Luận Án tiến sĩ xây dựng mô hình nhận dạng kết hợp nhằm nâng cao Độ chính xác phân loại tín hiệu Điện tim loạn nhịp

Do do, kiém tra và phân tích tín hiệu điện tìm ICG là một trong những bước chân đoán căn bản đề xác định các bệnh lý về tim mạch, từ những loại bệnh tim thông dụng dễ phát hién nhw logn

BO GIAO DUC VA DAO TAO

TRUONG PAT HOC BACH KHOA HA NOT

PHAM VAN NAM

XÂY DỰNG MÔ HÌNH NHẬN DẠNG KẾT HỢP

NHAM NÂNG CAO ĐỌ CHÍNH XÁC PHÂN LOẠI

TÍN HIỆU DIỆN TIM LOẠN NHỊP

LUAN AN TIEN SĨ KỸ THUẬT ĐIỂU KIIÈN VÀ TỰ ĐỘNG IIOA

Hà Nội - 2018

ĐỘ GIÁO DỤC VÀ ĐÀO TẠO

TRUONG DAL HQC BACH KHOA HA NOL

PITAM VAN NAM

XÂY DỰNG MÔ TIINII NITAN DANG KET HỢP

NHAM NANG CAO DO CHINH XAC PHAN LOAI

TÍN HIỆU DIỆN TIM LOẠN NHỊP

Ngành: Kỹ thuật điều khiển và tự động hỏa

Mã số: 9520216

LUAN AN TIEN SĨ KỸ THUẬT ĐIÊU KIIÉN VÀ TỰ ĐỌNG IIÓA

NGƯỜI HƯỚNG DẪN KHOA HOC:

1 PGS.TSKH ‘TRAN HOAL LINH

2 PGS TS NGUYEN THI LAN HUGNG

Hà Nội - 2018

LỜI CAM ĐOAN

Tôi xi cam doan dây là công trình nghiền cứu của riêng tôi dựa trên những

thưởng dẫu của PGS.TSKH Trầu Hoài Linh, PGS.TS Nguyễn Thị Lan Hương và

các tài liệu tham khảo dã trích dẫn Kết quá nghiên cửu là trung thực và chưa từng được tác giả khác công bố

TĨà Nội, ngày Tháng 12 năm 2018

LỜI CÁM ƠN

Luan an nay được hoán thành tại Bộ môn Kỹ thuật đo và Tin học công nghiệp, Viện Điện, Trường Đại học Bách Khoa Hà Nội dưới sự hướng dẫn của PGS.TSKH Tran Hoài Linh và PGS.TS Nguyễn Thị Tan Hương

Tôi xin bày tỏ lòng biết ơn đến PGS.TSKH Trần Hoài Linh, PGS.TS Nguyễn Thị Lan Hương đã tận tình hướng, dẫn về học thuật, kiến thức và kinh nghiệm trong

quá trình thực hiện luận ản

Tôi xin chân thành cảm PGS TS Nguyễn Quốc Cường và các Thấy giáo, Cô

giáo của Bộ môn Kỹ thuật đo và Tin học công nghiệp, Viện Điện, Trường Đại học

Bách Khoa Hà Nội dã có những ý kiến dòng góp quý báu và tạo các điều kiện thuận

lợi cho tôi trong quá trinh hoàn thành luận án

Tủe giả luận án

Phạm Văn Nam

DANH MỤC CAC TU VIET TAT

DANH MỤC CÁC HÀNG BIÊU àà nọ neo VHE

`Ý ngiữa khoa học và thực tiễn của đ tải eierireaeoe 4

CHUONG I: TONG QUAN VE CAC PHƯƠNG PHÁP NẴNG CAO CHÁT LƯỢNG

NHAN DANG TiN HIỆU ECG

1.2.3 Nâng cao độ chính xác bảng mô hình kết hợp 13

Cơ sở đữ liệu sử dụng trong luận ản ssseeeeiorarrroeee TẾ 1.4.1 Cơ sở đữ liêu MIT-BIH

iti

Mue lục

CHƯƠNG I: THU THARP, TIEN XU LY VA TRỈCH CHỌN DẶC TÍNH TÍN HIỆU

DIEN TIM ECG

2.1.1 Lựa chơn bộ lọc thông tháp 21

2.1.2, Lara chon b@ loc thing 680 ceies esesesesssiasiissisinseseiaeasiassissieei 21

2.2 Trich chon dae tinh để nhận đạng - 3

2.2.1, Phat hiện đỉnh R na eerererirroeiooe 24, 3.2.2 Phân tích phức bộ QE5 theo các hàm Henrite cơ Số eo

2.3 Kết hân chương lí 34 CHƯƠNG II GIẢI PHÁP KÉT HỢP CÁC MÔ HÌXH NHẬN DẠNG BE CAT

3.1 Kết hợp kết quả bằng mô hình cây quyết định -5255555ssecsecseeeseersr 3đ

3.1.1, Để xuât mô hình kết hợp ào nen 35

3.1.2 Quy trình xây đưng cây quyết định II cho khếi tổng hợp kết quả 38

3.2 Các mô hình nhận dạng đơn nneeeerrroeareocee.e đỔ

3.2.3, May véc-o hd ry SYM

3.2.4, Rimg nga nbién RF oct sseesetnstissiesiesteseesetanassnssiees O2

3.3 Để xnật mô hình thiết bị có tích hợp chức năng nhén dang 63

CHUONG IV: KET QUA TINH TOAN VA MO PHONG

4.1.1 Cơ sở đữ liệu MIT-BHT - -65

Mue lục

4.1.2.Cơ sở đữ liệu MGIL/MI: a 68

4.2 Cach dirt gia chal lượng mô hình nhận đạng tỉn hiệu điện tìm 70 4.3 Xây dụng mô hình nhận đạng dơn và kết quá cseeeereeeereeee 7E 4.3.1 Quy trình xây dựng các mô hình đơn cccereeiere

4.3.2 Kết quả của các mô hình nhận dang don 7A

4.3.2.1 Trên bộ cơ sở dữ hệu MTT-BIH -74

4.4 Kết quả thử nghiêm với các mồ hình kết hợp bằng cây quyết định ce

4.4.1 Thử nghiệm kết hơn giữa bà mạng co sd MLP, TSK va SYM 79 4.4.2 Các thử nghiệm kết hợp khảc s 55ccsseeieeeseeceeee- ŸĐ 4.5 Kết quả thử nghiệm trên thiết bị 2 0 sneererrrriirro.v 8S

3.4 Kêt luận chương 1V - ¬.- - 91

KẾT LUẬN VẢ HƯỚNG PHÁT TRIẾN

DANTT MỤC CÁC CÔNG TRÌNIE ĐÃ CÔNG BỘ CỦA LUẬN ÁN —

PHỤ LỤC

Danh mục các lừ viễt tải

DANH MỤC CÁC TỪ VIET TAT

Tie vide tắt jéng Anh Tiếng Vì

A Premature Attial Contractions Ngoại tâm thủ nhĩ

ADC Analog/Digital Converter Chuyển đối lương lự /sð

ARM Advanced RISC Machine Môi loại cầu lrúe vĩ xử lý

ART Adapvive Resonant ‘Theory Mang no-rén ART

CAM — | Configurable Analog Module Khỏi tương tự cầu hinh được

DIT Discrete Fourier Transform Biển đối Fourier rời rạc

BDT _| Binary Decision Tree Cây quyết định nhị phản

E ‘Ventricular Escape Beat Tâm thất lỗi nhịp

ECG - |TilecroCardioCram Điện lâm đỗ

rm False Negative Chan đoán âm tính sai

TP False Positive Chan đoán đương tính sai

FPAA _ | Field Programable Analog Atrays th tệp tinh đoan tương tự có

HDI | Hybrid Decision Tree Hệ DT lai

I Ventricular Flutter Wave Rung that

ICA | Independen! Component Analysis Phân tíchthànhphẩn độc lập

L Lefl Bundle Branch Block Beat Plock nhánh trát

LCD —_ | Liquid Crystal Display Mân bình tình thể lỏng

LvQ Learning Vector Quantization Mang ng-rôn I.VQ

MIT-BH | MIT-HIH Arrhythmia Database Cơ sở đữ liều MTT-BIIT

MGH/MF | MGH/ME Wavefoarm D2atabase Cơ sở dữ liêu MGH/ME

MLP | Multi-Layer Perceptron Network © Mang noron trayén thing nbidu lop

vì

Danh mục các lừ viễt tải

PCA —_| Principal Component Analysis, Phan tích theo thành phân chính

R Right Bundle Branch Block Beat Block nhanh phai

8 Supraventricular Premature Beat Loạn nhịp thất trên

sb Sceure Digital Thẻ nhớ SD

SVD Singular Valuc Decomposition Phan tich theo cac gia tri ky di

SYM Suppor Veclor Machines May véc-to ld rg

TSK — | Takaga - Sugeno - Kang Many no-rén logic ii) TSK

Vv Premature Ventricular Contraction Ngoai tam thu that"

Tiâng 3.4: Bâng phân chia số lượng rnẫu học và mẫu kiểm tra của 3 loại rihịp 44

Bang 3.5: Bang số liệu học vả kiểm tra cho Vĩ đụ 3 co ieoeoereee

Hãng 3.6: Kết quả nhân đạng cửa Ví đụ 2 -46

Bang 4.1: Bang phan chỉa sể lượng mẫu học và mẫu kiểm tra của 7 loại rỗi loạn nhịp tìm

ang 4.2: Bang phân chia số lượng mẫu học và mẫu kiểm tra của 2 loại nhịp 66

Bang 4.3: Bảng phân chía số lượng mrẫu học và mẫu kiểu tra của 3 loại nhịp đ8 Hảng 4.4: Hàng phân chia số lượng rnẫu học và mẫu kiểm tra của 2 loại rihjp 69

Băng 4.5: Ma trận phần bó kết quá nhận đạng 7 loại mẫu nhịp bằng mạng MLP

Hãng 4.6: Ma trận phân bồ kết quả nhận đạng 7 loại mẫu nhịp bằng mang ‘SK 75

Băng 4.7: Ma trận phân bố kết quá nhận đạng 7 loại mẫu nhip bang mang SVM

Hãng 4.8: Ma trận phân bồ kết quả nhận đạng 7 loại mẫu nhịp bằng RE .76

Bang 4.9: Các thông sở đánh giá chảt lượng của bồn mô hành cơ sở MLP, TSK, SVM và

RF khí nhận đụng 7 loại nhịp, thử nghiệm trên bộ CSDI, MIT-BIH .76

Bang 4.10; Ma tran phân bỗ kết quả nhân dạng 2 loại mẫu nhịp: Narrnal và abnorrnal 77

Bang 4.11: Các thông số đánh giá chát lượng của bứn mỗ hình cơ sở MI.P, TSK, SVM và

RF thí nhận đạng hai loại nhập, thũ nghiệm trên bộ CSDT MIT-BTH wT

Bang 4.12: Ma tran phan bỗ kết quả nhận dang 3 loai mau nhip bing mang MLP 77

Dâng 4.13: Ma tận phân bỗ kết quả nhận đạng 3 loại udu nbjp bing mang TSK -78

Bang 4.14: Ma trân phân bỗ kết quả nhận đạng 3 loại mẫu nhịp bing mang SVM

Tiâng 4.15: Ma trận phản bỗ kết quả nhận đạng 3 loại mẫu nhịp bằng mạng RE .78

Bảng 4.16: Các thông số dảnh giá chất lượng của bổn mô hình cơ sở MLP, TSK, SVM và

RE khi nhận đạng ba loại nhịp, thử nghiệm trên bộ CSDI, MGH/MEF -~78

vi

Danh mục các bóng biểu

Bang 4.17: Các thông số đánh giá chất lượng của bản mô hình cơ sở MLP, TSK, SVM và

RI: khi nhận đạng hai loại nhịp, thử nghiệm trên bộ CSDL MGI1/MI: 79 Bảng 4.18: Ma trận phân bố kết quả nhận dang 7 loại mẫu nhịp bằng mô hình kết hợp

Bang 4.19: Các thông số đánh giá chất lượng của bản mô hình cơ sở MLP, TSK, SVM và

xmô hình kết hợp MLP-TSK-SVM Ehi nhận đạng 7 loại nhịp 79

Hình 1.1: Hình dáng và thành phần chính của tin hiệu điện trn BCG sees

Hình L2: Mội số ví đụ tín higu ROG (a) Bị ảnh hưởng của cử động của bệnh nhân, (b) bị trôi dạt đường cơ sở do tệ hỗ hập, (¢) tị ảnh hướng của điện lưới 50H so B Hinh 1.3: Mô hình chung của hệ thông nhận đang tin hiệu điện tìm ECG 29

Tĩnh 1.4: Sơ đỗ chung của mô hình kết hợp 14

Hình 1.5: Hệ thông nhận dạng tin hiệu ECG đề xuất của luận ản

Hình 2.4: Sơ đồ quy trình xây đựng vẻe tơ đặc tính cho tín hiệu điện tm

Hình 2.5: Sơ đỏ hoạt đồng của thiật toán phát hiện đình R -25

Hình 2.6: Phân bỗ phố năng lượng củs tín hiệu ECG {99] 225

Hình 2.7: Phân bô phổ năng lượng của tín hiệu ECG gốc (a), kết quả sau khi loc (b) 26 Hình 2.8: Mỗi qhm hệ giữa QES (4) và tín hiệu lây trung bình tín hiện thco thời gian (b) 27

Hình 2.9: Ví dụ các bước phải huện đính R: (a) tín hiệu ECG gốc, (b) kết quả sau lọc, (e)

*kết quá san lây đạo hảm, (đ) kết quả sau lẫy trị tuyệt đối, (e) kết quá sau khi lây trưng binh,

(f kết quả phát hiện đỉnh R s sseenererrirarairreesoseio 8

Trình 2.10: Đồ thị của hàm TIermite bậc n: 4) n=0, b =I, ¢) n=3, d) n=10 cả 29

Hinh 2.11: Xap xi tin higu ECG bang N ham Hermite co sé diu tigm a) N 5,b)N 10; ¢)

[inh 2.12: 56 thi khao sét san 36 x4p xi theo 34 hong cdc hàm [lermite co so 32

Hinh 2.13: Hinh anh khai trién cae loai nhịp tim khác theo 16 hàm Hermite dẫu tién 33

ITình 3.1: Sơ đồ chung của mô hình kết hợp sử dụng nhiêu mô hình nhận đạng đơn 36

Hình 3.2: Sơ đồ khỏi chung của hệ thông kết hợp song song nhiều mô hình đơn 37

Hình 3.3: Sơ đồ nguyên lý quá trình tạo cây quyết định 39

Danh mục các hành về, độ thị

Hình 3.5: Chuyển một nút bậc cao (a) thành một mút nhị phân (Đ)

Hình 3.6: Cây quyết định xây đựng từ bộ số liện có 90 mẫu (vi dụ 1) 43

Hình 3.7: Câu trúc cây quyết định tạo ra từ hộ số lí

Lĩnh 4.1: Lĩnh dáng mẫu phítc bộ (ÀRS của các loại nhịp A, LL, L, R, I và V -68

Hinh 4.2: Hình đáng mẫu phúc bộ QRS của các loại nhịp V, 8,N

Hinh 4.4: Quá Irình kiểm (ra eda m6 hint SVM ese ceceecceesceecseesseeevenes

Hình 4.5: Quả trình xây dưng các cây quyết định thành phần -74

Hình 4.6: Quả Irình kiểm tra của mô tình rừng ngẫu nhiên RE -74

[inh 4.R: So sánh số mẫu nhận dạng sai, chẩn đoán âm tính sai FN, chẵn đoán đương tính

sai FP của ba mỏ hình nhận dạng cơ sở và mô hình kết hợp co BŨ

ÄAđỡ dấu

MG DAU

1 Tính cấp thiết cúa dé tai

Trong cơ thé con người, cáo thông số hoạt động của hệ tìm mạch là một trang

xhững thông tin rất quan trọng Các bệnh lý liên quan đền tim mạch được phần ánh

chỗ yếu trên tin hiệu diện tìm BCG /#iectroCardioGram) Do do, kiém tra và phân tích tín hiệu điện tìm ICG là một trong những bước chân đoán căn bản đề xác định

các bệnh lý về tim mạch, từ những loại bệnh tim thông dụng dễ phát hién (nhw logn

nhịp tim, thiêu mám cục bộ, lắc déng mach vanh ), dé chan đoán có thê dựa vào độ

lớn biển độ và hình dạng phúc bộ QRS, sóng P, Q, R, S, T, hay số nhịp tim/phil, chơ dễn những loại bệnh tim khó phát hiện hơn, trường hợp nảy các bác sĩ phải theo

đổi tin hiệu điện tim LCG của bệnh nhân trong một khoáng thời gian dải, ở nhiều chuyển đạo hơn, kết hợp với các xét nghiệm phụ trợ để đua ra chân đoán cuối cùng

Do đó, việc nghiên cúu tín hiệu điện tim FCG là rất quan trọng, đối với sức khỏe

con nguéi 061 chung va chân đoán chính xác cáo bệnh tìm mạch nói riêng |1, 6|,

Việc nghiên cứu điện tim ECG van dang được quan tâm phát triển trong mước

và quốc lé vì một số lý co chính sau:

« Việc nghiên cứu tín biệu điện tim ECG đùng cho việc chấn doản sớm và

chính xác các bệnh lý về tim mạch, có ảnh hướng lớn đến sức khôe con người,

Tài toán nhận đạng tín triệu điện tim vẫn chưa được giải quyết triệt để do lin

liệu điện Lưu BCG có độ biến đổi rất mạnh về hình dáng và biên độ ở các

trường hợp bị bệnh lý, quả trình thu thập và theo dõi tin biệu diện tìm dễ bị ảnh hướng bởi các yêu tổ bên ngoài, nên bài toán nhận đạng tín hiệu điện tim

TCG có yêu cầu về độ chính xác và độ tin cậy cao lả một trong những bải

toán khó Do đó, biện nay vẫn có nhiêu nhóm nghiên cửu ở trong nước và

quốc tế quan lâm, đầu tư phát triển các giải pháp mới đễ nâng cao chất lượng,

nhận đạng tỉn hiệu điện im ECG:

Hiện nay, xã hột đang có nhú cầu cao vỗ các Hnet bi y tế hiện đạt để theo đối

các thông số về sức khỏe, trong đỏ có hệ tùn mạch, cụ thể

Mở dâu

+ Thần mềm nhận dang tín hiệu điện tìm có độ chính xác và tin cậy cao, phân

biệt được nhiều loại bệnh để áp đụng cho nhiêu đối tượng bệnh nhân, hỗ trọ

các bác sĩ trong chuẩn đoán nhanh và chính xác các bệnh vé tim mạch,

+ Thiết bị đo điện tim théng minh, câm tay, có chức năng nhận đạng từ động

tin hién dién tim ECG Thiét bi nay cân thiết đối với những người có nguy cơ mắc bệnh cao (như người béo phì, người cao tuổi, người nghiện hút thuốc } giúp phát hiện sớm các bệnh lý về tim mạch Ngoài ra, đối với người đang

điêu trị cân có thiết bị đo gọn nhẹ đề mang theo người để theo đõi và lưu trữ

liên tục tin hiệu điện tim Thiết bị cần có phần mềm tiện ích để hỗ trợ kết nổi

dé ding véi bac si, bénh vidn tix xa (vi du qua interned) dé thud tiện trong

quả trình theo dõi và chân đoán nhanh,

2 Mục đích nghiên cứu

Xuất phát từ các nhu câu thực tế ở trên luận án sẽ tập trung nghiên cửu và phát triển một giải pháp mới để nâng cao dộ chính xác và tin cây của kết quả nhận dang tín hiệu diện tim, sau đó triển khai tích hợp trên thiết bị do diện tim, co kha ning

sna

phát triển thành sắn phẩm hoản chính để phục vụ các nhu câu cấp thiết của đời

xã hội, cáo mục tiêu nghiên của luận án cứu như sau

+ Xây dụng giải pháp nâng cao chất lượng nhận đạng tín hiệu điện từ (giám

số mẫu nhận dạng sai, giảm số trường hợp chân đoán âm tinh sai FN);

«+ Xây dụng giải pháp phủ hợp cho phép thực hiện thuật toán khai triển trên hệ

vi xử lý thông dụng (công suất tính toán nhỏ), đề

thiện một thiết bị đo cảm tay có chức nhận đạng tự động tín hiệu điện Em có

độ chính xác cao

n tới phát triển và hoàn

Mở dâu

3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu của luận an:

+ Tin hiéu dién tim ECG, những yêu tế ảnh hưởng đến tín hiệu điện tim;

+ Các mô hình nhận dạng tín hiệu điện tim, các giải pháp nâng oao chất lượng,

nhận đạng tín hiệu điện tìm;

»_ Nghiên cứu cáo phương pháp đo và thu thập tín hiệu điện tìm

Phạm vi nghiền cứu cña luận án:

+ Nhiễu trong tiu hiệu điện tìm và các phương pháp lọc nhiều Nghiên cứu

tổng quan về các dạng nhiều thường gặp vả phương pháp loại bố nhiều;

Các thành phân đặc ưng của lín hiệu điện lim: Nghiên cứu về hình dang và

các thông số của loại nhịp tin hiệu điện tim, tập trung vào phức bộ QRS, các

phương pháp trích chọn đặc tỉnh,

Các mô hình nhận dạng sử dụng trí tuệ nhân tạo và phương pháp xây dung

của cáo mô hình này: Tập trung nghiên cứu các mô hình kinh điển như mạng

no-rén MLP (Multi Layer Percepiron), logic m TSK (TakagaSugeno-

Kang), may véc-to hd tro SVM (Support Vector Machines) va rimg ngau

nhiên RE (Random Forest);

« Nghiên cứu mồ hình cây quyết định ĐT (2eeivion Trae), khả năng ứng đụng

để kết hợp kết quả từ các ind hình đơn, đánh giá kết quả của giải pháp,

Thiết bị đo và tiên xử lý tin hiện điện tìm: Tìm hiểu tổng quan vẻ các mô

hình thiết bị đo đã được triển khai và ứng dụng trong thực tế, đánh giá ưu

nhược diễm, dẻ xuất giải pháp cho luận án Đôi với khối tiên xử lý, lựa chọn

và áp dụng các phương pháp lọc nhiều phù hợp với thiết bị đo (nhỏ gọn, xách tay, sử dụng các vi xử ý thông đụng) Nghiên cứu về khả năng triển khai mô phỏng các mô hình trí tuệ nhân tạo và mô hình kết hợp được dé xuất trong,

luận án trên thiết bị đo

«+ Nghiên cứu các mô hình phối hợp từ nhiều mnõ hình nhận đạng đơn đề nâng

cao chất lượng so với các mô hình den,

Mở dâu

4

5

Ý nghĩa khoa học và thực tiền của để tải

+ Ý nghĩa khoa bọc: Luận án đề xuất được giải pháp nâng cao chát lượng (đồ

chính xác) nhân dạng tín hiệu điện tim dựa trên việc sử dụng cảy quyết định

dé kết hợp song song nhiều mô hình nhận dạng don Cac dé xuất đã dược kiểm nghiệm trên hai bộ dữ liệu, bốn mê hinh nhận đạng dơn và 20 phương

án kết hợp

+ Y nghĩa thực tiễn: Mục tiêu nâng cao chất lượng nhận dạng điện tím vẫn đang là vấn để được quan tâm do các nhu cầu cân thiết trong thực tế phục vụ người bệnh Các Hiuật toán đã được triển khai thử nghiệm trên các bộ mẫu số liêu kinh điển của quốc tế để kiểm Ira chất lượng, bước đầu đã thử nghiệm trên cáo thiết bị tự xây dựng dễ kiểm tra tính đáp ứng thời gian thục, khả

xăng áp dụng được vào các thiết bị thông minh nhỏ gọn phục vụ người bệnh

trong thực tế của cáo giải pháp là cao

liệu được nhiêu nhóm nghiên cứu trong nước và quốc tế đùng để tham chiều;

+ Tẻ xuât giải pháp phủ hợp cho phép thực hiện thuật toán khai triển tin hiệu

FCG Theo các hận Hennite để trích chọn được đặc Lính của tín hiệu ngay trên các hộ vì xử lý có công suất lính toán nhỏ

Bồ cục của luận án

Luận án gém có các phân chính như sat:

Mé dan: Trinh bày cáo vẫn đề chưng của luận an, tam tắt vẻ nội dung nghiên

cứu, những đóng góp và bề cục của luận án

lượng nhận đựng tín hiệu điện tim FCG, chueng nay còn đề xuất định hướng nghiên

cứu và trình bảy khái quát các bộ cơ sở dữ liêu dược sử dụng trong luận án

Chương II: Thú thập, Hiển xử lý và trích chọn đặc tính tín hiệu điện từn ECG

Chương này sẽ trình bảy chỉ tiết về các khối: Thu thập và tiên xử lý, phương

pháp Irích chọn đặc lính

Chương HT: Giải pháp kết hợp cáo mồ hình nhận đạng để cải thiện chất lượng, Tây là nội đụng nghiên cứu chính của luận án, phản đầu trình bảy vẻ giải pháp

sủ dụng cây quyết định (Decision Tree) đề kết hợp kếi quả của các hệ thông nhận

dạng đơn Tiếp theo, trình bảy về các ruô hình nhận đọng đơn đó là mạng nơ-rôn

truyền thẳng uhiéu lop MLP (Multi-Layer Percepiron), mạng nơ-rôn logie mờ TSK

(1akagi Sugena Kang), máy vèc-tơ hỗ trợ SVM (Support Vector Machines) va

rừng ngẫu nhiên RF /itanđom Foresf) Cuối cùng, đề xuất phương án thiết kế phân cứng cho thiết bị đo tín hiệu điện tìm

Chương IV: Kết quả tình toán và mồ phỏng,

Chương này trình bảy về phương pháp tạo bộ dữ liệu học và kiểm tra từ bộ hai

cơ sở đữ liệu MIT-BIH vả MGII/MT Kết quả xây đựng mỏ hình nhận dạng tín hiệu

CG, các kết quả thử nghiệm, đánh giải pháp đẻ xuât oủa luận án

Phin cuéi cùng, là kết luận và hướng phát triển, đanh mục cáe tài liệu tham

khảo, các công tình đã công bổ của luận án

Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

CHƯƠNG I: TONG QUAN VE CÁC PHƯƠNG PHÁP NÂNG

CAO CHÁT LƯỢNG NHAN DANG TIN HIEU ECG

Chương này giới thiệu tổng quan về tín hiệu điện tim ECG, tim quan trong va

nhu cầu thục tiễn của

nghiên cứu tín hiệu điện tim Trình bảy tổng quan về các

sông trình nghiên cứu vẻ lĩnh vực này trơng nước và quốc tế, phân tích và đánh giá

ưu của luận ám

từ đó đề xuất ra định hướng rghiêu

1.1 Tổng quan về tin hiệu điện tìm ECG

3.1.1 Giới thiệu chung về các thông số và hỉnh dạng của các sóng ECG

‘Tin hiệu điện tìm HCG (@#seoCardioGram) chữa thông tin chủ yêu để xác

dịnh các bệnh lý về tìm mạch Nhự trên hình 1.1 tía biệu điện tia là một đường cong ghỉ lại sự biển thiên của điện áp do tim sinh ra khi hoạt động, hình đáng chính

của tín hiệu điện tran ECG 1a

mg hợp của các sóng P, phức bộ QRS và sóng T

“Trong đó, phức bộ QR8 chữa nhiều thông tin quan trọng nhat, cu thé |4 57]

+ Có 12 chuyển đạo được xây dựng dựa trên vị trí đặt các điện cực, trong đó chuyển đạo tay trải — tay phải là chuyên đạo được quan tâm nhiều nhất vì nó biểu hiện rõ nét nhật các pha co dan cua tim;

Sóng P dại diện cho lần sống khử cực lan Iruyễn từ nói xoang sang lâm nhữ

Khoảng PR là khoảng thời gian cần thiết dé xưng diễn di từ mút xoang qua nút nhĩ thất (AV) vào các tầm thất Phức bộ QRS là quá trình khử cực tâm thất, Sóng Q đại diện quả trình khứ cực từ trái sang phái của vách ngăn liên

tâm thất Sóng 4 đại điện quá trình khử cực sớm của tâm thất Sóng S dai

điện quá trình khử cực muộn của tâm thấi Đoan ST là thời điểm lâm thất được khử cực hoàn toàn và doạn này có diện thế trùng với đường dẫng diện

Khoảng QT là thời gian xảy ra cả bai quá trình khử cực và tái cục tâm nhĩ

Sóng T đại điện tái cực thất và thời gian kéo dai hon sơ với quá trình khử

cực;

+ Một tín hiệu ICG bình thường có các thông số cơ bản như sau:

Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

- Số nhịp tim trung bình cúa một người bình thường là từ 5Ør100 nhịp/phút,

Tình 1.1: Hình đẳng và thành phân chính của tin hiệu diện tìm ECG

1.1.2 Một số yếu tố ảnh hướng đến tín hiệu điện tim

Tín hiệu điện tìm thường có lẫn nhiễu loại nhiễu khác nhau Một số nguyên

nhân chính gây nhiễu trong quá trình thu thập tín hiệu dién tim ECG |48]

+ Ảnh hướng đo hệ hô hấp va cũ động cửa người bệnh: Khi vận động bể mat da thường bị ca đần, do d6 sẽ sinh ra muột sự biển đổi trên bể mặt tiếp xúc với diễn cực do dién tim nhất là kìu diện cực được gắn trước ngực Sự thay đổi này làm cho điện trở tương đương va giá trị điện dung ký sinh trên điện cục biển thiên, những ảnh hưởng này gây ra trôi đạt đường cơ sở, làm

thay đổi biên độ và hình đẳng của tin hiệu điện tim,

« Ảnh hưởng đo tâm lý: Khi bệnh nhân bị cảng thẳng, lo sợ hoặc mmất bình

tĩnh sẽ gây rem cơ, tạo nhiều sóng co Dai

trong dai 20+30Hy,

hà cửa loại nhiều này thường nằm

.

Chương Ƒ- Tổng quan về các phương pháp nâng cao chất lượng nhận đạng tín hiệu ECG

« Ảnh hưởng do nhiễu điện áp lưới: Tín hiệu điện tìm có biên độ nhỏ (cỡ một mỨ) nên rất dễ bị ảnh hưởng bởi nhiễu từ nguồn cung cập thường vẫn có

thành phân tân số điện lưới 50Hz, làm cho bè rộng đường tin hiệu điện tim

lớn hơn, bao trùm lên các sóng P, Q, 8, T của tin hiệu dién tim;

+ Anh huéng do nhiễu phát sinh ra từ các thiết bị điện tử: Các thiết bị điện

tử như điện thoại, máy tỉnh, nguồn điện khi để gần có thẻ gây ra hiện tượng bão hỏa tại các khỏi khuếch đại của thiết bị thu thập tín hiệu điện tìm

Hình 1.2: Một số vi du tin higu ECG: (a) Bi ảnh hưởng của cử động của bệnh nhân, (b) bị

trôi dạt đường cơ sở do hệ hô hấp, (e) bi anh lurởng của điện lưới Š0H=

Phản tiếp theo, nghiên cửu sinh trình bảy tóm tắt vẻ một số công trình nghiên cứu về tín hiệu điện tim của các tác giả trong nước và quốc tế, tử các phân tích và

đảnh giá kết quả và giải pháp của các công trình làm cơ sở để để xuất ra định hưởng nghiên cứu của luận án

1.2 Tình hình nghiên cứu và phương pháp nâng cao chất lượng

nhận dạng tín hiệu dién tim ECG

Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

Tiện | Khối LÍ | Tiên xửlý |_,| Trích chọn Nhận dạng |FÓ

ECG | thu thập | 1 | đọc nhiễu | "| đấc(nh | [únhệuECG| >

Tinh 1.3: Mà hình chung của hệ thẳng nhân dạng tin hiệu điện thủ ECG

Một số công trình nghiền cửu về tín hiệu điện tìm trong những năm vừa qua, cỏ

thé tom tắt lại như sau

a) Tiền xử lý: Do tín hiệu điện tim ECG là một loại tín hiệu có biên độ rất nhỏ

“khoảng ba; nên rất đễ bị ảnh hưởng bồi cái

[44] dai

tan tir 0 »0, thue té theo cae céng trinh nghién oir tix trade đến nay thì đãi tân số ý

tổ gây nhiều từ bên ngoài Trong

ï ra rằng tứn hiệu điện tim có thế dược coi như tổ hợp của các sóng có dâi

nghia trong việc chan doan bénh tun mach 1 trong khoang 0,1+150Hz (trong mot

số trường hợp có thê xét đải tấn từ 0.0š~360ï15) Sử đựng cáo bộ lọc thông thấp

với lần số cắt 150Hz„ bộ lọc thông cao với lần số gắt 0,1Hz và bộ lọc NoIch S0H+

đề loại cáo Hưnh phần nhiều nằm ngoài khoảng nghiên cứu trên và nhiễu nguồn điên lưới Nhưng đẻ loại bé phan nhiễu có tần số ngẫu nhiện phủ chồng lên dai tan của tín hiệu điện tim là một thách thức rất lớn, những công trình gần đáy thường sử

dụng cáo bộ lọc phi nyễn như Lọc thích nghỉ [3, 15, 46, 49, 51, 61], nội suy đa thức, phân tích thành phân độc lập (#24) [54], kỹ thuật tách mù, bay sử đụng thuật

toán biến đổi waveteL |27, 33, 34, 43, 69| Trong nước, ví dụ như phương, pháp loại

bề nhiễu sử dụng phương pháp ICA của T8 Vương Hoàng Nam năm 2010 |7] các phương pháp lọc thích nghỉ của L8.11oảng Mạnh Liá năm 2011 [3], kết quả mới

nhất sử đụng phương phương pháp x4p xi bing wavelet để loại nhiều trôi dạt đường

cơ sở đo hô hấp của bệnh nhân trong luận án của T8 Nguyễn Đức Thảo năm 201 6 [4] Phuong pháp wavoleL cũng là phương pháp loại bê rhiểu được sử đụng nhiều

và cho kết quả tốt, đặc biệt hiệu quả để loại nhiễu trôi đạt đường cơ sở

bỳ Trích chọn đặc Lính: Đố có nhiều đề xuất rửa:

Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

« Thương pháp thông dụng hiện nay là sử đụng cáo hệ số khai triển phúc bộ

QRS bang wavelet [4, 22, 56] hay bằng các ham Hermite cơ sở |4, 16, 42,

trên các số liệu mẫu của MIT-BHH [40];

+ Phát hiện một loại bénh Myocardial ischemia bằng cách ước lượng năng lượng đoạn ST để cần bằng giữa lượng oxy cấp và oxy nhu câu cửa bệnh

nhân Thiết bị đo bổn cực, có khả năng truyền thông sử dụng wireless [30],

« Thuật toán phần tích các độ đốc của doan QR va doan RS dé phát hiện sự biến đổi chip tim của bệnh nhân trong quả trình đang truyền máu Kết quả được kiểm chứng trên các số liệu mö phỏng [66];

+ Nghiên cứu lý thuyết về phát hiện sớm hiện tượng tim ngừng đập thang qua

phân tích phd Fourier cia phitc b6 ORS [67],

+ Mạng nơ-rên kinh điển MLT cũng thường xuyên được cáo nhóm táo giả sử dụng làm công cụ rửiận dạng như trong |8, 53, 55, 59, 73, 75, 78] Bén canh

đó, các mạng nơ-rôn Ít phố biển hơn nhu ART (Adapvive Resonant Theory) [13] cũng dược các tác giá dễ xuất thứ nghiệm hay mạng ngryôn LVQ

(Learning Vector Quantization) 4& duoc str dang đễ nhận đạng 5 loại bệnh

lý, kết quả thử nghiệm trên bộ cơ sở đữ liệu UCI HCG Arthythmia Dataset

10-Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

« Một công cụ mạnh là máy véc-tơ hd tra SVM (Support Vector Machines)

cing được rất nhiều tác giả áp đụng để xây đụng mô hình nhận đạng tín hiệu

diện tim [11, 18, 22, 78, 82, 84, 8ó, 105, 110, 113, 114, 115]:

« Giải pháp rừng ngẫu nhién RF (Random Faresj cũng là một phương pháp

khả thí để nhận dạng tín higu didn tim (56, 64, 72, 97] như trong ]56| đã dưa

ra giải pháp nhận đạng 5 loại bệnh lý N, L„ R, V, P trong cơ sở dữ liệu MHT- TH;

«+ Vide sit dung các trạng nơ-rôn mới như dạng Deep leaming cũng bước dầu

được ứng dụng |37, 65, H11

cau ve

Không chỉ đừng lại ö các nghiên cứu lý thuyết, do nhu cầu thực t

cáo thiết bị đo điện tim có tích hợp chức năng tự động phát hiện loạn nhịp có độ

chính xác cao, nên hiện nay cũng được quan tâm đầu tư nghiên cu, vị dụ như:

+ Các thiết bị cảm tay do từ 1 dến 4 chuyển đạo, các thiết bị số định do tới 12 chuyển đạo [29, 30, 50, 76};

« Một số thiết kế thiết bị có chức năng nén tín hiệu điện tim, truyền không dây qua mang Wifi [79, 92], TMuetooth [14, 39], ZigBee [64, 70, 101]

+ Dữ liệu điện tim thu thập và gửi tới điện thoại smart phones của người dùng, théng qua Lluetooth, wifi mét phân mềm Android chạy trên điện thoại có chức năng lưu trử và hiến thị [85, 104, 107, 109];

+ TIệ thống giám sát điện tim gọn nhẹ, đi động, áp đụng cho những người chơi

thể thao [52, L12],

Các thiết bị nhỏ gọn hiển thị trên màn hình ngoài như trên máy tính hoặc trên

các màn hình kiếi soát lập trung của bệnh viện [1, 8, 20];

«+ Một số công trinh nhận dạng online tín hiệu điện tim trên thiết bi [21]

Nhin chung cdc thiét bị trên có chức năng chính lả đo, giảm sát, lưu trừ tin hiệu

điện tìm nhằm trợ giúp các báo sĩ theo đöi quá trình điều trị các bệnh vé tim mach

Thiết bị có tru điểm nhã gọn, có thể cẩm tay Chúc năng nhận đạng ít được tích hop vào thiết bị Tuy nhiên hiện nay dã có nhiều công trình nghiên cửu vẻ hướng,

-IL-Chương I: Tong quan về các phương pháp nơng cao chất lượng nhận dạng tin hides ECG

này, nhưng thường chỉ nhận đạng những bệnh tìm thơng dựng đễ phát hiện, hay phát hiên hai loại: Khơng bình thường và hình thường

1.2.2 Một số giải pháp nâng cao chất lượng nhận dạng tín hiệu điện tim

Như đã trình bảy ở trên, hiện nay đang cĩ nhủ câu cao về thiết bị do điện tưn thơng minh và phần mềm nhận dạng tín hiệu điện tim cĩ độ chính xác cao nhằm hỗ trợ bảo sĩ trong chân doan nhanh và chính xác các bệnh về tìm mạch Dã cỏ nhiều giải pháp được để xuất để nâng cao chất lượng nhận dạng tín hiệu điện tìm, cụ thế:

+ Như ở khối tiền xử lý: Một số thuật tốn lọc nhiễu cho tín hiệu đo được dé xuất sử đụng kết hợp làm tăng độ chính xác của kết quả nhận đạng, như

nghiên cứu gắn đây trong luận án của T8 Nguyễn Đức Thảo (ẩm 2016 [4]}

sử dụng wavclel để loại bỏ ảnh hưởng của nhịp thở của bệuh nhân đã giảm

sai số xuống 11,43% khi thử nghiệm nhận dạng 7 loại bệnh từm trong bộ cơ

sở dữ liệu MIT-BIH vá giảm sai số xuống 11,29% kì thứ nghiệm nhận dạng,

3 loại bệnh tim trong bộ cơ sở đữ liệu MGLƯ

+ Khối trích chọn đặc tính: Là khối ảnh hưởng lớn đến kết quả nhận dang,

như đã trình bảy ở trên thì cĩ nhiều phương pháp trích chọn đặc tính, trang,

đĩ phương pháp được nhiều nghiên cửu áp dụng là sử dụng các hệ số khai

triển phức bộ QRS bằng wavelet hay bằng các hằm Hermile cơ sở dễ tạo các

(Multi Layer Perceptron), mang logic m& TSK (Takaga-Sugeno-Kang), cho

đến đến các cơng cụ mới như máy vécdơ hỗ tro SVM (Support Veetor

Ậđacbinex) và rùng ngẫu nhiên RE (Đandom Fores), Tieep Learning cũng

đã được sử đụng, thơng thường những mỗ hình nhận dang phi tuyến mới cĩ chất lượng nhận đạng tốt hơn so với các mơ hình cũ, ví dụ [78] các hệ thơng nhận dạng 7 loại nhịp tìm sử đụng các ham co sé Ilermite dé trich chon đặc

tỉnh, các kết quả thử nghiệm với mơ hình TSK, 8VM trên bộ cơ sở đữ Hệu

-12-Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

MIT-BIH, kết quả sai số nhận đạng được giảm từ 3,694 khi dung mang TSK

xuống 1.96 % khi dimg SVM

4.2.3 Nang cao độ chính xác bằng mô hình kết hợp

To kết quả chan đoán các bệnh vẻ tìm tmạch ảnh hướng trực tiếp đến sửc khốc bệnh nhân, nên các hệ thống nhận dạng tự động tín hiệu điện tim có yêu cầu về độ

chính xác, ẩn định, tin

đầu vào thì mỗi một gi

ngày cảng cao Khi nhận dạng và kiểm tra một đối tượng

pháp sẽ có thuật Loán xử lý riêng dé đưa ra các kết quả nhận cựng riêng Các giải pháp khác nhau có thể đưa ra các kết quả khác nhan (sếu nhiều mô hình đều đưa ra mội kết quả thống nhất thì kết quả này thường có độ tín cậy khá cao) Do đối với các bàt toán thực tế, ta thưởng không cỏ giải pháp nhận dang có độ chính xáo tuyệt đối, nên bắt cứ giải pháp đơn lế nào đều có xác suất gây lỗi đmẫi giải pháp sẽ bị lẫi nhận dạng sai với một nhóm mẫu khác nhan) Từ nguyên

nhân chính mày muà có nhiều lác giả đã để xuất ra giải pháp “nổ hình kế: hợp” túc là

số dụng đồng thời nhiều mmô hình nhận đạng đơn và đưa thêm một khâu xử lý nữa,

nhiệm vụ của khâu xử lý thêm nảy là kết hợp các kết quả của các mô hình nhận dạng đơn để đưa ra một kết luận cuối củng Một số ưu điểm của “mồ kinh kết hẹp”:

+ Mỗi “mô hình đơn” dược coi như một chuyên gia độc lập, việc kết hợp nhiều

chuyên gia sẽ cho kết quá đáng tin cậy hơn, cũng như tận dụng được ưu điểm:

của tủng mô hinh đơn;

+ Sử dụng các dánh giá từ nhiên góc dộ, từ nhiều phương pháp khóc nhau nên

thông tin có thể phong phủ hơn đẫn tới chất lượng quyết định sẽ cao hơn

Y bướng của mô hinh kết hợp đã được áp dựng ở trong các lĩnh vực khác như:

[68] Cho nhận dạng hình ảnh, [L7] sinh trắc học như nhận dạng khuôn mặt, [S9] áp

dung cho hệ thống đo nông độ khi đa năng, Tuy nhiên, phương pháp kết hop có

nhược điểm chính là làm hệ thống nhận cổng kênh và phức tạp hơn, chỉ nên áp dung

c bài loắn nhận đạng phúc tạp, yêu cầu độ chính xác cao Trên hình 1.4 là

sơ đỗ khôi tổng quát của hệ thông nhận đạng tín hiệu điện tim sứ dụng znö hình kết hợp, trong đó có AZ mô hình nhận dạng đơn, két quả của oác mnô hình nhận dang đơn

là y¡, z là kết luận cuối cũng sau khối kết hợp kết quả

đôi với ơi

-13-Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

Mô hình nhận đạng dơn 1 | —Ÿ—>|

Hình 1.4: Sơ dỗ chàng của mô hình kết hợp

Trong nghiên cứu |22| tác gid

SVM don dễ nhận dạng sảu loại nhịp tim lam độ chính xác tăng khoảng 0,2%, ương nghiên cửu |31 | tác giả kết hợp 15 mô hình nhận dang SVM đơn có

trong dai 98% + 98,77%, kết quả của mô hình kết hợp có độ chính xác 98,65 % tuy

thấp hơn so với kết quả cao nhật của mô hình SVM đem là 98,77 nhưng lại có độ ôn

định cao hơn, bay trong |12| tác giả đã sử dụng mạng nơrôn MT,P làm mô hình

Xu hướng hiện may là dùng gác mô hính nhận đạng đơn lễ sử đụng các thuật

toán khảe nhau lả phê biển hơn so với việc sử dụng cùng loại như ở các ví dụ trên

Xu hướng nảy khả hợp ly bởi vì nó sẽ nâng cao ưu điểm của từng mô hình nhận

dang đơn lẻ, Như trong nghiên cứu [25] tác giả đã sử dụng hai thuật toán phân loại khác nhau là SVM và PSO (Partielsy Sưarm Oplamisation) gọi là hệ thông nhận dạng PSO-SVM, kết quả thử nghiệm trên bộ cơ sở đữ liệu MIT-BIH có độ chính xác tầng khoảng 4%, trong [23] tác giá kết hợp mạng logic mờ Fuzzy KNN (Fuzzy

Ä Nearest Neighbors) và mạng MLP cho kết quả có độ chính xác được cãi thiện từ 97.3% lên 98%

Một số giải pháp kết hợp kết quả dã được dễ xuất như: Biểu quyết theo da số

Ï22 31] biểu quyết só trọng số [78, 103], tống hợp theo xão suất điều kiện Bayes

[7BỊ Các giải pháp kết hợp này khá đơn giản, điều này cũng dễ biếu do mô hình kết hợp khá phúc tạp vì phải dùng nhiều mô hình nhận đang dơn, khói lương tinh

toán lớn nên ð khâu kết hợp các tác giả thường lựa chọn các giải pháp dơn giản, hay

dùng nhất la giải pháp biểu quyết theo da số

-14-Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

é số lượng mê hình đem, thực tế ít sử dụng kết hợp hai mô hình đơn vì khi xây

ra mẫu thuần trong kết quả tù hai hệ đen, ta không có cơ sở chắc chin dé kết luận

hé don nao dúng, hệ đơn nào sai Vì thể, da số cáo mỏ hình kết hợp déu si dụng số lượng mỏ hình cơ sở từ ba hệ thánh phần trở lên (nhiều công trình khuyến cáo sử dụng số mỗ hình đơn là số lẽ đề có thể đưa ra kết luận cuối cùng, nhốt là trong trường hơn biếu quyết theo đa số)

1.3 Định hướng nghiên cứu của luận an

Từ các phân lích ở trên, nghiên cứu sinh đình hướng sử đụng mô hình kết hợp

để cái thiện chất lượng nhận dạng tin hiệu dign tim ECG Cac giải pháp dơn sẽ la các giải pháp có chất lượng cao đã được sử dụng trong các nghiên cửu trước đây, hình 1.5 là sơ để khối của mô hinh để xuất của luận án, trong đó €¡ là các mô hình nhận đạng cơ sơ (uới i=], 2, , M4), tương ứng với các kết quả nhận dạng y:

Hin 1.5: Hệ thông nhận đạng tin hides ECG đỄ xuất củu luậu án

Trong luận ám nảy NƠS để xuất thứ nghiệm đứng các mô hình nhận dạng dơn: gồm ba mang no-rén kinh dién JA mang MLP (Multi Layer Perceptron), [SK

(Takagi Sugeno Kang) va SVM (Support Vectors Machines) va mé hinh rimg

ngdu nhién RF (Random Forest) sir dung cay quyết định nhị phân để thực hiện việc phối hợp này Các mô hình đơn này được lựa chọn do đã có các kết quả có độ chính:

xắc cao được công bồ như trong |4, 5, 56, 64, 72, 78, 97], đẳng thời ba mô hình đầu

tiên được thực hiện trên củng một bộ số liệu đầu vào nên việc sơ sảnh sẽ thuận tiện

-158-Chương 1 Tổng quan về cáo phương phản nâng cao chất lượng nhận đụng tín hiệu ECG

TSK-SVM, (5) MLP-TSK-SVM-RE, từ đẻ có thêm co sở đánh giá giải pháp để xuất của luận án

Ý tưởng vả giải pháp để xuất cụ thể:

« Áp dụng cây quyết định 1YT /2ecision tree) để tổng hợp kết quá từ các kết quả đầu ra của các mô hình nhận đạng cơ sở;

Các mô hình nhận dạng cơ sở sứ dụng chưng các khỏi thu thập tin hiệu, tiên

xử lý và trích chọn đặc tính;

Sử đụng bốn mô hình nhận đạng Mạng norôn MLP (Multi-Layer

Pereaptron), mạng logic mò TSK (TakagiSugeno_-Kang), máy véc-tơ hỗ trợ

SVM (Support Vector Machines) va rimg ngau nhiên RE (Random Forest) dé

xây dụng thành cáo mô bình nhận đang cơ sở;

Tara chợn náo đặc tỉnh của lin hiệu điện tim:

MGH/ME có thế tải về từ trang web hitp://physionet.ore,

Thiết kế, chế tạo thiết bị do diện tìm cầm tay, sử dụng công nghệ ARM đời

mới để chạy thủ nghiệm chương trình nhận đạng, kiểm tra khả năng đáp ứng được về mặt tốc độ tính toán theo thời gian thực

Lý do lựa chọn các phương án trên:

(1) Về nguyên tắc, các mö hình đơn không bắt buộc phải sử dạng chung tin hiệu đầu vào cũng như các thuật toán chuyển đổi, chuân hỏa hay chung thuật toán trích chọn đặc tính, nhưng luận án để xuất sử đụng chưng đo định hướng 1uuốn triển khai loàn bộ các giải pháp trên cùng một thiết bị hoặc hệ thống nên can tinh giãn bớt ở các khâu tiến xử lý để dành năng lực tính toán cho khâu nhận dạng bằng nhiều mô bình đơn, sau đó tổng hợp bằng cây quyết

định,

- 16

-Chương I: Tong quan về các phương pháp nông cao chất lượng nhận dạng tin hides ECG

2) Và các mồ hình nhận đạng đơn:

= Cac mô hình đơn được lựa chọn sử dụng trong luận án là MLP, TSK, SVM Một mặt, đây là các mô hình rất kinh điển, đã được thử nghiệm nhiều lần với các bài toán nhận dang nói chưng và cáo bài toán nhận đạng điện tỉm nói

riêng Mi khác, đây cũng là các mạng dã dưa ra các kết quả tôi, được công

bổ ở các tạp chỉ quốc tế mẻ nghiên cứu sinh có thể có được các bộ só liệu gốc để so sánh và kiểm chứng tương đổi để đàng,

«Ngoài ra, nghiên cứu sinh khảo sắt thôm mô hình rừng ngẫu nhiên RE, vị dây

cũng là mô hình áp dụng dễ nhận dang tin hiéu diện tin có kết quả nhận dạng cao [56, 64, 72, 97] và để có thêm nhiều trường hợp thử nghiệm, ví đụ

niểu mô hình kết hợp đùng nhiều hơn hai mô hình nhận dạng cơ sở thì với

bến mô hình nhận dang cơ sở tr số tạo ra các trường hợp kết hợp như sau: (1)

MLP-TSK-SVM, (2) MI.P-TSK-RE, (3) MLP-RF-SVM, (4) RF-TSK-SVM, (5) MLP-TSK-SVM-RE, từ dó có thêm cơ sở dánh giá giải pháp để xuất của hiện án

(3) Về giải pháp trích chọn đặc tính:

«_ Phân tích tin hiểu điện tìm theo hàm Wavelet và hàm Hermite là các phương

pháp khá phổ biến, đã được nhiều tác giá sử dụng, kết quả đưa ra đều tối

Luận án đã lựa chọn sử dụng hàm Termite, qua tht nghiém nghiên cứu sinh thu được kết quả rhận đạng tốt, đặc biệt nghiên cứu sinh đã đưa ra phương

pháp khai triển Hermite tiết kiêm bộ nhớ và lốc độ có thể thực hiện trên thiết

nhịp đổ - dâm thất lỗi nhập) thì khoảng cách giữa hài nhập TR-R là đặc biệt

quan tong Tuy nhiên cũng cân phải sử dụng khoảng cách trung bình của Ì0

doan R-R cuối cùng dễ tránh các ảnh hưởng của việc mất một nhịp QRS (đo

-17-Chương Ì- Tổng quan về các phiương pháp nàng cao chất lượng nhân dạng tín hiệu ECG

thuật loán không tự phát hiện được, hoặc da bản thân nhịp tăm bị loạn, } không gây Anh hưởng mạnh tới hoạt động của các hệ nhận đạng-

1.4 Cơ sở dữ liệu sử dụng trong luận án

1.4.1 Cơ sở dữ

8 kiểm chứng chất lượng của các giải pháp đẻ xuất, luận án sử dụng co sd dit

liệu chuẩn MIT-BIH [28] (ht>://phwsieneLorg) Cơ sở đữ liện vẻ chứng loạn nhịp tim MIT- BIH này được thục hiện bởi Phòng thí nghiệm Loạn nhịp tim BIH (Boston's Beth Israel Hospital) wx nam 1915 đền 1979 và hiện nay là cơ sở dữ liệu

chuẩn phổ biến nhất dược sử đụng trong các công trình nghiên cứu về nhận đạng tín

hiệu diện tìm Cơ sở dữ liệu MUI-BIH gồm 4E bản ghi có dộ dài 30 phút dược thu

thập từ 47 người gồm 25 nam có độ tuổi từ 32 đến 89 và 22 nữ có độ tuổi từ 23 đến

89, bản ghỉ 201 và 202 được thu thập từ cửng một người Các bản ghỉ được số hóa ở

tân số lây mẫu 360Hz và mỗi bản ghi có ít nhất là hai chuyên gia tim mạch độc lập đánh dầu các màu bệnh, các chủ thích dược đánh dau tai dinh R eda ting nlup tm [4] Luận án sử dụng lựa chọn sử dụng 19 ban ghi đề xây dựng các mẫu gồm các

bản ghí số: 100, 105, 106, 109, 111, 114, 116, 118, 119,124, 200, 202, 207, 208,

209, 212, 214, 221 và 222 để xây dựng và kiếm nghiệm mã hình nhận đạng, chỉ tiết

về bộ mẫu được trình bây trong mục 4.1 và phân phụ lực

3.4.2 Cơ sở dữ liệu MGHIMF

Bé cơ sở đữ liệu thứ hai là MGH/MF [4], bộ đít liệu mẫn my go có 250 ban

hi của tín hiệu ECG, thu thập từ 250 bệnh nhân tìm mạch tại các phòng chăm sóc

đặc biệt phỏng mổ, phỏng thỉ nghiệm thông tim, tại lệnh viện l2a khoa Massachusetts Luan án lựa chọn sử đụng các mẫu tin hiệu ECG của 20 bản ghỉ có

mA sé la: 029, 030, 058, 105, 106, 107, 108, 110, 111, 114, 117, 119, 121, 123, 124,

125, 128, 131, 137, 142, lấy ra Lông 4500 mẫu với ba Toại nhịp: bình thudng (Ae

Normal sinus rhythm), nhịp ngoại tâm tìm thất (V- Premature ventricular contraction) va loan nhip trén that (S- Supraventricular premature beat), chi vat vé

bộ mẫu được trình bây trong mục 4.1

-18-Chương I Tổng quan về các phương phảp nững cao chất lượng nhân dạng tín hiệu ECG

1.5 Kết luận chương I

'Trong chương nảy, luận ản dã trình bảy ngắn gọn vẻ tin hiệu diện tim, tổng hợp

một sẻ yếu tổ ãnh hưởng đến tín hiệu điện tim và tập trung phân tích, đánh giá tu

điểm và nhược điểm của cáo giải pháp nâng cao chất lượng nhận đạng tín hiệu điện

tím, từ đó để xuất định hướng nghiên cứu của luận án, đỏ là sử đụng mô hình két hep dé cai thién chat lwong nhan dang tin hiéu dién tim ECG

Điểm mới trong mé binh rhn dang tin biéu dién lim của luận án là sử dụng cây

quyết dịnh DT dễ tổng hợp các kết quả từ các khối nhận dạng đơn, nhằm mue dich cải thiện độ chỉnh xác của các khói nhận dang don ¥ tưởng kết hợp nhiễu mỏ hình không phải là quả mới mẻ, tuy nhiên trong bài toán cụ thể vẻ nhận dang tin hiệu

điện tim thì đề xuất của luận án là mới

‘Trong các chương tiếp theo, luận án sẽ lần lượt trinh bày về các khối của hệ thống nhận đạng trong hinh 1.5 Cụ thể, trong chương II sẽ trình bày về khối thu thập và tiên xử lý, khối trích chọn đặc tính và chương TH trình bảy về giải pháp kếL

hợp kết quả bằng côy định, các mô hình nhận dạng cơ sở (ATP, TSK, SEM và RE)

-19-Chương 1l Thủ thập, tiên xử lý và rich chon déc tinh tin hiéu dién tim ECG

CHUONG TI: THU THAP, TIEN XU LY VÀ TRÍCH CHỌN ĐẶC TÍNH

TÍN HIỆU DIỆN TIM ECGŒ

Theo như mô hình nhận đạng tin hiệu điện tim đã để xuất trong chương I (rong hình 1.5), chương II sẽ nghiên cứu bai khếi dầu tiên của hệ thông nhận dang dé 1a khối thu thập và tiền xử lý, khói trịch chọn đặc tính Trong, đỏ phần thu thập và tiền

xử lý sẽ được trình bảy ngắn sọn đây là khối thiết kế cho phản thiết bị ƒchỉ tiết được

trình bày trong phẩn phụ lục), phần lén nội dụng tập trung vào phân trích chen đặc

tỉnh vì là khối ảnh hướng lớn đến kết quả nhận dang

2.1 Thu thập và tiền xứ lý tín hiệu điện tim

Nhiệm vụ thứ nhất của khối là chuẩn hóa tín hiệu điện áp tương tự thu được từ các điện cực ICG về dãi biến thiên trong khoảng 0+SV hoặc trong khoảng 0:3,3V,

tin hiệu từ các điện cực FCG thường được xử lý luận tự qua các khâu: Tiên khuếch

ữ dụng công nghệ FPAA để thiết kế

đại, khuếch đại và lọc Lương bự Trong luận án

các khối tiển khuếch đại, các bộ lọc tương tự Nội dung chỉ tiết sẽ dược trình bảy ở phan sau (auc 4.5) va trong phan Phụ lạc,

Nhiệm vụ thử hai của khỏi là loại bé nhiều khói tín hiệu diện tim Như dã trình

bày ö phản trên, dải tần số có nghĩa của tin hiệu điện tìm thường năm trong khoáng

từ 0,05Hz đến 100Hz (rang mật số trường hợp có thế xét dải lần từ 0,05Hz đến

300Hz) Thiết kế các bộ lọc có thể triển khai như theo sơ đỗ trong hình 2.1, thực

tiện theo các bước sau [48]

« Bước 1: Loại bỏ các nhiều nằm ngoài dai tần số điện tim quan tâm là

0.05+100Hz, bằng các bộ lọc thông thấp có tân số cắt 100H+ và bộ lọc thông

-Chương 1l Thủ thập, tiên xử lý và rich chon déc tinh tin hiéu dién tim ECG

Hàm truyền tổng như sau:

TrŒ) H(s)= (=) xŒ) = Hy(2)-Hy(2)- Hale 1(2)-8;(2)-8a(<) en

trưng đó 27(z) có dang (dng quat 12:

ZO _ XA)

cáo mục kẻ tiếp

2.1.1 Lựa chọn bộ lọc thông thấp

Tara chon bé loc théng thap Bullerworth bac bốn, lần số cất 100Hz, có hàm

truyền như sau [48]:

013110,5238z 1+0.7857z21+0,05238z °+0,131z 2 Az) =

1) 14-0,4341z 140,54562 7—0,09422 *—0,02142 * (2.3)

2.1.2 Lua chon b6 loc théng cao

Thiết kế bộ lợc thông cao Buttorworth bậc bổn, tàn số cắt 0,05Hz, có hàm truyền

2.1.3 Lua chon bo Notch 50Hz

Lựa chọn thông số của bộ lọc như sau: Frta= 50Hz (tan sé edn triéy), Bandwidth: 4Hz (dé rộng của dải chặn), Apa: 3dB (đã sựy giảm), cò hàm truyền

-21-Chương II: Thu thập, tiên xử lý và trích chọn đặc tỉnh tin hiệu điện từu ECG

Kết quả đáp ứng tân sồ-biên độ của ba bộ lọc thẻ hiện trong hình 2.2

lọc Tuy nhiên, để loại bỏ phần nhiều phủ chồng lên dải tan số có nghĩa của tín hiệu

m với tín hiệu điện tim trong bộ cơ sở dữ liêu MIT-BIH, cho thay hoan toan

điện tìm ECG là khả phức tạp Định hướng nhúng xuống thiết bị cầm tay nên lựa chọn các bộ lọc số cơ bản như đã xây dựng ở trên

Chương II: Thu thập, tiên xử lý và trích chọn đặc tỉnh tin hiệu điện từu ECG

Hinh 2.3: Tin hiệu điện tim sau các tầng lọc và phân bồ phố năng lượng: (a-1,a-2) tin hiệu

nhiễu, (b-1,b2) tin hiệu sau bộ lọc thông thấp, (c-1,c-2) tin hiệu sau bộ lọc Notch 50H, (d-

1,d-2) tin hiệu sau bộ lọc thông cao

2.2 Trích chọn đặc tính để nhận dạng

Trích chọn đặc tính là quả trình tìm các giả trị đặc trưng của tín hiệu đầu vào:

góc, lượng thông tin của đặc tỉnh tín hiệu tỉnh giản hơn nhiều so với tín hiệu góc,

nên khỏi lượng tính toán của khỏi nhan dang sẽ giảm Việc lựa chọn loại đặc tính

thường dựa trên độ phân tách đối tượng của nó Do đo, khâu phân tích và trích chọn

= 23

-Chương 1l Thủ thập, tiên xử lý và rich chon déc tinh tin hiéu dién tim ECG

dae tinh đóng vai ở quan trọng, chơ phép hỗ trợ việc dua ra kết quả nhận dang

dược để dàng và chính xác hơn Trong hiện án, như dã trình bảy trên Hình 1,5, các

mô hình cơ sở lựa chọn sử dụng chung một véc-tơ đặc tính để giảm khối lượng tính

toán cho các hệ xử lý thời gian thực tiếp sau Véo-tơ đặc tỉnh của mỗi nhịp (phức bộ

ORS) gém 18 thanh phan

« 16 hệ số khai triển œ¡ (ï— 0, L5) của tín hiệu điện tim ICG theo cac ham

1Iermite như sẽ trinh bảy ớ phản tiếp theo,

+ 2 đặc Lính trong miễn thời giam của tín hiệu điện tim, fa RRyg — khoang

cách giữa đính R của nhịp tim dang xử lý và đỉnh R liên trước (còn gọi là

khoảng cách H-R cuối, và ÑÑ uy „T— giá trì trung bình của 10 khoảng cách

BER cuối cùng

Các hàm Hernute để phân tích các tín hiệu ECG, do sự phủ hợp về hinh dạng biển thiên tin hiệu của chúng đổi với tin hiệu điện từm [16, 60, 74], và có chứa các

thành phan tần số khác nhau nên phù hợp cho việc ruô tả các thành phân biển thiên

khác nhau của tín hiệu diện tìm (chỉ tiết sẽ trình bày ở mục 2.2.2);

Các bước trích chọn đặc tính của luận án thể hiện trong hình 2.4 sau day:

xạ, | Phát hiện đinh Phan tich QRS Khoản cách 3 Trung bình cia |<< a!

“> R, tach ORS voi >} hàng I6 hàm đỉnh Re liên ++} £0 khoảng cách F2

độ đài 250hms Hemmite co so tiếp RR cudi cing

Hinh 2.4: So dé quy trình xây đựng véc tơ đặc tinh cho tin huệu điện tìm

Tiếp sau dây là phản mô tả chi tiết cho các khối trong Hình 2.4

2.2.1 Phát hiện đỉnh R

Phức bộ QRS trong tín hiệu điện tìm LCG tuy không chúa toàn bộ các thông tín

đề đánh giả tín hiệu điện Em, nhưng cũng chứa đụng khá rhưều các thông tin hữu ích và được nhiều tác giả trong nước và quốc tế sử dụng De đó, như đã trình bảy ö

trên, luận án sứ dụng số liệu phản tích từ phức bộ QR§ và hai giá trị thời gian là +kheảng cách R-R, trung bình 10 khoảng cách R-R cuối củng để làm cơ sở nhận dạng Theo khảo sát, phủc bộ QRS kéo đái khoáng 1UOms, tuy nhiên trong trường

-24-Chương 1l Thủ thập, tiên xử lý và rich chon déc tinh tin hiéu dién tim ECG

hợp bệnh lý phức bộ mày có thể kéo dài gấp vải lần Vì vậy, luận án lựa chon dé dai 250ms xung quanh dinh R lá dũ rộng dễ chứa toàn bộ doạn QRS, nêu tan sé lấy

mẫu tín hiệu điện tìm là 36011z thì 250ms tương ứng với khoảng 91 giá trị xung

quanh dinh R (ta lấy 45 giá tri liễn trước đỉnh và 4Š giả trị tie dinh vé phia sau)

Trong luận án, áp dụng thuật toán phát hiện đỉnh R đã được Pan và Tompkins

» 1985 [36] va duge phat triển tiếp vào năm 1986 [62] Năm 2003, tác

đưa ra vào nỗ

giả đã thay đối một vải thông số để làm lắng độ chimlt xác và giảm được thời gian

tỉnh toán, thỉch hợp với việc rhưíng chương trình xuống vì xử lý thay vì chạy trên

máy tỉnh Lưu đề hoạt động của thuật toán được trinh bảy trong hình 2.5

hp | the [| can >) HAL Yat) >) hạ *) dink [upc

“Hình 2.5: Sơ đồ hoạt động cita thudt todn phat hién dink R

Tiếp theo, trình bảy vẻ các bược thực hiện thuật toán tách phúc bộ QRS của

Hamilton va Tompkins, 43 due 4p dung trong luận án

Link 2.6: Phan bd phd nang luong cita tin hibu HCG [98]

'Theo [98] thi phức bộ QRS chú yếu tập trung lần cận tấn số 10Hz (như trên bình 2.6) Trong thuật toán phát hiện QRS của Hamilton và Tampkins đã sử đựng,

bộ lọc lấy đãi trong khoảng tần số từ SH+ đến 11Hz Kết quả sau bộ lọc thông thân

-25-Chương II: Thu thập, tiên xử lý và trích chọn đặc tỉnh tin hiệu điện từu ECG

11Hz và thông cao 5Hz theo hình 2.7 đã không còn thành phân tân số thấp đặc

trưng của sóng P, T hay trôi dạt đường cơ bản, hay thành phân tín hiệu gây ra bởi

nhiều điện lưới S0Hz và nhiễu cỏ tần số cao Hệ số của hai bộ lọc này đều là số nguyên bởi vi: điều này cho phép thực hiện cả ở trên các bộ vi xử lý để đáp ứng tốc

đô xử lý nhanh theo thời gian thực Hàm truyền của hai bộ lọc thông thấp va thong cao, được thực hiện trên phần mềm Matlab, kết quả như sau:

« Hàm truyền của bộ lọc thông thấp, với tân số cắt là 11H

y[n]=2y[»~1]- y[n- 2]+x[m]—2x[»— 5]+ x[+—10] G6)

« Hàm truyền của bộ lọc thông cao, với tân só cắt là SHz:

4000) 2000)

Frequency (Hz) Frequency (Hz)

Hình 2.7: Phân bố phổ năng lượng của tín hiệu ECG géc (a), kết quả sau khi lọc (b)

Bước 2: Xác định cửa số thời gian có chứa đỉnh R

Theo thuật toán xác định R như hình 2.5 thi sau khi bước loại bỏ nhiêu bên

ngoài khoảng 5+11Hz Ket qua sau bộ lọc nhiều sẽ được xử lý tiếp qua các bước

như sau:

« Lấy đạo hàm (d[ ]/dÐ: Tin hiệu điện tim ECG qua khâu xử lý nảy sẽ làm

nổi thêm phức bộ QRS, ngoài ra đạo hảm còn loại bỏ tiếp các sỏng nhỏ vả thành phân biến thiên cham như sóng T, P trong sóng ECG Hinh dạng của

sóng ECG sau bước này gần như chỉ còn các phức bộ QRS, nhiều đã bị loại

bỏ, thể hiện trong hình 2.9-c

y[m]= 2x[m] + x[m~=1]- x[» - 3]- 2x[»- 4] G8)

Chương 1Ï: Thu thập, tiền xử lý và trích chọn đặc tỉnh tin hiệu điện từu ECG

+ Lay trị tuyệt đối: Để không triệt tiêu thông tin khi sử dụng phép toán lấy

trung bình ở bước kế tiếp thì phải làm dương giá trị Năm 1986, Hamilton và

Tompkins [62] làm dương giá trị bằng phép toán bình phương, cách bình

phương nảy có thêm tác dụng làm nỏi bật những giá trị có biên độ cao như

đình R Đến năm 2002 [63] tác giá đã thay bằng phép lấy trị tuyết đối, nó có

uu diém làm giảm bớt thời gian tính toán mà vẫn đạt được mục địch Kết quả

thể hiện trong hình 2.9-d

vol "

Lấy trung bình tín hiệu theo thời gian: Mục đích bước nảy là nhập các

đỉnh gan nhau lại thảnh một dạng liền nhau giỏng như trong hình 2.9e, sử dụng kết quả của bước này đề tìm cửa số thời gian cỏ chứa đỉnh R Kết quả

sau bước lây trung bình tin hiệu theo thời gian thể hiện trong hình 2.9-e

1

y[n]=x—(x[n~15]+ x[n=14|+ -+x[n In|= g(xÍz—15]* x[n~14+ +x|n) oxo)

+ Xac định cửa số thời gian có chứa đỉnh R: Dựa vào kết quả đầu ra của

bước lẫy trung bình tín hiệu theo thời gian z[n] (“heo hình 2.5) đề xác định

sơ bộ thời điểm và khoảng thời gian có chứa đỉnh R Từ đó, tham chiếu trở

lại tin higu ECG sau loc y[n](theo hinh 2.5) trong khoảng thời gian đó áp

dung thuật toán tìm Max để xác định đỉnh R Trong hình 2.8 thẻ hiện môi

quan hệ lý tưởng giữa phức bộ QRS với tín hiệu lấy trung bình theo thời gian

z|z] Đỉnh R sẽ xuất hiện ở khoảng giữa sườn lên của xung trong tin hiệu z[n] Từ thực nghiệm Hamilton và Tompkins lấy độ rông của cửa số tử 150

dén 250 ms