Chẩn Đoán Các Bất Thường Trên Điện Tâm Đồ Bằng Phương Pháp Học Sâu

Khóa luận trình bày hệ thống thông tin chẩn đoán bất thường trên điện tâm đồ bằng phương pháp học sâu, mang lại giải pháp hiệu quả cho y tế.

• Tác giả: Vo Thanh Phuong
• Người hướng dẫn: ThS. Duong Phi Long
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Chẩn Đoán Bất Thường Trên Điện Tâm Đồ Sử Dụng Phương Pháp Học Sâu
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TONG QUAN DE TÀI
• 1.1. Lý do chọn đề tài. Phat biểu bài toán và các thách thức. Mục tiêu và phạm VỈ. Bố cục của báo cáo khóa luận
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VA CÁC NGHIÊN CỨU LIÊN QUAN
• 2.1. Cac khái niệm về điện tim và các bat thường ghi nhận trên ECG
• 2.2. Điện tim và điện tâm
• 2.3. Cấu tạo hệ thống
• 2.4. Cách thức ghi điện tim thông qua máy đo điện tâm đồ
• 2.5. Các thành phan cơ bản của một tô hợp sóng điện tâm đồ
• 2.6. Cac tên gọi sóng khác
• 2.7. Các bất thường trong điện tâm đỒ
• 2.8. Tắc nút nhĩ thất thất độ 1 (First-degree AV Block)
• 2.9. Tắc bó nhánh phải (Right Bundle Branch Block — RBBB)
• 2.10. Tắc bó nhánh trái (Left Bundle Branch Block — LBBB)
• 2.11. Rung tâm nhi— Rối loạn nhịp tim (Atrial Fibrillation — AF)
• 2.12. Nhịp xoang chậm (Sinus Bradycardia — SB)
• 2.13. Nhịp xoang nhanh (Sinus Tachycardia — ST)
• 2.14. Phân lớp, chan đoán ECG
• 2.15. Các hướng tiếp cận liên quan đến bài toán
• 2.16. Hướng tiếp cận theo phương pháp hoc máy truyền thống
• 2.17. Hướng tiếp cận dựa trên học sâu
• 3. CHƯƠNG 3: MOT SO PHƯƠNG PHAP PHAN LỚP, CHAN DOAN CÁC BAT THUONG TREN ECG
• 3.1. Mang nơ-ron tích chap (Convolutional Neural Network — CNN)
• 3.2. Residual Network — ResNet
• 3.3. Circular Dilated Convolutional Neural Network — CDIL CNN
• 3.4. Mạng nơ-ron hồi quy (Recurrent Neural Network — RNN)
• 3.5. Long Short-Term Memory - LSTM
• 3.6. Gated Recurrent Unit — GRU
• 4. CHƯƠNG 4: THUC NGHIEM VA DANH GIÁ
• 4.1. GiGiới thiệu về bộ dữ liệu
• 4.2. Xử lý dữ liệu và phương pháp thực nghiệm
• 4.3. Phương pháp thực nghiệm
• 4.4. Các tiêu chí đánh giá
• 4.5. Kết quả thực nghiệm, đánh giá và nhận xét
• 4.6. Kết quả chung của các mô hình
• 4.7. Kết quả trên từng lớp
• 5. CHƯƠNG 5: THU NGHIEM CẢI TIEN VÀ ĐÁNH GIÁ KẾT QUẢ
• 5.1. Quan sát và ý tưởng cải tiến
• 5.2. Mô hình đề xuất
• 5.3. Kết quả thực nghiệm
• 5.4. Kết quả chung
• 5.5. Kết quả trên từng lớp
• 6. XÂY DỰNG CÔNG CỤ PHÂN LỚP & CHÂN ĐOÁN CÁC BẤT THƯỜNG TRÊN ECG
• 6.1. Mô tả công cụ
• 6.2. Môi trường cài đặt, các thư viện liên quan
• 6.3. Sơ đồ triển khai
• 6.4. Màn hình của công cụ
• 6.4.1. Màn hình nạp dữ liệu ban đầu
• 6.4.2. Màn hình kết quả dự đoán
• 6.4.3. Màn hình kết quả phân tích
• 6.4.4. Màn hình trực quan hóa tín hiệu ECG
• 7. CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 7.1. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Chẩn Đoán Bất Thường Trên Điện Tâm Đồ

Chẩn đoán bất thường trên điện tâm đồ (ECG) là một lĩnh vực quan trọng trong y học, giúp phát hiện sớm các vấn đề về tim mạch. Việc áp dụng các phương pháp học sâu trong phân tích ECG đã mở ra nhiều cơ hội mới cho việc chẩn đoán chính xác hơn. Các mô hình học sâu có khả năng xử lý lượng lớn dữ liệu và phát hiện các mẫu không dễ nhận biết bằng mắt thường.

1.1. Khái Niệm Về Điện Tâm Đồ Và Vai Trò Của Nó

Điện tâm đồ (ECG) là một công cụ ghi lại hoạt động điện của tim. Nó giúp bác sĩ phát hiện các bất thường như nhịp tim không đều và các dấu hiệu của bệnh tim. Việc hiểu rõ về ECG là rất cần thiết để áp dụng các phương pháp học sâu hiệu quả.

1.2. Tầm Quan Trọng Của Việc Phát Hiện Sớm Bất Thường

Phát hiện sớm các bất thường trên ECG có thể cứu sống nhiều bệnh nhân. Việc áp dụng công nghệ học sâu giúp cải thiện độ chính xác và hiệu quả trong chẩn đoán, từ đó nâng cao chất lượng chăm sóc sức khỏe.

II. Các Thách Thức Trong Chẩn Đoán Bất Thường Trên Điện Tâm Đồ

Chẩn đoán bất thường trên ECG đối mặt với nhiều thách thức, bao gồm độ chính xác và tính minh bạch của các mô hình học sâu. Việc giải thích kết quả từ các mô hình này cũng là một vấn đề lớn.

2.1. Độ Chính Xác Trong Chẩn Đoán

Độ chính xác của chẩn đoán ECG phụ thuộc vào chất lượng dữ liệu và khả năng của mô hình học sâu. Các mô hình cần được huấn luyện trên tập dữ liệu lớn và đa dạng để đạt được kết quả tốt nhất.

2.2. Tính Minh Bạch Của Mô Hình Học Sâu

Mô hình học sâu thường được coi là 'hộp đen', khó khăn trong việc hiểu rõ cách mà chúng đưa ra quyết định. Điều này tạo ra sự không chắc chắn trong quá trình chẩn đoán.

III. Phương Pháp Học Sâu Trong Chẩn Đoán Bất Thường

Các phương pháp học sâu như CNN, RNN, và LSTM đã được áp dụng để phân loại và chẩn đoán các bất thường trên ECG. Những phương pháp này cho thấy hiệu quả cao trong việc phát hiện các mẫu phức tạp.

3.1. Mạng Nơ ron Tích Chập CNN

CNN là một trong những phương pháp phổ biến nhất trong phân tích hình ảnh và đã được áp dụng thành công trong việc phân tích dữ liệu ECG. Nó giúp phát hiện các đặc trưng quan trọng từ tín hiệu điện tim.

3.2. Mạng Nơ ron Hồi Quy RNN

RNN và các biến thể của nó như LSTM rất hiệu quả trong việc xử lý dữ liệu chuỗi thời gian như ECG. Chúng có khả năng ghi nhớ thông tin từ các bước trước đó, giúp cải thiện độ chính xác trong chẩn đoán.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp Học Sâu Trong Y Tế

Việc áp dụng các phương pháp học sâu trong chẩn đoán ECG đã mang lại nhiều kết quả tích cực. Các mô hình này không chỉ giúp phát hiện bất thường mà còn hỗ trợ bác sĩ trong việc đưa ra quyết định điều trị.

4.1. Kết Quả Nghiên Cứu Về Phân Tích ECG

Nghiên cứu cho thấy rằng các mô hình học sâu có thể đạt được độ chính xác cao trong việc phân loại các bất thường trên ECG. Điều này mở ra cơ hội mới cho việc cải thiện chăm sóc sức khỏe.

4.2. Ứng Dụng Trong Thực Tế

Nhiều bệnh viện đã bắt đầu áp dụng các mô hình học sâu trong quy trình chẩn đoán. Điều này không chỉ giúp tiết kiệm thời gian mà còn nâng cao chất lượng chẩn đoán.

V. Kết Luận Và Hướng Phát Triển Tương Lai

Chẩn đoán bất thường trên điện tâm đồ sử dụng phương pháp học sâu đang trở thành xu hướng trong y học hiện đại. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều tiến bộ hơn nữa.

5.1. Tương Lai Của Chẩn Đoán ECG

Với sự phát triển không ngừng của công nghệ, việc áp dụng học sâu trong chẩn đoán ECG sẽ ngày càng trở nên phổ biến. Điều này sẽ giúp cải thiện đáng kể chất lượng chăm sóc sức khỏe.

5.2. Cơ Hội Nghiên Cứu Mới

Nghiên cứu về các mô hình học sâu trong chẩn đoán ECG vẫn còn nhiều tiềm năng. Các nhà nghiên cứu có thể khám phá thêm nhiều phương pháp mới để nâng cao độ chính xác và hiệu quả.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan dé tài. Giới thiệu về van đề nghiên cứu và mục tiêu của khóa luận. Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quan. Tìm hiéu về các khái niệm cơ bản liên quan đến phân lớp, chân đoán các bất thường trên ECG và tông hợp những nghiên cứu có liên quan đến đề tài.

Chương 3: Một số phương pháp phân lop, chan đoán bat thường trên ECG dựa trên học sâu. Trình bày chi tiết về các phương pháp sử dụng hoc sâu dé phân lớp, chân đoán bat thường trên ECG. Chương 4: Thực nghiệm và đánh giá. Mô tả quy trình thực hiện thực nghiệm, các bộ dữ liệu sử dụng và kết quả đạt được từ các phương pháp đã thực nghiệm.

Chương 5: Thử nghiệm cải tiễn và đánh giá kết quả. Trình bay thử nghiệm cải tiền dé nâng cao hiệu suất phân lớp, chân đoán bat thường trên ECG và đánh giá hiệu quả của những thử nghiệm. Chương 6: Xây dựng công cụ phân lớp và chan đoán các bat thường trên ECG. Trình bày quá trình vận dụng mô hình máy học đã được huấn luyện dé hiện thực công cụ phân loại, chan đoán bat thường trên ECG.

Chương 7: Kết luận và hướng phát triển. Tông kết những kết quả đạt được từ nghiên cứu và đề xuất hướng phát triển tiếp theo trong lĩnh vực phân lớp và chân đoán các bất thường trên ECG. CƠ SỞ LÝ THUYET VA CÁC NGHIÊN CỨU LIÊN QUAN Nội dung chương này sẽ giới thiệu cơ sở lý thuyết và các công trình nghiên cứu liên quan gan đây về việc phân lóp hay chẩn đoán trên các bản ghi ECG. Nhóm sinh viên đã tiến hành tìm hiểu các nghiên cứu có liên quan đến dé tài dé có kiến thức sâu hơn về bài toán và các phương pháp đã được áp dụng trong lĩnh vực này.

Việc nắm vững cơ sở lý thuyết và tổng quan về các nghiên cứu trước đây sẽ giúp nhóm xác định và xây dựng một cách tiếp cận hiệu quả trong việc giải quyết bài toán phân lớp và chan đoán các bat thường trên các bản ghi ECG. Cac khái niệm về điện tim và các bat thường ghi nhận trên ECG 2. Điện tim và điện tâm đồ 2. Điện tin Trái tim được ví như một cỗ máy hoạt động không ngừng nghỉ dù con người dang ở trạng thái nghỉ ngơi hay học tập, làm việc dé mang lại sự sống cho chúng ta.

Mỗi một nhịp tim đập, nút xoang của tim — nằm ở phần trên của tâm nhĩ phải, tạo ra tín hiệu điện truyền tới tim tạo năng lượng cho tim co bóp và bơm máu đi khắp cơ thể [12]. a) Cấu tạo hệ thong điện tim Hình 2.1 Cấu tạo của tim với các thành phan liên quan [13]. 11 Nhu minh họa trong Hình 2.1, cấu tạo của tim được mô tả với các thành phần có liên quan tới hệ thống điện tim như sau: - Nút xoang (Sinus node — SN). - Truc dẫn truyền nhĩ thất bao gồm nút nhĩ that (Atrioventricular Node — AVN), bó His, các nhánh bó trai và phải, mang Purkinje.

- Tâm nhĩ phải (Right Atrium — RA). - Tam nhĩ trái (Left Atrium — LA). - Tâm thất phải (Right Ventricle — RV). - Tâm that trai (Left Ventricle — LV).

- Van ba lá (Tricuspid Valve — TV) là van ngăn thông nằm giữa tam nhĩ phải và tâm thất phải của tim. - Van hai lá (Mitral Valve — MV) là van ngăn thông nằm giữa tâm that trái và tâm nhĩ trái của tim. Tâm nhĩ phải (Right Atrium — RA): là một trong bốn buồng chính của tim năm ở bên phải của tâm nhĩ trái và trên tâm thất phải. Với chức năng là thu nhận máu nghèo oxi của toàn cơ thể thông qua tĩnh mạch chủ trên và tĩnh mạch chủ dưới, sau khi thu gom máu nghèo oxi, tâm nhĩ phải (RA) co bóp để bơm máu vào tâm thất phải (RV) thông qua van ba lá (TV).

Ngoài ra tâm nhĩ phải còn đóng góp vai trò trong hệ thống dẫn truyền điện tim với hai thành phần là nút xoang (SN) và nút nhĩ thất (AVN) [14], [15]. Tam that phải (Right Ventricle — RV): là noi nhận máu nghèo oxi từ tâm nhĩ phải (RA) thông qua van ba lá (TV), chính vi thế mà vị trí của tâm thất phải (RV) là ngay dưới tâm nhĩ phải (RA), khi tâm thất phải (RV) co bóp máu được truyền đến phôi dé trao đổi khí thông qua động mạch phối [16]. Tâm nhĩ trái (Left Atrium — LA): năm ở bên trái của tâm nhĩ phải (RA) và bên trên tâm thất trái (LV). Tâm nhĩ trái (LA) có chức năng chính là nhận máu giàu oxi từ phôi thông qua bốn tĩnh mạch phổi.

Sau khi nhận máu, tâm nhĩ trái (LA) co bóp dé bơm máu vào tâm thất trái (LV) thông qua van hai lá (MV) [17]. 12 Tâm that trái (Left Ventricle — LV): đóng vai trò quan trong trong việc bơm máu giàu oxi đi khắp cơ thé, đây cũng là buồng tim mạnh nhất trong 4 buồng tim. Sau khi nhận máu giàu oxi từ tâm nhĩ trái (LA) thông qua van hai lá (MV), tâm thất trái (LV) co bóp và truyền máu đi khắp cơ thé thông qua động mạch chủ [18]. Van ba lá (Tricuspid Valve — TV) và Van hai lá (Mitral Valve — MV): hai thành phan này có vai trò đảm bao dòng chảy của máu đi theo một chiều và ngăn ngừa dòng chảy ngược.

Trong khi đó, van hai lá (MV) nam giữa tâm nhĩ trái (LA) và tâm that trái (LV) [19]. Nút xoang (Sinus node — SN hoặc Sinoatrial — SA): có thê được coi như là máy điều hòa nhịp tim của hệ thống cấu tạo tim bởi vai trò của nó. Nút xoang (SN) được Keith và Flack mô tả lần đầu tiên vào năm 1907, nằm ở góc trên của tâm nhĩ phải — RA với chiều dài khoảng 14.8 mm và chiều rộng 4. Cứ mỗi phút trôi qua, nút xoang (SN) tao ra sự phóng điện khoảng 70 lần dé kích thích cơ tim co bóp va đưa mau di khap co thé [12].

Xung điện được nút xoang tạo ra và chi được truyền đi thông qua nút nhĩ thất (Atrioventricular Node — AVN). Bo His xuất phat từ nút nhĩ thất (AVN) và kéo dai đi xuống phần vách liên thất — vách ngăn giữa tâm that phải (RV) và tâm thất trái (LV), đảm nhận chức năng truyền các xung điện từ nút nhĩ thất (AVN) tới các bó nhánh và mạng Purkinje. Mạng Purkinje là mạng lưới tách ra từ bó His, phân bố và kéo dài khắp thành của tâm thất phải (RV) và tâm that trái (LV), mạng lưới này có nhiệm vụ dẫn truyền các xung điện đến các tế bào ở cơ tâm thất nhằm dam bảo tâm thất có thé co bóp một cách đồng bộ [22]. Có thé nói rằng chức năng của trục dẫn truyền nhĩ thất chính là truyền xung điện từ tâm nhĩ đến tâm thất dé đảm bảo các cơ tim có thé co bóp đồng bộ với nhau.

b) Điện tim Sự co bóp đồng thời và có hệ thống của hàng tỷ tế bào cơ của tim, chính là chìa khóa hoạt động của tim để đưa máu đi khắp cơ thể. Chính vì thế mà sự liên lạc và đồng bộ hóa giữa các bộ phận của tim rất quan trọng để đảm bảo mỗi buồng tim co 13 bóp đúng thời điểm và ăn khớp với nhau. Quá trình liên kết và truyền tín hiệu xung điện được kiểm soát bởi hệ thống dẫn truyền phức tạp, bao gồm nút nhĩ thất (AVN), bó His, mang Purkinje và các bó nhánh trái, phải [23]. Xung điện tim bắt nguồn từ các tế bào tạo nhịp tim trong nút xoang (SN), chúng tạo ra điện thế một cách tự phát, không phụ thuộc vào kích thích bên ngoài nào.

Tuy vậy, tần số của chúng lại chịu ảnh hưởng bởi các tác nhân bên ngoài để có thé điều chỉnh nhịp tim sao cho phù hợp với các mức hoạt động khác nhau. Xung điện từ nút xoang (SN) cũng sẽ kích thích các tế bào cơ ở tâm nhĩ phải (RA) và tâm nhĩ trái (LA), giữa hai buồng tâm nhĩ này được kết nối bởi các protein lớn tạo thành các kênh truyền tín hiệu xung điện, cung cấp kết nối xung điện trực tiếp cho hai tâm nhĩ và đồng thời tạo tín hiệu và kích hoạt tâm nhĩ co bóp [23]. Tín hiệu này được biểu diễn bởi sóng P trên điện tâm đồ, là đoạn sóng được tô đỏ ở Hình 2.2 Xung điện từ nút xoang (SN), lan truyền tới hai tâm nhĩ (RA, LA)[13]. Tâm nhĩ (RA, LA) và tâm thất (RV, LV) được ngăn cách bởi một lớp cách điện, chính vì thế mà xung điện sau khi lan truyền qua hai tâm nhĩ không được truyền trực tiếp tới tâm thất.

Thay vào đó, xung điện được truyền đến tâm thất thông qua nút nhĩ thất (AVN), tại đây sự dẫn truyền xung điện xảy ra khá chậm, vì thế mà có một khoảng trễ nhỏ xuất hiện giữa hoạt động của tâm nhĩ và tâm thất. Khoảng trễ này giúp cho tâm thất được thư giãn trong khi tâm nhĩ co bóp, giúp cho việc bơm máu đầy vào tâm 14 thất được cải thiện hơn [23]. Khoảng trễ nay được biéu diễn bởi một đoạn sóng dừng PR trên điện tâm đồ như Hình 2. Từ nút nhĩ thất (AVN), xung điện được truyền vào bó nhĩ thất, hay còn gọi là bó His, từ đây xung điện được truyền tới các nhánh bó phải và trái (Right Bundle Branch — RBB va Left Bundle Branch — LBB).

Các nhánh bó phải (RBB) và trái (LBB) là các nhánh bó nằm dọc theo vách ngăn liên thất, đóng vai trò truyền xung điện tới các tế bào ở gần vách tâm that và tới mạng lưới Purkinje [23].4 dưới đây mô tả cau tạo của hệ dẫn truyền nhĩ thất bao gồm bó His và các nhánh bó phải và trái. Ngoài ra từ nhánh bó trái (LBB) còn phân chia thành bó trước bên trái (Left Anterior Fascicle — LAF) và bó sau bên trái (Left Posterior Fascicle — LPF), ngược lại đối với nhánh bó phải (RBB) không chia thành các bó nhỏ hơn mà nó kết nối trực tiếp tới tâm thất phải.4 Hệ dẫn truyén nhĩ thất [13]. Mang Purkinje bao bọc thành tâm that và đưa xung điện được truyền từ hai bó nhánh tới kích thích phần tế bào cơ tim còn lại ở tâm thất, tạo tín hiệu và năng lượng cho tâm thất co bóp đồng bộ nhằm mang máu qua phôi và truyền đi khắp cơ thé [23]. Xung điện đi qua mạng PurkinJe được ghi nhận trên điện tâm đồ với phức bộ QRS (1a sự kết hợp giữa sóng Q, sóng R và sóng S) ở Hình 2.5 Mạng Purkinje truyền xung điện tới tâm thất [ 13].