XÂY DỰNG MÔ HÌNH PHỐI HỢP CÁC MẠNG NƠ-RÔN NHẬN DẠNG TÍN HIỆU ĐIỆN TIM (ECG) LUẬN VĂN THẠC SĨ NGÀNH: KỸ THUẬT ĐIỆN TỬ
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.56 MB, 94 trang )
BỘ CÔNG THƯƠNG
TRƯỜNG ĐẠI HỌC SAO ĐỎ
NGUYỄN QUANG LONG
XÂY DỰNG MƠ HÌNH PHỐI HỢP CÁC MẠNG NƠ-RƠN
NHẬN DẠNG TÍN HIỆU ĐIỆN TIM (ECG)
LUẬN VĂN THẠC SĨ
NGÀNH: KỸ THUẬT ĐIỆN TỬ
NGƯỜI HƯỚNG DẪN KHOA HỌC
TS. ĐỖ VĂN ĐỈNH
HẢI DƯƠNG – NĂM 2021
BỘ CƠNG THƯƠNG
TRƯỜNG ĐẠI HỌC SAO ĐỎ
CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập – Tự do – Hạnh phúc
NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: Nguyễn Quang Long
Mã học viên: 1800997
Ngày, tháng, năm sinh: 18/8/1987
Nơi sinh: Hải Dương
Ngành: Kỹ thuật điện tử
Mã số: 8520203
1. Tên đề tài: Xây dựng mơ hình phối hợp các mạng Nơ-rơn nhận dạng tín hiệu điện
tim (ECG)
2. Nội dung:
- Tổng quan về các phương pháp nhận dạng tín hiệu điện tim;
- Giới thiệu chung về mạng Nơ-rơn;
- Xây dựng mơ hình phối hợp các mạng Nơ-rơn nhận dạng tín hiệu điện tim (ECG);
- Kết quả tính tốn và mơ phỏng.
3. Ngày giao nhiệm vụ: Tháng 9/2020
4. Ngày hoàn thành nhiệm vụ: Tháng 4/2021
5. Người hướng dẫn khoa học: TS. Đỗ Văn Đỉnh
NGƯỜI HƯỚNG DẪN KHOA HỌC
(Ký, ghi rõ họ tên)
TS. Đỗ Văn Đỉnh
Hải Dương, ngày 9 tháng 10 năm 2020
TRƯỞNG BỘ MÔN
(Ký, ghi rõ họ tên)
Nguyễn Thị Phương Oanh
TL. HIỆU TRƯỞNG
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
LỜI CAM ĐOAN
Tôi xin cam các kết quả nghiên cứu trong luận văn tốt nghiệp này là các kết quả
thu được trong quá trình nghiên cứu của riêng học viên với sự hướng dẫn của TS. Đỗ
Văn Đỉnh. Không sao chép kết quả nghiên cứu của các cơng trình nghiên cứu khác.
Nội dung nghiên cứu có tham khảo và sử dụng một số thông tin, tài liệu từ các
nguồn tài liệu đã được liệt kê trong danh mục tài liệu tham khảo.
Nếu sai tơi xin chịu mọi hình thức kỷ luật theo quy định.
Hải Dương, ngày 31 tháng 3 năm 2021
Tác giả luận văn
Nguyễn Quang Long
Học viên: Nguyễn Quang Long
i
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
LỜI CẢM ƠN
Với lịng kính trọng và biết ơn, đầu tiên em xin chân thành gửi lời cảm ơn tới
TS. Đỗ Văn Đỉnh, Thầy đã tận tình giảng dạy, hướng dẫn, giúp đỡ tác giả trong q
trình học tập và hồn thiện làm luận văn.
Tác giả xin chân thành cảm ơn các thầy, cơ đã trực tiếp giảng dạy trong tồn
khóa học; cám ơn tập thể các thầy cô giáo Khoa Điện, trường Đại học Sao Đỏ; lãnh
đạo Trường Cao đẳng Cơ giới Xây dựng; tập thể khoa Điện - trường Cao đẳng Cơ giới
Xây dựng đã quan tâm, tạo điều kiện và giúp đỡ tác giả trong quá trình học tập, nghiên
cứu; cảm ơn anh, em, bạn bè, đồng nghiệp và gia đình đã động viên, hỗ trợ, đóng góp
ý kiến giúp em hoàn thành luận văn này.
Dưới sự hướng dẫn của TS. Đỗ Văn Đỉnh và sự cố gắng, nỗ lực của bản thân
đến nay Luận văn đã hoàn thành. Tuy nhiên, báo cáo của Luận văn không tránh khỏi
những thiếu sót, rất mong nhận được sự góp ý của các thầy, cô và bạn đọc để Luận văn
của tác giả được hoàn thiện hơn.
Xin trân trọng cảm ơn!
Học viên: Nguyễn Quang Long
ii
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
MỤC LỤC
Trang
LỜI CAM ĐOAN .............................................................................................................i
LỜI CẢM ƠN ................................................................................................................. ii
MỤC LỤC ..................................................................................................................... iii
DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT ....................................................vi
DANH MỤC CÁC BẢNG .......................................................................................... viii
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ .........................................................................x
MỞ ĐẦU .........................................................................................................................1
1. Lý do chọn đề tài .....................................................................................................1
2. Tính cấp thiết của đề tài ..........................................................................................1
3. Mục tiêu nghiên cứu ................................................................................................2
3.1. Mục tiêu tổng quát .............................................................................................2
3.2. Mục tiêu cụ thể ..................................................................................................2
4. Nội dung nghiên cứu ...............................................................................................2
5. Đối tượng và phạm vi nghiên cứu ...........................................................................2
5.1. Đối tượng nghiên cứu ........................................................................................2
5.2. Phạm vi nghiên cứu ...........................................................................................2
6. Phương pháp nghiên cứu .........................................................................................2
7. Ý nghĩa khoa học và thực tiễn của đề tài ................................................................2
7.1. Ý nghĩa khoa học ...............................................................................................2
7.2. Ý nghĩa thực tiễn................................................................................................2
8. Cấu trúc đề tài .........................................................................................................3
Chương 1. TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP ...................................................4
NHẬN DẠNG TÍN HIỆU ĐIỆN TIM ............................................................................4
1.1. Đặt vấn đề.............................................................................................................4
1.2. Tình hình nghiên cứu ngồi nước ........................................................................6
1.3. Tình hình nghiên cứu trong nước .......................................................................10
1.4. Định hướng nghiên cứu của đề tài .....................................................................12
1.5. Kết luận chương 1 ..............................................................................................12
Chương 2. GIỚI THIỆU CHUNG VỀ MẠNG NƠ-RƠN ............................................13
2.1. Trí tuệ nhân tạo ..................................................................................................13
2.2. Nơ-rôn sinh học ..................................................................................................16
2.3. Mạng nơ-rôn nhân tạo ........................................................................................17
Học viên: Nguyễn Quang Long
iii
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
2.3.1. Lịch sử hình thành và phát triển ...................................................................17
2.3.2. Mơ hình mạng nơ-rơn nhân tạo ....................................................................18
2.3.3. Các hàm kích hoạt ........................................................................................21
2.3.4. Phân loại các mạng nơ-rôn ...........................................................................23
2.4. Huấn luyện mạng nơ-rôn....................................................................................25
2.5. Một số ứng dụng của mạng nơ-rôn ....................................................................25
2.6. Một số mạng nơ-rôn được đề xuất để ứng dụng nhận dạng tín hiệu điện tim ...27
2.6.1. Mạng MLP ....................................................................................................27
2.6.2. Mạng nơ-rôn mờ TSK ..................................................................................30
2.6.3. Máy véc-tơ hỗ trợ SVM ................................................................................37
2.6.4. Rừng ngẫu nhiên RF .....................................................................................38
2.7. Kết luận chương 2 ..............................................................................................39
Chương 3. XÂY DỰNG MƠ HÌNH PHỐI HỢP CÁC MẠNG NƠ-RƠN NHẬN
DẠNG TÍN HIỆU ĐIỆN TIM ......................................................................................40
3.1. Trích chọn đặc tính tín hiệu điện tim ECG ........................................................40
3.1.1. Phát hiện đỉnh R ............................................................................................41
3.1.2. Phân tích phức bộ QRS theo các hàm Hermite cơ sở ...................................44
3.2. Xây dựng các mơ hình nhận dạng đơn ...............................................................48
3.2.1. Quy trình xây dựng các mơ hình đơn ...........................................................48
3.2.2. Xây dựng mơ hình mạng MLP .....................................................................49
3.2.3. Xây dựng mơ hình mạng TSK ......................................................................49
3.2.4. Xây dựng mơ hình véc-tơ hỗ trợ SVM .........................................................49
3.2.5. Mơ hình rừng ngẫu nhiên RF........................................................................50
3.3. Phối hợp mạng nơ-rơn nhận dạng tín hiệu điện tim bằng mơ hình cây quyết định 51
3.3.1. Đề xuất mơ hình kết hợp...............................................................................51
3.3.2. Quy trình xây dựng cây quyết định cho khối tổng hợp kết quả ...................53
3.3.3. Cây quyết định ..............................................................................................54
3.4. Kết luận chương 3 ..............................................................................................60
Chương 4. KẾT QUẢ TÍNH TỐN, MƠ PHỎNG ......................................................54
4.1. Xây dựng các bộ số liệu mẫu .............................................................................54
4.1.1. Cơ sở dữ liệu MIT-BIH ................................................................................54
4.1.2. Cơ sở dữ liệu MGH/MF ...............................................................................57
4.2. Các chỉ tiêu đánh giá chất lượng mơ hình nhận dạng tín hiệu điện tim.............58
4.3. Kết quả mơ hình nhận dạng đơn ........................................................................59
Học viên: Nguyễn Quang Long
iv
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
4.3.1. Trên bộ cơ sở dữ liệu MIT-BIH ...................................................................59
4.3.2. Trên bộ cơ sở dữ liệu MGH/MF ...................................................................62
4.4. Kết quả thử nghiệm mơ hình kết hợp mạng nơ-rôn bằng cây quyết định..........63
4.4.1. Thử nghiệm kết hợp giữa ba mạng cơ sở MLP, TSK và SVM ....................63
4.4.2. Các thử nghiệm kết hợp khác .......................................................................66
4.5. Kết luận chương 4 ..............................................................................................69
KẾT LUẬN VÀ KIẾN NGHỊ .......................................................................................70
Kết luận .....................................................................................................................70
Kiến nghị ...................................................................................................................70
Học viên: Nguyễn Quang Long
v
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT
Từ, cụm từ
viết tắt
Tiếng Anh
Tiếng Việt
ANN
Artificial Neural Network
Mạng nơ-rôn nhân tạo
BPN
Back Propagation Network
Mạng lan truyền ngược
CHF
Congestive heart failure
Suy tim sung huyết
DNN
Deep Neural Networks
Mạng nơ-rôn sâu
Decision Tree
Cây quyết định
ECG
ElectroCardioGram
Điện tâm đồ
ELM
Elaboration Likelihood Model
Xây dựng khả năng mơ hình
FastICA
Independent Component
Analysis
Phân tích thành phần độc lập
FFN
Feed Forward Network
Mạng truyền thẳng
FIR
Finite Impulse Response Filter
Bộ lọc có đáp ứng xung hữu hạn
FN
False Negative
Chẩn đốn âm tính sai
FP
False Positive
Chẩn đốn dương tính sai
ICA
Independent Component
Analysis
Phân tích thành phần độc lập
KNN
K-nearest neighbors
Thuật tốn học máy có giám sát
DT
L
Left Bundle Branch Block Beat Block nhánh trái
LVQ
Learning Vector Quantization
Học tập Vector sự lượng tử hóa
MGH/MF
MGH/MF Waveform Database
Cơ sở dữ liệu MGH/MF
MIT-BIH
MITBIH Arrhythmia Database
Cơ sở dữ liệu MITBIH
MLP
Multi-Layer Perceptron
Network
Mạng nơ-rôn truyền thẳng nhiều
lớp
PCA
Principal Components Analysis Phép phân tích thành phần chính
PCA
Principal Component Analysis
Phân tích theo thành phần chính
QRS
QRS Complex
Phức bộ QRS
R
Right Bundle Branch Block Beat
Block nhánh phải
RF
Random Forest
Rừng ngẫu nhiên
RR
Relative Risk
Tỷ số nguy cơ tử vong
raventricular Premature Beat
Loạn nhịp thất trên
SNR
Signal-to-noise ratio
Tỷ lệ tín hiệu trên nhiễu
SVD
Singular Value Decomposition
Phân tích theo các giá trị kỳ dị
S
Học viên: Nguyễn Quang Long
vi
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Từ, cụm từ
viết tắt
Luận văn Thạc sĩ
Tiếng Anh
Tiếng Việt
Support Vector Machine
Máy vectơ hỗ trợ
TN
True Negative
Số trường hợp chẩn đốn âm tính đúng
TP
True Positive
Số trường hợp chẩn đốn dương
tính đúng
Takaga – Sugeno – Kang neuro
fuzzy network
Mạng nơ-rơn logic mờ TSK
TTNT
Artificial intelligence
Trí tuệ nhân tạo
V
Premature Ventricular
Contraction
Ngoại tâm thu thất
SVM
TSK
Học viên: Nguyễn Quang Long
vii
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
DANH MỤC CÁC BẢNG
Trang
Bảng 3.1. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp ............56
Bảng 3.2. Ví dụ số liệu cụ thể của sáu mẫu học (từ 1 6) và ba mẫu kiểm tra (từ 7 9)
.......................................................................................................................................56
Bảng 3.3. Ma trận phân bố kết quả nhận dạng ba loại mẫu nhịp bằng cây quyết định .57
Bảng 3.4. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp ............57
Bảng 3.5. Bảng số liệu học và kiểm tra cho ví dụ 2 ......................................................58
Bảng 3.6. Kết quả nhận dạng của Ví dụ 2 .....................................................................60
Bảng 4.1. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 7 loại rối loạn nhịp
tim từ CSDL MIT-BIH ..................................................................................................55
Bảng 4.2. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 2 loại nhịp ............55
Bảng 4.3. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp ............57
Bảng 4.4. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 2 loại nhịp ............57
Bảng 4.5. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng MLP ........59
Bảng 4.6. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng TSK .........60
Bảng 4.7. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng SVM........60
Bảng 4.8. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng RF .....................60
Bảng 4.9. Các thông số đánh giá chất lượng của bốn mơ hình cơ sở MLP, TSK, SVM
và RF khi nhận dạng 7 loại nhịp, thử nghiệm trên bộ CSDL MIT-BIH .......................61
Bảng 4.10. Ma trận phân bố kết quả nhận dạng 2 loại mẫu nhịp: Normal và abnormal
.......................................................................................................................................61
Bảng 4.11. Các thông số đánh giá chất lượng của bốn mơ hình cơ sở MLP, TSK, SVM
và RF khi nhận dạng hai loại nhịp, thử nghiệm trên bộ CSDL MIT-BIH ....................62
Bảng 4.12. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng MLP ......62
Bảng 4.13. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng TSK .......62
Bảng 4.14. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng SVM......62
Bảng 4.15. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng RF .........63
Bảng 4.16. Các thông số đánh giá chất lượng của bốn mơ hình cơ sở MLP, TSK, SVM
và RF khi nhận dạng ba loại nhịp, thử nghiệm trên bộ CSDL MGH/MF .....................63
Bảng 4.17. Các thông số đánh giá chất lượng của bốn mơ hình cơ sở MLP, TSK, SVM
và RF khi nhận dạng hai loại nhịp, thử nghiệm trên bộ CSDL MGH/MF ....................63
Bảng 4.18. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mơ hình kết hợp
MLP, TSK, SVM ...........................................................................................................64
Học viên: Nguyễn Quang Long
viii
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Bảng 4.19. Các thơng số đánh giá chất lượng của bốn mơ hình cơ sở MLP, TSK, SVM
và mơ hình kết hợp MLP-TSK-SVM khi nhận dạng 7 loại nhịp ..................................64
Bảng 4.20. Bảng kết quả của các mơ hình kết hợp kết quả của ba mơ hình nhận dạng
đơn MLP-TSK-SVM .....................................................................................................65
Bảng 4.21. Kết quả nhận dạng 7 loại nhịp (CSDL MIT-BIH) bằng các mô hình đơn và
các mơ hình kết hợp.......................................................................................................66
Bảng 4.22. Kết quả nhận dạng 2 loại nhịp (CSDL MIT-BIH) bằng các mô hình đơn và
các mơ hình kết hợp.......................................................................................................67
Bảng 4.23. Kết quả nhận dạng 3 loại nhịp (CSDL MGH/MF) bằng các mô hình đơn và
các mơ hình kết hợp.......................................................................................................67
Bảng 4.24. Kết quả nhận dạng 2 loại nhịp (CSDL MGH/MF) bằng các mô hình đơn và
các mơ hình kết hợp.......................................................................................................68
Học viên: Nguyễn Quang Long
ix
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Trang
Hình 1.1. Tín hiệu điện tim và các phân tích cơ bản từ tín hiệu điện tim .......................5
Hình 1.2. Hình dáng và thành phần chính của tín hiệu điện tim ECG ............................6
Hình 1.3. Mơ hình chung của hệ thống nhận dạng tín hiệu điện tim ECG .....................6
Hình 1.4. Sơ đồ khối của bộ phân tích tín hiệu ECG ......................................................7
Hình 1.5. Sơ đồ khối hệ thống phân tích ECG dựa trên mạng nơ-rơn ............................7
Hình 1.6. Các khối xử lý tín hiệu ...................................................................................11
Hình 2.1. Các q trình phát triển của trí tuệ nhân tạo [37]. .........................................14
Hình 2.2. Ảnh hưởng của TTNT tới các lĩnh vực[37]...................................................14
Hình 2.3. Mơ hình xử lý ngơn ngữ điển hình của TTNT [37] ......................................15
Hình 2.4. Mơ hình mạng nơ-rơn sinh học .....................................................................16
Hình 2.5. Mơ hình một nơ-rơn nhân tạo ........................................................................18
Hình 2.6. Hình hàm đồng nhất ......................................................................................21
Hình 2.7. Hàm bước nhị phân (Binary step function) ...................................................22
Hình 2.8. Hàm Sigmoid .................................................................................................22
Hình 2.9. Hàm sigmoid lưỡng cực ................................................................................22
Hình 2.10. Mơ hình mạng nơ-rơn một lớp ....................................................................23
Hình 2.11. Mơ hình mạng nơ-rơn 3 lớp truyền thẳng ...................................................24
Hình 2.12. Mơ hình mạng nơ-rơn 3 lớp hồi quy ...........................................................24
Hình 2.13. Mơ hình học có thầy (Supervised learning model) .....................................25
Hình 2.14. Mạng MLP với một lớp ẩn ..........................................................................27
Hình 2.15. Mạng nơ–rơn mờ TSK.................................................................................31
Hình 2.16. Vùng dữ liệu ................................................................................................37
Hình 2.17. SVM phân tách dữ liệu bằng dải bóng mờ chia các quan sát thành hai
nhóm. Đường thẳng ở giữa dải bóng mờ là đường biên (boundary). ............................38
Hình 3.1. Sơ đồ quy trình xây dựng véc tơ đặc tính cho tín hiệu điện tim ...................41
Hình 3.2. Sơ đồ hoạt động của thuật tốn phát hiện đỉnh R ..........................................41
Hình 3.3. Phân bố phổ năng lượng của tín hiệu ECG ...................................................42
Hình 3.4. Phân bố phổ năng lượng của tín hiệu ECG gốc (a), kết quả sau khi lọc (b) .42
Hình 3.5. Mối quan hệ giữa QRS (a) và tín hiệu lấy trung bình tín hiệu theo thời gian (b)
.......................................................................................................................................43
Hình 3.6. Ví dụ các bước phát hiện đỉnh R: ..................................................................44
Hình 3.7. Đồ thị của hàm Hermite bậc n: ......................................................................45
Học viên: Nguyễn Quang Long
x
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Hình 3.8. Xấp xỉ tín hiệu ECG bằng N hàm Hermite cơ sở đầu tiên: ...........................47
Hình 3.9. Đồ thị khảo sát sai số xấp xỉ theo số lượng các hàm Hermite cơ sở .............47
Hình 3.10. Hình ảnh khai triển các loại nhịp tím khác theo 16 hàm Hermite đầu tiên .48
Hình 3.11. Quá trình xây dựng các cây quyết định thành phần ....................................50
Hình 3.12. Q trình kiểm tra của mơ hình rừng ngẫu nhiên RF ..................................50
Hình 3.13. Sơ đồ chung của mơ hình kết hợp sử dụng nhiều mơ hình nhận dạng đơn 51
Hình 3.14. Sơ đồ khối chung của hệ thống kết hợp song song nhiều mơ hình đơn ......52
Hình 3.15. Sơ đồ nguyên lý quá trình tạo cây quyết định .............................................53
Hình 3.16. Mơ hình cây quyết định dạng nhị phân [3] .................................................54
Hình 3.17. Chuyển một nút bậc cao (a) thành một nút nhị phân (b) [3] .......................55
Hình 3.18. Cây quyết định xây dựng từ bộ số liệu có 90 mẫu (ví dụ 1) .......................56
Hình 3.19. Cấu trúc cây quyết định tạo ra từ bộ số liệu trong bảng 3.5 ........................59
Hình 4.1. Hình dáng mẫu phức bộ QRS của các loại nhịp A, E, L, R, I và V ..............57
Hình 4.2. Hình dáng mẫu phức bộ QRS của các loại nhịp V, S, N ...............................58
Hình 4.3. So sánh số mẫu nhận dạng sai, chẩn đốn âm tính sai FN, chẩn đốn dương
tính sai FP của ba mơ hình nhận dạng cơ sở và mơ hình kết hợp .................................64
Học viên: Nguyễn Quang Long
xi
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
MỞ ĐẦU
1. Lý do chọn đề tài
Ngày nay, cùng với sự phát triển mạnh mẽ của công nghệ kỹ thuật điện tử, công
nghệ thơng tin và trí tuệ nhân tạo đã mở ra nhiều ứng dụng hữu ích và đem lại hiệu quả
kinh tế cao trong đời sống xã hội. Trong y học, công nghệ thông tin và điện tử đã đem
lại nhiều ứng dụng trong việc chăm sóc, bảo vệ sức khỏe con người. Mặt khác, các bác
sĩ ln cần có các thơng tin chính xác phục vụ cơng tác chuẩn đốn, xác định bệnh,
điều trị, tư vấn và theo dõi diễn biến bệnh của bệnh nhân.
Tín hiệu điện tim (ECG) là tín hiệu y sinh cơ bản và quan trọng được sử dụng
để xác định tình trạng sức khỏe của một người. Tín hiệu ECG là nguồn thơng tin q
giá để xác định các bệnh lý về tim mạch.
Nhận dạng tín hiệu ECG là một trong những vấn đề mà khoa học và công nghệ
hiện nay đang được tiếp tục quân tâm, đầu tư nghiên cứu, đây là một vấn đề khó, u
cầu độ chính xác và độ tin cậy cao. Một trong những nguyên nhân gây khó khăn cho
nhận dạng tín hiệu ECG là sự ảnh hưởng bởi q trình chuyển động của người bệnh
đặc biệt là các hoạt động của q trình hơ hấp gây ra.
Đã có nhiều nghiên cứu về phương pháp nhận dạng tín hiệu điện tim dùng
mạng Nơ-rôn như: mạng Nơ-rôn mờ STK, mạng Nơ-rôn kinh điểm MLP, mạng Nơrơn tích chập…. Để nâng cao chất lượng, độ chính xác khi nhận dạng tín hiệu điện tim
Luận văn đề xuất phối hợp nhiều mạng Nơ-rôn khác nhau.
2. Tính cấp thiết của đề tài
Tim là một bộ phận quan trọng trong hệ tuần hoàn cơ thể của con người cũng
như cơ thể của động vat. Việc hoạt động của tim rất quan trọng đối với cơ thể, khi có
bất cứ tổn thương nào tới tim sẽ có thể ảnh hưởng tới sự sống. Chính vì vậy việc kiểm
tra sức khoẻ của tim thường xuyên là yếu tố hàng đầu giúp đánh giá tình trạng sức
khỏe của mỗi người.
Hoạt động của tim được thể hiện qua nhiều yếu tố khác nhau, trong đó những
tín hiệu điện sinh học do tim phát ra là một trong những yếu tố quan trọng nhất để
đánh giá hoạt động của tim. Thông qua những tín hiệu điện tim dưới dạng sóng hay
điện tâm đồ các bác sĩ có thể chuẩn đốn được một số vấn đề liên quan đến tim như: dị
tật bẩm sinh ở tim, bênh van tim, loạn nhịp tim, tiểu đường, đái tháo đường,…
Đã có nhiều cơng trình nghiên cứu về nhận dạng tín hiệu điện tim ECG sử
dụng mạng nơ-rơn cho kết quả chính xác. Tác giả để xuất giải pháp kết hợp/phối
hợp nhiều mơ hình mạng nơ-rơn sử dụng cây quyết định. Việc phối hợp nhiều mạng
Nơ-rôn nhận dạng tín hiệu điện tim ECG giúp tín hiệu nhận dạng được chính xác
hơn từ đó hỗ trợ bác sĩ chuyên khoa chẩn đoán bệnh lý cũng như theo dõi tình trạng
sức khỏe của bệnh nhân, đồng thời đưa ra pháp đồ điều trị cho các bệnh về tim phù
hợp hơn.
Học viên: Nguyễn Quang Long
1
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
3. Mục tiêu nghiên cứu
3.1. Mục tiêu tổng quát
Nghiên cứu, áp dụng mạng Nơ – rơn để xây dựng mơ hình dự báo cho bài toán
phi tuyến
3.2. Mục tiêu cụ thể
- Xây dựng mơ hình nhận dạng tín hiệu điện tim dựa trên hình ảnh bộ tín hiệu
điện tim mẫu.
- Đề xuất mơ hình nhận dạng tín hiệu điện tim sử dụng mơ hình phối hợp các
mạng Nơ – rơn
4. Nội dung nghiên cứu
- Tổng quan về các phương pháp nhận dạng tín hiệu điện tim.
- Giới thiệu chung về mạng Nơ – rơn.
- Xây dựng mơ hình phối hợp các mạng nơ-rơn nhận dạng tín hiệu điện tim.
- Kết quả tính tốn, mô phỏng.
5. Đối tượng và phạm vi nghiên cứu
5.1. Đối tượng nghiên cứu
- Bộ tín hiệu mẫu tín hiệu điện tim
- Các mơ hình mạng Nơ-rơn (MLP, TSK, SVM, RF, và mơ hình phối hợp giữa
các mạng MPL-TSK-SVM, MLP-TSK-RF, MLP-RF-SVM, RF-TSK-SVM, MLPTSK-SVM-RF).
5.2. Phạm vi nghiên cứu
Nghiên cứu, nhận dạng tín hiệu điện tim từ bộ tín hiệu mẫu.
6. Phương pháp nghiên cứu
- Nghiên cứu tài liệu: Các mơ hình, phương pháp nhận dạng tín hiệu điện tim đã
được cơng bố trên sách, tạp chí,...
- Nghiên cứu thực nghiệm: tính tốn, mơ phỏng trên phần mềm Matlab kết quả
nhận dạng tín hiệu điện tim ECG.
7. Ý nghĩa khoa học và thực tiễn của đề tài
7.1. Ý nghĩa khoa học
Đề xuất mô hình phối hợp các mạng Nơ-rơn nhận dạng tín hiệu điện tim để tăng
độ chính xác.
7.2. Ý nghĩa thực tiễn
Bài tốn nhận dạng tín hiệu ECG có ý nghĩa thực tiễn cao, chất lượng nhận dạng
tín hiệu điện tim sẽ hỗ trợ bác sĩ chun khoa chẩn đốn tình trạng sức khỏe của người
Học viên: Nguyễn Quang Long
2
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
bệnh. Vì vậy, đề xuất một giải pháp nhằm nâng cao chất lượng nhận dạng tín hiệu ECG
có ý nghĩa quan trọng trong thực tiễn, góp phần bổ sung vào các giải pháp hỗ trợ cho
q trình chẩn đốn, xác định, điều trị và theo dõi bệnh của bác sĩ tuyến cơ sở.
8. Cấu trúc đề tài
Cấu trúc của luận văn gồm 04 chương, ngồi ra cịn mục lục, danh sách các ký
hiệu, từ viết tắt; bảng/hình vẽ, đồ thị; các tài liệu tham khảo; cụ thể:
Chương 1: Tổng quan về các phương pháp nhận dạng tín hiệu điện tim
Chương 2: Giới thiệu chung về mạng nơ-rơn
Chương 3: Xây dựng mơ hình phối hợp các mạng nơ-rơn nhận dạng tín hiệu
điện tim
Chương 4: Kết quả tính tốn, mơ phỏng
Kết luận và khuyến nghị
Học viên: Nguyễn Quang Long
3
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Chương 1. TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP
NHẬN DẠNG TÍN HIỆU ĐIỆN TIM
1.1. Đặt vấn đề
Tim là một bộ phận quan trọng trong hệ tuần hoàn cơ thể của con người cũng
như cơ thể của động vật. Với chức năng bơm máu đều đặn qua các đường động mạch,
đem dưỡng khí và chất dinh dưỡng đi lên não bộ và ni tồn bộ cơ thể, mặt khác tim
cũng có nhiệm vụ đào thải các chất không phù hợp với cơ thể trong quá trình trao đổi
chất. Tim sẽ hút máu chứa CO2 trở lại tim và đưa tới phổi trao đổi khí này lấy O2,…
Việc hoạt động của tim rất quan trọng đối với cơ thể, khi có bất cứ tổn thương
nào tới tim sẽ có thể ảnh hưởng tới sự sống. Chính vì vậy việc kiểm tra sức khỏe của
tim thường xuyên là yếu tố hàng đầu giúp đánh giá tình trạng sức khỏe của mỗi người.
Tim hoạt động được là nhờ một xung điện truyền qua hệ thống thần kinh tự trị
của tim. Xung điện được bắt đầu từ một hạch gọi là nút xoang nhĩ (SA sinoatrial) gồm
các tế bào có khả năng tự tạo xung điện (Electric Impulse). Xung điện này truyền ra
các cơ chung quanh làm co bóp hai tâm nhĩ. Sau đó dịng điện tiếp tục truyền theo 1
chuỗi tế bào đặc biệt tới một hạch khác gọi là nút nhĩ thất (AV Atrioventricular) nằm
gần khu tiếp giáp giữa các tâm thất rồi theo chuỗi tế bào sợi Purkinje chạy dọc theo
vách chia hai tâm thất lan vào các cơ chung quanh làm hai tâm thất co bóp (tạo nên
phức bộ QRS). Sau đó xung điện giảm đi, tâm thất dãn ra.
Hoạt động của tim được thể hiện qua nhiều yếu tố khác nhau, trong đó những
tín hiệu điện sinh học do tim phát ra là một trong những yếu tố rất quan trọng nhất để
đánh giá hoạt động của tim. Thơng qua những tín hiệu điện tim dưới dạng sóng hay
điện tâm đồ (ElectroCardioGram gọi tắt là ECG). Để thu được tín hiệu ECG, người ta
đặt các điện cực của máy ghi ECG lên cơ thể. Tùy theo vị trí đặt các điện cực mà hình
dáng của tín hiệu ECG sẽ khác nhau.
Tín hiệu ECG chứa thông tin chủ yếu để xác định các bệnh lý về tim mạch. Như
trên hình 1.2 tín hiệu điện tim là một đường cong ghi lại sự biến thiên của điện áp do
tim sinh ra khi hoạt động, hình dáng chính của tín hiệu điện tim ECG là tổng hợp của
các sóng P, phức bộ QRS và sóng T. Trong đó, phức bộ QRS chứa nhiều thơng tin
quan trọng nhất, cụ thể [5, 21]:
Học viên: Nguyễn Quang Long
4
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Hình 1.1. Tín hiệu điện tim và các phân tích cơ bản từ tín hiệu điện tim
- Có 12 chuyển đạo được xây dựng dựa trên vị trí đặt các điện cực, trong đó
chuyển đạo tay trái – tay phải là chuyển đạo được quan tâm nhiều nhất vì nó biểu hiện
rõ nét nhất các pha co dãn của tim;
- Sóng P đại diện cho làn sóng khử cực lan truyền từ nút xoang sang tâm nhĩ.
Khoảng PR là khoảng thời gian cần thiết để xung điện đi từ nút xoang qua nút nhĩ thất
(AV) vào các tâm thất. Phức bộ QRS là q trình khử cực tâm thất. Sóng Q đại diện
q trình khử cực từ trái sang phải của vách ngăn lên tâm thất. Sóng R đại diện q
trình khử cực sớm của tâm thất. Sóng S đại diện q trình khử cực muộn của tâm thất.
Đoạn ST là thời điểm tâm thất được khử cực hoàn toàn và đoạn này có điện thế trùng
với đường đẳng điện. Khoảng QT là thời gian xảy ra cả hai quá trình khử cực và tái
cực tâm nhĩ.
- Sóng T đại diện tái cực thất và thời gian kéo dài hơn so với quá trình khử cực;
Một tín hiệu ECG bình thường có các thông số cơ bản như sau:
- Số nhịp tim trung bình của một người bình thường là từ 50÷100 nhịp/phút;
- Biên độ (mV): Phức bộ QRS < 1,5; sóng P < 0,25; sóng Q bằng khoảng 25 %
so với sóng R kế đó, cuối cùng sóng T có giá trị trong khoảng 0,1÷0,5;
- Thời gian tồn tại (ms): Phức bộ QRS là 50 ÷ 100, P-R là 120 ÷ 200, QT là
350÷440, S-T là 50÷150, sóng P < 120.
Học viên: Nguyễn Quang Long
5
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Hình 1.2. Hình dáng và thành phần chính của tín hiệu điện tim ECG
Thơng qua tín hiệu điện tim bác sĩ có thể chẩn đoán được một số vấn đề
liên quan đến tim như: dị tật bẩm sinh ở tim, bệnh van tim, loạn nhịp tim, tiểu
đường, đái tháo đường, …
Mơ hình chung của một hệ thống nhận dạng tín hiệu điện tim thể hiện như hình
1.3, gồm bốn khối chính: Thu thập, tiền xử lý, trích chọn đặc tính, nhận dạng.
Hình 1.3. Mơ hình chung của hệ thống nhận dạng tín hiệu điện tim ECG
1.2. Tình hình nghiên cứu ngồi nước
Nhận dạng tín hiệu ECG là một trong những vấn đề kỹ thuật vẫn đang được
quan tâm, đầu tư nghiên cứu. Hiện nay, do đây là một vấn đề khó, phức tạp liên quan
đến con người địi hỏi u cầu độ chính xác và độ tin cậy cao. Việc nhận dạng tín hiệu
ECG đã được nghiên cứu từ rất lâu ở những nước phát triển. Điển hình như các hãng
sản xuất thiết bị y tế như hãng Advanced, hãng Kalamed, hãng Fukuda, hãng Contec...
đã cho ra đời nhiều loại thiết bị đo điện tim. Mỗi thiết bị có những phương pháp nhận
dạng khác nhau, cụ thể như:
Xử lý tín hiệu ECG để phát hiện sự bất thường bằng việc sử dụng phương
pháp phân loại sóng đa độ phân giải và mạng nơ-rơn nhân tạo [5]
Trong nghiên cứu này, nhóm tác giả đưa ra hướng nghiên cứu sử dụng nơ – rôn
nhân tạo kết hợp với tính năng biến đổi sóng rời rạc và hình thái để phân tích tín hiệu
ECG. Tín hiệu ECG được phân tích thành hai lớp tín hiệu (tín hiệu ECG bất thường và
tín hiệu bình thường) bằng việc sử dụng nhiều mạng nơ rơn khác nhau để phân tích.
Cơ sở dữ liệu loạn nhịp tim được sử dụng là MITH BIH.
Học viên: Nguyễn Quang Long
6
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Hình 1.4. Sơ đồ khối của bộ phân tích tín hiệu ECG
Các mạng nơ-rơn được sử dụng trong nghiên cứu để phân tích tín hiệu gồm
mạng nơ-rơn lan truyền ngược (BPN), mạng nơ-rơn truyền thẳng (FFN), mạng nơ-rôn
nhiều lớp (MLP). Hiệu suất phân loại được đo theo độ nhạy (Se), tiên lượng dương
tính (PP), tính đặc hiệu (SP).
Qua nghiên cứu nhóm tác giả đã đạt được độ chính xác tổng thể lên tới 97,8%
khi sử dụng mạng nơ-rôn lan truyền ngược và mạng nơ-rơn truyền thẳng và đạt được
độ chính xác 100% khi sử dụng mạng nơ-rôn truyền thẳng nhiều lớp với các lớp tế bào
thần kinh (20,20,10) trong các lớp ẩn. Phần lớn kết quả dạy học và kiểm tra mẫu dữ
liệu đạt lớn hơn 90%.
Khai thác đặc tính và phân tích tín hiệu ECG dựa trên mạng nơ-rơn nhân
tạo và phương pháp học máy [11]
Nghiên cứu này được phân loại tín hiệu ECG thành hai lớp, tín hiệu bình
thường và bất thường. Dạng sóng ECG được phát hiện và phân tích bằng 48 bản ghi
của cơ sở dữ liệu rối loạn nhịp tim MIT-BIH. Hiệu suất phân loại được đo lường về độ
nhạy (Se), dự đốn tích cực (PP) và độ đặc hiệu (SP). Trong bài viết này, tác giả đã
trình bày một thuật toán KNN để phân loại và phát hiện phức bộ QRS. Trong đó một
thuật tốn để phát hiện đỉnh R. Và sử dụng ba loại phân loại là Mạng lan truyền ngược
(BPN), mạng nơ-rôn truyền thẳng và Mạng nơ-rơn nhiều lớp (MLP).
Tiền xử lý
Tín hiệu điện
tâm đồ từ CSDL
MIT-BIH
Loại bỏ biến
tính tín hiệu
điện tâm đồ
Phát hiện đỉnh sóng trong
tín hiệu điện tâm đồ
Phân loại
Bình thường
Khác thường
Hình 1.5. Sơ đồ khối hệ thống phân tích ECG dựa trên mạng nơ-rơn
Tín hiệu đầu vào được lựa chọn từ cơ sở dữ liệu loạn nhịp MIT-BIH. Tiền xử lý
sẽ khử nhiễu cho tín hiệu ECG. Nó được sử dụng làm đầu vào cho giai đoạn sau.
Học viên: Nguyễn Quang Long
7
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Trong giai đoạn sau có nhiệm vụ phát hiện cực đại và phức bộ QRS. Tín hiệu
ECG được phân loại theo BPN, SVM và ELM. Các bộ lọc được sử dụng trong nghiên
cứu gồm bộ lọc trung bình, bộ lọc FIR, bộ lọc Gaussian và bộ lọc Butterworth. Việc
sắp xếp các bộ lọc để loại bỏ đi nhiễu điện từ và lỗi phát sinh từ thiết bị. Tín hiệu ECG
được trích xuất và phân tách thành Tín hiệu ECG bị phân hủy lên đến tám cấp độ.
Kiểu phân tách này được sử dụng để trích xuất các tính năng và hữu ích cho việc lựa
chọn sóng P, Q, R và S.
Sau đó tất cả các đỉnh được xác định bởi giá trị nhỏ nhất và lớn nhất. Sử dụng
phức hợp QRS, trong bài báo này tìm ra nhịp tim và những nhịp tim này được đưa ra
để phân loại đầu ra như bình thường và bất thường. Trong bài báo này, ba mô hình
mạng nơ-rơn được sử dụng để được thực hiện để phân loại nhịp tim bình thường và bất
thường là BPN, SVM và ELM.
Phương pháp đề xuất thử nghiệm cho kết quả tốt nhất với độ chính xác 97%, độ
nhạy 100%, độ đặc hiệu 96% và dự đốn tích cực 95%. Các loại tiếng ồn và tín hiệu
nhiễu có trong tín hiệu ECG của cơ sở dữ liệu được giảm bằng bộ lọc trung bình.
Tìm kiếm các tính năng để phát hiện co thắt tâm thất sớm theo thời gian thực
bằng cách sử dụng hệ thống mạng nơ-rôn mờ (FNN) [18]
Nghiên cứu này đã giới thiệu một cách cách tiếp cận để phát hiện các cơn co
thắt tâm thất sớm (PVC) bằng cách sử dụng mạng nơ-rôn với các chức năng liên kết
mờ có trọng số (NEWFM). NEWFM phân loại nhịp thông thường và nhịp PVC bằng
tổng giới hạn được đào tạo của các hàm liên thuộc mờ có trọng số (BSWFM) bằng
cách sử dụng hệ số biến đổi wavelet từ cơ sở dữ liệu MIT-BIH PVC. Tám hệ số tổng
quát, liên quan cục bộ đến tín hiệu thời gian, được trích xuất bằng phương pháp đo
phân bố vùng khơng trùng lặp. Tám hệ số tổng quát được sử dụng cho ba tập dữ liệu
PVC với tỷ lệ chính xác đáng tin cậy lần lượt là 99,80%, 99,21% và 98,78%, có nghĩa
là các tính năng đã chọn ít phụ thuộc vào tập dữ liệu hơn. Nó được chỉ ra rằng vị trí
của tám đặc điểm khơng chỉ xung quanh phức hợp QRS đại diện cho sự khử cực tâm
thất trong điện tâm đồ (ECG) chứa sóng Q, sóng R và sóng S, mà cịn cả đoạn QR từ
sóng Q. đến sóng R có nhiều thơng tin phân biệt hơn so với đoạn RS từ sóng R đến
sóng S. BSWFM của tám tính năng được NEWFM đào tạo được hiển thị trực quan,
giúp các tính năng có thể diễn giải một cách rõ ràng. Vì mỗi BSWFM kết hợp nhiều
hàm liên thuộc mờ có trọng số thành một bằng cách sử dụng tổng giới hạn, tám
BSWFM kích thước nhỏ có thể nhận ra phát hiện PVC thời gian thực trong môi trường
di động. nhưng cũng có đoạn QR từ sóng Q đến sóng R có nhiều thơng tin phân biệt
hơn so với đoạn RS từ sóng R đến sóng S. BSWFM của tám tính năng được NEWFM
đào tạo được hiển thị trực quan, giúp các tính năng có thể diễn giải một cách rõ
ràng. Vì mỗi BSWFM kết hợp nhiều hàm liên thuộc mờ có trọng số thành một bằng
cách sử dụng tổng giới hạn, tám BSWFM kích thước nhỏ có thể nhận ra phát hiện
PVC thời gian thực trong môi trường di động. nhưng cũng có đoạn QR từ sóng Q đến
Học viên: Nguyễn Quang Long
8
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
sóng R có nhiều thông tin phân biệt hơn so với đoạn RS từ sóng R đến sóng
S. BSWFM của tám tính năng được NEWFM đào tạo được hiển thị trực quan, giúp
các tính năng có thể diễn giải một cách rõ ràng. Vì mỗi BSWFM kết hợp nhiều hàm
liên thuộc mờ có trọng số thành một bằng cách sử dụng tổng giới hạn, tám BSWFM
kích thước nhỏ có thể nhận ra phát hiện PVC thời gian thực trong môi trường di động.
Phân loại rối loạn nhịp tim ECG bằng cách sử dụng mạng nơ-rơn lượng tử
hóa vectơ học [9]
Mục đích của nghiên cứu này là áp dụng mạng nơ-rơn lượng tử hóa vectơ học
(LVQ) để phân loại rối loạn nhịp tim từ bộ dữ liệu Điện tâm đồ (ECG). Các thuật toán
phân loại LVQ không xấp xỉ các hàm mật độ của các mẫu lớp mà trực tiếp xác định
ranh giới lớp dựa trên các nguyên mẫu, quy tắc láng giềng gần nhất và mơ hình thắnglấy-tất cả. Nó có hiệu suất vượt trội so với phương pháp truyền ngược (BP) theo nghĩa
giảm thiểu các lỗi phân loại trong khi duy trì sự hội tụ nhanh chóng. Đầu tiên, phân
tích thành phần chính được sử dụng để giảm kích thước của các tính năng đầu vào và
tăng khả năng phân biệt. Sau đó, sáu mạng thần kinh LVQ được huấn luyện để phân
loại từng trường hợp thành các lớp "khỏe mạnh" và "loạn nhịp tim". Các mạng lưới
được đào tạo và thử nghiệm cho bộ dữ liệu rối loạn nhịp tim UCI ECG. Bộ dữ liệu này
là một môi trường tốt để kiểm tra các bộ phân loại vì nó là dữ liệu tín hiệu sinh học
khơng đầy đủ và khơng rõ ràng từ nhiều bệnh nhân. Hiệu suất phân loại của mỗi thuật
toán được đánh giá bằng cách sử dụng bốn thước đo; độ nhạy, độ đặc hiệu, độ chính
xác của phân loại và thời gian thực hiện để xây dựng hệ thống. Kết quả thực nghiệm
khuyến nghị sử dụng thuật toán LVQ cho một nghiên cứu mở rộng hơn liên quan đến
chủ đề này.
Cách tiếp cận dựa trên SVD và SVM để phát hiện suy tim sung huyết từ tín
hiệu điện tâm đồ [13]
Bài báo này trình bày một cách tiếp cận phát hiện tích hợp khoảng RR tính năng
trích xuất và phân loại suy tim sung huyết (CHF). Trong trích xuất các tính năng
khoảng RR, tác giả đã sử dụng phân tách chế độ thực nghiệm (EMD) để phân tách tín
hiệu khoảng RR của mỗi đối tượng thành một số chức năng chế độ nội tại (IMF) và sử
dụng phân tách giá trị đơn (SVD) để trích xuất các giá trị đơn được xếp hạng cho IMF
của mỗi đối tượng. Các giá trị số ít được xếp hạng thu được được đưa vào máy vectơ
hỗ trợ (SVM) để phân loại trạng thái sinh lý (sức khỏe hoặc CHF). Kết quả phân loại
cho thấy rằng, dựa trên tập dữ liệu từ trang web “PhysioNet”, tổng độ chính xác của
việc sử dụng các giá trị số ít của các cấp bậc quan trọng làm các tính năng là 89%.
Phân loại nhịp điện tâm đồ có độ chính xác cao dựa trên chuyển đổi Wavelet
liên tục và nhiều bộ phân loại máy vectơ hỗ trợ [14]
Nghiên cứu này trình bày một hệ thống phân loại nhịp ECG chính xác cao. Nó
sử dụng phép biến đổi Wavelet liên tục kết hợp với phân tích hình thái miền thời gian
để tạo thành ba vectơ đặc trưng riêng biệt từ mỗi nhịp. Mỗi vectơ đặc trưng này sau đó
Học viên: Nguyễn Quang Long
9
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
được sử dụng riêng biệt để đào tạo ba bộ phân loại máy vectơ hỗ trợ (SVM) khác
nhau. Trong quá trình phân loại dữ liệu, mỗi bộ phân loại trong số ba bộ phân loại
phân loại độc lập từng nhịp; với kết quả của hệ thống phân loại dựa trên nhiều bộ phân
loại được quyết định bằng cách bỏ phiếu giữa ba bộ phân loại độc lập. Sử dụng
phương pháp này, hệ thống dựa trên đa phân loại có thể đạt độ chính xác trung bình là
99,72% trong việc phân loại sáu loại nhịp.
1.3. Tình hình nghiên cứu trong nước
Ở nước ta, tình hình nghiên cứu nhận dạng tín hiệu điện tim là một trong những
hướng nghiên cứu mới. Tuy nhiên, đã có một số đề tài nghiên cứu chuyên sâu như:
Ứng dụng cây quyết định cho giải pháp nâng cao chất lượng nhận dạng tín
hiệu điện tim [3]
Hướng chính của nghiên cứu là sử dụng cây quyết định nhị phân (Binary
Decision Tree) để tổng hợp kết quả của ba mơ hình đơn, đó là các mạng nơ-rơn kinh
điển MLP (Multi Layer Perceptron), mạng nơ-rôn logic mờ TSK (Takaga-SugenoKang) và máy vectơ hỗ trợ SVM (Support Vector Machines) để cải thiện độ chính xác
và chất lượng của kết quả nhận dạng. Sử dụng các hàm cơ sở Hermite (Hermite Basis
Functions) để khai triển phức bộ QRS làm vector đặc trưng của tín hiệu và sử dụng
thêm hai đặc tính về thời gian là khoảng cách giữa hai đỉnh R liên tiếp, giá trị trung
bình của 10 khoảng cách R-R cuối cùng. Giải pháp đã được thử nghiệm trên bộ các số
liệu mẫu lấy từ CSDL MIT-BIH (Massachusetts Institute of Technology, Boston’s
Beth Israel Hospital).
Nghiên cứu nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh
hưởng từ nhịp thở của người bệnh [5]
Nghiên cứu chức năng của hệ tim mạch - hô hấp các ảnh hưởng chính của nhịp
thở trong tín hiệu ECG. Từ đó khảo sát và đề xuất lựa chọn họ wavelet và bậc phù hợp
để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Trường hợp có tín hiệu nhịp
thở được đo đồng thời với tín hiệu ECG, luận văn đề xuất sử dụng 2 đặc tính là biên độ
tức thời của nhịp thở để hỗ trợ phát hiện các biến thiên bệnh lý trong tín hiệu ECG.
Các bộ mẫu tín hiệu được đưa vào mơ hình nhận dạng sử dụng mạng nơ-rôn TSK để
kiểm chứng hiệu quả của các giải pháp đề xuất.
Nghiên cứu này, đề xuất sử dụng phép phân tích tín hiệu theo các hàm cơ sở
wavelet. Các phương pháp trích chọn đặc tính được sử dụng bộ lọc thích nghi và
phương pháp ICA, phương pháp PCA… Dữ liệu cơ sở được sử dụng gồm bộ dữ liệu
cơ sở loạn nhịp MIT-BIH, bộ dữ liệu cơ sở nhịp tim, nhịp thở và huyết áp MGH/MF.
Nghiên cứu đã sử dụng phương pháp để trích trọng đặc tính như việc ứng dụng việc
phân tích giá trị kỳ dị SVD theo hàm Hermite để phân tích tín hiệu ECG và dùng mạng
nơ-rôn logic mờ TSK để nhận dạng tín hiệu. Có 4 kịch bản nhận dạng đã được xây
dựng trong nghiên cứu áp dụng với 2 bộ mẫu MIT-BIH và MGH/MF.
Học viên: Nguyễn Quang Long
10
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
Qua nghiên cứu cho thấy sau khi loại bỏ ảnh hưởng của nhịp thở trong tín
hiệu điện tim ECG hoặc sử dụng thêm thơng tin về nhịp thở có thể cải thiện được chất
lượng nhận dạng tín hiệu ECG. Kết quả đạt được trên cơ sở nhịp thở thu được từ cảm
biến gia tốc so với số nhịp thở thực tế ở trạng thái thở chậm và bình thường cho độ
chính xác 100% và thở nhanh đạt độ chính xác 98,35%
Kết hợp mạng Nơ-rôn và biến đổi Wavelet trong nhận dạng phức bộ QRS [1]
Nghiên cứu đã sử dụng 1 đoạn tín hiệu có độ dài 1800 mẫu trong bản ghi 108
cơ sở dữ liệu MIT-BIH để kiểm tra thuật toán Sau khi huấn luyện, lấy tín hiệu ECG
ban đầu trừ đi đầu ra của mạng Nơ-rơn ta tìm được lỗi dự báo của mạng là các đỉnh có
biên độ lớn có vị trí tương ứng với QRS. Sử dụng phương pháp đặt ngưỡng, ta tìm
được các đỉnh tương ứng bao trùm tồn bộ phức bộ QRS. Như vậy, thuật toán cho kết
quả nhận dạng tốt đối với các bản ghi có đỉnh R âm cũng như bản ghi xuất hiện các
đỉnh nhọn bất thường không phải đỉnh R (bản ghi người bị bệnh tim).
Tuy nhiên, đối với các bản ghi bị nhiễu rất mạnh, q trình nhận dạng gặp
nhiều khó khăn. Để khắc phục vấn đề này, chúng ta kết hợp với biến đổi wavelet để
nâng cao hiệu quả nhận dạng. Lỗi dự báo sẽ đi qua một khối trung gian, đó là khối
biến đổi Wavelet:
Lỗi dự
báo
Biến đổi
Wavelet
Bình
phương
Cửa sổ
tích
phân
Xác định
QRS
Hình 1.6. Các khối xử lý tín hiệu
Mục đích của khối biến đổi Wavelet là loại bỏ ảnh hưởng của nhiễu mạnh.
Thuật toán nhận dạng thông thường cho kết quả rất xấu đối với tín hiệu bị nhiễu mạnh;
cịn thuật tốn kết hợp Nơ-rôn và Wavelet cho kết quả nhận dạng rất tốt.
Như vậy, nghiên cứu đã trình bày hồn chỉnh phương pháp kết hợp mạng Nơrôn và biến đổi Wavelet trong nhận dạng sóng điện tim QRS. Ngay cả với tín hiệu điện
tim chưa được tiền xử tốt, bị nhiễu rất mạnh (nhiễu tạp trắng, trơi đường cơ sở...),
thuật tốn vẫn cho kết quả nhận dạng rất tốt. Thuật toán được kiểm chứng với các bản
ghi MIT-BIH đã được các bác sỹ trực tiếp ghi chú vị trí phức bộ QRS. Nếu kết hợp với
việc tiền xử lý tốt tín hiệu đầu vào, chúng ta sẽ có được một thuật tốn nhận dạng QRS
có độ tin cậy cao.
Tách và loại bỏ nhiễu cho tín hiệu điện tâm đồ ECG sử dụng phương pháp
phân tích thành phần độc lập FASTICA cải tiến [2]
Tín hiệu điện tâm đồ ECG là một trong những tín hiệu y sinh đã được nghiên
cứu rộng rãi và sử dụng cho việc chẩn đoán bệnh. ECG đã và đang rất được quan tâm
đến bởi các thiết bị lẫn quá trình đo cịn gặp rất nhiều vấn đề, tín hiệu ECG thu được
rất dễ bị ảnh hưởng bởi nhiều loại nhiễu khác nhau cũng như chồng lẫn trong quá trình
đo và thu thập dữ liệu. Nhiễu ở đây có thể kể đến: nhiễu cơ do ảnh hưởng cử động của
Học viên: Nguyễn Quang Long
11
Ngành: Kỹ thuật điện tử
Trường Đại học Sao Đỏ
Luận văn Thạc sĩ
người bệnh, nhiễu do nguồn điện, do môi trường, do sai số trong tính tốn, nhiễu từ
các thiết bị điện tử trong q trình thu nhận dữ liệu.
Trong bài báo, nhóm tác giả đã đưa ra phương pháp sử dụng FastICA để tách
hỗn hợp cũng như loại bỏ nhiễu trong tín hiệu điện tâm đồ. Và đã đề xuất phương pháp
Newton’s cải tiến để giảm số vòng lặp, tiết kiệm thời gian và tài ngun tính tốn. Với
các ưu điểm của FastICA việc tách và loại bỏ nhiễu AC, nhiễu cơ đạt được kết quả tốt
ngay cả khi tỷ số Tín hiệu/Tạp âm (SNR) rất thấp. Ở hai trường hợp mô phỏng tác giả
đã được đưa ra để minh họa cho tính hiệu quả của phương pháp đề xuất.
1.4. Định hướng nghiên cứu của đề tài
Ngày nay, nhu cầu kiểm tra sức khỏe định kỳ của mỗi người ngày càng được
nâng cao. Với sự phát triển của khoa học công nghệ cùng với những phát minh mới
trong lĩnh vực điện tử đã tạo động lực giúp con người sáng tạo ra được những sản
phẩm thơng minh phục vụ cho lợi ích của con người một cách thuận tiện hơn. Từ
những phân tích ở mục 1.2 và 1.3 cho ta thấy những tiến bộ và sự phát triển mạnh mẽ
của đo lường, điều khiển đã cho phép tạo ra những thiết bị đo tín hiệu điện tim theo
nhiều phương pháp khác nhau. Theo đó, việc xây dựng mơ hình phối hợp các mạng
Nơ-rơn nhận dạng tín hiệu điện tim (ECG) sẽ là tiền đề để nền y học nói chung và
ngành chế tạo thiết bị y tế của Việt Nam đạt được những thành tựu mới.
Nội dung nghiên cứu chính của đề tài:
- Tổng quan về các phương pháp nhận dạng tín hiệu điện tim;
- Giới thiệu chung về mạng Nơ – rôn;
- Xây dựng mơ hình phối hợp các mạng nơ-rơn nhận dạng tín hiệu điện tim;
- Tính tốn, mơ phỏng kết quả;
1.5. Kết luận chương 1
Chương 1, đã trình bày ngắn gọn về tín hiệu điện tim, tổng quan về một số
nghiên cứu liên quan đến nhận dạng tín hiệu điện tim (ECG) trong trong nước và quốc
tế từ đó đề xuất định hướng nghiên cứu của đề tài.
Phần đầu chương trình bày khái quát về tín hiệu điện tim và các phương pháp,
kỹ thuật nhận dạng tín hiệu điện tim được sử dụng hiện nay. Trong phần tiếp theo tổng
quan về các cơng trình nghiên cứu trong và ngồi nước ứng dụng mạng Nơ-rơn để
nhận dạng tính hiệu ECG.
Cuối chương đề xuất định hướng nghiên cứu của luận văn với mục tiêu xây
dựng giải pháp nhận dạng mới đạt được độ chính xác, tiện dụng và hiệu quả hỗ trợ tốt
nhất cho việc đo và nhận dạng các tín hiệu nhịp tim.
Chương 2, tiếp theo của luận văn sẽ trình bày tổng quan về mạng Nơ-rôn nhân
tạo. Ứng dụng mạng Nơ-rôn cho bài tốn nhận dạng tín hiệu.
Học viên: Nguyễn Quang Long
12
Ngành: Kỹ thuật điện tử
