Nâng cao chất lượng nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh

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: Nh

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TSKH TRẦN HOÀI LINH

Hà Nội - 2016

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dựa trên những hướng dẫn của PGS.TSKH Trần Hoài Linh và các tài liệu tham khảo đã trích dẫn Kết quả nghiên cứu là trung thực và chưa từng được ai khác công bố trên bất kỳ công trình nào khác

Hà nội, ngày tháng năm 2016

Người hướng dẫn khoa học

PGS.TSKH Trần Hoài Linh

Nghiên cứu sinh

Nguyễn Đức Thảo

LỜI CẢM ƠN

Luận án này được hoàn 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.Trần Hoài Linh Tác giả xin bày tỏ lòng cảm ơn sâu sắc nhất tới PGS.TSKH.Trần Hoài Linh đã tận tình hướng dẫn về học thuật, kiến thức và kinh nghiệm trong quá trình thực hiện luận án Tác giả xin chân thành cảm ơn GS.TS.Phạm Thị Ngọc Yến, PGS.TS.Nguyễn Quốc Cường và Hội đồng Khoa học Bộ môn Kỹ thuật đo và Tin học công nghiệp ­ Viện Điện ­ Trường Đại học Bách Khoa Hà Nội đã có những ý kiến đóng góp quý báu và tạo các điều kiện thuận lợi cho tác giả trong quá trình hoàn thành luận án

Tác giả xin chân thành cảm ơn các thầy cô Bộ môn Kỹ thuật đo và Tin học công nghiệp ­ Viện Điện ­ Trường Đại học Bách Khoa Hà Nội, các đồng nghiệp khoa Điện tử ­ Tin học ­ Trường Đại học Sao Đỏ và gia đình luôn động viên và tạo điều kiện thuận lợi cho tác giả trong quá trình hoàn thành luận án

Tác giả xin chân thành cảm ơn Ban Giám hiệu Trường Đại học Sao Đỏ, Ban Giám hiệu và Viện Đào tạo Sau đại học Trường Đại học Bách khoa Hà Nội đã tạo điều kiện tốt nhất về mọi mặt để tác giả hoàn thành luận án này

Nguyễn Đức Thảo

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

DANH MỤC CÁC TỪ VIẾT TẮT v

DANH MỤC CÁC BẢNG BIỂU vii

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ viii

MỞ ĐẦU 1

1 Tính cấp thiết của đề tài 1

2 Mục đích nghiên cứu 2

3 Đối tượng và phạm vi nghiên cứu 2

4 Phương pháp nghiên cứu 3

5 Tiêu chí chọn dữ liệu và phương pháp đánh giá kết quả 3

6 Ý nghĩa khoa học và thực tiễn của đề tài 4

7 Những đóng góp của luận án 4

8 Bố cục của luận án 5

CHƯƠNG I: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG 6

1.1 Hệ tim mạch 6

1.2 Hệ hô hấp 11

1.3 Một số ảnh hưởng của nhịp thở trong tín hiệu ECG 12

1.3.1 Rối loạn nhịp tim 13

1.3.2 Điều chế biên độ tín hiệu ECG 13

1.3.3 Trôi dạt đường cơ sở 14

1.4 Một số phương pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG 14

1.5 Định hướng của luận án 15

1.5.1 Kịch bản 1 (Kịch bản cơ sở để so sánh) 18

1.5.2 Kịch bản 2 18

1.5.3 Kịch bản 3 19

1.5.4 Kịch bản 4 19

1.6 Các cơ sở dữ liệu được sử dụng trong luận án 19

1.7 Kết luận chương 1 22

CHƯƠNG II: TỔNG QUAN PHƯƠNG PHÁP LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ VÀ NHẬN DẠNG TÍN HIỆU ECG 24

2.1 Tổng quan một số phương pháp sử dụng bộ lọc số 24

2.2 Wavelet và ứng dụng wavelet trong phân tích tín hiệu 28

2.3 Hàm Hermite và ứng dụng trong phân tích tín hiệu 31

2.4 Mạng nơ­ron logic mờ TSK 32

2.5 Kết luận chương 2 38

CHƯƠNG III: CÁC GIẢI PHÁP ĐỀ XUẤT LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG 39

3.1 Ứng dụng wavelets loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG 39

3.2 Sử dụng các đặc tính từ nhịp thở tức thời nhằm năng cao chất lượng nhận dạng tín hiệu ECG 43

3.3 Thu thập tín hiệu nhịp thở 44

3.4 Kết luận chương 3 50

CHƯƠNG IV: TRÍCH CHỌN ĐẶC TRƯNG VÀ NHẬN DẠNG TÍN HIỆU ECG BẰNG MẠNG TSK 51

4.1 Cơ sở dữ liệu 51

4.2 Ứng dụng SVD để phân tích tín hiệu ECG theo các hàm Hermite 52

4.3 Ứng dụng mô hình nhận dạng TSK trong bài toán nhận dạng tín hiệu ECG 54

4.3.1 Xây dựng các bộ số liệu 54

4.3.2 Xây dựng mô hình nhận dạng 59

4.3.3 Kết quả nhận dạng tín hiệu ECG 61

4.4 Kết luận chương 4 72

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 73

DANH MỤC CÁC TÀI LIỆU THAM KHẢO 75

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 85

Phụ lục A: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 khi sử dụng bộ lọc số 86

Phụ lục B: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình khi sử dụng bộ lọc wavelet .87

DANH MỤC CÁC TỪ VIẾT TẮT

A Premature Atrial Contractions Ngoại tâm thu nhĩ

CORR Cross­corelation Coeffcient Hệ số tương quan chéo

CWT Continuous Wavelet Transform Biến đổi wavelet liên tục

DWT Discrete Wavelet Transform Biến đổi wavelet rời rạc

EMD Empirical Mode Decomposition Phân tích thực nghiệm

FIR Finite Impulse Response Filter Bộ lọc có đáp ứng xung hữu hạn

HD High Pass Filter for Decomposition Phân tích bằng bộ lọc thông cao

HR High Pass Filter for Reconstruction Tổng hợp bằng bộ lọc thông cao

PRD Percent Root Mean Square Difference Phần trăm trung bình bình phương

sai lệch

ICA Independent Component Analysis Phân tích thành phần độc lập

IIR Infinite Impulse Response Filter Bộ lọc có đáp ứng xung vô hạn

Từ viết tắt Tiếng Anh Tiếng Việt

IWT Inverse Wavelet Transform Biến đổi Wavelet ngược

kPCA Kernel Principal Component Analysis Thành phần chính cốt lõi

L Left Bundle Branch Block Beat Block nhánh trái

LD Low Pass Filter for Decomposition Phân tích bằng bộ lọc thông thấp

LR Low Pass Filter for Reconstruction Tổng hợp bằng bộ lọc thông thấp

MIT-BIH MIT­BIH Arrhythmia Database Cơ sở dữ liệu MIT­BIH

MLP Multi­Layer Perceptron Network Mạng nơron truyền thẳng nhiều

lớp

PAP Pulmonary Arterial Pressure Áp suất động mạch phổi

PCA Principal Component Analysis Phân tích theo thành phần chính

R Right Bundle Branch Block Beat Block nhánh phải

RSA Respiratory Sinus Arrhythmia Rối loạn nhịp xoang

S Supraventricular Premature Beat Loạn nhịp thất trên

SNR Signal to Noise Ratio Tỉ số tín hiệu trên tạp âm

SVD Singular Value Decomposition Phân tích theo các giá trị kỳ dị

TSK Takaga – Sugeno – Kang neuro fuzzy

network

Mạng nơ­ron logic mờ TSK (Takaga – Sugeno – Kang)

V Premature Ventricular Contraction Ngoại tâm thu thất

DANH MỤC CÁC BẢNG BIỂU

Bảng 1.1 Các trường hợp thử nghiệm phục vụ các kịch bản nhận dạng 21

Bảng 2.1: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình loại bỏ ảnh hưởng của nhịp thở sử dụng bộ lọc số 26

Bảng 3.1: Tính toán tần số trung tâm để xác định mức phân tích phù hợp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG ở tần số lấy mẫu 360Hz 40

Bảng 3.2: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình loại bỏ ảnh hưởng của nhịp thở sử dụng thành phần A8 và A9 khi sử dụng các họ wavelet bậc 4 và bộ lọc Butterworth_2 41

Bảng 3.3 Kết quả đếm số nhịp thở trong 10 lần thử nghiệm 49

Bảng 4.1 Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 7 loại nhịp 55

Bảng 4.2 Bảng phân chia số lượng mẫu của 3 loại nhịp 58

Bảng 4.3 Bảng phân chia số lượng mẫu cho thử nghiệm dạng MGH/20­20 58

Bảng 4.4 Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp của thử nghiệm 1.1 62

Bảng 4.5 Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp của thử nghiệm 2.1 63

Bảng 4.6 Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 1.2 65

Bảng 4.7 Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 2.2 66

Bảng 4.8 Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 3.2 66

Bảng 4.9 Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 4.2 67

Bảng 4.10 Kết quả nhận dạng 3 loại mẫu nhịp của hai thử nghiệm dạng MGH/15­5 69

Bảng 4.11 Kết quả nhận dạng 3 loại mẫu nhịp của hai thử nghiệm dạng MGH/19­1 71

Bảng A.1: Kết quả tính toán thông số SNR, CORR, PRD và TH1 khi sử dụng bộ lọc Butterworth_2 và Rectang_100 86

Bảng A.2: Kết quả tính toán thông số SNR, CORR, PRD và TH1 khi sử dụng bộ lọc Kaiser_56 và Kaiser_255 86

Bảng B.1: Kết quả tính toán các thông số khi sử dụng họ wavelet Biorthogonal 87

Bảng B.2: Kết quả tính toán các thông số khi sử dụng họ wavelet Coiflets 87

Bảng B.3: Kết quả tính toán các thông số khi sử dụng họ wavelet Daubechies 88

Bảng B.4: Kết quả tính toán các thông số khi sử dụng họ wavelet Symlets 89

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Hình 1.1: Cấu trúc giải phẫu của tim 6

Hình 1.2: Hệ thống dẫn truyền của tim 7

Hình 1.3: Mẫu các dạng sóng khác nhau hình thành nên tín hiệu ECG 8

Hình 1.4: Mẫu tín hiệu ECG và các điểm đặc trưng chính 9

Hình 1.5: Ba chuyển đạo I, II, III bố trí theo tam giác Eithoven 9

Hình 1.6: Ba chuyển đạo đơn cực các chi tăng cường (aVF, aVL, aVF) 10

Hình 1.7: Sáu chuyển đạo trước tim (V1, V2, V3, V4, V5, V6) 10

Hình 1.8: Cấu trúc giải phẫu của phổi 11

Hình 1.9: Các động tác của quá trình hô hấp 12

Hình 1.10: Tín hiệu ECG có khoảng R­R thay đổi và tín hiệu nhịp thở 13

Hình 1.12: Tín hiệu ECG bị trôi dạt đường cơ sở và tín hiệu nhịp thở 14

Hình 1.13: Sơ đồ khối mô hình tổng quát thực hiện các giải pháp đề xuất của luận án 16

Hình 1.14: Sơ đồ khối kịch bản 1(kịch bản cơ sở) nhận dạng tín hiệu ECG bằng mạng TS .18

Hình 1.15: Sơ đồ khối kịch bản 2 nhận dạng (bằng mạng TSK) tín hiệu ECG đã lọc bằng wavelet 18

Hình 1.16: Sơ đồ khối kịch bản 3 nhận dạng (bằng mạng TSK) tín hiệu ECG sử dụng thêm 2 đặc tính từ nhịp thở (không lọc ECG bằng wavelet) 19

Hình 1.17: Sơ đồ khối kịch bản 4 nhận dạng (bằng mạng TSK) tín hiệu ECG đã được lọc bằng wavelet và sử dụng thêm 2 đặc tính từ nhịp thở 19

Hình 2.1: Tín hiệu ECG gốc (a), tín hiệu ECG bị ảnh hưởng của nhịp thở (b) và tín hiệu ECG được loại bỏ ảnh hưởng của nhịp thở bằng các bộ lọc số (c,d,e,f) .27

Hình 2.2: Cấu trúc các bước phân tích tín hiệu thành các thành phần “chi tiết” và “xấp xỉ“ .29

Hình 2.3: Đồ thị của hàm Hermite bậc N khác nhau 31

Hình 2.4: Mạng nơron mờ TSK một đầu ra 35

Hình 3.1: Một số họ wavelet được sử dụng để phân tích tín hiệu 39

Hình 3.2: Tín hiệu nhịp thở (a), tín hiệu ECG bị điều chế biên độ (b), thành phần A8 (c), tín hiệu ECG được loại bỏ nhịp thở bằng họ Coif4 (d), tín hiệu nhịp thở và thành phần A8 (e)

42

Hình 3.3: Tín hiệu nhịp thở (a), tín hiệu ECG bị trôi dạt đường cơ sở (b), thành phần A8 (c), tín hiệu ECG được loại bỏ nhịp thở bằng họ Coif4 (d), tín hiệu nhịp thở và thành phần A8 (e) 43

Hình 3.4: Mẫu tín hiệu nhịp thở .45

Hình 3.5: Sự bất đối xứng biên độ tín hiệu giữa hít vào, thở ra 45

Hình 3.6: Sơ đồ khối mạch thu thập tín hiệu nhịp thở 46

Hình 3.7: Cấu trúc của cảm biến gia tốc MMA8451Q 47

Hình 3.8: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc 47

Hình 3.9a: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc ở trạng thái thở thường 48

Hình 3.9b: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc ở trạng thái thở chậm .48

Hình 3.9c: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc ở trạng thái thở nhanh .48

Hình 3.10: Tín hiệu tách ra từ 3 trục của cảm biến gia tốc bằng thành phần A8 49

Hình 4.1: Xấp xỉ tín hiệu ECG bằng N bậc đầu tiên của hàm Hermite 53

Hình 4.2: Một số mẫu phức bộ QRS của các loại nhịp A, E, L, R, I và V của tín hiệu ECG .56

Hình 4.3: Một số mẫu phức bộ QRS của các loại nhịp S và V của tín hiệu ECG 57

Hình 4.4: Đồ thị biểu diễn kết quả khảo sát số luật TSK của các thử nghiệm MIT/16­16 61 Hình 4.5: Đồ thị biểu diễn kết quả khảo sát số luật TSK của các thử nghiệm MGH/20­2064

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Ngày nay cùng với sự phát triển mạnh mẽ của công nghệ thông tin và điện tử đã và đang đem lại nhiều hiệu quả trong đời sống xã hội Trong y học, công nghệ thông tin và điện tử đã đem lại nhiều ứng dụng trong chăm sóc sức khỏe con người Mặt khác các bác sĩ luôn cần có các thông tin càng chính xác càng tốt cho các công tác chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh

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] Tuy nhiên với đặc thù tín hiệu ECG thường có biên độ nhỏ và dễ bị ảnh hưởng của nhiều thành phần nhiễu khác nhau như: nhiễu do nguồn điện lưới, do các điện cực tiếp xúc kém với bề mặt

cơ thể của bệnh nhân, do sự thay đổi cảm xúc của bệnh nhân, do quá trình hô hấp và chuyển động của bệnh nhân… Hiện nay 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] Đồng thời lưu lượng không khí trong quá trình hít thở cũng làm thay đổi nồng độ Oxygen trong máu, từ đó dẫn tới các thay đổi trong tín hiệu ECG [47]

Nhận dạng tín hiệu ECG là một trong những vấn đề kỹ thuật vẫn đang được tiếp tục quan tâm, đầu tư nghiên cứu hiện nay do đây là một vấn đề khó, yêu cầu độ chính xác và

độ tin cậy ngày càng cao hơn Một trong những nguyên nhân gây khó khăn cho nhận dạng tín hiệu ECG là sự ảnh hưởng bởi quá trình chuyển động của người bệnh đặc biệt là các hoạt động của quá trình hô hấp gây ra Đã có nhiều nghiên cứu ở nước ngoài đề xuất loại

bỏ ảnh hưởng nhịp thở trong tín hiệu ECG [10, 17, 21, 49, 61, 76, 94, 96] Tại Việt Nam cũng đã có một số công trình như trong luận án của TS Hoàng Mạnh Hà đề xuất các phương pháp thích nghi trong lọc nhiễu tín hiệu ECG và luận án của TS Vương Hoàng Nam đề xuất phương pháp phân tích thành phần độc lập để loại bỏ nhiễu trong tín hiệu ECG (tuy nhiên hai luận án này chưa đề cập đến ảnh hưởng của nhịp thở trong tín hiệu ECG và giải pháp loại bỏ sự ảnh hưởng này) Trong luận án của TS Chử Đức Hoàng đề xuất thuật toán phân tích biến động khử khuynh hướng để phân tích chứng loại nhịp tim, các kết quả nghiên cứu mới chỉ dừng lại ở việc phân tích có bệnh hay không có bệnh còn trong luận án của TS Phan Duy Hùng cũng như trong các công trình [72, 80] các tác giả đề

xuất sử dụng một cảm biến gia tốc để đếm số nhịp thở đồng thời với quá trình thu thập tín hiệu ECG để chẩn đoán chứng ngừng thở của người bệnh

Vì vậy, 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 của tín hiệu ECG để nâng cao độ tin cậy và độ chính xác kết quả nhận dạng tình trạng bệnh lý tim mạch của người bệnh 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 và lựa chọn một giải pháp phù hợp loại bỏ các 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 (sử dụng chung một bộ đặc tính và một mô hình nhận dạng với kịch bản 1)

 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

Các kết quả tính toán, phân tích và nhận dạng sẽ được thực hiện trên phần mềm Matlab

3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu của luận án gồm:

 Giải phẫu sinh lý học 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 véc­tơ 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 mô hình lý thuyết

 )

 Các mô hình được phát triển theo hướng khối hóa, phân tích hệ thống theo chu trình

từ tổng thể đến chi tiết

 Các giải pháp sẽ được đánh giá bằng thực nghiệm, trên cơ sở tính toán độ tin cậy và

độ cải thiện của các mô hình nhận dạng khi sử dụng các giải pháp đề xuất của luận

án so với không sử dụng đề xuất của luận án Giải pháp được lựa chọn là giải pháp

có độ chính xác cao nhất khi kiểm tra với bộ số liệu mẫu mới, chưa được dùng khi xây dựng mô hình

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 đã

có sẵn, được xây dựng bởi các nhóm chuyên gia thế giới và đã được nhiều tác giả sử dụng trong công trình nghiên cứu của họ Cụ thể trong luận án này sẽ sử dụng 2 cơ sở dữ liệu mẫu là cơ sở dữ liệu MIT­BIH và cơ sở dữ liệu MGH/MF được công bố tại địa chỉ www.physionet.org Các tín hiệu ECG trong hai cơ sở dữ liệu này đã được các bác sỹ khảo sát và đánh dấu từng vị trí đỉnh R cho mỗi nhịp tim và phân loại từng nhịp tim trong đó

Ngoài ra cơ sở dữ liệu MGH/MF còn có các tín hiệu nhịp thở đo đồng bộ với tín hiệu ECG nên rất phù hợp với mục tiêu sử dụng trong luận án

Đối với mỗi mô hình nhận dạng, nghiên cứu sinh sẽ tạo một bộ mẫu đa dạng gồm nhiều loại nhịp bệnh với số lượng phân bố tương đối đều (theo khả năng đáp ứng của cơ sở

dữ liệu) từ nhiều người bệnh khác nhau Bộ mẫu đa dạng này sẽ giúp nâng cao khả năng tổng quát hóa khi nhận dạng của các mô hình đã được huấn luyện

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 Luận án sẽ tạo nhiều kịch bản để so sánh kiểm chứng trên nhiều bộ số liệu khác nhau nhằm nâng cao được độ tin cậy của các kết quả Ngoài các so sánh sử dụng sai số tuyệt đối và sai

số tương đối giữa các trường hợp, nghiên cứu sinh còn sử dụng thêm các test thống kê cho những trường hợp có chuỗi sai số cần đánh giá

6 Ý nghĩa khoa học và thực tiễn của đề tài

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

 Kết quả kiểm chứng chất lượng nhận dạng:

 Việc loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG giúp cải thiện chất lượng của nhận dạng tín hiệu ECG,

 Việc sử dụng thông tin trực tuyến từ nhịp thở cũng giúp cải thiện chất lượng nhận dạng tín hiệu ECG

8 Bố cục của luận án

Luận án gồm phần Mở đầu, 4 chương chính, phần kết luận và danh mục các tài liệu tham khảo cũng như các công trình đã công bố của luận án Chi tiết của các phần gồm như sau:

Mở đầu: Trình bày các vấn đề chung của luận án, tóm tắt về nội dung nghiên cứu, những đóng góp của luận án và bố cục của luận án

Chương 1: Trình bày tổng quan về hệ tim mạch ­ hô hấp, một số ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG và một số giải pháp đã được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Từ đó đề xuất định hướng nghiên cứu của luận án

Chương 2: Trình bày tổng quan một số giải pháp sử dụng bộ lọc số để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG, khảo sát mức độ ảnh hưởng đến hình dạng và đặc tính tín hiệu ECG làm cơ sở đề xuất sử dụng phương pháp phân tích tín hiệu bằng biến đổi wavelet để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG 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 nơ­ron 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 như: trôi dạt đường cơ sở, điều chế biên

độ 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 MMA8451Q

Chương 4: Trình bày phương pháp phân tích và trích chọn đặc tính tín hiệu ECG bằng hàm phân tích tín hiệu chuẩn Hermite phục vụ bài toán nhận dạng tín hiệu ECG; Ứng dụng mạng nơ­ron logic mờ TSK xây dựng mô hình nhận dạng tín hiệu ECG kiểm chứng giải pháp đề xuất của luận án và Kết quả nhận dạng tín hiệu ECG

Phần cuối cùng là kết luận và hướng phát triển, danh mục các tài liệu tham khảo 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

Chương này trình bày tổng quan về hệ tim mạch ­ hô hấp, một số ảnh hưởng của nhịp thở trong tín hiệu ECG và một số giải pháp đã được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Từ đó đề xuất các định hướng nghiên cứu của luận án và mô

tả khái quát các cơ sở dữ liệu được sử dụng trong luận án

Hình 1.1: Cấu trúc giải phẫu của tim

Tim phải chứa máu đỏ sẫm, nhiều Carbon dioxide Tim trái chứa máu đỏ tươi, giàu Oxygen và dưỡng chất Mỗi bên được chia thành 2 ngăn, tâm nhĩ ở trên, tâm thất ở dưới

Để kiểm soát dòng chảy của máu, trong tim tồn tại bốn van: Van hai lá, van ba lá, van động mạch chủ và van động mạch phổi Giữa tâm nhĩ trái và tâm thất trái là van hai lá, giữa tâm nhĩ phải và tâm thất phải là van ba lá, van động mạch phổi nằm giữa tâm thất phải

và động mạch phổi, van động mạch chủ nằm trong dòng chảy của tâm nhĩ phải Giữa các động mạch và các tâm thất có van tổ chim ngăn không cho máu chảy ngược về tim Thành tim được hình thành từ các cơ tim (cơ nhĩ, cơ thất và những sợi cơ có tính kích thích, dẫn truyền đặc biệt), cơ tim chịu trách nhiệm về các hoạt động cơ học của tim (quá trình bơm máu) Quá trình co bóp của tim dẫn đến hình thành các xung điện, các xung điện này được gọi là điện thế hoạt động của tim và tạo nên các dạng sóng tín hiệu và khi xếp chồng các dạng sóng tín hiệu này ta thu được tín hiệu ECG như hình 1.4

1.1.2 Hệ thống dẫn truyền của tim

1.1.2.1 Quá trình điện học của tim [4, 5]

Quá trình điện học của tim là do sự biến đổi hiệu điện thế giữa mặt trong và mặt ngoài màng tế bào cơ tim Sự biến đổi hiệu điện thế này bắt nguồn từ sự di chuyển của các

ion K , Na , … từ ngoài vào trong tế bào và từ trong tế bào ra ngoài khi tế bào cơ tim hoạt động

Khi tế bào bắt đầu hoạt động (bị kích thích) điện thế mặt ngoài màng tế bào sẽ trở thành âm tính tương đối (bị khử mất cực dương) so với mặt trong, được gọi đó là hiện

tượng khử cực (depolarization)

Sau đó, tế bào dần dần lập lại thế thăng bằng ion lúc nghỉ, điện thế mặt ngoài trở lại dương tính tương đối (tái lập cực dương), được gọi đó là hiện tượng tái cực

(repolarization)

1.1.2.2 Quá trình hình thành tín hiệu ECG

Cơ tim có cấu tạo đặc biệt gồm những thớ cơ vân đan chằng chịt với nhau và chúng

co bóp khi bị kích thích Bên cạnh các sợi co bóp, còn có các sợi cơ đặc biệt có nhiệm vụ tạo ra và dẫn truyền xung điện đến các sợi cơ của tim

Hình 1.2: Hệ thống dẫn truyền của tim

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 (tạo nên sóng P) Sau đó dòng 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 (tạo nên sóng T) [60] 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

Hình 1.3: Mẫu các dạng sóng khác nhau hình thành nên tín hiệu ECG

1.1.3 Tín hiệu ECG

Tín hiệu ECG đại diện cho một số sự kiện điện trong tim, chẳng hạn như tâm nhĩ khử cực, tâm nhĩ tái phân cực, tâm thất khử cực, tâm thất tái phân cực… Một tín hiệu ECG bình thường gồm các điểm và đoạn đặc trưng như hình 1.4 [60, 93] Tín hiệu ECG là thông tin quan trọng trong chẩn đoán và theo dõi lâm sàng [10, 11, 66, 84, 86, 103]

 Sóng P: đại diện cho làn sóng khử cực lan truyền từ nút xoang sang tâm nhĩ, độ dài của sóng P thường từ 80ms đến 100ms

 Khoảng PR: là khoảng thời gian cần thiết để xung điện đi từ nút xoang qua nút nhĩ thất (AV) vào các tâm thất, độ dài khoảng PR thường từ 120ms đến 200ms

 Phức bộ QRS: là quá trình khử cực tâm thất, độ dài của phức bộ QRS bình thường là

từ 80ms đến 100ms

 Sóng Q: đại diện quá trình khử cực từ trái sang phải của vách ngăn liên tâm thất

 Sóng R: đại diện quá trình khử cực sớm của tâm thất

Hình 1.4: Mẫu tín hiệu ECG và các điểm đặc trưng chính

 Sóng S: đại diện quá 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, khoảng thời gian này có thể dao động từ 200ms đến 400ms tùy thuộc vào nhịp tim

 Sóng T: đại diện tái cực thất và thời gian kéo dài hơn so với quá trình khử cực

1.1.4 Các chuyển đạo ECG

Cơ thể con người là một chất dẫn điện tốt, do đó hoạt động điện của tim có thể thu được bằng cách sử dụng các cặp điện cực gắn trên bề mặt cơ thể Các điện cực ghi lại hình chiếu véctơ tổng hợp của các xung điện trong tim Vị trí các điện cực khác nhau sẽ thu được hình dáng của tín hiệu ECG khác nhau Một cặp điện cực được gọi là một chuyển đạo, hệ thống các chuyển đạo được sử dụng phổ biến nhất là hệ thống 12 chuyển đạo tiêu chuẩn được xác định bởi Einthoven [24, 28]

Hình 1.5: Ba chuyển đạo I, II, III bố trí theo tam giác Eithoven

Ba chuyển đạo lưỡng cực các chi (I, II, III) như hình 1.5 là các điện cực được đặt theo hình tam giác (cánh tay trái, cánh tay phải và chân trái) với tim ở trung tâm Sự bố trí này được gọi là tam giác của Eithoven

Ba chuyển đạo đơn cực các chi tăng cường (aVF, aVL, aVF) như hình 1.6 là các điện cực cũng có cùng vị trí như trong trường hợp của các chuyển đạo I, II và III Sự khác biệt

là cặp điện cực của các chuyển đạo là điện thế của một đỉnh tam giác và trung bình của hai đỉnh còn lại

Hình 1.6: Ba chuyển đạo đơn cực các chi tăng cường (aVF, aVL, aVF)

Sáu chuyển đạo đơn cực trước tim được ký hiệu từ V1 đến V6 như hình 1.7 là các chuyển đạo được định nghĩa là sự khác biệt giữa điện thế của điện cực đặt trên ngực với điện cực trung tâm Wilson có điện thế bằng 0

Hình 1.7: Sáu chuyển đạo trước tim (V1, V2, V3, V4, V5, V6)

Trong luận án sử dụng các mẫu tín hiệu ECG từ các cơ sở dữ liệu chuẩn đã được các trung tâm nghiên cứu quốc tế đo và thu thập từ các bệnh nhân thực tế Tuy nhiên các cơ sở

dữ liệu cũng không thu thập đủ 12 đường chuyển đạo mà chỉ có từ 1 đến 3 chuyển đạo (tùy theo lựa chọn của người đo và của từng bệnh nhân cụ thể)

1.2 Hệ hô hấp

Phổi đóng vai trò trung tâm của hệ hô hấp, phổi đảm bảo việc hấp thụ Oxygen loại

bỏ Carbon dioxide trong các tế bào máu Oxygen được vận chuyển từ phổi đến các tế bào trong cơ thể thông qua các mạch máu Hệ hô hấp thực hiện điều này thông qua hơi thở Khi chúng ta hít thở làm thay đổi thể tích và áp suất trong lồng ngực và trong phế nang tạo dòng khí từ ngoài vào trong phế nang và từ phế nang ra ngoài

1.2.1 Cấu trúc của phổi

Phổi gồm có hai buồng phổi nằm trong lồng ngực được bao bọc bởi các xương sườn, phía dưới là cơ hoành Giữa hai buồng phổi là khí quản (1) Khí quản phân ra hai nhánh phế quản chính (2) và (3)

Hình 1.8: Cấu trúc giải phẫu của phổi [106]

Buồng phổi bên trái có 2 thùy (trái­trên (5a), trái­dưới (5b)), bên phải có 3 thùy (phải­trên (4a), phải­giữa (4b) và phải­dưới (4c)) Mỗi buồng phổi có một phế quản chính, một động mạch (8) và hai tĩnh mạch – những ống dẫn này chia như nhánh cây chi chít từ lớn ở giữa ngực (trung thất) đến cực nhỏ phía ngoài cùng của buồng phổi – kèm theo là các dây thần kinh và mạch bạch huyết

Với các cấu trúc như đã trình bày ở trên, trong quá trình hô hấp (được mô tả ở phần tiếp theo), các chuyển động của lồng ngực sẽ làm thay đổi điều kiện và môi trường đo tín hiệu ECG dẫn tới gây ra các ảnh hưởng trong tín hiệu ECG thu thập được

1.2.2 Các động tác của hệ hô hấp

Hệ hô hấp có hai động tác chính là động tác hít vào và động tác thở ra Động tác hít vào được thực hiện do các cơ hít vào co lại làm tăng kích thước của lồng ngực theo cả ba chiều: Chiều thẳng đứng, chiều trước sau và chiều ngang Khi kích thước lồng ngực tăng

lên, phổi được kéo giãn ra làm áp suất không khí ở phế nang thấp hơn áp suất ở khí quyển

và không khí từ ngoài tràn vào phổi Cuối chu kỳ hít vào, các cơ hít vào giãn ra và động tác thở ra được bắt đầu Quá trình thở ra làm các xương sườn hạ xuống, cơ hoành lồi lên phía lồng ngực, thể tích của lồng ngực giảm đi, phổi co lại làm áp suất trong phế nang cao hơn

áp suất khí quyển nên không khí từ phổi đi ra ngoài

Hình 1.9: Các động tác của quá trình hô hấp

Quá trình hít vào – thở ra đã làm thay đổi thể tích lồng ngực dẫn đến làm thay đổi trở kháng tiếp xúc giữa điện cực với bề mặt cơ thể và thay đổi góc của vectơ tim so với vectơ tham chiếu gây ra các ảnh hưởng trong tín hiệu ECG đưa về mạch thu thập

1.3 Một số ảnh hưởng của nhịp thở trong tín hiệu ECG

Phổi và tim được kết nối bởi các mạch máu để đảm bảo rằng tất cả các bộ phận trong

cơ thể nhận được lượng Oxygen và dưỡng chất cần thiết Phổi lần lượt đóng một vai trò chủ đạo trong việc hấp thụ Oxygen và giải phóng Carbon dioxide, các cơn co thắt của tim giúp lưu thông máu khắp cơ thể Vì vậy dễ dàng nhận thấy rằng nhịp thở có ảnh hưởng tới các đặc tính của tín hiệu ECG và sự ảnh hưởng này được phân tích lần đầu tiên bởi hệ thống Einthoven [25] Các nghiên cứu của [70, 94] cũng đã chỉ ra rằng các hoạt động hô hấp dẫn đến sự thay đổi véctơ trục điện tim [94] Mặt khác 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] dẫn đến làm thay đổi các thông tin lâm sàng trong việc chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh [39, 52] Xét về mặt tín hiệu thì nhịp thở có dải tần từ [0,05 ÷1]Hz tương ứng với vùng tần số thấp của tín hiệu ECG làm thay đổi chu kỳ R­R, sóng P và sóng T trong tín hiệu ECG và gây ra ba ảnh hưởng trong tín hiệu ECG đó là rối loạn nhịp tim, điều chế biên độ tín hiệu ECG và trôi dạt đường

cơ sở

1.3.1 Rối loạn nhịp tim

Rối loạn nhịp tim là hiện tượng khoảng thời gian (chu kỳ) R­R của tín hiệu ECG bị thay đổi theo nhịp thở [17, 21, 23, 29, 38, 40, 47, 56, 75], cụ thể là khoảng R­R rút ngắn trong thời gian hít vào và kéo dài trong thời gian thở ra như trên hình 1.10

Mặt khác đối với bài toán nhận dạng tín hiệu ECG khoảng R­R của tín hiệu ECG là một đặc tính quan trọng [57, 68, 73, 74, 98] nên việc chu kỳ R­R thay đổi sẽ làm ảnh hưởng tiêu cực tới chất lượng của quá trình nhận dạng tín hiệu ECG

Hình 1.10: Tín hiệu ECG có khoảng R­R thay đổi và tín hiệu nhịp thở

1.3.2 Điều chế biên độ tín hiệu ECG

Điều chế biên độ tín hiệu ECG là một hiện tượng mà biên độ đỉnh R của tín hiệu ECG bị điều chế theo nhịp thở [49, 70, 94] như trên hình 1.11 Trong quá trình hít vào, cơ hoành dịch chuyển xuống dưới không khí được điền đầy vào trong phổi làm đỉnh tim được kéo dài về phía bụng, quá trình thở ra, nhờ chuyển động lên của cơ hoành khí được đẩy hết

ra khỏi phổi nên đỉnh của tim dịch chuyển về phía ngực [20] Vì vậy quá trình hít thở đã làm thay đổi thể tích của lồng ngực dẫn đến sự thay đổi trở kháng của lồng ngực [49] và thay đổi góc của vectơ tim so với vectơ tham chiếu [94]

Hình 1.11: Tín hiệu ECG bị điều chế biên độ và tín hiệu nhịp thở

Đối với bài toán nhận dạng tín hiệu ECG, biên độ đỉnh R cũng là một đặc tính quan trọng của nhận dạng tín hiệu ECG [57, 68, 73, 74, 93, 98] nên việc điều chế đỉnh R của tín hiệu ECG cũng làm ảnh hưởng xấu tới kết quả nhận dạng

1.3.3 Trôi dạt đường cơ sở

Quá trình hít thở làm co dãn trên bề mặt cơ thể dẫn đến trở kháng tiếp xúc giữa các điện cực và bề mặt cơ thể bị thay đổi gây ra trôi dạt đường cơ sở trong tín hiệu ECG [10,

28, 36, 58, 61, 64, 69, 97, 103] được ví dụ như trên hình 1.12 Trôi dạt đường cơ sở làm thay đổi biên độ đỉnh R của tín hiệu ECG Vì vậy việc điều chế này cũng làm ảnh hưởng xấu tới kết quả nhận dạng tín hiệu ECG

Hình 1.12: Tín hiệu ECG bị trôi dạt đường cơ sở và tín hiệu nhịp thở

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

Như đã trình bày ở mục 1.3 các hoạt động của quá trình hô hấp đã làm biến đổi hình dạng và đặc tính của tín hiệu ECG, do đó ảnh hưởng đến công tác chẩn đoán, xác định bệnh, điều trị bệnh và theo dõi diễn biến bệnh của bác sĩ Vì vậy đã có một số công trình nghiên cứu đề xuất giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Trong số các phương pháp được sử dụng phổ biến để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG có thể kể tới các phương pháp sử dụng bộ lọc thông cao tĩnh hoặc các phương pháp

sử dụng các bộ lọc thông cao thích nghi

Các tác giả trong [45, 48, 76, 84, 95] đề xuất sử dụng bộ lọc thông cao FIR (Finite Impulse Response) để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Trong [48] đề

xuất sử dụng bộ lọc FIR bậc 56 và 100 tần số cắt 3,5Hz; trong [45, 84] đề xuất sử dụng bộ

lọc FIR bậc 100, tần số cắt 3Hz; trong [76] đề xuất sử dụng bộ lọc IIR (Infinite Impulse Response) tần số cắt 0,5Hz và trong [95] đề xuất sử dụng bộ lọc FIR bậc 255 tần số cắt

0,8Hz để loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG

Phương pháp sử dụng bộ lọc thông cao có nhược điểm là tần số cắt của bộ lọc cố định trong khi đó ảnh hưởng của nhịp thở trong tín hiệu ECG là phi tuyến [17, 21, 49, 94]

và phụ thuộc nhiều vào trạng thái của người bệnh Vì vậy, nếu chọn tần số cắt của bộ lọc quá cao sẽ loại bỏ một số thông tin lâm sàng trong vùng tần số thấp của tín hiệu ECG còn

nếu chọn tần số cắt quá thấp sẽ không loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG Để khắc phục một số hạn chế này, các tác giả trong các công trình [17, 64, 69, 92,

96, 103] đề xuất sử dụng bộ lọc thích nghi

Các tác giả trong [69, 92] đề xuất sử dụng thuật toán lọc thích nghi LMS (Least Mean Squares); trong [64] đề xuất sử dụng bộ lọc thích nghi Kalman; trong [17, 96] đề xuất sử dụng bộ lọc số có đáp ứng xung hữu hạn FIR (Finite Impulse Response) kết hợp

với thuật toán lọc thích nghi LMS để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Các kết quả thực nghiệm trên cơ sở dữ liệu MIT­BIH đã khắc phục được hạn chế của phương pháp lọc sử dụng bộ lọc thông cao Tuy nhiên 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

Các tác giả trong [78] đề xuất sử dụng thuật toán FastICA bằng phương pháp phân

tích thành phần độc lập (ICA ­ Independent Component Analysis) để loại bỏ ảnh hưởng của

nhịp thở trong tín hiệu ECG; 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) 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 và phi Gauss; phương pháp PCA đặc biệt là kPCA có nhược điểm là thời gian tính toán lớn

Các tác giả trong [56, 65, 104] sử dụng phương pháp EMD (Empirical Mode Decomposition); trong [108] đề xuất sử dụng phương pháp EMD kết hợp bộ lọc thích nghi LMS; trong [36] đề xuất sử dụng bộ lọc trung bình trung tâm MEM (Mean­Median Filter)

để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Các kết quả thực nghiệm trên bộ cơ

sở dữ liệu MIT­BIH cho thấy phương pháp đã loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG nhưng làm ảnh hưởng đến đặc tính của tín hiệu ECG như sóng P, T và phân đoạn S­T

1.5 Định hướng của luận án

Từ các phân tích ở trên cho thấy ảnh hưởng của nhịp thở đến tín hiệu ECG là gián tiếp, về mặt tín hiệu thì ảnh hưởng này là phi tuyến [17, 21, 49, 94] và gây ra rối loạn nhịp tim, điều chế biên độ và trôi dạt đường cơ sở trong tín hiệu ECG làm ảnh hưởng đến chất lượng nhận dạng tín hiệu ECG 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; 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

Các giải pháp đề xuất loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG như phương pháp sử dụng bộ lọc thông cao [45, 48, 76, 84, 95] làm ảnh hưởng mạnh đến hình dạng và đặc tính của tín hiệu ECG, phương pháp sử dụng bộ lọc thích nghi [17, 64, 69, 92, 96] 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 (ICA) [78] yêu cầu các tín hiệu và nhiễu phải độc lập tuyến tính, phương pháp phân tích thành phần chính (PCA) [49]

và phân tích thành phần chính cốt lõi (kPCA) [21] yêu cầu 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 mà làm ảnh hưởng nhỏ đến đặc tính của tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG Các giải pháp đề xuất của luận án được kiểm chứng với các bộ mẫu là các véc­tơ 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 véc­tơ 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 (hay còn gọi là số các trường hợp False Negative ­ là các trường hợp nhịp bệnh nhưng phát hiện nhầm là nhịp bình thường)

 Số trường hợp chẩn đoán dương tính giả (hay còn gọi là số các trường hợp False Positive ­ là các trường hợp nhịp bình thường nhưng phát hiện nhầm là nhịp bệnh)

Mô hình được coi là tốt hơn khi các sai số này là nhỏ, trong đó quan trọng nhất là chỉ

số FN do đây là trường hợp có thể ảnh hưởng nguy hiểm nhất tới người bệnh

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 véc­tơ 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 véc­tơ 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 1.13

Hình 1.13: Sơ đồ khối mô hình tổng quát thực hiện các 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 Phương pháp này có ưu điểm là đơn giản, cho phép phân tích tín hiệu chính xác trong miền thời gian, tần

số theo tỉ lệ mong muốn, không cần tín hiệu nhịp thở thực để tham chiếu và thời gian tính toán nhỏ Vì vậy đã khắc phục được nhược điểm của các phương pháp sử dụng bộ lọc thích nghi và phương pháp ICA, phương pháp 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 nhịp thở trong tín hiệu ECG [35, 43, 46, 51, 61, 71, 83, 97, 101] Tuy nhiên các đề xuất

sử dụng họ wavelet và bậc của các tác giả 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, đồng thời tiêu chí đánh giá chất lượng lọc chủ yếu là hình dạng của tín hiệu sau khi lọc hoặc là các thành phần hình dạng chính chứ chưa sử dụng để nhận dạng tín hiệu ECG để phát hiện tình trạng bệnh lý tim mạch 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 bệnh nhân 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 chất lượng các đặc tính dùng thêm khi sử dụng chung một mô hình nhận dạng (luận án đề xuất dùng mạng nơ­rơn logic mờ TSK ((Takaga

­ Sugeno ­ Kang) là một trong số những mạng có chất lượng nhận dạng cao nhất hiện nay) theo 4 kịch bản:

 Kịch bản 1 (là kịch bản cơ sở để so sánh): Nhận dạng trực tiếp từ tín hiệu ECG của cơ sở dữ liệu mà không sử dụng lọc wavelet và không sử dụng đặc tính từ nhịp thở

 Kịch bản 2: Nhận dạng tín hiệu ECG sau đi đã sử dụng lọc wavelet để loại bỏ ảnh hưởng của nhịp thở

 Kịch bản 3: Nhận dạng tín hiệu ECG có sử dụng đặc tính từ nhịp thở được đo đồng thời cùng tín hiệu ECG

 Kịch bản 4: là trường hợp sử dụng tổng hợp cả hai giải pháp trong kịch bản 2

và 3, có nghĩa là thử nghiệm nhận dạng tín hiệu ECG đã được lọc wavelet đồng thời có sử dụng đặc tính từ nhịp thở được đo đồng thời với tín hiệu ECG 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 Chi tiết của các kịch bản này được trình bày tiếp theo

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

Cho đến thời điểm hiện nay đã có nhiều công trình đề xuất nhiều mô hình nhận dạng khác nhau như: Mạng MLP [81, 88], SVM [26, 41, 98], TSK [57, 68, 93] … để nhận dạng tín hiệu ECG Theo các tài liệu tham khảo cho cơ sở dữ liệu MIT­BIH và MGH/MF đồng thời với việc sử dụng các hàm Hermite để phân tích tín hiệu ECG thì việc ứng dụng mạng TSK cho đến nay vẫn là một trong những phương pháp nhận dạng được nhiều loại bệnh (7 hoặc 13 bệnh) với độ chính xác cao nhất là trên 95% Vì vậy luận án lựa chọn mô hình nhận dạng sử dụng mạng nơ­ron logic mờ TSK như trên hình 1.14 là mô hình cơ sở để kiểm nghiệm các đề xuất của luận án Nếu phương pháp đề xuất có thể cải thiện được các kết quả này thì sẽ là một trong những đóng góp chính của luận án 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 cuối cùng và trung bình của 10 chu kỳ giữa hai đỉnh R liên tiếp cuối cùng Các chi tiết của quá trình trích chọn đặc tính sẽ được trình bày ở mục 3.2 và 4.2 tiếp theo

Hình 1.14: Sơ đồ khối kịch bản 1(kịch bản cơ sở) nhận dạng tín hiệu ECG bằng mạng TSK

1.5.2 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 Thực nghiệm sẽ cho thấy việc lọc sơ bộ tín hiệu sẽ giúp làm giảm các ảnh hưởng về điều chế biên độ và trôi dạt đường cơ sở, từ đó sẽ giúp cải thiện được chất lượng nhận dạng

Hình 1.15: Sơ đồ khối kịch bản 2 nhận dạng (bằng mạng TSK) tín hiệu ECG đã lọc bằng wavelet

đó điều chỉnh các kết luận về tín hiệu ECG Thực nghiệm cho thấy việc sử dụng thêm 2 đặc tính này cũng góp phần cải thiện chất lượng nhận dạng tín hiệu ECG

Hình 1.16: Sơ đồ khối kịch bản 3 nhận dạng (bằng mạng TSK) tín hiệu ECG sử dụng thêm 2 đặc

tính từ nhịp thở (không lọc ECG bằng wavelet)

1.5.4 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 Kịch bản 3 và 4 có thể được thực hiện trong trường hợp cơ

sở dữ liệu chứa đường tín hiệu đo nhịp thở đồng thời với tín hiệu ECG Các kết quả thực nghiệm sẽ cho thấy kịch bản 4 này sẽ có kết quả tốt nhất trong các trường hợp đã thử nghiệm

Hình 1.17: Sơ đồ khối kịch bản 4 nhận dạng (bằng mạng TSK) tín hiệu ECG đã được lọc bằng

wavelet và sử dụng thêm 2 đặc tính từ nhịp thở

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

Để kiểm nghiệm các giải pháp đề xuất của luận án, trong luận án nghiên cứu sinh sử dụng các mẫu tín hiệu ECG từ các bộ cơ sở dữ liệu ECG chuẩn như MIT­BIH và có chứa

thông tin của nhịp thở như MGH/MF Hai cơ sở dữ liệu này chứa tín hiệu ECG đã được số

hóa và có thể tải về từ trang Web http://physionet.org Từ cơ sở dữ liệu MIT­BIH luận án

sẽ xây dựng 2 bộ số liệu cho hai trường hợp thử nghiệm, từ cơ sở dữ liệu MGH/MF luận

án sẽ xây dựng 8 bộ số liệu cho tám trường hợp thử nghiệm Bảng 1.1 sẽ thống kê 10 trường hợp này với các mã số tham chiếu tương ứng

Việc từ cơ sở dữ liệu MGH/MF ta có nhiều trường hợp thử nghiệm hơn là do trong

cơ sở dữ liệu này ta có cả các tín hiệu nhịp thở đo đồng thời với tín hiệu ECG (nên ta thử nghiệm được với cả 4 kịch bản đã nêu ở mục 1.5) trong khi cơ sở dữ liệu MIT­BIH chỉ có các đường tín hiệu ECG (nên ta chỉ thử nghiệm được với kịch bản 1 và 2)

1.6.1 Cơ sở dữ liệu MIT-BIH

Cơ sở dữ liệu về chứng loạn nhịp tim MIT­ BIH [108] được thực hiện bởi phòng thí nghiệm loạn nhịp tim BIH (Boston's Beth Israel Hospital) từ năm 1975 đến 1979

Cơ sở dữ liệu MIT­BIH gồm 48 bản ghi có độ dài 30 phút được 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 ghi 201 và 202 được thu thập từ cùng 1 người

Các bản ghi được số hóa ở tần số 360Hz và mỗi bản ghi có ít nhất là hai chuyên gia tim mạch độc lập đánh dấu các mẫu bệnh, các chú thích được đánh dấu tại đỉnh R của từng nhịp tim

Với cơ sở dữ liệu MIT­BIH, luận án sử dụng 16 bản ghi để xây dựng các mẫu ở dạng MIT/16­16, có nghĩa là ta sử dụng một phần các mẫu ECG từ 16 bản ghi (của 16 bệnh nhân được lựa chọn) 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 2 thử nghiệm với các bản ghi tín hiệu ECG trước và sau khi loại bỏ ảnh hưởng của nhịp thở để thử nghiệm với kịch bản 1 (kịch bản cơ sở) và kịch bản 2:

 Trường hợp thử nghiệm 1.1 của kịch bản 1 (theo bảng 1.1): là các bản ghi của tín hiệu ECG chưa được loại bỏ ảnh hưởng của nhịp thở

 Trường hợp thử nghiệm 2.1 của kịch bản 2 (theo bảng 1.1): là các bản ghi của tín hiệu ECG đã được loại bỏ ảnh hưởng của nhịp thở bằng lọc wavelet

1.6.2 Cơ sở dữ liệu MGH/MF

Cơ sở dữ liệu MGH/MF [109] gồm các bản ghi điện tử dạng sóng của tín hiệu ECG, nhịp thở và huyết áp của người bình thường và bệnh nhân tim mạch tại các phòng chăm sóc đặc biệt, phòng mổ, phòng thí nghiệm thông tim, Cơ sở dữ liệu gồm 250 bản ghi được thu thập từ 250 bệnh nhân tại Bệnh viện Đa khoa Massachusetts

Mỗi bản ghi bao gồm 3 tín hiệu ECG và các tín hiệu huyết áp (ABP), áp suất động mạch phổi (PAP), áp suất tĩnh mạnh chủ (CVP), tín hiệu nhịp thở (RES) và lưu lượng khí

CO2 Các bản ghi được số hóa ở tần số lấy mẫu 360Hz

Trong cơ sở dữ liệu MGH/MF có chứa tín hiệu nhịp thở tức thời được thu thập đồng thời cùng với tín hiệu ECG Trong luận án nghiên cứu sinh sử dụng 20 bản ghi của cơ sở

dữ liệu xây dựng 8 trường hợp thử nghiệm với các bản ghi tín hiệu 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/15­5, 02 thử nghiệm cho kịch bản 1 và 2 cho bộ mẫu MGH/19­1 Trong đó:

 Bộ mẫu MGH/20­20 là bộ mẫu chứa các mẫu của 20 bệnh nhân cho quá trình xây dựng mô hình và các mẫu mới của cùng 20 bệnh nhân đó để kiểm tra độ tin cậy của

mô hình

 Bộ mẫu MGH/15­5 là bộ mẫu chứa các mẫu của 15 bệnh nhân cho quá trình xây dựng mô hình và các mẫu mới của 5 bệnh nhân khác để kiểm tra độ tin cậy của mô hình

 Bộ mẫu MGH/19­1 là bộ mẫu chứa các mẫu của 19 bệnh nhân cho quá trình xây dựng mô hình và các mẫu mới của 1 bệnh nhân mới khác để kiểm tra độ tin cậy của

thiết bị, mô hình sau khi được chế tạo bởi nhà sản xuất đều hoạt động với chất lượng khá hạn chế trên những bệnh nhân mới, nhất là trường hợp các tín hiệu y sinh biến thiên mạnh như là điện tim, điện não Để nâng cao được chất lượng, người bệnh cần sử dụng thiết bị ở chế độ ghi lưu trữ tín hiệu của bản thân trong một thời gian nhất định (ví dụ như 1 tuần, 1 tháng,…) sau đó gửi về cho các chuyên gia tiến hành phân tích để cập nhật lại mô hình nhận dạng chuyên biệt theo hướng các đặc trưng của riêng người bệnh Các kết quả tính toán mô phỏng trong luận án này cũng sẽ minh chứng cho thực tế trên, có nghĩa là trường hợp MGH/20­20 sẽ có độ chính xác cao nhất, trường hợp MGH/15­5 sẽ có độ chính xác thấp nhất

Cụ thể chi tiết 8 trường hợp thử nghiệm với cơ sở dữ liệu MGH/MF như trong bảng 1.1 (cùng với hai trường hợp 1.1 và 2.1 của cơ sở dữ liệu MIT­BIH như đã trình bày ở trên):

 4 trường hợp với bộ mẫu MGH/20­20: thử nghiệm cả 4 kịch bản như đã nêu ở mục 1.6

 2 trường hợp với bộ mẫu MGH/15­5: thử nghiệm với kịch bản 1 và kịch bản 2

 2 trường hợp với bộ mẫu MGH/19­1: thử nghiệm với kịch bản 1 và kịch bản 2

1.7 Kết luận chương 1

Nội dung chương này đã trình bày tổng quan hệ tim mạch, hệ hô hấp, các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG, tổng quan một số phương pháp loại bỏ ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG Từ đó đề xuất hướng nghiên cứu của luận án và

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

Phần đầu của chương trình bày khái quát hệ tim mạch, hệ hô hấp, ba ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG là: Rối loạn nhịp tim, điều chế chế biên độ tín hiệu ECG và trôi dạt đường cơ sở trong tín hiệu ECG

Phần tiếp theo của chương trình bày khái quát các phương pháp đã được sử dụng để loại bỏ ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG như: phương pháp sử dụng bộ lọc thông cao, phương pháp sử dụng bộ lọc thích nghi, và một số phương pháp khác như ICA, PCA, … Phương pháp sử dụng bộ lọc thông cao làm ảnh hưởng đến hình dạng và đặc tính của tín hiệu ECG, phương pháp sử dụng bộ lọc thích nghi yêu cầu tín hiệu nhịp thở thực để tham chiếu và cập nhật các thông số của bộ lọc dẫn đến thời gian tính toán lớn, phương pháp phân tích thành phần độc lập yêu cầu tín hiệu ECG và nhịp thở phải độc lập tuyến tính, phương pháp PCA đặc biệt là kPCA yêu cầu thời gian tính toán lớn Vì vậy luận án đề xuất: Sử dụng biến đổi wavelet để loại bỏ ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG Đối với các cơ sở dữ liệu có tín hiệu nhịp thở được thu thập đồng thời với tín

hiệu ECG luận án đề xuất sử dụng thêm các thông tin từ nhịp thở tức thời để nâng cao chất lượng nhận dạng tín hiệu ECG Để kiểm chứng chất lượng lọc và chất lượng các đặc tính

sử dụng thêm tử nhịp thở tức thời, luận án xây dựng 4 kịch bản nhận dạng sử dụng mạng nơ­ron logic mờ TSK

Phần cuối của chương mô tả khái quát về hai cơ sở dữ liệu MIT­BIH và MGH/MF được sử dụng trong luận án và xây dựng các bộ mẫu số liệu cho các kịch bản nhận dạng Phần tiếp theo của luận án trình bày tổng quan một số giải pháp được sử dụng để loại

bỏ ảnh hưởng của nhịp thở và các công cụ xử lý tín hiệu được sử dụng trong luận án

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 số để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG, khảo sát mức độ ảnh hưởng đến hình dạng và đặc tính tín hiệu ECG làm cơ sở đề xuất sử dụng phương pháp phân tích tín hiệu bằng biến đổi wavelet để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG 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 nơ­ron logic mờ TSK

Trong [95] đề xuất sử dụng bộ lọc thông cao Kaiser bậc 255 tần số cắt 0,8Hz (gọi tắt

là bộ lọc Kaiser_255) để loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG Các thử nghiệm

được thực hiện trên các dữ liệu mẫu và dữ liệu thu thập từ các bệnh nhân cho thấy phương pháp đề xuất đã loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG nhưng đã làm ảnh hưởng đến đặc tính của phân đoạn ST trong tín hiệu ECG

Trong [76] đề xuất sử dụng bộ lọc thông cao FIR (Finite Impulse Response) và IIR (Infinite Impulse Response) tần số cắt 0,5Hz để loại bỏ ảnh hưởng của nhịp thở trong tín

hiệu ECG Kết quả thử nghiệm các bộ lọc FIR Kaiser, Hanning, Hamming, Blackman bậc

320, 400 và bộ lọc IIR Butterworth bậc 2 (gọi tắt là bộ lọc Butterworth_2) Bộ lọc

Butterworth bậc 2 có thông số phần trăm bình phương trung bình sai lệch (PRD ­

Percentage Root Mean Squared Difference) của tín hiệu trước và sau khi loại bỏ ảnh

hưởng của nhịp thở nhỏ nhất (32,77%)

Trong [45, 84] đề xuất sử dụng bộ lọc thông cao FIR (Finite Impulse Response) bậc

100, tần số cắt 3Hz để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Kết quả thử nghiệm các bộ lọc Rectangular, Hanning, Hamming và Blackman Bộ lọc bộ lọc thông cao

FIR Rectangular (gọi tắt là bộ lọc Rectang_100) có tỉ số tín hiệu trên tạp âm trung bình

(PSNR) cao nhất (20,31dB)

Trong [48] đề xuất sử dụng bộ lọc thông cao FIR (Finite Impulse Response), bậc 56

và 100, tần số cắt 3,5Hz để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Kết quả thử nghiệm các bộ lọc Rectangular, Hanning, Hamming và Blackman Bộ lọc thông cao

FIR Kaiser bậc 56 tần số cắt 3,5Hz (gọi tắt là bộ lọc Kaiser_56)có kết quả tốt nhất trên cơ

sở tính toán các thông số: độ di pha và suy hao công suất

Để kiểm chứng hiệu quả loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG cũng như mức độ ảnh hưởng đến đặc tính và hình dạng tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở của các bộ lọc này, trong luận án nghiên cứu sinh kiểm chứng lại các bộ lọc trên với tín hiệu ECG bị ảnh hưởng của nhịp thở trong các cơ sở dữ liệu MIT­BIH và MGH/MF Trên cơ sở so sánh về hình dạng tín hiệu ECG và tính toán các thông số SNR, CORR, PRD và TH1 theo các công thức (2.1), (2.2), (2.3) và (2.4), các bộ lọc cho tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở có hệ số tương quan (CORR) và tỉ số tín hiệu trên tạp âm (SNR) lớn, tỉ lệ thành phần tần số dưới 1Hz trong tín hiệu (TH1) và phần trăm trung bình bình phương sai lệch (PRD) nhỏ thì hiệu quả loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG của bộ lọc càng cao

 Tỷ số tín hiệu trên tạp âm (SNR ­ Signal to Noise Ratio)

 

   

2 1

110

N n N n

x n y n CORR

2 1

100

N n N n

ở đây x[n] là tín hiệu ECG gốc, y[ n ] là tín hiệu ECG sau khi đã được loại bỏ ảnh hưởng

của nhịp thở và N là số mẫu tín hiệu

 Tỷ lệ thành phần tần số dưới 1Hz trong phổ tần của tín hiệu ECG (TH 1)

2 1

Bảng 2.1 là kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình khi

sử dụng các bộ lọc số loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Kết quả tính toán chi tiết các thông số này được trình bày chi tiết ở phụ lục A của luận án

Bảng 2.1: Kết quả tính toán các thông số SNR, CORR, PRD và TH 1 trung bình loại

Từ hình 2.1 ta có thể nhận thấy tín hiệu ECG sau khi được loại bỏ ảnh hưởng của nhịp thở bằng bộ lọc thông cao đã bị biến dạng đặc biệt là sóng S (hình 2.1d) và phân đoạn S­T (hình 2.1c, d, f) do đó làm ảnh hưởng đến các thông tin lâm sàng và ảnh hưởng xấu đến kết quả nhận dạng tín hiệu ECG

Phương pháp sử dụng bộ lọc số để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG còn nhiều hạn chế, hiệu quả không cao với các ảnh hưởng phi tuyến của nhịp thở gây

ra trong tín hiệu ECG do tần số cắt của bộ lọc luôn cố định Để khắc phục các hạn chế của

bộ lọc số đã có nhiều công trình nghiên cứu đề xuất loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG bằng bộ lọc wavelet [35, 43, 46, 51, 61, 71, 83, 97, 101] vì wavelet là công

cụ được sử dụng phổ biến để loại bỏ các loại nhiễu nói chung trong tín hiệu Đặc biệt, với các tín hiệu ECG thì các họ wavelet có hình dạng khá tương đồng nên khả năng loại bỏ nhiễu càng được cải thiện

Trong phần tiếp theo của chương này sẽ trình bày tổng quan về wavelet và ứng dụng trong phân tích tín hiệu, trích chọn đăc tính tín hiệu bằng hàm Hermite và mô hình mạng nơ­ron logic mờ TSK

Hình 2.1: Tín hiệu ECG gốc (a), tín hiệu ECG bị ảnh hưởng của nhịp thở (b) và tín hiệu ECG

được loại bỏ ảnh hưởng của nhịp thở bằng các bộ lọc số (c,d,e,f)

2.2 Wavelet và ứng dụng wavelet trong phân tích tín hiệu

2.2.1 Phép biến đổi wavelet

2.2.1.1 Biến đổi wavelet liên tục (CWT - Continuous Wavelet Transform)

Biến đổi Wavelet liên tục của hàm f ( t ) L ( R ) 2 là sự biểu diễn f ( t ) thành một tập

hợp các hàm a b,  t [7, 30, 50, 51, 61] được viết theo biểu thức:

a a

2.2.1.2 Biến đổi wavelet rời rạc (DWT-Discrete Wavelet Transform)

Biến đổi wavelet liên tục của hàm ( a,b ) được định nghĩa đối với mọi điểm trong không gian và thời gian nên việc tính các hệ số wavelet phức tạp Để khắc phục các nhược điểm của biến đổi wavelet liên tục, biến đổi wavelet rời rạc thường được sử dụng, theo đó các hệ số tỉ lệ " "a và dịch chuyển " " b của wavelet chỉ nhận một số giá trị rời rạc

Hàm rời rạc f ( n ) của biến đổi wavelet rời rạc được xác định theo biểu thức:

Các thông số hệ số tỉ lệ " "a và dịch chuyển " " b của biến đổi wavelet liên tục được

Tín hiệu x( n ) được chia làm hai sau khi qua bộ lọc thông thấp [LD] các hệ số h và i

thông cao [HD] các hệ số g được tính theo các biểu thức (2.10) i

222

n high low

Tín hiệu x( n ) được phân tích thành nhiều mức bởi các bộ lọc thông thấp h( n ) và

bộ lọc thông cao g( n ) Ở mỗi mức thành phần “chi tiết” D [n] được tạo ra bởi bộ lọc j

thông cao, trong khi thành phần “xấp xỉ” A [n ] được tạo ra bởi bộ lọc thông thấp và mức j

phân tích tùy thuộc vào độ dài của tín hiệu như hình 2.2 [7, 61]

Quá trình tái tạo tín hiệu x( n ) ban đầu ngược lại với quá trình phân tích thành phần

“xấp xỉ” và “chi tiết” ở tất cả các mức được lấy mẫu lên 2 lần và qua bộ lọc thông thấp

[LD], bộ lọc thông cao [HD] Tín hiệu x( n ) ban đầu là tổng của tất cả các thành phần

“xấp xỉ” và “chi tiết” ở tất cả các mức phân tích

Hình 2.2: Cấu trúc các bước phân tích tín hiệu thành các thành phần “chi tiết” và “xấp xỉ“