Tổng quan luận án

Luận án tiến sĩ kỹ thuật với đề tài "Hệ thống xử lý tín hiệu điện não tự động phát hiện gai động kinh" do nghiên cứu sinh Nguyễn Thị Anh Đào thực hiện dưới sự hướng dẫn khoa học của PGS. Nguyễn Linh Trung, chuyên ngành Kỹ thuật Viễn thông (mã số: 9510302.02), thuộc ngành Công nghệ Kỹ thuật Điện tử, Truyền thông tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội (bảo vệ năm 2019). Nghiên cứu nhận được sự tài trợ từ Quỹ Phát triển khoa học và công nghệ Quốc gia (NAFOSTED) qua các đề tài mã số 102.32, 102.14 và đề tài nghiên cứu khoa học mã số QG.40 của Đại học Quốc gia Hà Nội.

Động kinh là một trong những rối loạn thần kinh mãn tính nghiêm trọng và phổ biến nhất của não bộ, chiếm khoảng 1% gánh nặng bệnh tật toàn cầu. Theo số liệu thống kê năm 2010, thế giới có khoảng 50 triệu người mắc bệnh động kinh, trong đó gần 40 triệu người thuộc các nước đang phát triển và có từ 80% đến 90% bệnh nhân không được tiếp cận điều trị đầy đủ. Tại châu Á, nơi tập trung khoảng 4 tỷ dân, số lượng người mắc động kinh ước tính khoảng 23 triệu người. Trong thực hành lâm sàng, điện não đồ (EEG) là công cụ quan trọng hàng đầu để chẩn đoán thể bệnh và xác định vùng não tổn thương thông qua các dấu ấn sinh học, đặc biệt là gai động kinh (thời gian tồn tại ngắn từ 20 đến 70 mili giây với sườn dốc đứng tạo đỉnh nhọn). Xung động kinh thực sự rất khó thu nhận trong các ca khám thông thường vì chỉ xuất hiện khi theo dõi liên tục 24/24 giờ tại bệnh viện. Tại Việt Nam, tình trạng chẩn đoán nhầm hoặc bỏ sót bệnh ở tuyến cơ sở diễn ra phổ biến do ba nguyên nhân chính: (1) bác sĩ phải phân tích tín hiệu thô chứa nhiều nhiễu điện lưới, nhiễu mắt và nhiễu cơ; (2) thời gian ghi đo lâm sàng thường chỉ kéo dài khoảng 10 phút do quá tải bệnh viện, ngắn hơn nhiều so với chuẩn quốc tế tối thiểu 20 phút; (3) sự thiếu hụt chuyên gia thần kinh có kinh nghiệm. Quá trình tầm soát thủ công tốn nhiều thời gian và phụ thuộc chủ quan, đòi hỏi phải xây dựng hệ thống xử lý tín hiệu tự động.

Từ bối cảnh thực tế và tổng quan tài liệu, luận án xác định năm khoảng trống nghiên cứu cụ thể:

  1. Các hệ thống đa bước hiện hành chưa tối ưu hóa số lượng thang tỉ lệ của phép biến đổi sóng con liên tục (sử dụng quá nhiều thang tỉ lệ dẫn tới tốc độ xử lý chậm).
  2. Tỉ lệ báo động giả gai còn cao do chưa khai thác mối quan hệ theo trục thời gian giữa các sóng kế cận.
  3. Các nghiên cứu phân tích ten-xơ trước đây chủ yếu tập trung nhận biết xung động kinh đơn kênh hoặc định vị vùng tổn thương, chưa khai thác mối liên hệ không gian giữa các gai xuất hiện đồng thời trên các kênh lân cận.
  4. Chưa có công trình nào giải quyết bài toán xấp xỉ hạng thấp đa tuyến tính cho một chuỗi các ten-xơ đồng thời (GSLRAT/SMLRAT).
  5. Chưa có phương pháp ước lượng đường cong ROC tổng hợp cho hệ thống đa bước xếp tầng sử dụng nhiều ngưỡng quyết định độc lập.

Mục tiêu nghiên cứu của luận án gồm:

  • Mục tiêu chung: Nghiên cứu cải tiến các hệ thống xử lý tín hiệu điện não hỗ trợ nhận biết gai động kinh bằng cách khai thác mối liên hệ giữa các gai gần nhau theo thời gian trên cơ sở dữ liệu EEG đơn kênh và theo không gian trên cơ sở dữ liệu EEG đa kênh đồng thời.
  • Mục tiêu cụ thể:
    1. Xây dựng hệ thống đa bước tự động phát hiện gai động kinh đơn kênh khai thác mối liên hệ thời gian giữa các gai gần nhau; đề xuất phương pháp ước lượng đường cong ROC tổng hợp cho hệ thống đa bước nhằm đánh giá hiệu năng phân loại.
    2. Xây dựng hệ thống tự động phát hiện gai động kinh đa kênh nhằm khai thác mối liên hệ không gian giữa các gai gần nhau sử dụng phương pháp phân tích ten-xơ.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Tín hiệu điện não đồ (EEG), dạng sóng gai động kinh, mô hình toán học ten-xơ và các thuật toán học máy phân loại nhị phân.
  • Phạm vi dữ liệu: Cơ sở dữ liệu EEG thu thập từ 17 bệnh nhân được chẩn đoán lâm sàng mắc bệnh động kinh tại Việt Nam (thuộc khuôn khổ đề tài QG.40, do bác sĩ Bệnh viện Nhi Trung ương thẩm định và gán nhãn), gồm 11 bệnh nhân nam và 6 bệnh nhân nữ, độ tuổi từ 4 đến 72 tuổi. Dữ liệu được đo theo chuẩn quốc tế 10-20 gồm 19 kênh với tần số lấy mẫu 256 Hz, thời gian đo mỗi ca từ 5 phút 31 giây đến 27 phút 13 giây, tổng cộng có 1442 gai động kinh thực tế.

Tổng quan tài liệu và vị trí của luận án

Luận án đã hệ thống hóa các hướng nghiên cứu tự động phát hiện gai động kinh trong gần bốn thập kỷ qua trên thế giới và phân chia thành hai nhóm cấu trúc chính:

  1. Nhóm các hệ thống đơn giản: Sử dụng trực tiếp một hoặc hai kỹ thuật xử lý tín hiệu hoặc học máy độc lập. Điển hình là các công trình so sánh tham số biên độ và độ dốc dạng sóng với ngưỡng thực tế của Gotman và cộng sự (1976, 1979) cùng kỹ thuật lọc của Pfurtscheller và cộng sự (1977), Frost (1985). Giai đoạn tiếp theo, các phương pháp phân tích thành phần chính (PCA), phân cụm K-means, máy vectơ hỗ trợ (SVM) và mạng nơ-ron nhân tạo (ANN) được triển khai độc lập trong các nghiên cứu của Inan và Kuntalp (2007), Subasi (2007), Patidar và cộng sự (2014, 2017). Nhóm hệ thống này có ưu điểm tính toán nhanh nhưng hiệu suất phân loại bị hạn chế khi tín hiệu EEG lâm sàng có nhiều nhiễu phức tạp.

  2. Nhóm các hệ thống đa bước: Kết hợp tuần tự nhiều công đoạn xử lý như lọc thích nghi, biến đổi sóng con liên tục (CWT), mạng nơ-ron nhân tạo và hệ chuyên gia. Tiêu biểu là công trình của Acır và cộng sự (2005) kết hợp mạng nơ-ron với hệ chuyên gia phân tích đặc trưng hình thái, D'Attellis và cộng sự (2006) sử dụng biến đổi sóng con xác định gai nhọn, và Liu cùng cộng sự (2013) tích hợp biến đổi sóng con đa phân giải với mạng ANN và hệ chuyên gia. Mặc dù đạt hiệu năng cao hơn hệ thống đơn giản, các hệ thống của Acır và Liu vẫn bộc lộ hai nhược điểm: dùng tới 8 thang tỉ lệ sóng con gây dư thừa khối lượng tính toán và chưa khai thác tính chất khoảng lặng sinh lý sau gai dẫn đến tỷ lệ giả gai còn lớn.

  3. Hướng tiếp cận đa kênh và phân tích ten-xơ: Phần lớn các nghiên cứu trước đây chỉ xử lý cục bộ từng kênh EEG riêng lẻ. Nghiên cứu của Indiradevi và cộng sự (2008) là công trình hiếm hoi đề cập phân tích đa mức, đa phân giải để kết hợp thông tin không gian, thời gian và tần số. Về phân tích đa tuyến tính, Acar và cộng sự (2006, 2007) cùng De Vos và cộng sự (2007) sử dụng mô hình ten-xơ để khử nhiễu, xác định vị trí tổn thương và phát hiện xung động kinh. Gần đây, Pippa và cộng sự áp dụng phương pháp phân tích ten-xơ của Phan và Cichocki (2010, 2011) để nhận biết sóng động kinh toàn thể hóa. Tuy nhiên, các tác giả chưa từng áp dụng ten-xơ vào bài toán phát hiện gai động kinh cục bộ đa kênh. Về mặt giải thuật xấp xỉ hạng thấp, các nghiên cứu của Ye (2005), Lu và cộng sự (2008, 2011) mới dừng lại ở xấp xỉ ma trận (GLRAM) hoặc xấp xỉ một ten-xơ đơn lẻ (MR-NTD, UMPCA), chưa có lời giải cho chuỗi nhiều ten-xơ đồng thời. Về đánh giá mô hình, các nghiên cứu của Hanley & McNeil (1982), Fawcett (2006) hay Pepe và cộng sự mới giải quyết đường cong ROC cho bộ phân loại đơn ngưỡng, hoàn toàn vắng bóng công cụ ước lượng ROC cho hệ thống phân loại đa tầng đa ngưỡng.

Vị trí của luận án: Luận án định vị trọng tâm giải quyết năm khoảng trống học thuật đã nêu bằng cách tối ưu hóa số thang tỉ lệ CWT và bổ sung hệ chuyên gia thời gian cho hệ thống đơn kênh; đồng thời mở rộng lý thuyết đại số đa tuyến tính thông qua việc đề xuất bài toán xấp xỉ hạng thấp đa tuyến tính đồng thời cho các ten-xơ (SMLRAT) kết hợp lựa chọn đặc trưng lai ghép trên dữ liệu EEG đa kênh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án tích hợp nền tảng lý thuyết xử lý tín hiệu y sinh, đại số đa tuyến tính và lý thuyết phân loại thống kê:

  • Chuẩn đo quốc tế 10-20: Sử dụng hệ thống 19 điện cực tiêu chuẩn gắn trên da đầu gồm các vị trí vùng tiền trán (Fp1, Fp2), trán (F3, F4, Fz, F7, F8), trung tâm (C3, C4, Cz), thái dương (T3, T4, T5, T6), đỉnh (P3, P4, Pz) và chẩm (O1, O2). Khoảng cách giữa các điện cực được phân định theo tỷ lệ 10% và 20% tổng khoảng cách từ điểm hốc mũi (nasion) đến mấu ngoài xương chẩm (inion). Bổ sung 4 điện cực ngoài để kiểm soát nhiễu mắt (điện cực 22, 23) và nhiễu cơ (điện cực 30, 31).
  • Đại số ten-xơ: Dữ liệu đa chiều được biểu diễn dưới dạng ten-xơ bậc ba $\mathcal{X} \in \mathbb{R}^{I_1 \times I_2 \times I_3}$. Luận án sử dụng các phép toán tích Kronecker ($A \otimes B$), tích Khatri-Rao ($A \odot B$), tích Hadamard ($A \ast B$), tích ngoại ($\circ$), chuẩn Frobenius $|\mathcal{X}|F$, phép nhân ten-xơ theo mode-$n$ ($\mathcal{X} \times_n U$) và kỹ thuật ma trận hóa ten-xơ $X{(n)}$.
  • Hai mô hình phân tích ten-xơ nền tảng:
    • Phân tích CP/PARAFAC: Biểu diễn ten-xơ thành tổng của $R$ ten-xơ hạng một: $$\mathcal{X} \approx \sum_{r=1}^R \lambda_r \mathbf{a}_r \circ \mathbf{b}_r \circ \mathbf{c}_r$$
    • Phân tích Tucker: Phân tích ten-xơ thành tích của ten-xơ lõi $\mathcal{G} \in \mathbb{R}^{P \times Q \times R}$ với các ma trận hệ số trực giao $A, B, C$: $$\mathcal{X} \approx \mathcal{G} \times_1 A \times_2 B \times_3 C$$
  • Quy trình tiền xử lý dữ liệu: Tín hiệu điện não đo bằng phần mềm ProFusionEEG ver 4.1 được chuyển đổi sang định dạng Matlab. Luận án áp dụng chuỗi lọc số gồm: bộ lọc Butterworth thông cao có tần số cắt 0.5 Hz, bộ lọc Butterworth thông thấp có tần số cắt 70 Hz, và bộ lọc Notch chặn dải tại tần số 50 Hz để triệt tiêu nhiễu điện lưới. Do đặc tính quá độ của bộ lọc số, 1000 mẫu dữ liệu đầu tiên của mỗi bản ghi được loại bỏ hoàn toàn.
  • Phương pháp nghiên cứu đơn kênh: Áp dụng biến đổi CWT với 5 thang tỉ lệ để trích xuất 7 đặc trưng hình thái (gồm biên độ, thời gian tồn tại, độ dốc cạnh trước và cạnh sau cùng năng lượng sóng con). Dùng mạng nơ-ron nhân tạo truyền thẳng (ANN) 3 lớp để phân loại nhị phân. Xây dựng hệ chuyên gia dựa trên quy luật sinh lý học thần kinh của Boos (1985): sau mỗi gai động kinh thực sự luôn xuất hiện một sóng chậm kéo dài từ 150 đến 350 mili giây, do đó trong khoảng thời gian này không thể tồn tại gai thứ hai. Ước lượng đường cong ROC tổng hợp bằng cách mô hình hóa hàm phân bố tích lũy đảo của phân bố Gauss (hàm logit) và phân bố Logistic (hàm probit).
  • Phương pháp nghiên cứu đa kênh: Cắt các đoạn tín hiệu EEG đa kênh thành các ten-xơ 3 chiều gồm 56 mẫu thời gian $\times$ 20 thang tỉ lệ tần số $\times$ 19 kênh đo. Đề xuất phương pháp xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng (SMLRAT) giải bằng thuật toán HOSVD và Tucker-ALS có ràng buộc không âm (NTD) nhằm tìm không gian đặc trưng chung ("eigenspikes"). Thiết lập kỹ thuật chọn lọc đặc trưng mới kết hợp đồng thời điểm Fisher $\gamma(f_i)$ và kiểm định giả thuyết thống kê với trị số $p$ (ngưỡng loại trừ $p \ge 0.05$) thông qua thuật toán tìm chuỗi con chung lớn nhất (LCS).
  • Kỹ thuật kiểm chứng và đánh giá: Sử dụng phương pháp kiểm định chéo loại một phần tử (Leave-One-Out Cross-Validation - LOOCV) kết hợp bốn bộ phân loại học máy: Máy vectơ hỗ trợ (SVM), $K$ láng giềng gần nhất (KNN), Naive Bayes (NB) và Cây quyết định (DT). Hiệu năng được đo lường qua độ nhạy (SEN), độ đặc hiệu (SPE), độ chính xác toàn phần (ACC) và diện tích dưới đường cong ROC (AUC).

Nội dung chính theo từng chương

Chương 1. Cơ sở và tổng quan

Chương 1 thiết lập toàn bộ cơ sở lý thuyết toán học, y sinh học và thông số thực nghiệm cho luận án. Tác giả trình bày cấu trúc sinh lý của 5 nhịp sóng điện não cơ bản: nhịp delta ($0.5 - 4$ Hz), theta ($4 - 7.5$ Hz), alpha ($8 - 13.5$ Hz), beta ($14 - 30$ Hz, bình thường khi biên độ $< 20\ \mu$V và có dấu hiệu bệnh lý khi $> 25\ \mu$V), nhịp gamma ($> 30$ Hz). Đồng thời, chương làm rõ hình thái gai động kinh với thời gian tồn tại ngắn từ 20 đến 70 mili giây. Hệ thống các công thức tính toán độ nhạy ($SEN = TP/(TP+FN)$), độ đặc hiệu ($SPE = TN/(TN+FP)$), tỉ lệ dương tính giả ($FPR = 1 - SPE$), tỉ lệ âm tính giả ($FNR = 1 - SEN$) và ý nghĩa phân loại của diện tích dưới đường cong ROC (AUC) được chuẩn hóa.

Bảng số liệu nhân khẩu học và phân bố dữ liệu điện não của 17 bệnh nhân được hệ thống hóa như sau:

Bệnh nhân Giới tính Tuổi Thời gian đo Số gai động kinh (Spikes)
1 Nam 4 19 phút 21 giây 8
2 Nam 6 22 phút 25 giây 635
3 Nam 9 11 phút 24 giây 6
4 Nam 9 11 phút 24 giây 16
5 Nam 11 16 phút 16 giây 351
6 Nam 12 17 phút 49 giây 22
7 Nam 15 22 phút 0 giây 2
8 Nam 16 22 phút 58 giây 11
9 Nam 20 27 phút 13 giây 1
10 Nam 21 23 phút 57 giây 8
11 Nam 72 15 phút 26 giây 2
12 Nữ 10 17 phút 7 giây 3
13 Nữ 13 18 phút 53 giây 5
14 Nữ 16 20 phút 14 giây 8
15 Nữ 20 14 phút 32 giây 324
16a Nữ 22 17 phút 56 giây 19
16b Nữ 22 9 phút 41 giây 9
17 Nữ 28 5 phút 31 giây 12
Tổng cộng 11 Nam / 6 Nữ 4 - 72 - 1442

Chương 1 cũng trình bày chi tiết các định nghĩa toán học ten-xơ đa chiều, tích Kronecker, tích Khatri-Rao, tích Hadamard, các dạng phân tích CP, phân tích Tucker và bài toán tối ưu xấp xỉ hạng thấp đa tuyến tính (MLRTA): $$\min_{G, {U_k}} |\mathcal{X} - \mathcal{G} \times_1 U_1 \times_2 U_2 \dots \times_N U_N|_F^2 \quad \text{với } \text{rank}(U_k) \le r_k$$

Chương 2. Hệ thống đa bước tự động phát hiện gai động kinh đơn kênh

Chương 2 tập trung phân tích hệ thống đa bước trên dữ liệu đơn kênh gồm 4 khối chức năng: (1) Tiền xử lý tín hiệu; (2) Trích xuất đặc trưng hình thái dựa trên biến đổi sóng con CWT; (3) Phân loại sơ bộ bằng mạng nơ-ron nhân tạo ANN; (4) Khử giả gai bằng hệ chuyên gia.

Điểm cải tiến cốt lõi của chương nằm ở hai khía cạnh:

  • Tối ưu hóa CWT: Khắc phục hạn chế của Liu và cộng sự (sử dụng 8 thang tỉ lệ), tác giả chứng minh chỉ cần sử dụng 5 thang tỉ lệ là đã bao quát đầy đủ năng lượng và hình thái đỉnh gai, giúp giảm thiểu đáng kể chi phí tính toán. Từ 5 thang tỉ lệ này, hệ thống trích xuất các thông số biên độ cạnh trước (FHWA), thời gian tồn tại cạnh trước (FHWD), độ dốc cạnh trước (FHWS), biên độ cạnh sau (SHWA), thời gian cạnh sau (SHWD), độ dốc cạnh sau (SHWS) và diện tích dưới sóng.
  • Hệ chuyên gia sinh lý học: Tận dụng đặc điểm phức hợp gai - sóng chậm (Boos, 1985), hệ chuyên gia thiết lập một cửa sổ thời gian kéo dài từ 150 đến 350 mili giây ngay sau đỉnh gai được mạng ANN phát hiện. Mọi đỉnh sóng vượt ngưỡng xuất hiện trong khoảng thời gian này đều bị kết luận là biến dạng giả gai và bị loại bỏ.
  • Ước lượng đường cong ROC tổng hợp: Khi ghép tầng mạng ANN và hệ chuyên gia, hệ thống vận hành với nhiều ngưỡng quyết định đồng thời, làm cho đường cong $SEN - (1 - SPE)$ không còn tuân theo quy luật đơn điệu của ROC truyền thống. Luận án xây dựng mô hình xấp xỉ toán học dựa trên hàm phân bố xác suất Gauss và phân bố Logistic, chứng minh tính đơn điệu tăng thông qua hàm phân bố tích lũy đảo (hàm probit và logit). Kết quả thực nghiệm cho thấy sau khi qua hệ chuyên gia, độ nhạy của hệ thống được duy trì trong khi độ đặc hiệu tăng lên rõ rệt, diện tích AUC tổng hợp phản ánh chính xác chất lượng toàn diện của chuỗi thuật toán xếp tầng.

Chương 3. Hệ thống đa bước tự động phát hiện gai động kinh đa kênh dựa trên phân tích ten-xơ

Chương 3 trình bày giải pháp nhận biết gai động kinh đa kênh nhằm tận dụng mối tương quan không gian giữa 19 kênh đo lân cận. Tín hiệu điện não được cấu trúc thành ten-xơ bậc ba kích thước 56 mẫu thời gian (ứng với khoảng 218 mili giây bao quanh đỉnh gai) $\times$ 20 thang tỉ lệ CWT (thuộc dải tần số từ thang tỉ lệ 4 đến 8) $\times$ 19 điện cực chuẩn 10-20.

Nội dung học thuật trọng tâm của chương gồm:

  • Phương pháp xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng (SMLRAT): Luận án tổng quát hóa phương pháp SLRAM từ không gian ma trận lên không gian ten-xơ đa chiều. Tác giả chứng minh về mặt toán học rằng nghiệm tối ưu địa phương của bài toán SMLRAT hoàn toàn có thể thu được bằng các thuật toán lặp HOSVD và Tucker-ALS với ràng buộc không âm (NTD). Phép phân tích NTD trên ten-xơ động kinh cho phép ước lượng không gian đặc trưng "eigenspikes" thể hiện qua ba ma trận hệ số trực giao: ma trận thời gian chung $A \in \mathbb{R}^{56 \times 15}$, ma trận thang tỉ lệ chung $B \in \mathbb{R}^{20 \times 10}$, và ma trận kênh chung $C \in \mathbb{R}^{19 \times 19}$.
  • Phương pháp lựa chọn đặc trưng lai ghép: Sau khi chiếu dữ liệu lên các không gian con, số lượng đặc trưng thu được rất lớn. Tác giả kết hợp tiêu chuẩn điểm Fisher ($\gamma(f_i)$) để xếp hạng độ phân tách giữa hai lớp gai động kinh và không động kinh, kết hợp với kiểm định ý nghĩa thống kê của trị số $p$. Bằng cách đặt mức ý nghĩa $\alpha = 0.05$, toàn bộ các đặc trưng có $p \ge 0.05$ bị bác bỏ vì không có ý nghĩa phân biệt thống kê. Tiếp đó, thuật toán tìm chuỗi con chung lớn nhất (LCS) được áp dụng để xác định tập đặc trưng tối ưu nhất.
  • Kết quả mô phỏng và kiểm định chéo LOOCV: Hiệu năng của mô hình đề xuất được so sánh đối sánh trực tiếp với các mô hình ten-xơ kinh điển (CP, NCP, TD, NTD) và phương pháp của Phan - Cichocki trên bốn thuật toán phân loại SVM, KNN, NB và DT. Kết quả khẳng định mô hình NTD kết hợp lựa chọn đặc trưng lai ghép và bộ phân loại SVM đạt độ nhạy (SEN), độ chính xác (ACC) và diện tích ROC (AUC) cao nhất. Đồng thời, cấu trúc ten-xơ đa kênh loại bỏ hiệu quả các nhiễu sinh học cục bộ so với phương pháp xếp chồng dữ liệu phẳng truyền thống.

Kết quả và những đóng góp mới

Luận án đã đạt được những kết quả cụ thể và công bố các đóng góp mới về mặt lý luận giải thuật cũng như giải pháp kỹ thuật ứng dụng:

  1. Đóng góp về mặt lý luận và phương pháp:
  • Đề xuất mô hình toán học và giải thuật cho bài toán xấp xỉ hạng thấp đa tuyến tính đồng thời cho các ten-xơ (SMLRAT). Luận án đã chứng minh chặt chẽ bằng giải tích rằng bài toán SMLRAT tìm được các nghiệm hội tụ tối ưu địa phương thông qua hai thuật toán HOSVD và Tucker-ALS kết hợp ràng buộc không âm.
  • Xây dựng thành công phương pháp ước lượng đường cong ROC tổng hợp cho các hệ thống phân loại đa bước xếp tầng có nhiều ngưỡng quyết định độc lập dựa trên hàm tích lũy đảo của hai phân bố phổ biến là phân bố Gauss và phân bố Logistic.
  • Đề xuất phương pháp lựa chọn đặc trưng mới cho dữ liệu nhiều chiều bằng cách kết hợp có chọn lọc giữa điểm Fisher và trị số kiểm định thống kê $p$ (ngưỡng loại trừ $\alpha = 0.05$) thông qua thuật toán chuỗi con chung lớn nhất (LCS).
  1. Đóng góp về mặt kỹ thuật và thực tiễn:
  • Cải tiến quy trình phát hiện gai đơn kênh: tối ưu hóa số lượng thang tỉ lệ của biến đổi sóng con CWT xuống còn 5 thang tỉ lệ (thay vì 8 thang tỉ lệ trong các công trình quốc tế trước đây), giúp tinh gọn không gian tính toán; thiết lập hệ chuyên gia khử giả gai dựa trên đặc trưng khoảng lặng sinh lý của sóng chậm ($150 - 350$ ms).
  • Xây dựng thành công hệ thống phát hiện gai động kinh đa kênh dựa trên ten-xơ: khai thác trọn vẹn mối tương quan không gian giữa các kênh đo cạnh nhau, trích xuất thành công không gian đặc trưng "eigenspikes" với các ma trận cơ sở thời gian ($56 \times 15$), thang tỉ lệ ($20 \times 10$) và kênh ($19 \times 19$), khắc phục tình trạng giả gai do nhiễu môi trường gây ra.
  1. Kiến nghị và giải pháp đề xuất:
  • Luận án kiến nghị triển khai quy trình tiền xử lý 3 bộ lọc số (Butterworth 0.5 Hz, 70 Hz và Notch 50 Hz kết hợp loại bỏ 1000 mẫu quá độ ban đầu) vào các thiết bị ghi đo điện não lâm sàng tại Việt Nam để nâng cao chất lượng tín hiệu thô.
  • Đề xuất tích hợp module phát hiện tự động đơn kênh và đa kênh vào phần mềm chẩn đoán y tế nhằm hỗ trợ các bác sĩ chuyên khoa thần kinh rút ngắn thời gian tầm soát bản ghi điện não từ 10 - 20 phút xuống còn vài giây, giảm thiểu sai sót chẩn đoán ở các bệnh viện tuyến tỉnh và tuyến huyện.

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế được văn bản luận án thừa nhận bao gồm:

  • Cơ sở dữ liệu nghiên cứu giới hạn trên 17 bệnh nhân với sự phân bố số lượng gai động kinh không đồng đều giữa các cá thể (bệnh nhân số 9 chỉ có 1 gai động kinh trong khi bệnh nhân số 2 có tới 635 gai), gây khó khăn nhất định cho việc cân bằng tập mẫu huấn luyện cá thể hóa.
  • Thời gian đo tín hiệu điện não lâm sàng tương đối ngắn (dao động từ 5 phút 31 giây đến 27 phút 13 giây) do điều kiện khám bệnh thực tế tại Việt Nam, chưa có điều kiện thu thập các bản ghi theo dõi liên tục 24/24 giờ để kiểm nghiệm đồng thời xung động kinh toàn thể.
  • Nghiên cứu tập trung giải quyết trên cấu hình chuẩn 19 điện cực thông dụng, chưa mở rộng đánh giá trên các hệ thống đo điện não độ phân giải không gian cao (mũ đo 32, 64 hoặc 128 kênh).

Hướng nghiên cứu tiếp:

  • Mở rộng quy mô cơ sở dữ liệu trên số lượng bệnh nhân lớn hơn, đa dạng hóa các lứa tuổi và các thể bệnh động kinh phức tạp khác nhau.
  • Tối ưu hóa tốc độ hội tụ của thuật toán xấp xỉ ten-xơ SMLRAT và Tucker-ALS nhằm xây dựng giải thuật xử lý trực tuyến trong thời gian thực (real-time) song hành với quá trình ghi đo điện não.
  • Mở rộng thuật toán phân tích ten-xơ đa kênh phục vụ bài toán định vị không gian 3 chiều vùng não khởi phát tổn thương gây động kinh.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên môn hữu ích cho nhiều nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và giảng viên các ngành Kỹ thuật Viễn thông, Kỹ thuật Y sinh, Công nghệ Thông tin và Xử lý Tín hiệu: Có thể khai thác Chương 1 và Chương 3 để nghiên cứu sâu về đại số ten-xơ, thuật toán xấp xỉ hạng thấp đa tuyến tính (SMLRAT), phân tích Tucker với ràng buộc không âm (NTD) và kỹ thuật lựa chọn đặc trưng đa biến kết hợp Fisher - trị số $p$.
  • Nhà nghiên cứu và kỹ sư phát triển giải pháp học máy y tế: Phương pháp ước lượng đường cong ROC tổng hợp cho hệ thống xếp tầng đa ngưỡng ở Chương 2 là công cụ toán học có giá trị ứng dụng cao cho mọi hệ thống phân loại nhị phân đa bước.
  • Bác sĩ chuyên khoa thần kinh và kỹ thuật viên y tế: Có thể tham khảo bảng thông số sinh lý học của các nhịp điện não, tiêu chuẩn phân biệt gai thật - gai giả, hiện tượng phức hợp gai - sóng chậm và quy trình tiền xử lý lọc nhiễu 6 bước trên phần mềm ProFusionEEG và Matlab.

Câu hỏi thường gặp

1. Cơ sở dữ liệu tín hiệu điện não đồ (EEG) sử dụng trong luận án có quy mô và đặc điểm như thế nào? Cơ sở dữ liệu của luận án được xây dựng từ 17 bệnh nhân chẩn đoán lâm sàng mắc động kinh tại Việt Nam (thuộc đề tài QG.40, do bác sĩ Bệnh viện Nhi Trung ương thẩm định), gồm 11 nam và 6 nữ, độ tuổi từ 4 đến 72 tuổi. Tín hiệu được thu thập theo chuẩn 10-20 gồm 19 kênh đo với tần số lấy mẫu 256 Hz. Thời gian ghi đo của mỗi bệnh nhân kéo dài từ 5 phút 31 giây đến 27 phút 13 giây, tổng hợp được 1442 gai động kinh thực tế. Số lượng gai phân bố rất không đồng đều: bệnh nhân số 9 chỉ có 1 gai trong khi bệnh nhân số 2 có tới 635 gai.

2. Chuỗi tiền xử lý tín hiệu EEG trong luận án gồm các bộ lọc nào và tại sao phải loại bỏ 1000 mẫu đầu tiên? Chuỗi tiền xử lý sử dụng 3 bộ lọc số: bộ lọc thông cao Butterworth có tần số cắt 0.5 Hz (loại bỏ hiện tượng trôi dạt đường nền), bộ lọc thông thấp Butterworth có tần số cắt 70 Hz (loại bỏ nhiễu tần số cao), và bộ lọc Notch chặn dải tại 50 Hz (triệt tiêu nhiễu điện lưới). Luận án phải loại bỏ 1000 mẫu dữ liệu đầu tiên của bản ghi do tính trễ và đáp ứng quá độ của bộ lọc số khiến các mẫu ban đầu bị méo dạng và chứa nhiều sai số.

3. Hệ chuyên gia trong hệ thống đơn kênh hoạt động dựa trên cơ sở sinh lý học thần kinh nào? Hệ chuyên gia được thiết lập dựa trên quy luật sinh lý học thần kinh do Boos công bố năm 1985: liền sau mỗi gai động kinh thực sự luôn xuất hiện một sóng chậm tạo thành phức hợp gai - sóng chậm, với khoảng thời gian duy trì từ 150 đến 350 mili giây. Về mặt sinh lý, không thể xuất hiện gai thứ hai trong khoảng thời gian này. Hệ chuyên gia tạo ra một cửa sổ thời gian từ 150 đến 350 mili giây sau đỉnh gai mà mạng ANN phát hiện để loại bỏ tất cả các đỉnh nhọn lân cận, nhờ đó triệt tiêu triệt để các báo động giả gai.

4. Phương pháp xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng (SMLRAT) giải quyết bài toán gì và nghiệm được tìm bằng cách nào? Phương pháp SMLRAT giải quyết bài toán tìm không gian con xấp xỉ hạng thấp đa chiều đồng thời cho một tập hợp chuỗi các ten-xơ tín hiệu động kinh và không động kinh, nhằm trích xuất các đặc trưng nén đại diện mà vẫn bảo toàn tối đa năng lượng tín hiệu. Luận án đã chứng minh toán học rằng bài toán tối ưu SMLRAT có thể đạt được các nghiệm hội tụ cục bộ thông qua việc sử dụng thuật toán HOSVD và thuật toán lặp luân phiên Tucker-ALS có ràng buộc không âm (NTD).

5. Kỹ thuật lựa chọn đặc trưng trong hệ thống đa kênh kết hợp những tiêu chí nào? Hệ thống đa kênh kết hợp đồng thời hai tiêu chuẩn lựa chọn đặc trưng: điểm phân tách Fisher ($\gamma(f_i)$) để đánh giá khả năng tách biệt giữa hai lớp gai và trị số kiểm định thống kê $p$. Các đặc trưng có $p \ge 0.05$ bị loại bỏ vì không thỏa mãn giả thiết có ý nghĩa phân biệt thống kê. Sau đó, thuật toán tìm chuỗi con chung lớn nhất (LCS) được áp dụng trên trật tự sắp xếp của hai phương pháp để trích chọn ra tập đặc trưng tối ưu nhất đưa vào các bộ phân loại SVM, KNN, NB và DT.

Kết luận

Luận án tiến sĩ của nghiên cứu sinh Nguyễn Thị Anh Đào đã giải quyết trọn vẹn mục tiêu tự động hóa quá trình phát hiện gai động kinh trên tín hiệu điện não đồ thông qua hai hướng tiếp cận đơn kênh khai thác tương quan thời gian và đa kênh khai thác tương quan không gian. Những đóng góp học thuật cốt lõi bao gồm việc tối ưu hóa 5 thang tỉ lệ CWT kết hợp hệ chuyên gia sóng chậm, xây dựng lý thuyết ước lượng đường cong ROC tổng hợp cho hệ thống xếp tầng, đề xuất bài toán xấp xỉ ten-xơ đồng thời SMLRAT với ràng buộc không âm và giải thuật chọn đặc trưng lai ghép Fisher - trị số $p$. Các kết quả thực nghiệm kiểm định trên tập dữ liệu lâm sàng 17 bệnh nhân tại Việt Nam khẳng định tính đúng đắn của mô hình toán học và mang lại giá trị ứng dụng thiết thực cho công tác hỗ trợ chẩn đoán bệnh lý động kinh.