Luận văn thạc sĩ: Xây dựng hệ thống phân tích thông tin điện não đồ tại VNU UET

Luận văn thạc sĩ kỹ thuật phân tích vnu uet xây dựng hệ thống phân tích thông tin điện não đồ 04, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho thực tiễn.

Chuyên ngành

Công nghệ thông tin

Người đăng

Ẩn danh

Thể loại

Luận văn thạc sĩ

2014

63
3
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CAM ĐOAN

LỜI CẢM ƠN

MỞ ĐẦU

1. CHƯƠNG 1: GIỚI THIỆU CÁC KHÁI NIỆM CƠ BẢN

1.1. KHÁI QUÁT VỀ ĐIỆN NÃO ĐỒ

1.2. Các đặc điểm của Điện não đồ

1.3. Vai trò của EEG trong chẩn đoán bệnh động kinh

1.4. CÁC VẤN ĐỀ VỀ NHIỄU

1.5. GIỚI THIỆU MỘT SỐ PHẦN MỀM XỬ LÝ EEG

1.6. THUẬT TOÁN TÁCH NHIỄU MẮT NHIỄU CƠ TRONG TÍN HIỆU ĐIỆN NÃO

2. CÁC THUẬT TOÁN LOẠI NHIỄU MẮT NHIỄU CƠ ĐÃ CÓ

2.1. Loại nhiễu EOG bằng phương pháp lọc thích nghi

2.2. Phương pháp tách nguồn mù

2.3. TÁCH NGUỒN MÙ VÀ THUẬT TOÁN SOBI

2.4. Phương án đề xuất

2.5. Kết quả mô phỏng

2.6. Kết quả thực nghiệm. Đánh giá kết quả

3. HỆ THỐNG PHÂN TÍCH THÔNG TIN ĐIỆN NÃO ĐỒ

3.1. Các kênh dữ liệu

3.2. Dữ liệu trên ổ cứng

3.3. Tiền xử lý dữ liệu điện não

3.4. LỰA CHỌN GIẢI PHÁP

3.5. Lựa chọn giải pháp

3.6. Môi trường và nền tảng phát triển

3.7. CHƯƠNG TRÌNH

3.8. Mô hình chức năng

3.9. Cơ sở dữ liệu

KẾT LUẬN

TÀI LIỆU THAM KHẢO

PHỤ LỤC

Tóm tắt

I. Tổng quan về hệ thống phân tích thông tin điện não đồ tại VNU UET

Hệ thống phân tích thông tin điện não đồ (EEG) tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội (VNU UET) là một trong những nghiên cứu tiên phong trong lĩnh vực công nghệ thông tin y tế. Hệ thống này không chỉ giúp chẩn đoán bệnh động kinh mà còn hỗ trợ trong việc phân tích các hoạt động điện não, từ đó cung cấp thông tin quý giá cho các bác sĩ và nhà nghiên cứu. Việc xây dựng hệ thống này nhằm mục đích nâng cao chất lượng chẩn đoán và điều trị các bệnh lý liên quan đến thần kinh.

1.1. Điện não đồ và vai trò của nó trong y tế

Điện não đồ (EEG) là phương pháp ghi lại hoạt động điện của não thông qua các điện cực đặt trên da đầu. EEG đóng vai trò quan trọng trong việc chẩn đoán các rối loạn thần kinh, đặc biệt là bệnh động kinh. Thông qua việc phân tích các sóng điện não, các bác sĩ có thể xác định được tình trạng sức khỏe của bệnh nhân và đưa ra phương pháp điều trị phù hợp.

1.2. Lịch sử phát triển hệ thống phân tích EEG tại VNU UET

Hệ thống phân tích EEG tại VNU UET được phát triển từ năm 2014, với sự hỗ trợ của các chuyên gia trong lĩnh vực công nghệ thông tin và y tế. Nghiên cứu này không chỉ tập trung vào việc ghi nhận tín hiệu mà còn phát triển các thuật toán xử lý tín hiệu tiên tiến nhằm loại bỏ nhiễu và cải thiện độ chính xác trong chẩn đoán.

II. Các thách thức trong phân tích thông tin điện não đồ

Mặc dù hệ thống phân tích thông tin điện não đồ tại VNU UET đã đạt được nhiều thành tựu, nhưng vẫn còn nhiều thách thức cần phải vượt qua. Các vấn đề như nhiễu từ môi trường, sự biến thiên trong tín hiệu và thiếu hụt dữ liệu chất lượng cao là những yếu tố ảnh hưởng đến độ chính xác của hệ thống. Việc xử lý các loại nhiễu như nhiễu mắt và nhiễu cơ cũng là một thách thức lớn.

2.1. Nhiễu trong tín hiệu điện não đồ

Nhiễu là một trong những vấn đề chính trong phân tích EEG. Các loại nhiễu phổ biến bao gồm nhiễu mắt (EOG) và nhiễu cơ (EMG), có thể làm sai lệch kết quả phân tích. Việc phát hiện và loại bỏ các loại nhiễu này là rất quan trọng để đảm bảo độ chính xác của chẩn đoán.

2.2. Thiếu hụt dữ liệu chất lượng cao

Một trong những thách thức lớn trong nghiên cứu EEG là việc thu thập dữ liệu chất lượng cao. Nhiều nghiên cứu hiện tại vẫn gặp khó khăn trong việc thu thập đủ số lượng mẫu dữ liệu từ các bệnh nhân, điều này ảnh hưởng đến khả năng tổng quát hóa kết quả nghiên cứu.

III. Phương pháp xử lý tín hiệu điện não đồ hiệu quả

Để giải quyết các thách thức trong phân tích EEG, nhiều phương pháp xử lý tín hiệu đã được phát triển. Các thuật toán như tách nguồn mù (SOBI) và các phương pháp lọc thích nghi đã được áp dụng để loại bỏ nhiễu và cải thiện độ chính xác của tín hiệu. Việc áp dụng các công nghệ mới trong xử lý tín hiệu là rất cần thiết để nâng cao hiệu quả chẩn đoán.

3.1. Thuật toán tách nguồn mù SOBI

Thuật toán SOBI là một trong những phương pháp tiên tiến nhất trong việc tách nguồn tín hiệu từ các nhiễu. Phương pháp này giúp cải thiện độ chính xác của tín hiệu EEG bằng cách loại bỏ các thành phần không mong muốn, từ đó cung cấp thông tin rõ ràng hơn cho các bác sĩ.

3.2. Phương pháp lọc thích nghi

Phương pháp lọc thích nghi được sử dụng để loại bỏ nhiễu từ tín hiệu EEG. Bằng cách áp dụng các bộ lọc thích nghi, hệ thống có thể tự động điều chỉnh để phù hợp với các điều kiện khác nhau, từ đó nâng cao độ chính xác trong phân tích.

IV. Ứng dụng thực tiễn của hệ thống phân tích EEG tại VNU UET

Hệ thống phân tích thông tin điện não đồ tại VNU UET đã được áp dụng trong nhiều nghiên cứu và thực tiễn lâm sàng. Các kết quả thu được từ hệ thống này không chỉ giúp nâng cao chất lượng chẩn đoán mà còn hỗ trợ trong việc nghiên cứu các bệnh lý thần kinh khác. Việc ứng dụng hệ thống này trong thực tiễn đã chứng minh được tính khả thi và hiệu quả của nó.

4.1. Kết quả nghiên cứu và ứng dụng lâm sàng

Nghiên cứu tại VNU UET đã cho thấy khả năng phát hiện các gai động kinh tự động và loại bỏ nhiễu hiệu quả. Các kết quả này đã được áp dụng trong thực tiễn lâm sàng, giúp các bác sĩ có thêm công cụ hỗ trợ trong việc chẩn đoán và điều trị bệnh động kinh.

4.2. Tương lai của hệ thống phân tích EEG

Với sự phát triển không ngừng của công nghệ, hệ thống phân tích EEG tại VNU UET có tiềm năng mở rộng ứng dụng trong nhiều lĩnh vực khác nhau. Việc tích hợp trí tuệ nhân tạo và học máy vào hệ thống sẽ giúp nâng cao khả năng phân tích và dự đoán, từ đó cải thiện chất lượng chăm sóc sức khỏe.

V. Kết luận và triển vọng tương lai của hệ thống phân tích thông tin điện não đồ

Hệ thống phân tích thông tin điện não đồ tại VNU UET đã chứng minh được giá trị của nó trong việc hỗ trợ chẩn đoán và nghiên cứu các bệnh lý thần kinh. Mặc dù còn nhiều thách thức, nhưng với sự phát triển của công nghệ và các phương pháp mới, hệ thống này có thể trở thành một công cụ quan trọng trong y tế. Tương lai của hệ thống hứa hẹn sẽ mang lại nhiều giá trị cho ngành y tế và nghiên cứu khoa học.

5.1. Tầm quan trọng của nghiên cứu trong lĩnh vực EEG

Nghiên cứu trong lĩnh vực điện não đồ không chỉ giúp cải thiện chẩn đoán mà còn mở ra nhiều hướng đi mới trong điều trị các bệnh lý thần kinh. Việc đầu tư vào nghiên cứu và phát triển hệ thống phân tích EEG là rất cần thiết để nâng cao chất lượng chăm sóc sức khỏe.

5.2. Hướng đi tương lai cho hệ thống phân tích EEG

Hệ thống phân tích EEG tại VNU UET có thể mở rộng ứng dụng sang các lĩnh vực khác như nghiên cứu tâm lý học, giáo dục và phát triển công nghệ mới. Việc kết hợp các công nghệ tiên tiến sẽ giúp nâng cao hiệu quả và độ chính xác của hệ thống.

22/07/2025
Luận văn thạc sĩ vnu uet xây dựng hệ thống phân tích thông tin điện não đồ 04

Trích đoạn nội dung tài liệu

MỞ ĐẦU Điện não đồ dùng để đo tín hiệu điện não, phục vụ phân tích, chẩn đoán, điều trị các bệnh liên quan đến thần kinh. Một bệnh phổ biến trên thế giới và ở Việt Nam là bệnh động kinh. Động kinh là một rối loạn não đƣợc đặc trƣng bởi sự xuất hiện xung động kinh lặp đi lặp lại nhiều lần, do có sự phóng điện bất thƣờng, đồng bộ và quá mức trong hoạt động của não bộ. Tỉ lệ ngƣời mắc bệnh động kinh trên thế giới chiếm 1% các loại bệnh (tƣơng đƣơng với bệnh ung thƣ vú) và ở Việt Nam là 0.

Hiện nay, các chuyên gia thần kinh đọc trên dữ liệu điện não thô, không qua công đoạn xử lý tín hiệu bậc cao, và qui trình đo chƣa đáp ứng chuẩn quốc tế, nên có những khó khăn trong phân tích điện não đồ. Việc chẩn cũng gặp nhiều khó khăn do sự biến thiên phức tạp về hình thái của gai, và sự xuất hiện của các thành phần nhiễu (artifacts) nhƣ nhiễu mắt, nhiễu cơ. Thực tế tại Việt Nam thiếu bác sĩ chuyên khoa trong đọc và phân tích EEG và việc chẩn đoán nhầm khá phổ biến. Để hỗ trợ các chuyên gia thần kinh trong việc phân tích điện não đồ, việc xây dựng hệ thống phân tích tín hiệu với các phƣơng pháp tiên tiến là rất cấp thiết.

Mục tiêu của luận văn này là xây dựng một hệ thống xử lý nhiễu mắt, nhiễu cơ cho tín hiệu điện não. Thuật toán đề xuất đƣợc trình bày trong luận văn đã đƣợc thực hiện thành công và áp dụng trên nhiều mẫu dữ liệu khác nhau. Kết quả cho thấy triển vọng của việc áp dụng hệ thống này vào ứng dụng thực tiễn, hỗ trợ cho các bác sỹ. Các khó khăn trong thực tế xây dựng hệ thống xử lý tín hiệu điện não Với mục đích đó, chúng tôi đã tiến hành đo tín hiệu điện não trực tiếp bằng hệ đo EEG dòng E-series của Compumedics, đặt tại Khoa Điện tử Viễn thông, trên rất nhiều bệnh nhân động kinh để nghiên cứu và xây dựng các bộ dữ liệu điện não phục vụ cho các nghiên cứu thử nghiệm.

Một số kết quả bƣớc đầu đạt đƣợc cho thấy sự khả quan trong việc phát hiện gai động kinh tự động, loại nhiễu mắt và nhiễu cơ trong tín hiệu EEG. Tuy nhiên, khi phân tích và xử lý các tín hiệu điện não thực đƣợc đo trực tiếp trên hệ đo EEG dòng E-series thì vẫn còn nhiều vấn đề trong thực tế xử lý tín hiệu điện não và đòi hỏi cần đƣợc giải quyết. Sau đây là một số vấn đề mà luận văn này đề cập đến: 1. Để có thể áp dụng các thuật toán xử lý tín hiệu cần chuyển đổi dữ liệu từ định dạng của máy đo sang dạng *.MAT để xử lý bằng MATLAB, phục vụ cho các nghiên cứu về xử lý tiếp theo; LUAN VAN CHAT LUONG download : add luanvanchat@agmail.

Cần loại nhiễu cơ bản do các thiết bị điện tử gây ra nhƣ nhiễu 50Hz, nhiễu tần số cao do tiếp xúc điện cực, v. Cần nghiên cứu các đặc điểm của nhiễu mắt, nhiễu cơ để có phƣơng pháp phù hợp loại bỏ chúng. Trong thực tế, cần xử lý tín hiệu EEG đa kênh và có chiều dài lớn, đòi hỏi xử lý loại nhiễu trên từng đoạn tín hiệu và ghép chúng lại. Matlab hạn chế về thiết kế giao diện, hạn chế việc quản lý dữ liệu bệnh nhân, không phù hợp pháp triển phần mềm.

Cần sử dụng ngôn ngữ C# để lập trình quản lý dữ liệu và có đƣợc giao diện thân thiện, đồng thời kết hợp với thƣ viện Matlab để xử lý tính toán. Mục tiêu của luận văn là xây dựng một phần mềm có các chức năng cần thiết hỗ trợ các bác sĩ trong việc chẩn đoán bệnh động kinh. Phần mềm sử dụng ngôn ngữ C# (mạnh về thiết kế giao diện) kết hợp với thƣ viện Matlab (để xử lý tính toán) nên có thể giải quyết các vấn đề toán học phức tạp mà các bác sĩ vẫn có thể sử dụng trực tiếp và dễ thao tác. Luận văn này sẽ tập trung phân tích và xử lý các vấn đề trên, nhằm phát triển và ứng dụng các thuật toán loại nhiễu mắt và nhiễu cơ trong tín hiệu điện não chứa tín hiệu gai động kinh một cách hữu hiệu nhất.

Luận văn đƣợc trình bày theo cấu trúc nhƣ sau:  Chƣơng 1: Trình bày tổng quan về điện não đồ, các loại nhiễu nhƣ nhiễu mắt, nhiễu cơ.  Chƣơng 2: Đánh giá một số phƣơng pháp loại nhiễu trong tín hiệu điện não đồ, và đề phƣơng pháp mới sử dụng thuật toán tách nguồn mù SOBI kết hợp kĩ thuật nhận dạng nguồn nhiễu.  Chƣơng 3: Xây dựng hệ thống.  Kết luận và đặt ra một số vấn đề cần nghiên cứu tiếp.

LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 11 Chƣơng 1. GIỚI THIỆU CÁC KHÁI NIỆM CƠ BẢN 1. KHÁI QUÁT VỀ ĐIỆN NÃO ĐỒ 1. Điện não đồ là gì Điện não đồ (EEG – Electroencephalogram) đo và biểu diễn sự thay đổi điện thế theo thời gian của các điện cực đƣợc đặt ở các vị trí khác nhau trên da đầu tƣơng ứng với các vùng của vỏ não trên đồ thị máy tính.

Thông qua các đặc trƣng biên độ, tần số, phân bố không gian, hình thái, sự phân cực của điện thế, EEG cho ta các thông tin về các hoạt động của não. Dựa trên các đặc trƣng đó, các chuyên gia có thể đánh giá, phân tích các biểu hiện bất thƣờng của bộ não để phát hiện bệnh động kinh dựa trên sự xuất hiện các gai động kinh trong EEG. Trong quá trình hoạt động, não sẽ phát ra các xung điện lan truyền theo các dây thần kinh. Các xung điện này phản ánh trạng thái hoạt động và kích thích của bộ não.

Các xung điện não sẽ lan truyền đến lớp vỏ não có độ dày khoảng 2-3mm. Bề mặt của vỏ não có dạng các lớp, khe nhỏ với nhiều kích thƣớc khác nhau lằm làm tăng diện dích hệ thần kinh, với tổng diện tích hơn 2,5m2 bao gồm hơn 10 tỉ nơ-ron thần kinh [17]. Vỏ não bao gồm 2 bán cầu đối xứng: bán cầu trái và bán cầu phải, đƣợc tách biệt bởi rãnh sâu. Mỗi bán cầu đƣợc chia thành bốn thùy khác nhau: thùy trán (frontal lobe), thùy thái dƣơng (temporal lobe), thùy đỉnh (parietal lobe), thùy chẩm (occipital lobe) (hình 1-1).

Hình 1-1: Phân chia các thùy trên vỏ não [17] LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 12 Mỗi vùng trên các thùy có các vai trò khác nhau: - Các vùng sơ cấp (chiếm diện tích tƣơng đối nhỏ): các nơ-ron (các tế bào thần kinh đƣợc gọi chung là nơ-ron) trong vùng này có một mục đích cụ thể nhƣ vùng chuyên về vận động (the motor cortex) nằm ở thùy trán, vùng thần kinh cảm giác về âm thanh nằm ở vùng trên của thùy thái dƣơng. - Các vùng thứ cấp: các nơ-ron ở vùng này làm nhiệm vụ phân tích, hỗ trợ cho các nơ-ron vùng sơ cấp. Các nơron này cũng chứa các thông tin tham chiếu để so sánh giữa các thông tin hiện tại với các thông tin đƣợc tích lũy trƣớc đó. EEG ghi hoạt động điện trên da đầu không phải là hoạt động riêng lẻ của từng nơ-ron mà là tổng hợp hoạt động điện của hàng triệu nơ-ron.

Dòng đo đƣợc có nguồn gốc tại khớp (synapse) trong quá trình kích thích. Biên độ của tín hiệu EEG liên quan tới mức độ đồng bộ của các nơ-ron khi chúng tƣơng tác lẫn nhau. Sự kích thích đồng thời của một nhóm các nơ-ron sẽ tạo ra tín hiệu có biên độ lớn trên bề mặt da bởi vì các tín hiệu có nguồn gốc từ các nơ-ron độc lập đƣợc cộng lại. Ngƣợc lại, các nơ-ron kích thích không đồng bộ sẽ tạo ra EEG có biên độ thấp.

Biên độ EEG phụ thuộc vào chủ thể đo nhƣ tình trạng tâm lý, lứa tuổi và phụ thuộc vào kỹ thuật đo nhƣ loại điện cực, đạo trình, khoảng cách từ điện cực đến nguồn thế v. Biên độ EEG giảm khi tăng trở kháng. Sự thay đổi biên độ điện thế đƣợc quan sát rõ nếu sự thay đổi này xảy ra gần các điện cực hoặc đƣợc tạo bởi một vùng mô có diện tích lớn. Sự thay đổi cũng có thể quan sát rõ khi điện thế tăng, giảm chậm.

Việc định lƣợng các đặc trƣng của tín hiệu EEG có ý nghĩa quan trọng trong nghiên cứu trạng thái của não. Các đặc điểm của Điện não đồ EEG đƣợc đặc trƣng bởi biên độ, tần số, hình thái, sự phân cực, phân bố vị trí và điều kiện làm thay đổi của hiệu điện thế. Các tín hiệu đƣợc ghi trên da đầu có biên độ biến thiên từ vài μV đến xấp xỉ 200μV và tần số nằm trong phạm vi từ 0. Nếu trạng thái của đối tƣợng đo ổn định trong một khoảng thời gian, các nhịp này có dạng tuần hoàn [17].

Các kênh Fz, Cz, Pz là những kênh tốt nhất cho việc đọc tín hiệu EEG.  Các nhịp cơ bản đƣợc chia thành 5 dải [10] + Nhịp delta: tần số 0.5 - 4Hz + Nhịp theta: tần số 4-7,5Hz LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 13 + Nhịp alpha: 8-13,5Hz + Nhịp beta: 14-30Hz + Nhịp gamma: có tần số lớn 30Hz - Nhịp delta: Có tần số nằm trong khoảng từ 0.5- 4Hz: nhịp delta xuất hiện trong giấc ngủ sâu và có thể xuất hiện trong giai đoạn thức giấc. Biên độ nhịp delta lớn, trung bình 100μV. Nhịp này là bình thƣờng ở trẻ nhỏ, nhƣng xuất hiện ở ngƣời lớn khi thức là dấu hiệu của các tổn thƣơng hoặc bệnh ở não.

- Nhịp theta: Nhịp theta có phạm vi tần số từ 4-7.5Hz, biên độ và hình thái thay đổi, xuất hiện ở vùng trán tới vùng trung tâm. Biên độ nhỏ cỡ 15μV. Nhịp theta ở vùng trán đƣợc quan sát dễ dàng khi có các hoạt động cảm xúc, tập trung hoặc các hoạt động trí óc. Thông thƣờng, nhịp theta tăng cƣờng hoạt động khi chủ thể ở trạng thái buồn ngủ hoặc ngủ.

Nhịp theta đóng vai trò quan trọng ở trẻ nhỏ. Sự xuất hiện với một số lƣợng lớn các nhịp theta không liên tục ở ngƣời lớn khi thức là dấu hiệu bất thƣờng có nguyên nhân từ nhiều bệnh lý khác nhau. - Nhịp alpha: Nhịp alpha biến thiên trong khoảng 8-13,5Hz (chu kỳ sóng từ 75ms đến 125ms). Thông thƣờng, biên độ của nhịp alpha không vƣợt quá 50μV.

Nhịp Alpha bình thƣờng bắt đầu xuất hiện ở trẻ em 3 tuổi với tần số 8Hz. Alpha là nhịp nổi trội ở ngƣời lớn khi thức và thƣ giãn với mắt nhắm. Nhịp alpha giảm hoặc mất đi khi ngƣời bệnh mở mắt, hoặc nghe một âm thanh lạ, lo lắng, hoạt động trí óc. Khi nhắm mắt nhịp alpha lại xuất hiện.

Nhịp alpha thƣờng có dạng hình sine hoặc tròn.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ