Ứng dụng biến đổi wavelet và bộ phân lớp SVM cho vấn đề nhận dạng sóng động kinh trên điện não đồ

i
LỜI CAM ĐOAN
Tơi cam đoan đây là cơng trình nghiên cứu của riêng tôi. Các số liệu, kết
quả nêu trong luận văn là trung thực và chưa từng được ai cơng bố trong bất
kỳ cơng trình nào khác.

Bình Dương, ngày tháng năm 2019
Học viên thực hiện luận văn

Hồ Ngọc Giàu


ii
LỜI CẢM ƠN
Tôi xin gửi lời cảm ơn chân thành nhất đến Thầy TS. Hoàng Ma ̣nh Hà,
người đã tận tình hướng dẫn, hỗ trợ và giúp đỡ tơi rất nhiều trong nghiên cứu
luận văn. Thầy đã đưa ra những định hướng, nhận xét và góp ý quý giá để luận
văn này được hồn thành.
Kính gửi lời cảm ơn sâu sắc đến quý Thầy, Cô giảng viên trong thời gian
qua đã nhiệt tình giảng dạy và truyền đạt những kiến thức chun mơn cần thiết
trong q trình tơi được học tập tại Trường Đa ̣i Ho ̣c Thủ Dầ u Mô ̣t, Biǹ h Dương.
Xin gửi lời cảm ơn sâu sắc đến Ban giám hiê ̣u Trường Đa ̣i Ho ̣c Thủ
Dầ u Mơ ̣t, Cán bộ Phịng Đào tạo của trường đã nhiệt tình giúp đỡ và tạo điều
kiện thuận lợi để tơi có được mơi trường học tập tốt và hồn tất khóa học.
Xin gửi lời biết ơn vơ hạn đến gia đình đã khơng ngừng quan tâm, động
viên, ủng hộ về mặt tinh thần lẫn vật chất trong suốt thời gian tôi tham gia ho ̣c
tâ ̣p và thực hiện luận văn này.
Cảm ơn các anh chị đồng nghiệp, bè bạn lớp Cao học Hệ thống thông
tin khóa 2016-2018 đã giúp đỡ và đồng hành cùng tơi trong thời gian học tập
tại nhà trường.

Bình Dương, ngày tháng

năm 2019

Học viên thực hiện luận văn

Hồ Ngọc Giàu


iii
MỤC LỤC

LỜI CAM ĐOAN .......................................................................................... i
LỜI CẢM ƠN ............................................................................................... ii
MỤC LỤC ..................................................................................................... ii
DANH MỤC THUẬT NGỮ VIẾT TẮT ...................................................... v
DANH MỤC HÌNH VẼ ............................................................................... vi
TĨM TẮT ................................................................................................... vii
CHƯƠNG 1. ĐIỆN NÃO ĐỒ VÀ MỘT SỐ THUỘC TÍNH LIÊN QUAN
ĐẾN BÀI TỐN PHÁT HIỆN GAI ĐỘNG KINH ..................................... 1
1.1 Sự hình thành tín hiệu điện não .......................................................... 1
1.1.1 Cơ chế điện sinh lý ....................................................................... 1
1.1.2 Chẩn đốn bệnh động kinh thơng qua điện não ........................... 1
1.1.3 Đặc điểm của tín hiệu điện não .................................................... 2
1.1.4. Các dạng nhịp cơ bản .................................................................. 3
1.1.5. Một số loại nhịp khác ................................................................. 5
1.1.6 Một số nhịp dạng sóng bình bình thường xuất hiện trong giấc ngủ
............................................................................................................... 6
1.2 Dấu hiệu nhận biết tín hiệu động kinh ................................................ 6
1.2.1 Một số khái niệm.......................................................................... 6

1.2.2 Vai trò của điện não đồ trong chẩn đoán động kinh .................... 7
1.2.3 Các bước chẩn đoán ..................................................................... 9
1.2.4 Giới thiệu về bài toán nhận dạng ................................................... 13
1.2.5 Các bước xử lý của quá trình nhận dạng........................................ 14
CHƯƠNG 2. TỔNG QUÁT VỀ TÁCH ĐẶC TRƯNG GAI ĐỘNG KINH
..................................................................................................................... 15
2.1 Tách đặc trưng bằng mạng nhân tạo (ANN) ..................................... 15
2.1.1 Mơ hình nơ – ron........................................................................ 15
2.1.2 Kiến trúc mạng Feed-forward .................................................... 18
2.1.3 Huấn luyện ................................................................................. 19
2.1.4 Luật học ...................................................................................... 20
2.1.5 Thuật toán lan truyền ngược ...................................................... 21
2.1.6 Hàm truyền ................................................................................. 21


iv
2.2 Biến đổi Wavelet ............................................................................... 22
2.2.1 Hàm cơ sở .................................................................................. 23
CHƯƠNG 3. ĐỀ XUẤT PHƯƠNG PHÁP TÁCH ĐẶC TRƯNG GAI
ĐỘNG KINH .............................................................................................. 26
3.1 Giới thiệu hàm Gauss ........................................................................ 26
3.2 Ứng dụng hàm Gauss cho bài tốn tách đặc trưng sóng động kinh từ
tín hiệu điện não ...................................................................................... 28
CHƯƠNG 4. ĐỀ XUẤT KẾT HỢP PHƯƠNG PHÁP TÁCH ĐẶC TRƯNG
BẰNG HÀM GAUSS VỚI SVM CHO BÀI TỐN PHÁT HIỆN SĨNG
ĐỘNG KINH .............................................................................................. 36
4.1 Kết hợp tách đặc trưng bằng hàm gauss với svm ............................. 36
4.2 Thực nghiệm và đánh giá .................................................................. 39
4.2.1 Kết quả thực nghiệm trên mơ hình đề xuất ................................ 39
4.2.2 So sánh với một số phương pháp tiêu biểu ................................ 43

4.3 Kết luận và hướng phát triển ............................................................ 49
PHỤ LỤC ĐÍNH KÈM (Bảng số liệu về các support vecto) ..................... 50
TÀI LIỆU THAM KHẢO:.......................................................................... 50


v
DANH MỤC THUẬT NGỮ VIẾT TẮT
Ký hiệu

Tiếng Anh

Tiếng Việt

CWT

Continuous Wavelet Transform

Biến đổi Wavelet liên tục

DWT

Discrete Wavelet Transform

Biến đổi Wavelet rời rạc

EEG

Electroencephalogram

Điện não đồ

FT

Fourier Transform

Biến đổi Fourier

ANN

Artificial Neural Network

Mạng nơ ron nhân tạo

SVM

Support Vectơ Machine

Máy vectơ hỗ trơ ̣

SHWA

Second Half Wave Amplitude

Biên độ cạnh sau

SHWD

Second Half Wave Duration

Thời gian tồn tại cạnh sau

SHWS

Second Half Wave Slope

Thời gian tồn tại cạnh trước

WT

Wavelet Transform

Biến đổi Wavelet


vi
DANH MỤC HÌNH VẼ
Hình 1.1: Các nhịp cơ bản của EEG ........................................................................ 2
Hình 1.2: Các sóng điện não ..................................................................................... 4
Hình 1.3: Nhịp µ....................................................................................................... 5
Hình 1.4: Sóng Lambda ........................................................................................... 5
Hình 1.5: Sóng Vertex .............................................................................................. 6
Hình 1.6: Hình thái của gai ..........................................................................................9
Hình 1.7: Hình thái của Sharpwave ......................................................................... 10
Hình 1.8: Phức hợp gai sóng ..................................................................................... 10
Hình 1.9: Đa gai và sóng .......................................................................................... 11
Hình 1.10: Phức hợp đa gai ...................................................................................... 11
Hình 1.11: Phức hợp đa nhọn sóng .......................................................................... 12
Hình 1.12: Phức hợp đa nhọn và sóng chậm ...............................................................12
Hình 1.13: Một số dạng gai thực tế ..............................................................................13
Hình 1.14: Các bước cơ bản của bài tốn nhận dạng ................................................ 14

Hình 2.1: Mơ hình nơ ron nhân tạo ........................................................................... 15
Hình 2.2: Mạng nơ ron một lớp với S nơ ron........................................................... 16
Hình 2.3: Mơ hình mạng ANN một lớp gồm S nơ ron ............................................ 17
Hình 2.4: Mơ hình mạng ANN gồm 3 lớp ............................................................... 17
Hình 2.5 Mạng ANN 3 lớp dạng rút gọn ................................................................. 18
Hình 2.6: Mơ hình mạng có phản hồi ..........................................................................19
Hình 2.7: Phân tích đa phân giải sử dụng biến đổi wavelet rời rạc ..........................24
Hình 3.1: Mô tả phân phối Gauss với các giá trị π khác nhau ................................. 26
Hình 3.2: Mơ tả tác dụng của hàm Gauss đối với điện não đồ có gai động kinh .... 27
Hình 3.3: Mơ tả tác dụng của hàm Gauss đối với điện não đồ khơng có gai động
kinh ................................................................................................................................28
Hình 3.4: Mơ tả mặt phẳng phân tách trong khơng gian R3 ..................................... 31
Hình 3.5: Mơ tả một đỉnh (gai) và kết quả tương ứng khi tính đạo hàm bậc 1 ........ 31
Hình 3.6: Mơ tả một gai kép và kết quả tương ứng khi tính đạo hàm bậc 1 .............32
Hình 4.1: Mơ tả các bước kết hợp ứng dụng hàm Gauss để tách đặc trưng động
kinh với SVM ........................................................................................................... 37
Hình 4.2: So sánh tín hiệu điện não trước và sau lọc .................................................37
Hình 4.3: So sánh tín hiệu điện não trước và sau lọc phản ánh gai động kinh ........ 38


vii

TÓM TẮT

Động kinh là một chứng bệnh của hệ thần kinh do xáo trộn lặp đi lặp
lại của một số nơron trong vỏ naõ tạo nhiều triệu chứng rối loạn hệ thần
kinh như co giật của bắp thịt, cắn lưỡi, sùi bọt mép, mắt trợn ngược, ngấ t
xỉu, bấ t tin̉ h, mất kiểm soát tiểu tiện. Cơn động kinh gồm những triệu
chứng có thể thay đổi từ rất ngắn gọn và gần như không thể phát hiện đến
các cơn động kinh thời gian dài với chấn động mạnh

Đô ̣ng kinh xảy ra ở mo ̣i lứa tuổ i, mo ̣i giới tiń h. Ở Viê ̣t Nam, chẩ n
đoán đô ̣ng kinh chủ yế u dựa vào phương pháp lâm sàng thông qua các dấ u
hiêụ nhâ ̣n biế t triêụ chứng của các cơn co giâ ̣t. Để kiể m tra chẩ n đoán lâm
sàng người ta phân tić h tiń hiêụ điêṇ naõ đồ EEG. Các bác si,̃ các chuyên
gia sẽ quan sát các bản ghi tín hiê ̣u EEG và phát hiêṇ các dấ u hiê ̣u bấ t
thường. Công viê ̣c này tiêu tố n khá nhiề u thời gian, có khi phải tốn nhiều
giờ, nhiều ngày. Nhưng đôi khi kế t quả mang la ̣i sẽ mang tính chủ quan, vì
mỗi người sẽ có những nhâ ̣n đinh
̣ khác nhau.
Nhằm bổ trơ ̣ cho viêc̣ chẩ n đoán bênh
̣ đô ̣ng kinh thêm thuâ ̣n lơ ̣i về thời
gian và tăng thêm đô ̣ chính xác, tôi đề nghi ̣ ứng du ̣ng hàm Gauss kết hợp
với bô ̣ phân lớp SVM cho vấ n đề nghiên cứu nhâ ̣n da ̣ng sóng đô ̣ng kinh
trên tín hiê ̣u điê ̣n naõ đồ .
Nghiên cứu, đề xuất của tôi được thực nghiệm với sự hỗ trợ nền tảng
của Matlab và trên bộ cơ sở dữ liệu chuẩn và được so sánh với các kết quả
của các nghiên cứu cùng mục đích từ 2011 đến 2017.
Nội dung luận văn gồm 4 chương:
-

Chương 1: Tổng quan về tín hiê ̣u điê ̣n naõ đồ EEG

-

Chương 2: Tổng quan về tách đặc trưng của gai động kinh

-

Chương 3: Đề xuất áp dụng hàm Gauss cho tách đặc trưng gai động
kinh

-

Chương 4: Đề xuất kết hợp hàm Gauss với SVM để phát hiện sóng


1
CHƯƠNG 1. ĐIỆN NÃO ĐỒ VÀ MỘT SỐ THUỘC TÍNH LIÊN QUAN
ĐẾN BÀI TOÁN PHÁT HIỆN GAI ĐỘNG KINH
1.1 Sự hình thành tín hiệu điện não
1.1.1 Cơ chế điện sinh lý
Từ khi ra đời cho đến nay, với sự phát triển và hồn thiện khơng ngừng,
điện não đồ đóng góp vai trị đáng kể trong chẩn đốn, điều trị và tiên lượng
bệnh của hệ thần kinh trung ương.
EEG (Electroencephalogram) là sự biểu diễn dạng đồ họa sự thay đổi
hiệu điện thế theo thời gian giữa các điện cực đươ ̣c đặt ở các vị trí khác nhau
trên da đầu tương ứng với các vùng của vỏ não ([1-3]). Sự kić h thích đồ ng thời
của mô ̣t nhóm các nơ ron sẽ ta ̣o ra tin
́ hiê ̣u EEG có biên đô ̣ lớn vì các tin
́ hiê ̣u
có nguồ n gố c từ các nơ ron đô ̣c lâ ̣p đươ ̣c cô ̣ng la ̣i. Ngươ ̣c la ̣i các nơ ron kích
thích không đồ ng bô ̣ sẽ ta ̣o ra EEG có biên đô ̣ thấ p. Biên đô ̣ EEG cũng phu ̣
thuô ̣c vào kỹ thuâ ̣t đo như loa ̣i điê ̣n cực, đa ̣o trin
̀ h, … và bê ̣nh nhân.
Tin
́ hiê ̣u EEG rất khác nhau ở các bệnh nhân và phụ thuộc vào nhiều yếu tố
như độ tuổi, tình trạng tâm lý, tình trạng thức hay ngủ, mức độ tập trung v.v…
1.1.2 Chẩn đốn bệnh động kinh thơng qua điện não
Chẩn đốn thơng qua EEG là phương pháp lâm sàng của nhiề u quố c gia
trên thế giới vì những giá tri hư

̣ ̃ u ić h của nó mang la ̣i như sau:
Phản ánh đươ ̣c các chức năng sinh lý biǹ h thường của naõ [2].
Đánh giá và ước lươ ̣ng đươ ̣c sự phu ̣c hồ i của naõ sau các trường hơ ̣p tai
biế n hoă ̣c chấ n thương so ̣ naõ . Từ đó có thể theo dõi đươ ̣c quá trình điề u tri ̣bê ̣nh,
quyế t đinh
̣ bắ t đầ u hay dừng điề u tri [3].
̣
Các trường hơ ̣p bê ̣nh nhân bi ̣ đau đầ u kéo dài, thường xuyên hay lo lắ ng
hoảng sơ ̣ vô cớ [3].
Các cơn co giâ ̣t tự ý xảy ra trong giấ c ngủ.
Các trường hơ ̣p chấ n thương so ̣ naõ , sau tai biế n ma ̣ch máu naõ có lên cơ
co giâ ̣t, đô ̣ng kinh. Những trường hơ ̣p ngấ t xỉu thoáng qua có kèm theo méo
miê ̣ng hoă ̣c sùi nước bo ̣t
Mô ̣t số trường hơ ̣p rố i loa ̣n tuầ n hoàn naõ , thiể u năng tuầ n hoàn naõ …và
mô ̣t số dấ u hiê ̣u lâm sàng cầ n đươ ̣c kiể m tra điê ̣n naõ .


2
Điê ̣n naõ đồ phát hiê ̣n đươ ̣c bê ̣nh đô ̣ng kinh, giúp theo dõi và đánh giá đươ ̣c
kế t quả chữa tri thông
qua viê ̣c kiể m tra tin
̣
̣ kỳ. Đố i với điê ̣n naõ
́ hiê ̣u điê ̣n naõ đinh
đồ đô ̣ng kinh chia làm 02 loa ̣i: bản ghi trong cơn ( ghi đươ ̣c khi đang xảy ra cơn
đô ̣ng kinh), bản ghi ngoài cơn (ghi khi xảy ra giữa cơn đô ̣ng kinh) ([2], [3]).
1.1.3 Đặc điểm của tín hiệu điện não
EEG đặc trưng bởi biên độ, tần số, hình thái, sự phân cực, phân bố vị trí
và điều kiện làm thay đổi của hiệu điện thế ([2], [3])..

Hình 1.1: Các nhịp cơ bản của EEG


3

Các tín hiệu ghi trên da đầu có biên độ biến thiên từ vài μV đến xấp xỉ
100μV và tần số nằm trong phạm vi từ 0.5 đến 40Hz [1].
Nếu trạng thái của đối tượng đo ổn định trong một khoảng thời gian, các nhịp
này se ̃ có dạng tuần hoàn.
1.1.4. Các dạng nhịp cơ bản
Năm 1924, nhà tâm thần học người Áo tên là Hans Berger là người đầu
tiên ghi được EEG ([2], [5]). Ông nhận thấy trên bản ghi EEG bình thường,
nhịp của các sóng điện não gồm có các loa ̣i như sau:
1.1.4.1 Nhịp delta
Có tần số nằm trong khoảng từ 0.5- 4Hz: Nhip̣ Delta hiếm khi ghi được
trên người bình thường đang thức, nhưng vẫn thấy khi ngủ sâu hoặc vào lúc tỉnh
giấc của trẻ nhỏ. Sóng delta là sóng có biên độ cao nhất trong tất cả các sóng
điện não, trung bình 100μV.
1.1.4.2 Nhịp theta
Theta là những sóng có tần số từ 4 - 7,5 Hz, và được xếp vào loại sóng
“chậm”. Nó được coi là bất thường nếu thấy ở người lớn đang tỉnh táo, nhưng
lại coi là hồn tồn bình thường ở trẻ dưới 13 tuổi và đang ngủ. Cũng có thể
thấy theta tạo thành 1 vùng bất thường cục bộ trên những nơi có tổn thương
dưới vỏ cục bộ. Biên đơ ̣ nhỏ hơn 15μV, xuất hiện ở vùng trán tới vùng trung
tâm.
Nhịp theta đóng vai trị quan trọng ở trẻ nhỏ. Sự xuất hiện với một số
lượng lớn các nhịp theta không liên tục ở người lớn khi thức là dấu hiệu bất
thường có nguyên nhân từ nhiều bệnh lý khác nhau.
1.1.4.3 Nhịp alpha
Nhip̣ alpha có tầ n số trong khoảng 8 Hz đế n 13 Hz, biên đô ̣ không quá 50

µV ( mă ̣c dù có thể giao đơ ̣ng từ 5 tới 100 µV và xuất hiện 8-13 lần trong 1 giây
(8-13 Hertz) . Ở trẻ 03 tuổ i tầ n số là 8Hz.
Nhip̣ alpha là nhip̣ nổ i trô ̣i khi quan sát hoa ̣t đô ̣ng điê ̣n naõ , thường có
da ̣ng hiǹ h sin hoă ̣c tròn. Trong mô ̣t số it́ trường hơ ̣p, nhip̣ alpha có da ̣ng như
sóng nho ̣n, phầ n âm có da ̣ng nho ̣n, phầ n dương có da ̣ng tròn. Sóng này thấy rõ


4
nhất ở phần phía sau của não người, vốn là nơi xử lý các tín hiệu thị giác, tức là
vùng chẩm. Do đó, đơi khi người ta cịn gọi nhịp alpha là nhịp trội ở phía sau.
Sóng alpha trở nên rõ nhất khi ta nhắm mắt lại. Nó bị triệt tiêu khi ta mở mắt.
Sóng alpha xuấ t hiê ̣n nhiề u nhấ t trong thời gian thư giañ mà nhắ m mắ t nhưng
vẫn thức.
1.1.4.4 Nhịp beta
Nằm trong miền tần số từ 14-30Hz (chu kỳ sóng từ 34ms đến 71ms),
thường quan sát được trong khoảng 18-25Hz. Biên độ nhịp beta thơng thường
nhỏ hơn 20μV. Nhịp beta có biên độ lớn hơn 25μV là bất thường [17].
Đây là nhịp không đều, có biên độ nhỏ, quan sát đươ c̣ trong lúc buồn
ngủ, ngủ nhẹ hoặc hoạt động trí óc. Nhịp beta cũng xuất hiện ở giai đoạn giấc
ngủ REM ở giai đoạn 3. Khi có sự hoảng loạn, nhịp beta tăng.
Nhịp beta quan sát thấy chủ yếu ở vùng trán và vùng trung tâm. Nhịp
beta ở vùng trung tâm bị mất khi có các hoạt động vận động hoặc kích thích
xúc giác. Nhịp này cũng tăng lên quanh các vùng có khối u hay các khuyết tật
về xương.
Beta là nhịp bình thường ở người lớn.

Hình 1.2: Các sóng điện não


5

1.1.4.5 Nhịp gamma
Có tần số lớn 30Hz, biên độ nhỏ, tần suất xuất hiện thấp. Nhịp này
liên quan tới nhâ ̣n thức và ý thức. Hoa ̣t đô ̣ng sóng gama xuấ t hiê ̣n trong khi thức
tin̉ h hoă ̣c có hoa ̣t đô ̣ng khi ngủ giố ng như kich
̣ phát – ức chế trong khi gây mê.
1.1.5. Một số loại nhịp khác
1.1.5.1 Nhịp m

Hình 1.3: Nhịp μ
Nhịp μ là các sóng có hình rào chắn (wicket fence) có đỉnh nhọn và đế
trịn ([2], [5]).
Tần số của nhịp μ trong khoảng 8-10Hz. Nhịp μ có thể xuất hiện chỉ ở
một bên, có thể xuất hiện khơng đối xứng, khơng đồng bộ và thường có biên độ
nhỏ hơn nhịp alpha tại cùng thời điểm đo. Nhịp μ bị mất khi vận động. Nhịp
μ liên quan chặt chẽ với vùng vận động của vỏ não.
1.1.5.2 Sóng Lambda

Hình 1.4: Sóng lambda
Sóng Lamda tồn tại trong thời gian từ 160ms đến 250ms, xuấ t hiê ̣n hai
bên vùng chẩ m. Có khi có dạng bất đối xứng, biên độ lớn hơn các nhịp trội
phía sau hộp sọ. Só ng lambda có thể gây nhầm lẫn với phóng điện dạng động
kinh trong cơn trong trường hơ ̣p xảy ra bấ t đố i xứng
Sóng lamda được nhận ra rõ ràng khi cho bệnh nhân nhìn lướt qua một
bức ảnh phức tạp với tốc độ di chuyển mắt nhanh. Sóng lambda xuất hiện nhiều
hơn ở trẻ nhỏ và thường ghi nhâ ̣n đươ ̣c ở những người trưởng thành trẻ.


6
1.1.6 Một số nhịp dạng sóng bình bình thường xuất hiện trong giấc ngủ
1.1.6.1 Vertex waves

Hình 1.5: Sóng vertex
Vertex wave là sóng có đin̉ h so ̣. Là sóng liên hợp phức của thế kéo dài
200ms, gồm 1 pha nhọn, dương, biên độ nhỏ theo sau là một pha âm biên độ
lớn. Vertex wave có biên độ âm lớn nhất ở đỉnh đầu (vị trí điện cực Cz) và xuất
hiện ở giai đoạn I đến III của trạng thái NREM.
Vertex wave xuất hiện hai bên bán cầu, đối xứng và đồng bộ. Ở người
lớn tuổi, vertex wave có biên độ nhỏ và khó quan sát.
1.1.6.2 Sleep spindles
Spindles (cũng được gọi là hoạt động sigma) là hoạt động nhất thời, hình
sin có tần số từ 11-15Hz và biên độ giảm dần. Spindles được quan sát ở vùng
trung tâm và xuất hiện ở vùng trán với tần số nhỏ hơn (từ 10-12Hz).
Sleep spindle cùng với K-Complex là dấu hiệu bắt đầu của giai đoạn 2
của giấc ngủ NREM.
1.1.6.3 Kcomplexes
K-Complex là phức hợp hai pha bắt đầu bằng một đỉnh nhọn có điện
thế cao (thường lớn hơn 100 μV) theo sau bởi một sóng chậm có thời gian tồn
tại khoảng từ 350-550ms và kết thúc bởi một đỉnh dương.
K-Complex xuất hiện khi bê ̣nh nhân đang ngủ mà bi ̣ đánh thức bằ ng
kić h thić h âm thanh hoă ̣c các kić h thić h khác. Tiế p theo K-Complex thường
xuấ t hiê ̣n các sóng theta có biên đô ̣ cao.
1.2 Dấu hiệu nhận biết tín hiệu động kinh
1.2.1 Một số khái niệm


7
Cơn (Seizure)
Cơn là sự phóng điện đồng bộ, bất thường, quá mức và không điều khiển
được của các nơ-ron trong não [2].
Các tín hiệu kích thích tăng cường các hoạt động điện của các nơ-ron,

ngược lại các tín hiệu kiềm chế làm giảm hoạt động. Bình thường các tín hiệu
này là cân bằng, tuy nhiên, sự bất cân bằng sẽ gây ra cơn.
Động kinh được định nghĩa là mô ̣t bê ̣nh lý được đặc trưng bởi các cơn
khơng kích thích lă ̣p đi lă ̣p la ̣i gầ n như kéo dài trong suố t cuô ̣c số ng của bê ̣nh
nhân.
Khơng kích thích được hiểu là: Đối với các cơn động kinh trong một
số trường hợp có thể được làm xuất hiện sớm bởi sự kích thích các giác quan
như đèn chớp hoặc các âm thanh lớn đột ngột. Vì vâ ̣y chúng ta phải phân biệt
giữa việc làm mau đến (precipitate) và sự kích thích (provoke). Một ví dụ về
sự kích thích là gây kích thích xung điện, tạo ra các cơn giật rung hữu ích
trong não.
Bản chất của các cơn động kinh là hiện tượng khử cực bất thường, kịch
phát của một quần thể nơron (có thể làm thay đổi điện thế của màng nơron từ 85mV thành +30mV). Những hoạt động này có thể quan sát thấy bằng cách ghi
các điện thế trong tế bào, ngoài tế bào và ở da đầu (điện não đồ thường quy).
Để ghi nhận được một cơn động kinh, tín hiê ̣u EEG phải được theo dõi trong
nhiều giờ, thậm chí rấ t nhiề u ngày. Đây là một điều kiện khơng dễ gì thực
hiện được. Vì vâ ̣y, các bác si ̃ chuyên khoa thần kinh sẽ quan sát các dấu hiệu
trên các tín hiê ̣u EEG đo đươ ̣c khi bệnh nhân ngồi cơn, đờ ng thời để có thể
chẩn đốn hoặc ghi nhận mơ ̣t sớ yếu tố có liên quan. Dấu hiệu phổ biến là các
gai (spike), só ng nhọn (sharp), đa gai, các sóng chậm có biên độ lớn nằm tách
biệt, phức hợp gai sóng đo được giữa các cơn. Điể m khác biệt giữa gai và só ng
nhọn là khoảng thời gian: gai kéo dài ngắn hơn 70ms, sóng nhọn có thời gian
kéo dài từ 70-200ms.
1.2.2 Vai trò của điện não đồ trong chẩn đốn động kinh
Trong q trình chẩn đốn động kinh, ngồi các yếu tố lâm sàng, các bác sĩ cần
sử dụng các thông tin trợ giúp thu được từ EEG [2]. Dựa vào sự phân bố của
các yế u tố như: mật độ, hình dạng của các gai, sóng nhọn và các dạng phức hợp


8

thì tín hiê ̣u EEG hỗ trợ cho các chẩn đoán lâm sàng, giúp phân loại các triệu
chứng cũng như xác định vị trí của vùng bi ̣ động kinh. EEG giúp đánh giá kết
quả và theo dõi tiến trình điều trị.


9
1.2.3 Các bước chẩn đốn
Trong q trình chẩn đốn, các bác sĩ sẽ lần lượt xác định tín hiệu có
nguồn gốc từ não hay là nhiễu [1]. Nếu xuất phát từ não, x á c đ ị n h t í n h
b ấ t t h ư ờ n g c ủ a tín hiệu nhằm phát hiện dấu hiệu của bệnh động kinh.
Tiếp theo là xác định n h ữ n g t h ô n g t i n c h i t i ế t h ơ n n h ư :
- P h â n b ố c ủ a s ó n g động kinh
- Nguồn xuất phát của sóng động kinh
Dấu hiệu nhận biết

Gai (Spikes)
Gai là một dạng bất thường của điện não đồ thường là dấu hiệu nhận biết
bệnh động kinh. Gai có thời gian tồn tại từ 20-70ms, được đặc trưng bởi
đường đi lên dốc đứng tạo ra đỉnh nhọn, nổi bật trên các sóng cơ bản, biên độ
tương đối lớn.

Hình 1.6: Hình thái của gai
Gai thường xuất hiện khơng theo quy luật ([2], [5]).
Về mặt hình thái, cơ bản gai có một pha nhưng cũng quan sát được nhiều
gai có 2 hoặc 3 pha. Gai có thể biểu hiện dưới dạng độc lập hoặc dạng kết hợp.
Gai ghi nhận được tại vùng gần với ổ bệnh.
Các tín hiệu dạng động kinh có thể xảy ra độc lập, tuy nhiên, chúng
thường theo sau bởi một sóng chậm kéo dài từ 150-350ms. Các gai và nhọn
thường có sóng chậm đi kèm theo, nhưng thuật ngữ phức hợp gai – sóng
thường dành cho trường hợp mà sóng chậm theo sau có biên độ nổi trội, lớn

hơn so với gai.
Hình thái của gai rất đa dạng và phức tạp phụ thuộc vào bệnh nhân,
khác nhau giữa các bản ghi. Khơng có một định nghĩa rõ ràng về gai. Do đó


10
trong q trình chẩn đốn, cùng một bản ghi nhưng các chuyên gia khác nhau
lại cho các kết quả khác nhau phụ thuộc vào ý kiến chủ quan của mình. Đối với
các bản ghi mà gai rõ ràng, sự thống nhất giữa các chuyên gia là lớn, tuy nhiên
đối với các bản ghi mà hình dạng của gai khơng rõ ràng, việc xác định gai
giữa các chuyên gia có sự khác biệt lớn. Như vậy, kết quả đánh giá trên một bản
ghi khơng những phụ thuộc vào trình độ của các chuyên gia mà còn phụ thuộc
vào bản thân độ phức tạp của tín hiệu.

Sóng nhọn (Sharp wave)
Có hình dạng tương tự gai, thời gian tồn tại từ 70-200ms. Sóng nhọn
thường ghi nhận được ở các vùng xa tổn thương.

Hình 1.7: Hình thái của sharp wave
Phức hợp gai sóng (spikes and wave)

Hình 1.8: Phức hợp gai sóng

Phức hợp gai sóng bao gồm một gai được theo sau bởi một sóng chậm
có biên độ lớn (tần số cỡ sóng delta) có biên độ cao, sóng chậm này được coi là
có nguồn phát ở các cấu trúc của đồi thị, phức bộ này lặp đi lặp lại. Chúng có
thể xuất hiện đồng bộ (đồng thì – synchronously) và cân đối hai bên trong các
bệnh động kinh tồn thể hóa (generalized epilepsies) hoặc khu trú trong bệnh

11
động kinh cục bộ. Trong những dạng gai và sóng tồn thể hóa, cơn vắng thực
sự (true absense) hay là cơn nhỏ (petit mal) đặc trưng bằng gai-sóng 3 Hz,
trong khi gai chậm – sóng (slow spike-wave) thường thấy hơn khi não bị tổn
thương và trong hội chứng Lennox-Gastaut.
Phức hợp gai sóng lặp lại ở tốc độ từ 3-6Hz

Đa gai và sóng (multisharps and wave)

Hình 1.9: Đa gai và sóng

Đây là một dạng của gai trong đó một sóng chậm theo sau 2, hoặc nhiều
gai.
Dạng này thường có tần số lớn hơn 3Hz ( từ 3,5 đến 4,5Hz) và thường
xuất hiện ở những cơn giật cơ (myoclonic seizure). Không được nhầm lẫn
dạng này với phức hợp gai sóng có tần số 6Hz (một biến thể bình thường)
Phức hợp đa gai

Hình 1.10: Phức hợp đa gai


12

Phức hợp đa nhọn-sóng

Hình 1.11: Phức hợp đa nhọn sóng

Phức hợp đa nhọn và sóng chậm

Hình 1.12: Phức hợp đa nhọn và sóng chậm

Các phóng điện dạng động kinh lệch bên theo chu kỳ (PLEDS Periodic Lateralized Epileptiform Discharges): là một dạng phóng điện đi kèm
với tổn thương hay chấn thương não cấp tính ([2], [3]). Người ta thấy dạng sóng
này rõ nhất khi tổn thương não cấp tính có kết hợp thêm với rối loạn chuyển
hóa. Nó khởi đầu bằng những sóng nhọn xuất hiện một cách đều đặn, trên một


13
nền tương đối bằng phẳng, ở 1 vùng hay 1 bên của não. Sau đó nhịp của nó
chậm dần lại và xuất hiện các sóng chậm theo chu kỳ, và hoạt động điện cơ sở
nằm giữa các phóng điện dạng động kinh này cũng khá dần lên. Cuối cùng các
sóng dạng động kinh kiểu này cũng biến mất hoàn toàn. Kiểu PLEDS thường
thấy khi có triệu chứng định khu nặng, hoặc là trên một bệnh nặng đang có xu
hướng khá dần lên.
Các dạng spike thực tế:

Hình 1.13: Một số dạng gai thực tế
1.2.4 Giới thiệu về bài toán nhận dạng
Nhận dạng là lĩnh vực luôn được nhiều nhà nghiên cứu quan tâm và cho
đến nay lĩnh vực này cũng đã đạt được nhiều thành tựu lớn lao cả về mặt lý
thuyết cũng như trong ứng dụng thực tế ([2] – [5]).
Những năm gần đây, nhận dạng gai động kinh đã có những bước tiến
quan trọng. Tuy nhiên, nhận dạng chính xác gai động kinh trong những điều
kiện khó vẫn là bài toán mang nhiều thách thức lớn đối với các nhà nghiên cứu
và hiện nay vẫn chưa thật sự có giải pháp hoàn chỉnh.


14
1.2.5 Các bước xử lý của quá trình nhận dạng

Quá trình nhận dạng một tín hiệu đầu vào nhằm thu được tín hiệu
đầu ra như mong muốn thường phải trải qua nhiều bước khác nhau, trong
đó bước Trích chọn đặc trưng đóng vai trị làm tăng độ chính xác khi
phân lớp của hệ thống nhận dạng, mặt khác nó cũng làm cho tốc độ nhận
dạng của hệ thống chậm lại [1]. Vì vậy, tùy thuộc vào chất lượng của tín
hiệu điện não đưa vào mà chọn một hoặc một vài chức năng trong khối
này. Giai đoạn này để chuẩn hóa tín hiệu cần tìm giúp cho việc tìm kiếm
được hiệu quả hơn.

Dữ liệu
EEG huấn
luyện

Tiền xử
lý

Huấn
luyện
(SVM)

Tham số
sau huấn
luyện

Trích chọn đặc
trưng

Dữ liệu
EEG nhận
dạng

Tiền xử
lý

Phát hiện

Hình 1.14. Các bước cơ bản cho bài toán nhận dạng

Kết quả
phát hiện
gai động
kinh


15
CHƯƠNG 2. TỔNG QUÁT VỀ TÁCH ĐẶC TRƯNG GAI ĐỘNG KINH
2.1 Tách đặc trưng bằng mạng nhân tạo (ANN)
2.1.1 Mô hình nơ – ron
Với khả năng tự huấn luyện, mạng nơ ron nhân tạo đã và đang là công cụ
hữu ích và thuận tiện để tách các đặc trưng của gai động kinh trong điện não đồ.
Từ năm 2004, với dữ liệu đã được gán nhãn, mạng nơ ron đã được huấn luyện
trở thành các bộ lọc (filter) để tách những đặc trưng đó. Tuy nhiên độ chính xác,
độ tin cậy của mạng nơ ron nhân tạo vẫn chưa được đánh giá cao. Do đó cần
thiết phải hiểu kỹ về mạng nơ ron nhân tạo để có thể áp dụng một cách phù hợp
([1]-[3], [7], [8]).
Nơ-ron nhân tạo là mô hình tốn học của nơ-ron sinh học bao gồm ba
thành phần chính: các trọng số, bộ tổng và hàm kích thích (activation
function). Cường độ liên kết giữa đầu vào và nơ-ron được mô tả bằng giá trị của
trọng số. Các trọng số w là các đại lượng vô hướng. Giá trị của trọng số và độ
bias b có thể thay đổi được bởi các thuật toán huấn luyện và học để phù hợp

với một mục đích cụ thể. Bộ tổng thực hiện cộng tuyến tính các tham số đầu
vào theo trọng số tương ứng. Bộ tổng tương đương với thân nơ-ron. Hàm kích
thích điều khiển lối ra của nơ-ron. Giá trị của lối ra thường nằm trong
khoảng từ -1 đến 1 hoặc từ 0 đến 1. Hàm kích thích tương ứng với tín hiệu
truyền trên sợi trục, có thể là tuyến tính hoặc khơng tuyến tính. Hàm kích thích
thường được chọn bởi người thiết kế để thỏa mãn một số yêu cầu cụ thể mà nơron cần giải quyết.

Hình 2.1: Mơ hình nơ-ron nhân tạo


16
Mạng một lớp

Hình 2.2: Mạng nơ-ron một lớp với S nơ-ron
Mạng có R đầu vào và S nơ-ron. Mỗi đầu vào được nối với tất cả các
nơ-ron. Số đầu vào thường khác với số nơ-ron. Hàm truyền của mỗi nơ-ron
có thể khác nhau. Tác động của vectơ đầu vào p đối với mạng thể hiện qua ma
trận liên kết W:

w1,1

w1,2

...

W w 2,1

w2,2

... w2,R

...

...

w S ,1

w S ,2

...

w1,R

...

... w
S ,R

Mạng ANN một lớp cũng thường được biểu diễn như sau:


17

Hình 2.3: Mơ hình mạng ANN một lớp gồm S nơ-ron
Trong đó p là vectơ đầu vào có chiều dài R, W là ma trận gồm SxR phần tử. a,b
là các vectơ có chiều dài S.

Mạng nhiều lớp

Hình 2.4: Mơ hình mạng ANN gồm 3 lớp

Trong mạng nhiều lớp, mỗi lớp có một ma trận trọng số W, vectơ bias b, vectơ
lối vào n và vectơ lối ra a.
Mạng nhiều lớp có các lớp vào, ra và lớp ẩn. Ký hiệu rút gọn:


18

Hình 2.5: Mạng ANN 3 lớp dạng rút gọn
Đối với mạng một lớp hoặc hai lớp ta có thể xác định được ngay số nơron của mỗi lớp bằng bao nhiêu căn cứ trên u cầu của bài tốn có bao nhiêu
biến đầu vào và đầu ra. Phụ thuộc vào u cầu bài tốn mà ta xác định được
hàm kích thích. Trong trường hợp mạng có nhiều hơn 2 lớp, các lớp ẩn có số
nơ-ron bằng bao nhiêu có thể dự đoán được nhờ một số yếu tố, đây là lĩnh vực
nghiên cứu nhằm tối ưu hoạt động của mạng.
Đối với phần lớn các bài toán, số lớp thường dừng lại ở hai hoặc ba lớp.
Mạng từ bốn lớp trở lên hiếm khi được sử dụng. Mạng nhiều lớp mạnh mẽ hơn
nhiều so với mạng một lớp, chúng có thể xấp xỉ phần lớn các hàm toán học
mà mạng một lớp không làm được.
2.1.2 Kiến trúc mạng Feed-forward
Là mạng mà đầu ra của lớp thứ nhất là đầu vào của các lớp tiếp theo.
Khơng có phản hồi từ đầu ra của lớp sau đến đầu vào của lớp trước.

Feedback (recurrent network)
Là mạng có phản hồi, một số đầu ra của mạng được kết nối với
đầu vào