây là 30 C_t được chọn là 23
để giữ vị trí của đỉnh như trong tín hiệu thô.
− Phương pháp lọc trung bình (mean filter)[10]
Đây là phương pháp lọc tuyến tính bằng cách thay thế giá trị trung tâm bằng giá
trị trung bình của tất cả các pixel trong cửa sổ đó. Với đặc điểm đơn giản như vậy
thì bộ lọc này có ưu điểm là hoàn thành các phép toán trong thời gian rất ngắn và
ảnh đạt được độ trơn mịn. Song do quá đơn giản nên bộ lọc này cũng có nhiều hạn
chế như là không loại bỏ được nhiễu do sự ảnh hưởng của các pixel đơn lẻ, ảnh sẽ
kém sắc nét và không đạt được độ tương phản cao.
− Phương pháp lọc trung vị (median filter)[10]
Đây là phương pháp lọc phi tuyến. Ý tưởng của phép lọc này là sử dụng một của
sổ lọc (ma trận 3 x 3) để quét lần lượt từng điểm ảnh của ảnh ban đầu. Tại vị trí mỗi
điểm ảnh lấy giá trị của các điểm ảnh tương ứng trong vùng 3 x 3 của ảnh gốc lấp
đầy vào ma trận lọc. Sau đó sắp xếp các điểm ảnh trong cửa sổ này theo thứ tự tăng
dần hoặc giảm dần tùy ý. Cuối cùng gán điểm có vị trí chính giữa cửa sổ (trung vị)
cho điểm ảnh đang được xét ở ảnh gốc.
Với đặc điểm như trên thì phép lọc trung vị là một kỹ thuật phổ biến trong xử lý
ảnh. Nó được sử dụng để lọc một cách rất hiệu quả đối với 2 loại nhiễu là nhiễu
đốm và nhiễu muối tiêu.
− Phương pháp lọc Gaussian (Gaussian smoothing)[10]
Đây là phương pháp làm mờ ảnh bằng hàm Gaussian. Ý tưởng phương pháp
này là tích chập một hình với hàm Gaussian. Với đặc tính của hàm Gaussian thì
phương pháp lọc này sẽ làm cho ảnh mờ mịn hơn. Mặt khác, biến đổi một hàm
Gaussian là một hàm Gaussian nên nếu xét trên miền tần số thì phương pháp này
làm giảm các thành phần tần số cao trong hình. Do đó nó còn đóng vai trò như một
bộ lọc thông thấp (low pass filter).
− Đánh giá các bộ lọc
So sánh giữa bộ lọc MAF với SDF và các bộ lọc khác ta thấy rằng bộ lọc
MAF đơn giản hơn, quá trình sử lý tín hiệu nhanh mà đem lại kết quả khá chính xác

[16]


so với các thiết bị y tế. Chính vì vậy bộ lọc MAF đã được lựa chọn cho chương
trình xử lý tín hiệu PPG để dùng trong đánh giá mức độ stress.
2.3 Biến thiên nhịp tim và mối liên hệ với hệ thần kinh tự trị.
2.3.1 Sơ lược lịch sử phân tích biến thiên nhịp tim [11].
Sơ lược lịch sử nghiên cứu tần số tim, huyết áp và nhiều biến tim mạch khác
dao động từ nhịp này sang nhịp khác. Tần số tim đặc biệt bị ảnh hưởng bởi hoạt
động nút xoang và các ảnh hưởng của hệ thần kinh tự chủ, nhưng các thay đổi rối
loạn của tình trạng sinh lý khác cũng làm thay đổi tần số tim. Biến thiên nhịp tim
được mô tả như là số lượng các dao động tần số tim liên tiếp nhau xung quanh tần
số tim trung bình và phản ảnh tình trạng tác động ảnh hưởng qua lại phức tạp giữa
hai hệ thống thần kinh giao cảm và phó giao cảm. Biến thiên nhịp tim phản ánh tiến
trình động (dynamics) nhằm để duy trì tính hằng định nội mô.
Ứng dụng lâm sàng của biến thiên nhịp tim đầu tiên bởi hai tác giả Hon EH
và Lee ST vào năm 1965 [13], đã ghi nhận trước khi xảy ra suy tim thai có sự biến
đổi khoảng cách giữa các nhịp kế tiếp nhau. Trong thập niên 70, tác giả Ewing và
cộng sự [14] đã tìm ra một số phương pháp đơn giản tại giường phát hiện sự khác
nhau thời khoảng RR trong thời gian ngắn trong chẩn đoán bệnh hệ thần kinh tự chủ
ở bệnh nhân ĐTĐ tysp 2. Wolf và cộng sự cũng đã cho thấy có sự kết hợp giữa
nhóm bệnh nhân sau nhồi máu cơ tim nguy cơ cao và sự giảm biến thiên nhịp tim
vào năm 1977. Đến năm 1981, Akselrol và cộng sự đã đưa vào ứng dụng phân tích
phổ tần số tim để đánh giá chất lượng việc kiểm soát tim mạch.
Phương pháp phân tích theo tần số đã góp phần hiểu biết nền tảng của sự
dao động các thời khoảng RR trong việc thu ghi tần số tim [15]. Tính quan trọng
của biến thiên nhịp tim trong lâm sàng chỉ được thực sự ứng dụng vào thập niên 80,
khi mà biến thiên nhịp tim được xác nhận là yếu tố dự đoán độc lập tử vong bệnh
nhân sau nhồi máu cơ tim. Với khả năng thu ghi đa kênh, thời gian 24 giờ, tần số
cao, biến thiên nhịp tim đã cung cấp các thông tin có giá trị về sinh lý và bệnh lý, từ

đó giúp phân loại nguy cơ bệnh chính xác. Các công trình nghiên cứu đã đánh giá
và chuẩn hoá các phương pháp, thiết bị theo dõi để có sự thống nhất trong việc chẩn
[17]


đoán của Holter điện tim như: ảnh hưởng nhịp ngày đêm, thời gian thu ghi (ngắn
hay dài), tình huống thử nghiệm (thay đổi tư thế, trạng thái tâm lý, hít thở sâu…),
phương pháp thống kê và các chỉ số cần đánh giá theo dõi. Hai phương pháp tính
toán đo đạc được ứng dụng là FFT (Fast Fourier Transform) và MEM (Maximum
Entropy Method). Vào năm 1996, hội Tim mạch Châu Âu và hội Điện sinh lý- tạo
nhịp Bắc Mỹ đã xây dựng các thuật ngữ, các tiêu chuẩn đo đạc biến thiên nhịp tim,
xác định các liên quan sinh bệnh học, ứng dụng lâm sàng và các nghiên cứu trong
hiện tại và tương lai [12]
2.3.2

Sự biến thiên nhịp tim.
Ở người, tần số tim thay đổi từ 50 nhịp/ phút khi nghỉ ngơi đến 200 nhịp/

phút khi gắng sức tối đa, tương đương với khoảng thời gian giữa 1200ms và 300ms.
Để xác định biến thiên nhịp tim, tín hiệu tương tự (analog) sẽ được thu ghi bằng
cách sử dụng các điện cực đặt ở ngực, để có được các phức bộ QRS có biên độ đủ
và đường đẳng điện ổn định.
Sự biến thiên nhịp tim hay gọi tắt là HRV (Heart Rate Variability), là một
công đoạn kiểm tra sức khỏe quan trọng hàng đầu. HRV liên quan đến một loạt
nguy cơ như căng thẳng, trầm cảm, tiểu đường, tim mạch, rối loạn giấc ngủ và mỡ
bụng. Đối với một số người, nó hoạt động như chất xúc tác vì HRV yếu sẽ là
nguyên nhân của nhiều vấn đề và là báo động đỏ nhiều bệnh.
Hơn nữa, theo chuyên gia tim mạch, chỉ số HRV lý tưởng gắn liền với sự
cực khoái thường xuyên. Nói dễ hiểu hơn, HRV là số thay đổi trong khoảng thời
gian nhất định của các nhịp tim. Điều này có ý nghĩa gì? Thử tưởng tượng nhịp tim

của bạn, tức số lần tim đập trong mỗi phút, giống nhịp một bài hát, phải kéo dài và
giữ tốc độ. “HRV thông báo nhịp điệu phức tạp hơn, cho phép tăng tốc hay giảm
tốc linh hoạt bằng cách thay đổi thời gian trôi qua giữa mỗi nhịp đập”,
Được đo bằng phần nghìn giây, HRV gần như không thể phát hiện bằng tai
thường dù nó vẫn hiện diện. HRV càng đa dạng càng tốt, vì một trái tim không thể
thay đổi tốc độ nhanh chóng không phải là trái tim khỏe mạnh.
Phân tích HRV là một bước quan trọng hàng đầu trong đánh giá mức độ stress bằng
tín hiệu PPG.
[18]


2.3.3 Mối quan hệ cân bằng thần kinh tự chủ và biến thiên nhịp tim.
Trong sinh lý bình thường, nhịp tim dao động có chu kỳ – khoảng thời gian
giữa các nhịp thì thay đổi do các cơ chế điều hoà tim mạch. Các yếu tố ảnh hưởng
đến nhịp tim là thần kinh giao cảm và phó giao cảm, cả hai đều có tác động đối lập
qua lại nhau trong điều hoà tim mạch. Sự đối lập đã mang lại tính hài hoà trong hoạt
động của tim, trong sự thích nghi của hệ tuần hoàn với các thay đổi môi trường nội
và ngoại sinh.
Hệ thần kinh giao cảm phân bố ở tất cả các cấu trúc tim và tác động thông
qua thụ thể Beta 1 giao cảm, từ đó làm tăng tính kích thích, dẫn truyền, co bóp và
tính tự động của tim.
Hệ thần kinh đối giao cảm phân bố ở nút xoang, nút nhĩ thất, tâm nhĩ. Khi
kích thích, sẽ có tác dụng ngược lại so với tác dụng giao cảm. Mặt khác hệ reninangiotensin-aldosterone đóng vai trò quan trọng trong điều hoà chức năng tim
mạch. Ngoài hệ renin-angiotensin-aldosterone có trong tuần hoàn, còn có hệ reninangiotensin-aldosterone tại chỗ, nhiều ở các mô tim, não, cơ trơn mạch máu và
nhiều tuyến nội tiết. Có sự tác động qua lại giữa hệ reninangiotensin-aldosterone và
hệ thần kinh tự chủ trong điều hoà hoạt động tim mạch.

[19]

Hình 2.3 – Cân bằng tự chủ và biến thiên nhịp tim [11].
Theo nhưng nghiên cứu đà tìm ra phương pháp phân tích HRV đã chỉ ra
rằng, trong miền tần số phổ của tín hiệu biến thiên nhịp tim tập trung chủ yếu trong
vùng tần số LF và HF, việc phân tích tỷ số LF/HF (tỷ số mât độ phổ cống suất trong
miền tần số thấp và miền tần số cao) là phương pháp khá đáng tin cậy và nhanh gọn
để đánh giá hệ thần kinh tự chủ và là cơ sở để đánh giá mức độ căng thẳng của con
người.

[20]


CHƯƠNG 3: PHƯƠNG PHÁP PHÂN TÍCH TÍN HIỆU PPG
ĐÁNH GIÁ MỨC ĐỘ STRESS
Chương này trình bày phương pháp phân tích tín hiệu PPG để đánh giá mức
độ stress. Đưa ra thiết kế hệ thống đánh giá stress, các yêu cầu đối với hệ thống. Đi
sâu trình bày từng khâu trong hệ thống: xử lý tín hiệu PPG đưa ra tín hiệu nhịp tim,
lọc và tìm đỉnh tín hiệu nhịp tim, quá trình tính khoảng cách giữa các đỉnh và phân
tích tín hiệu biến thiên nhịp tim trên miền thời gian và miền tần số. Biến đổi FFT và
tính mật độ phổ công suất trên hai miền tần số LF và HF. Sau đó so sánh để đưa ra
mức độ stress.
3.1 Phân tích và thiết kế hệ thống.
3.1.1

Yêu cầu hệ thống.

Yêu cầu chức năng
-

Xây dựng hoàn thiện đánh giá mức độ stress từ tín hiệu thu bằng camera điện

-

thoại trên phần mềm Matlab.
Camera có tốc độ ghi hình là 30 hình trên giây, độ phân giải 320x240.
Tốc độ xử lý tín hiệu PPG nhanh và chính xác.

Yêu cầu phi chức năng.
3.1.2

Phần mềm hoạt động nhanh và ổn định.
Cách đo dễ dàng.
Kết quả tốt.
Thiết kế sơ đồ khối hệ thống.
Hệ thống gồm các bước thu thập tín hiệu trên camera điện thoại, và xử lý tín

hiệu trên phần mềm Matlab.
-

Thu tín hiệu từ camera: quay video trong khoảng 5 phút. Trong khi quay hạn

-

chế di chuyển và rung tay.
Truyền dữ liệu video vào máy tính.
Xử lý RGB, lọc tín hiệu và tìm đỉnh.
Tính khoảng cách của các đỉnh.
Phân tích tín hiệu đỉnh
Biến đổi FFT của tín hiệu HRV
[21]

-

Tính mật đổ phổ năng lượng cho từng miền tần số LF, HF và tính các giá trị

-

HR, SDNN, MeanRR.
So sánh và đánh giá mức độ stress.

Sơ đồ hệ thống được thể hiện trong hình 3.1:
Bắt đầu: Thu tín hiêu PPG

Truyền video từ điện thoại vào máy tính

Tách RGB và trích xuất tin hiệu kênh đỏ

Lọc và tìm đỉnh

Tính khoảng cách đỉnh

Trích xuất tín hiệu HRV và thực hiện
FFT
Tính các chỉ số cần thiết: HR, MeanRR,
SDNN, LF/HF
Đối chiếu số liệu bảng đánh giá 3.1

Kết luận về nhịp tim và mức độ stress

Hình 3.1 Quy trình đánh giá mức độ stress

[22]


3.2

Thu video từ camera điện thoại.
Bước đầu tiên của quá trình đánh giá Stress là thu thập tín hiệu PPG từ camera

điện thoại. Đèn flash của điện thoại được thiết kế nằm cạnh camera phía sau bởi vậy
việc ta cần làm đơn giản là đặt ngón tay vào phía trước ngón tay che kín camera
điện thoại. Hiệu chỉnh chế độ quay video trên điện thoại, để chất lượng video thấp
nhât có thể (ví dụ: 320 x 240). Hình 3.2 đã thể hiện cách đặt tay trong quá trình
quay camera điện thoại:

Hình 3.2 – Thu tín hiệu từ camera điện thoại.
Vì kỹ thuật này tính toán dựa trên ánh sáng phản xạ lại từ lớp da ngón tay nên
cần tránh di chuyển ngón tay trong quá trình đo vì sẽ khiến dữ liệu bị thay đổi và
kết quả đo không còn được chính xác nữa. Ta cần thu tín hiệu trong khoảng từ 4
đến 5 phút.
Một số thông số cần thiết gồm độ phân giải, kênh, tỷ lệ khung hình, và số
lượng khung hình (hoặc thời gian ghi âm) như trong bảng 2.1:

[23]


Bảng 2.1 Thông số video
Thông số video

Định nghĩa

Vi dụ

Dữ liệu video

V(m,n,c,t)

Độ phân giải

mxn

320 x 240

Kênh

C={1,2,3}

{Red,Green,Blue}

Số lượng khung hình

T

Tỷ lệ khung hình

F

30

Để giảm thời gian tính toán , độ phân giải video được lựa chọn độ phân giải

thấp nhất (ví dụ: Samsung Galaxy Note 3 và S3 là 320x240). Như vậy số lượng
khung hình (T) là được tính bằng thời gian quay và tỷ lệ khung hình(F).
Camera được cài đặt ở tốc độ 30 fps (frames per second) tức là tín hiệu thu
nhận được với tần số 30 Hz. Từ mỗi frame hình nhận được ta tính giá trị RGB trung
bình cho toàn bộ frame hình. Video là chuỗi các khung hình tương ứng với tỷ lệ
khung hình.
3.3

Xử lý tín hiệu PPG trên Matlab.
Sau khi thu được tín hiệu PPG từ camera điện thoại, bước tiếp theo ta chuyển

video quay được vào máy tính và tiến hành xử lý tín hiệu trên phần mềm Matlab và
trích xuất ra tín hiệu HRV.
Đây là khâu đầu tiên trong mỗi một hệ thống xử lý tín hiệu. Nhiệm vụ của
khâu này là lấy ra các dữ liệu có chứa thông tin hữu ích để làm input cho những
thuật toán phức tạp sau này. Trong khâu này, có một đặc điểm chính là khối lượng
dữ liệu thu thập bằng camera rất lớn (lớn hơn nhiều lần so với dữ liệu thu thập bằng
cảm biến) cần được xử lý.
3.3.1 Tách RGB.
Camera được cài đặt ở tốc độ 30 fps (frames per second) tức là tín hiệu thu
nhận được với tần số 30 Hz. Tổng hợp tất cả các giá trị GRB ta thu được tín hiệu
ánh sáng cần cho quá trình xử lý. Để giảm thời gian tính toán ta giảm độ phân giải
[24]


của video xuống (thường chọn 320 x 240). Từ mỗi frame hình nhận được ta tính giá
trị RGB trung bình cho toàn bộ frame hình. Mỗi khung gồm ba kênh, cụ thể là Red
Green Blue (RGB), được chiết xuất thành ba ma trận điểm ảnh một cách riêng biệt.
Mỗi khung hình là một ma trận điểm ảnh với kích thước như trong hình 3.4 là ma
trận tương ứng có giá trị phần tử của 0 - 255 thể hiện độ sáng của điểm ảnh tương

đối.

Hình 3.3 - Tách RGB
Mỗi khung hình là một ma trận điểm ảnh với kích thước như trong hình 3.4.
A là ma trận tương ứng có giá trị phần tử

ai , j

từ 0-255 thể hiện độ sáng tương đối

của điểm ảnh ( i = 1, 2, …, m; j = 1, 2,…, n )

Hình 3.4 - Ma trận pixel
[25]