Đánh giá tính trạng dinh dưỡng ở bệnh nhân bệnh thận mạn

Vì vậy, việc đề xuất một giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG phù hợp làm ảnh hưởng nhỏ đến đặc tính tín hiệu ECG để nâng cao chất lượng nhận dạng tín hiệu ECG hỗ

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

Công trình được hoàn thành tại:

Trường Đại học Bách Khoa Hà Nội

Người hướng dẫn khoa học: PGS.TSKH Trần Hoài Linh

Phản biện 1: GS.TS Nguyễn Đức Thuận

Phản biện 2: PGS.TS Nguyễn Linh Trung

Phản biện 3: TS Phạm Văn Thuận

Luận án được bảo vệ trước Hội đồng đánh giá luận án tiến sĩ cấp trường họp tại Trường Đại học Bách khoa Hà Nội

Vào hồi………giờ, ngày…… tháng……năm……

Có thể tìm hiểu luận án tại thư viện:

1 Thư viện Tạ Quang Bửu – Trường Đại học Bách khoa Hà Nội

2 Thư viện Quốc gia Việt Nam

Footer Page 2 of 123.

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Tín hiệu nhịp thở và điện tim (ECG - ElectroCardioGraph) là hai tín hiệu y

sinh cơ bản và quan trọng được sử dụng để xác định tình trạng sức khỏe của một người [72] Tín hiệu ECG là nguồn thông tin quý giá để xác định các bệnh lý về tim mạch [98] Phương pháp thu thập tín hiệu ECG vẫn được thực hiện bằng cách đo sự chênh lệch điện áp của cặp điện cực gắn trên người bệnh Vì vậy khi ta hít thở làm thay đổi thể tích của lồng ngực dẫn đến thay đổi trở kháng tiếp xúc giữa điện cực – bề mặt cơ thể của người bệnh và véctơ trục điện tim dẫn đến làm ảnh hưởng đến chất lượng tín hiệu ECG đưa về mạch thu thập [21,27,29,31,38,40,49,56,70,94] Đã có nhiều nghiên cứu đề xuất giải pháp loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG [10,17,21,49,61,76,94,96] nhưng còn làm ảnh hưởng lớn đến hình dạng và đặc tính tín hiệu ECG Vì vậy, việc đề xuất một giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG phù hợp làm ảnh hưởng nhỏ đến đặc tính tín hiệu ECG để nâng cao chất lượng nhận dạng tín hiệu ECG hỗ trợ cho các bác

sĩ trong công tác chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh là rất cần thiết

2 Mục đích nghiên cứu

Mục đích của luận án là tìm hiểu các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG từ đó đề xuất một giải pháp phù hợp loại ảnh hưởng của nhịp thở trong tín hiệu ECG Trong trường hợp đo được tín hiệu nhịp thở đồng thời với tín hiệu ECG luận án đề xuất sử dụng thêm các đặc tính từ thông tin nhịp thở để cải thiện chất lượng nhận dạng tín hiệu ECG

Tín hiệu ECG sau khi đã được loại bỏ ảnh hưởng của nhịp thở hoặc sử dụng thêm các thông tin từ nhịp thở sẽ được đưa vào một số mô hình nhận dạng để kiểm chứng kết quả so với trước khi loại bỏ ảnh hưởng của nhịp thở hoặc không sử dụng thông tin từ nhịp thở Luận án sẽ thử nghiệm nhận dạng với 4 kịch bản sau để so sánh:

 Kịch bản 1 (là kịch bản cơ sở để so sánh): Nhận dạng tín hiệu ECG trước khi loại bỏ ảnh hưởng của nhịp thở

 Kịch bản 2: Nhận dạng tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở

 Kịch bản 3: Nhận dạng tín hiệu ECG trước khi loại bỏ ảnh hưởng của nhịp thở nhưng có sử dụng thêm các đặc tính từ các thông tin của nhịp thở

 Kịch bản 4: Nhận dạng tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở và có sử dụng thêm các đặc tính từ các thông tin của nhịp thở

3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu của luận án gồm:

 Giải phẫu sinh lý học của hệ tim mạch - hô hấp và sự ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG,

 Các giải pháp được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG,

 Khả năng bổ sung các đặc tính từ nhịp thở để hỗ trợ nhận dạng tín hiệu ECG,

Với các đối tượng nghiên cứu đã đề xuất ở trên, luận án sẽ được thực hiện với phạm vi nghiên cứu như sau:

 Tìm hiểu và lựa chọn một số dạng ảnh hưởng của nhịp thở tới tín hiệu ECG để tìm các giải pháp khắc phục các ảnh hưởng này,

 Khảo sát và lựa chọn họ wavelet với bậc phù hợp để loại bỏ ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG;

 Khảo sát và lựa chọn một số đặc tính từ nhịp thở tức thời để bổ sung cho véc-tơ đặc tính dùng trong nhận dạng tín hiệu ECG

 Tìm hiểu và sử dụng một mô hình nhận dạng chung và các cơ sở dữ liệu mẫu để so sánh và kiểm chứng chất lượng khi áp dụng các giải pháp đề xuất trên,

 Tìm hiểu và phát triển các giải pháp xử lý tín hiệu trong luận án trên mạch phần cứng (để hướng tới tích hợp giải pháp trên thiết bị nhỏ gọn)

4 Phương pháp nghiên cứu

 Phối hợp lý thuyết với các mô hình thử nghiệm theo chu trình kín (đề xuất

lý thuyết  triển khai các thử nghiệm để kiểm nghiệm  hiệu chỉnh lại

5 Tiêu chí chọn dữ liệu và phương pháp đánh giá kết quả

 Để đánh giá chất lượng của các giải pháp, luận án sẽ sử dụng các bộ số liệu mẫu chuẩn từ 2 cơ sở dữ liệu MIT-BIH và cơ sở dữ liệu MGH/MF được công bố tại địa chỉ www.physionet.org

 Đối với mỗi mô hình nhận dạng, nghiên cứu sinh sẽ tạo một bộ mẫu đa dạng gồm nhiều loại bệnh với số lượng phân bố tương đối đều từ nhiều người bệnh khác nhau

 Chất lượng của các giải pháp được đánh giá trên cơ sở so sánh trực tiếp

về độ chính xác của quá trình nhận dạng các mẫu trong các bộ số liệu đã được xây dựng với cùng một mô hình nhận dạng và cùng một phương pháp trích chọn đối với các đặc tính dùng chung

6 Ý nghĩa khoa học và thực tiễn của đề tài

6.1 Ý nghĩa khoa học

 Đề xuất một giải pháp phù hợp sử dụng wavelet loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG với ảnh hưởng nhỏ hơn đến hình dạng và đặc tính tín hiệu ECG,

 Đề xuất sử dụng hai đặc tính tức thời từ nhịp thở để bổ sung cho véc-tơ đặc tính của tín hiệu để cải thiện độ chính xác của quá trình nhận dạng,

 Xây dựng nhiều kịch bản thử nghiệm để kiểm chứng chứng tỏ rằng khi loại bỏ ảnh hưởng của nhịp thở hoặc khi sử dụng thêm các thông tin trực tuyến của nhịp thở thì có thể cải thiện được chất lượng nhận dạng tín hiệu ECG

6.2 Ý nghĩa thực tiễn

Bài toán nhận dạng tín hiệu ECG có ý nghĩa thực tiễn cao, chất lượng nhận dạng có ảnh hưởng tới sức khỏe của người bệnh Vì vậy đề xuất một giải pháp mới 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 quá trình chẩn đoán, xác định, điều trị và theo dõi bệnh của bác sĩ tuyến cơ

sở

7 Những đóng góp của luận án

 Đã khảo sát để đề xuất sử dụng họ wavelet phù hợp (cụ thể là wavelet họ Coiflets bậc 4) trong phân tích thành phần xấp xỉ bậc 8 (còn gọi là thành phần A8) tương ứng với dải tần số của nhịp thở làm cơ sở để loại bỏ ảnh hưởng của nhịp thở khi phân tích tín hiệu ECG

 Đã đề xuất sử dụng hai đặc tính từ nhịp thở là biên độ tức thời của nhịp thở tại đỉnh R của nhịp tim và trung bình 10 chu kỳ cuối cùng của nhịp thở để cải thiện chất lượng nhận dạng,

 Xây dựng các bộ số liệu phục vụ bài toán nhận dạng tín hiệu ECG có xét tới ảnh hưởng của nhịp thở

 Xây dựng 4 kịch bản nhận dạng tín hiệu ECG để kiểm chứng mức độ ảnh hưởng của thông tin từ nhịp thở tới chất lượng nhận dạng

án và mô tả khái quát hai cơ sở dữ liệu được sử dụng trong luận án

Chương 2 tổng quan một số giải pháp sử dụng bộ lọc thông cao để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG, lý thuyết về wavelets, hàm Hermite trong phân tích tín hiệu và mạng nơ-ron logic mờ TSK

Chương 3 trình bày hai đề xuất của luận án là: 1 ứng dụng phép biến đổi wavelet để loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG, 2 sử dụng các đặc tính từ nhịp thở tức thời nhằm năng cao chất lượng nhận dạng tín hiệu ECG Đồng thời bước đầu tìm hiểu và xây dựng một giải pháp đo nhịp thở với kích thước gọn nhẹ sử dụng cảm biến gia tốc

Chương 4 trình bày ừng dụng hàm Hermite phân tích và trích chọn đặc tính tín hiệu ECG, ứng dụng mạng nơ-ron logic mờ nhận dạng tín hiệu ECG và kết quả nhận dạng tín hiệu ECG

Cuối cùng là phần Kết luận và hướng phát triển cũng như các công trình đã công bố của luận án

CHƯƠNG I: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ

TRONG TÍN HIỆU ECG 1.1 Tổng quan về hệ tim mạch - hô hấp

Trong cơ thể con người, trái tim đóng vai trò trung tâm của hệ tim mạch Phổi đóng vai trò chủ đạo trong hệ hô hấp của con người, phổi đảm bảo việc hấp thụ O2 loại bỏ CO2 trong các tế bào máu Trái tim và phổi được kết nối

rất chặt chẽ với nhau để đảm bảo rằng tất cả các bộ phận trong cơ thể nhận được lượng O2 và dưỡng chất cần thiết

1.2 Các ảnh hưởng của nhịp thở trong tín hiệu ECG

Khi ta hít thở làm cho thể tích của lồng ngực thay đổi dẫn đến làm thay đổi trở kháng tiếp xúc giữa bề mặt da của cơ thể với điện cực thu thập tín hiệu ECG [49] làm ảnh hưởng đến chất lượng tín hiệu ECG đưa về mạch thu thập [35,39,63] Xét về mặt tín hiệu nhịp thở gây ra ba ảnh hưởng trong tín hiệu ECG như sau:

1.2.1 Rối loạn nhịp tim

Rối loạn nhịp tim là hiện tượng khoảng thời gian R-R của tín hiệu ECG bị thay đổi theo nhịp thở [17,21,23,29,38,40,47,56,75]

Hình 1.1: Tín hiệu ECG có khoảng R-R thay đổi và tín hiệu nhịp thở

1.2.2 Điều chế biên độ tín hiệu ECG

Điều chế biên độ tín hiệu ECG là hiện tượng mà đỉnh R của tín hiệu ECG

bị điều chế theo nhịp thở [49,70,94]

Hình 1.2: Tín hiệu ECG bị điều chế biên độ và tín hiệu nhịp thở

1.2.3 Trôi dạt đường cơ sở

Trôi dạt đường cơ sở là hiện tượng đường cơ sở của tín hiệu ECG bị thay đổi theo tín hiệu nhịp thở [10,28,36,58,61,64,69,97,103]

Hình 1.3: Tín hiệu ECG bị trôi dạt đường cơ sở và tín hiệu nhịp thở

1.3 Một số phương pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG

Các tác giả trong [45,48,76,84,95] đề xuất sử dụng bộ lọc thông cao, trong [17,64,69,92,97] để xuất bộ lọc thích nghi, trong [78] đề xuất sử dụng

phương pháp phân tích thành phần độc lập (ICA - Independent Component Analysis), trong [21,49] đề xuất sử dụng phương pháp phân tích theo thành phần chính (PCA - Principal Component Analysis) và phân tích thành phần chính cốt lõi (kPCA - Kernel PCA)… để loại bỏ ảnh hưởng của nhịp thở

trong tín hiệu ECG Phương pháp sử dụng bộ lọc thông cao làm ảnh hưởng mạnh đến hình dạng và đặc tính tín hiệu ECG, phương pháp sử dụng bộ lọc thích nghi có nhược điểm là yêu cầu tín hiệu nhịp thở thực để tham chiếu và cập nhật hệ số của bộ lọc dẫn đến thời gian tính toán lớn Phương pháp phân tích thành phần độc lập có nhược điểm là tín hiệu ECG và thành phần do nhịp thở gây ra phải độc lập tuyến tính; phương pháp PCA đặcbiệt là kPCA

có nhược điểm là thời gian tính toán lớn

1.4 Định hướng của luận án

Một trong những khó khăn trong việc loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG đó là: Các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG là gián tiếp và phi tuyến [17,21,49,94]; trong các trường hợp bệnh lý tín hiệu ECG thường biến thiên mạnh cả về biên độ và hình dạng; quá trình thu thập tín hiệu ECG và nhịp thở trên các bênh nhân thực tế gặp nhiều khó khăn, đặc biệt là các bệnh nhân tim mạch Một số giải pháp đề xuất loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG làm ảnh hưởng mạnh đến hình dạng và đặc tính của tín hiệu ECG, yêu cầu tín hiệu nhịp thở thực để tham chiếu và thời gian tính toán lớn,… Vì vậy trong luận án này sẽ đề xuất giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG khăc phục được một số nhược điểm trên Các giải pháp

đề xuất của luận án được kiểm chứng với các bộ mẫu là các véc-tơ đặc tính

của các đoạn tín hiệu trích từ các cơ sở dữ liệu ECG được các trung tâm nghiên cứu quốc tế xây dựng Với mỗi bộ các véc-tơ mẫu, ta sẽ thực hiện đánh giá trên cơ sở các thông số độ chính xác, sai số,… khi sử dụng cùng một mô hình nhận dạng, cụ thể như sau: Số trường hợp mẫu bị nhận dạng sai, Số trường hợp chẩn đoán âm tính giả (FN) và số trường hợp chẩn đoán dương tính giả (FP)

Giải pháp đề xuất trong luận án được thực hiện tuần tự theo ba bước như sau: Trước tiên, tín hiệu ECG từ các bộ cơ sở dữ liệu ECG được loại bỏ ảnh hưởng của nhịp thở Ở bước thứ hai, tín hiệu ECG sau khi được loại bỏ ảnh hưởng của nhịp thở được phân tích, trích chọn đặc trưng để xây dựng các véc-tơ đặc tính (đối với cơ sở dữ liệu ECG có tín hiệu nhịp thở tức thời được thu thập cùng với tín hiệu ECG, luận án đề xuất sử dụng thêm các đặc tính tức thời từ nhịp thở để xây dựng các véc-tơ đặc tính) Trong bước cuối cùng, bước thứ ba, các giá trị đăc trưng được xử lý tiếp bằng một mô hình phi tuyến để phân loại chính xác hơn các mẫu nhịp điện tim Sơ đồ khối ý tưởng này được trình bày trên hình 1.1

Hình 1.1: Sơ đồ khối mô hình tổng quát thực hiện giải pháp đề xuất của luận án

Cụ thể để có thể loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG, luận án đề xuất sử dụng phép phân tích tín hiệu theo các hàm cơ sở wavelet Wavelet là một phương pháp được sử dụng phổ biến để phân tích tín hiệu bất định như tín hiệu ECG có thể khắc phục được một số hạn chế của các phương sử dụng bộ lọc thích nghi, ICA, PCA, Đặc biệt với tín hiệu ECG thì các họ wavelet có hình dạng càng tương đồng với tín hiệu ECG thì hiệu quả loại nhiễu càng tốt

Đã có nhiều nghiên cứu đề xuất sử dụng phép biến đổi wavelet để loại bỏ ảnh hưởng của nhiễu nói chung và nhịp thở nói riêng trong tín hiệu ECG [35,

43, 46, 51, 61, 71, 83, 97, 101] Tuy nhiên các đề xuất sử dụng họ wavelet và bậc cũng khá khác biệt, chưa thấy khảo sát cụ thể và đưa ra các kết quả định lượng về sự khác biệt giữa các họ wavelet cũng như giữa các bậc với nhau

Vì vậy luận án này đề xuất nghiên cứu các nội dung sau:

 Khảo sát các họ wavelet với các bậc khác nhau để lựa chọn ra một họ wavelet và bậc phù hợp để loại bỏ ảnh hưởng của nhịp thở, đồng thời làm ảnh hưởng nhỏ đến hình dạng và đặc tính của tín hiệu ECG

 Trong trường hợp có tín hiệu nhịp thở đo được đồng thời với tín hiệu ECG, đề xuất sử dụng thêm các đặc tính từ nhịp thở đo được này để nâng cao chất lượng nhận dạng tín hiệu ECG

 Kiểm tra chất lượng lọc và các đặc tính dùng thêm khi sử dụng chung một

mô hình nhận dạng (luận án đề xuất dùng mạng nơrơn TSK) theo 4 kịch bản như đã được trình bày ở mục 2 (Mục đích nghiên cứu)

Luận án thực hiện với nhiều kịch bản nhận dạng nhằm kiểm chứng chất lượng lọc và chất lượng các thông tin sử dụng thêm từ nhịp thở tức thời Trong định hướng nghiên cứu của luận án, các kết quả tính toán, mô phỏng

sẽ thể hiện các kịch bản 2 và 3 sẽ có kết quả tốt hơn kịch bản 1, còn kịch bản

4 sẽ có kết quả tốt nhất

1.4.1 Kịch bản 1 (Kịch bản cơ sở để so sánh)

Trong kịch bản cơ sở này, từ đường tín hiệu ECG ban đầu, mỗi nhịp tim được đặc trưng bởi 18 đặc tính gồm 16 hệ số khai triển đoạn QRS theo các hàm cơ sở Hermite và 2 đặc tính theo thời gian là chu kỳ giữa hai đỉnh R và trung bình của 10 chu kỳ giữa hai đỉnh R liên tiếp cuối cùng

Hình 1.2: Sơ đồ khối kịch bản 1(kịch bản cơ sở) nhận dạng tín hiệu ECG

1.4.2 Kịch bản 2

Trong trường hợp thử nghiệm này, trước khi trích chọn đặc tính theo cùng phương pháp như ở kịch bản 1, tín hiệu ECG được lọc bằng bộ lọc wavelet

để loại bỏ ảnh hưởng của nhịp thở

Hình 1.3: Sơ đồ khối kịch bản 2 nhận dạng tín hiệu ECG đã lọc bằng wavelet

1.4.3 Kịch bản 3

Hình 1.4: Sơ đồ khối kịch bản 3 nhận dạng tín hiệu ECG sử dụng thêm 2 đặc tính từ

nhịp thở (không lọc ECG bằng wavelet)

Trong trường hợp thử nghiệm này, khi cơ sở dữ liệu có cả các kết quả đo nhịp thở đồng thời với nhịp tim thì ngoài các đặc tính đã sử dụng như ở kịch bản 1, luận án đề xuất sử dụng thêm 2 đặc tính tức thời từ nhịp thở là: biên

độ tức thời của nhịp thở tại đỉnh R của tín hiệu ECG và trung bình của 10 chu kỳ thở liên tiếp cuối cùng

1.4.4 Kịch bản 4

Đây là kịch bản tổng hợp nhất, bao gồm cả hai đề xuất trong kịch bản 2 và

3 đồng thời, có nghĩa là trước tiên tín hiệu ECG được lọc bằng bộ lọc wavelet và sau đó 20 đặc tính sẽ đươc trích chọn (18 đặc tính như ở kịch bản

1 và 2, 2 đặc tính bổ sung như kịch bản 3) để phục vụ cho nhận dạng

Hình 1.5: Sơ đồ khối kịch bản 4 nhận dạng tín hiệu ECG đã được lọc bằng wavelet

và sử dụng thêm 2 đặc tính từ nhịp thở

Trong định hướng nghiên cứu của luận án, các kết quả tính toán, mô phỏng

sẽ thể hiện các kịch bản 2 và 3 sẽ có kết quả tốt hơn kịch bản 1, còn kịch bản

4 sẽ có kết quả tốt nhất

1.5 Các cơ sở dữ liệu được sử dụng trong luận án

Cơ sở dữ liệu MIT-BIH, luận án sử dụng 16 bản ghi để xây dựng các mẫu ở dạng MIT/16-16, có nghĩa là ta sử dụng một phần các mẫu ECG từ 16 bản ghi (16 bệnh nhân) để xây dựng mô hình, sau đó sử dụng các mẫu khác của cùng 16 bệnh nhân này để kiểm tra lại độ tin cậy của mô hình Khi đó ta sẽ

có 02 thử nghiệm cho kịch bản 1 và kịch bản 2 như bảng 1.1

ECG trước, sau khi loại bỏ ảnh hưởng của nhịp thở và có sử dụng thêm các thông tin từ nhịp thở để thử nghiệm với 4 kịch bản nhận dạng cụ thể như sau:

04 thử nghiệm theo 4 kịch bản cho bộ mẫu MGH/20-20, 02 thử nghiệm cho kịch bản 1 và 2 cho bộ mẫu MGH/15-5, 02 thử nghiệm cho kịch bản 1 và 2 cho bộ mẫu MGH/19-1 như bảng 1.1

CHƯƠNG II: TỔNG QUAN PHƯƠNG PHÁP LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ VÀ NHẬN DẠNG TÍN HIỆU ECG

Chương này trình bày tổng quan một số giải pháp sử dụng bộ lọc thông cao [45,48,76,84,95] để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Để kiểm chứng hiệu quả loại bỏ ảnh hưởng của nhịp thở cũng như mức độ ảnh hưởng của nhịp thở trong tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở của các bộ lọc này, trong luận án nghiên cứu sinh thực hiện hai thử nghiệm như sau:

 Thử nghiệm 1: Sử dụng tín hiệu ECG trộn tuyến tính với tín hiệu nhịp thở

 Thử nghiệm 2: Sử dụng tín hiệu ECG có ảnh hưởng của nhịp thở trong các cơ sở dữ liệu MIT-BIH và MGH/MF

Luận án đã tiến hành thử nghiệm nhiều bộ lọc khác nhau (trong các công trình tham khảo) và kết quả tính toán các thông số: Tỷ số tín hiệu trên tạp âm (SNR), độ tương quan (CORR), phần trăm trung bình bình phương sai lệch (PRD) và tỉ lệ thành phần tần số dưới 1Hz trong tín hiệu (TH1) với hai thử nghiệm trên đã cho thấy bộ lọc Butterworth_2 (đề xuất trong [76]) là tốt hơn

so với các bộ lọc còn lại như trên bảng 2.1

khi sử dụng bộ lọc thông cao

Loại bộ lọc

Butterworth_2 17.12 92.57 37.56 1.99 15.12 88.86 50.95 4.75 Kaiser_56 6.67 81.41 57.96 15.66 6.71 79.19 57.79 14.03 Kaiser_255 16.40 92.67 37.57 15.53 5.57 66.68 84.48 17.27 Rectang_100 7.81 83.20 55.37 2.27 8.29 84.09 55.78 7.79 Bảng 2.1 trình bày các kết quả tính toán các thông số SNR, CORR, PRD và

TH1 trung bình của hai thử nghiệm cho thấy bộ lọc Butterworth_2 có chất lượng tốt hơn so với một số bộ lọc còn lại Vì vậy các giải pháp của luận án được trình bày ở chương 3 tiếp theo sẽ được so sánh với bộ lọc này

Ngoài ra nội dung chương này còn trình bày lý thuyết tổng quát về biến đổi wavelet, phân tích tín hiệu bằng hàm Hermite và mạng nơ-ron logic mờ TSK

CHƯƠNG III: CÁC GIẢI PHÁP ĐỀ XUẤT LOẠI BỎ ẢNH HƯỞNG

CỦA NHỊP THỞ TRONG TÍN HIỆU ECG 3.1 Ứng dụng wavelets loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG

Đã có nhiều nghiên cứu đề xuất sử dụng phép biến đổi wavelet để loại bỏ ảnh hưởng của nhiễu nói chung và nhịp thở nói riêng trong tín hiệu ECG [35,43,46,51,61,71,83,97,101] Tuy nhiên các đề xuất họ wavelet và bậc của các tác giả cũng rất khác nhau (như đã trình bày chi tiết trong luận án) Trong luận án nghiên cứu sinh đã thực hiện lại hai thử nghiệm như ở chương 2 để khảo sát, so sánh, đánh giá chất lượng với các họ wavelet Daubechies, Biorthogonal, Symlet và Coiflet Dựa trên các kết quả khảo sát, luận án đề xuất loại bỏ thành phần A8 khi phân tích tín hiệu ECG bằng wavelet để loại bỏ ảnh hưởng của nhịp thở tới tín hiệu ECG Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình của hai thử nghiệm cho thấy các họ wavelet từ bậc 4 trở lên đã cho kết quả tốt hơn so với bộ lọc thông cao Butterworth_2 và họ wavelet Coiflet bậc 4 có kết quả tốt hơn các

họ wavelet còn lại cùng bậc bậc 4 (như bảng 3.1) Vì vậy luận án đề xuất sử dụng họ wavelet Coiflet bậc 4 làm bộ lọc thông cao để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG

bình khi sử dụng các họ wavelet bậc 4 và bộ lọc Butterworth_2

Loại bộ lọc

Butterworth_2 17.12 92.57 37.56 1.99 15.12 88.86 50.95 4.75 Db4 17.16 92.51 40.73 1.85 17.09 88.98 54.69 2.82 Sym4 17.19 92.53 40.66 1.85 16.22 88.99 54.86 3.79 Bior2.4 17.72 93.00 39.23 1.89 17.02 88.86 56.77 3.77

Coif4 19.27 94.17 35.45 1.83 18.79 90.35 51.31 2.61

Bảng 3.1 trình bày các kết quả tính toán các thông số SNR, CORR, PRD và

TH1 trung bình của hai thử nghiệm cho thấy việc sử dụng các họ wavelet bậc

4 đều có kết quả tốt hơn giải pháp Butterworth_2, và trong số các họ wavelet thì họ Coiflet là có kết quả tốt nhất