Hệ Thống Xử Lý Tín Hiệu Điện Não Tự Động Phát Hiện Gai Động Kinh

Luận án tiến sĩ kỹ thuật phân tích hệ thống xử lý tín hiệu điện não tự động phát hiện gai động kinh, xây dựng cơ sở lý luận, kiểm chứng thực nghiệm, đóng góp tri thức mới cho

• Tác giả: Nguyễn Thị Anh Đào
• Người hướng dẫn: PGS. Nguyễn Linh Trung
• Trường học: Đại Học Quốc Gia Hà Nội
• Chuyên ngành: Kỹ Thuật Viễn Thông
• Đề tài: Hệ Thống Xử Lý Tín Hiệu Điện Não Tự Động Phát Hiện Gai Động Kinh
• Loại tài liệu: luận án
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng Quan Hệ Thống Xử Lý Tín Hiệu Điện Não EEG Tự Động

Hệ thống xử lý tín hiệu điện não (EEG) tự động phát hiện gai động kinh là một lĩnh vực nghiên cứu quan trọng trong y học. Điện não đồ (EEG) là một phương pháp ghi lại hoạt động điện của não bộ, giúp bác sĩ chẩn đoán các bệnh lý liên quan đến não, đặc biệt là động kinh. Tuy nhiên, việc phân tích tín hiệu EEG thủ công tốn nhiều thời gian và công sức, đồng thời dễ bị ảnh hưởng bởi yếu tố chủ quan của người đọc. Vì vậy, việc phát triển các hệ thống tự động để hỗ trợ bác sĩ trong việc phát hiện gai động kinh là vô cùng cần thiết. Các hệ thống này sử dụng các thuật toán xử lý tín hiệu điện não, học máy và mạng nơ-ron để phân tích và nhận diện các đặc trưng của gai động kinh trong tín hiệu EEG.

1.1. Tầm Quan Trọng Của Phát Hiện Gai Động Kinh Sớm

Phát hiện gai động kinh sớm có ý nghĩa quan trọng trong việc chẩn đoán và điều trị động kinh. Gai động kinh thường xuất hiện trên điện não đồ (EEG) trước hoặc sau cơn động kinh, do đó việc phát hiện chúng có thể giúp bác sĩ xác định bệnh nhân có nguy cơ mắc động kinh hay không. Chẩn đoán sớm cũng giúp bác sĩ có thể can thiệp kịp thời bằng thuốc hoặc các phương pháp điều trị khác, từ đó giảm thiểu nguy cơ xảy ra cơn động kinh và cải thiện chất lượng cuộc sống của bệnh nhân. Nghiên cứu cho thấy phát hiện sớm và điều trị đúng cách có thể kiểm soát cơn động kinh ở 70% bệnh nhân.

1.2. Ứng Dụng Của Xử Lý Tín Hiệu Điện Não Trong Chẩn Đoán

Xử lý tín hiệu điện não có nhiều ứng dụng trong chẩn đoán các bệnh lý thần kinh, bao gồm động kinh, rối loạn giấc ngủ, và các bệnh lý khác. Trong chẩn đoán động kinh, xử lý tín hiệu điện não giúp phát hiện gai động kinh, sóng chậm, và các bất thường khác trên điện não đồ (EEG). Các thuật toán phân loại tín hiệu EEG có thể được sử dụng để phân biệt giữa tín hiệu EEG bình thường và tín hiệu EEG có chứa gai động kinh. Ngoài ra, xử lý tín hiệu điện não còn có thể giúp xác định vị trí của vùng não gây ra cơn động kinh.

II. Thách Thức Trong Phát Hiện Gai Động Kinh Tự Động Từ EEG

Mặc dù có nhiều tiềm năng, việc phát hiện gai động kinh tự động từ điện não đồ (EEG) vẫn còn nhiều thách thức. Tín hiệu EEG thường chứa nhiều nhiễu từ các nguồn khác nhau, như nhiễu điện lưới, nhiễu cơ, và nhiễu từ các hoạt động sinh lý khác của cơ thể. Điều này gây khó khăn cho việc phân tích và nhận diện gai động kinh. Thêm vào đó, hình dạng và tần suất xuất hiện của gai động kinh có thể khác nhau giữa các bệnh nhân và giữa các cơn động kinh khác nhau của cùng một bệnh nhân. Do đó, cần có các thuật toán xử lý tín hiệu điện não mạnh mẽ và linh hoạt để có thể xử lý các biến thể này.

2.1. Ảnh Hưởng Của Nhiễu Lên Độ Chính Xác Phát Hiện

Nhiễu trong tín hiệu điện não (EEG) là một vấn đề lớn ảnh hưởng đến độ chính xác của các hệ thống phát hiện gai động kinh tự động. Nhiễu có thể làm mờ hoặc che lấp các đặc trưng của gai động kinh, khiến cho việc nhận diện trở nên khó khăn hơn. Các thuật toán giảm nhiễu tín hiệu EEG như lọc Kalman, phân tích thành phần độc lập (ICA), và biến đổi wavelet thường được sử dụng để loại bỏ nhiễu trước khi phân tích. Tuy nhiên, việc loại bỏ nhiễu quá mức cũng có thể làm mất đi các thông tin quan trọng trong tín hiệu EEG.

2.2. Sự Đa Dạng Của Gai Động Kinh Và Các Yếu Tố Ảnh Hưởng

Sự đa dạng về hình dạng và tần suất của gai động kinh là một thách thức khác trong phát hiện gai động kinh tự động. Gai động kinh có thể có nhiều hình dạng khác nhau, từ các gai nhọn đến các sóng chậm. Tần suất xuất hiện của gai động kinh cũng có thể thay đổi theo thời gian và theo trạng thái của bệnh nhân. Các yếu tố như tuổi tác, loại động kinh, và thuốc điều trị có thể ảnh hưởng đến hình dạng và tần suất của gai động kinh. Cần có các thuật toán học máy có khả năng học và thích nghi với các biến thể này để đạt được độ chính xác cao trong phát hiện gai động kinh.

III. Phương Pháp Phát Hiện Gai Động Kinh Dựa Trên Học Sâu Deep Learning

Các phương pháp học sâu đã chứng minh được hiệu quả trong nhiều lĩnh vực khác nhau, bao gồm cả phát hiện gai động kinh tự động. Mạng nơ-ron sâu (Deep Neural Networks - DNNs) có khả năng tự động học các đặc trưng quan trọng từ tín hiệu EEG, mà không cần sự can thiệp của con người. Các kiến trúc mạng nơ-ron khác nhau, như mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs) và mạng nơ-ron hồi quy (Recurrent Neural Networks - RNNs), đã được sử dụng để phát hiện gai động kinh với kết quả đầy hứa hẹn. Học máy trong chẩn đoán động kinh ngày càng được quan tâm.

3.1. Ứng Dụng Mạng Nơ Ron Tích Chập CNN Trong Xử Lý EEG

Mạng nơ-ron tích chập (CNN) là một kiến trúc mạng nơ-ron đặc biệt phù hợp cho việc xử lý tín hiệu EEG. CNNs có khả năng tự động học các đặc trưng không gian từ tín hiệu EEG, bằng cách sử dụng các bộ lọc tích chập. Các bộ lọc này có thể phát hiện các mẫu cục bộ trong tín hiệu EEG, như gai động kinh và sóng chậm. CNNs đã được sử dụng để phát hiện gai động kinh từ tín hiệu EEG với độ chính xác cao.

3.2. Mạng Nơ Ron Hồi Quy RNN Và Khả Năng Xử Lý Dữ Liệu Thời Gian

Mạng nơ-ron hồi quy (RNN) là một kiến trúc mạng nơ-ron khác có khả năng xử lý dữ liệu thời gian, như tín hiệu EEG. RNNs có khả năng ghi nhớ các thông tin từ quá khứ, và sử dụng các thông tin này để đưa ra dự đoán trong tương lai. RNNs đã được sử dụng để phát hiện gai động kinh từ tín hiệu EEG bằng cách học các mẫu thời gian của gai động kinh và các sự kiện liên quan. Cụ thể, LSTM và GRU là các biến thể phổ biến của RNN, giúp giảm thiểu vấn đề biến mất đạo hàm.

IV. Phương Pháp Phân Tích Ten Xơ Trong Hệ Thống Phát Hiện Tự Động

Phương pháp phân tích ten-xơ là một kỹ thuật mạnh mẽ để xử lý tín hiệu điện não, đặc biệt khi dữ liệu được thu thập từ nhiều kênh điện não đồ (EEG). Ten-xơ cho phép biểu diễn dữ liệu đa chiều một cách tự nhiên, và các thuật toán phân tích ten-xơ có thể khai thác các mối quan hệ phức tạp giữa các kênh EEG. Các phương pháp như phân tích thành phần song song (PARAFAC) và phân tích Tucker có thể được sử dụng để phân tích ten-xơ EEG và trích xuất đặc trưng quan trọng cho việc phát hiện gai động kinh.

4.1. Ứng Dụng Phân Tích Thành Phần Song Song PARAFAC Trong EEG

Phân tích thành phần song song (PARAFAC) là một phương pháp phân tích ten-xơ được sử dụng rộng rãi trong xử lý tín hiệu EEG. PARAFAC có khả năng phân tách ten-xơ EEG thành các thành phần riêng biệt, mỗi thành phần đại diện cho một nguồn hoạt động não bộ. Các thành phần này có thể được sử dụng để trích xuất đặc trưng cho việc phát hiện gai động kinh. Một trong những ưu điểm của PARAFAC là tính duy nhất của giải pháp, giúp dễ dàng so sánh kết quả giữa các bệnh nhân.

4.2. Phân Tích Tucker Và Khả Năng Mô Hình Hóa Dữ Liệu Đa Chiều

Phân tích Tucker là một phương pháp phân tích ten-xơ khác có khả năng mô hình hóa dữ liệu đa chiều. Tucker phân tách ten-xơ EEG thành một ten-xơ lõi và các ma trận nhân tố. Ten-xơ lõi đại diện cho mối quan hệ giữa các nhân tố, và các ma trận nhân tố đại diện cho các đặc trưng của từng chiều dữ liệu. Phân tích Tucker có thể được sử dụng để trích xuất đặc trưng cho việc phát hiện gai động kinh bằng cách phân tích ten-xơ lõi và các ma trận nhân tố.

V. Kết Quả Nghiên Cứu Và Đánh Giá Hệ Thống Phát Hiện Gai Động Kinh

Hiệu suất của các hệ thống phát hiện gai động kinh tự động thường được đánh giá bằng các chỉ số như độ chính xác, độ nhạy, và độ đặc hiệu. Độ chính xác phát hiện gai động kinh cho biết tỷ lệ các trường hợp được phân loại đúng, độ nhạy phát hiện gai động kinh cho biết tỷ lệ các gai động kinh được phát hiện đúng, và độ đặc hiệu phát hiện gai động kinh cho biết tỷ lệ các trường hợp không phải gai động kinh được phân loại đúng. Các nghiên cứu đã chỉ ra rằng các hệ thống phát hiện gai động kinh dựa trên học sâu và phân tích ten-xơ có thể đạt được hiệu suất cao.

5.1. Các Chỉ Số Đánh Giá Độ Chính Xác Của Hệ Thống Độ Nhạy Độ Đặc Hiệu

Các chỉ số như độ nhạy, độ đặc hiệu và độ chính xác phát hiện gai động kinh là các thước đo quan trọng để đánh giá hiệu suất của hệ thống. Độ nhạy thể hiện khả năng của hệ thống trong việc phát hiện đúng các gai động kinh, trong khi độ đặc hiệu thể hiện khả năng của hệ thống trong việc phân loại đúng các mẫu không phải gai động kinh. Độ chính xác là một chỉ số tổng quát, cho biết tỷ lệ các trường hợp được phân loại đúng. Cần xem xét cả ba chỉ số này để có một đánh giá toàn diện về hiệu suất của hệ thống.

5.2. So Sánh Hiệu Suất Giữa Các Phương Pháp Phát Hiện Khác Nhau

Việc so sánh hiệu suất giữa các phương pháp phát hiện gai động kinh khác nhau là rất quan trọng để xác định phương pháp nào là tốt nhất. Các phương pháp khác nhau có thể có ưu điểm và nhược điểm riêng, và hiệu suất của chúng có thể phụ thuộc vào các yếu tố như loại động kinh, chất lượng tín hiệu EEG, và kích thước tập dữ liệu huấn luyện. Cần thực hiện các thử nghiệm so sánh khách quan và sử dụng các chỉ số đánh giá chuẩn để đưa ra kết luận chính xác.

VI. Tiềm Năng Phát Triển Của Hệ Thống Xử Lý EEG Trong Tương Lai

Trong tương lai, các hệ thống xử lý tín hiệu điện não tự động phát hiện gai động kinh có tiềm năng phát triển rất lớn. Các tiến bộ trong lĩnh vực học sâu, xử lý tín hiệu, và phần cứng tính toán sẽ cho phép phát triển các hệ thống có độ chính xác cao hơn, khả năng thích nghi tốt hơn, và tốc độ xử lý nhanh hơn. Các hệ thống này có thể được sử dụng để hỗ trợ bác sĩ trong việc chẩn đoán và điều trị động kinh, cũng như để phát triển các thiết bị theo dõi động kinh cá nhân hóa.

6.1. Tích Hợp Hệ Thống AI Với Giao Diện Người Máy HMI Tiện Dụng

Việc tích hợp các hệ thống AI phát hiện động kinh với giao diện người máy (HMI) thân thiện và dễ sử dụng là một hướng phát triển quan trọng. HMI có thể cung cấp cho bác sĩ các thông tin trực quan về tín hiệu EEG và các kết quả phân tích, giúp bác sĩ đưa ra quyết định chẩn đoán và điều trị nhanh chóng và chính xác hơn. HMI cũng có thể được sử dụng để cung cấp phản hồi cho bệnh nhân về tình trạng động kinh của họ.

6.2. Ứng Dụng Trong Theo Dõi Động Kinh Cá Nhân Hóa

Các hệ thống xử lý tín hiệu điện não tự động có thể được sử dụng để phát triển các thiết bị theo dõi động kinh cá nhân hóa. Các thiết bị này có thể liên tục theo dõi tín hiệu EEG của bệnh nhân, và cảnh báo cho bệnh nhân hoặc người thân khi có dấu hiệu của cơn động kinh. Điều này có thể giúp bệnh nhân và người thân chuẩn bị sẵn sàng cho cơn động kinh, và giảm thiểu nguy cơ xảy ra các tai nạn.

Trích đoạn nội dung tài liệu

MỞ ĐẦU 1. Bối cảnh nghiên cứu Động kinh (epilepsy) là một rối loạn thần kinh và là một trong những rối loạn nghiêm trọng phổ biến nhất của bộ não, được đặc trưng bởi sự xuất hiện xung động kinh lặp đi lặp lại nhiều lần. Bệnh động kinh chiếm 1% trong số các bệnh tật trên toàn cầu. Theo nghiên cứu [10] năm 2010, trên thế giới có khoảng 50 triệu người mắc bệnh động kinh, gần 40 triệu người bị động kinh ở các nước phát triển, trong đó 80
90% người bị động kinh không được điều trị [17, 107].

Khoảng 4 tỷ người (50% dân số toàn cầu) sống ở châu Á, trong đó khoảng 23 triệu người mắc bệnh động kinh [116]. Chẩn đoán bệnh tức là dựa vào triệu chứng của bệnh nhân và một số xét nghiệm lâm sàng, cận lâm sàng để các bác sĩ xác định bệnh nhân có bị bệnh hay không. Trong chẩn đoán bệnh động kinh, bác sĩ dựa vào nhận biết các triệu chứng đặc trưng của từng cơn, dấu hiệu thần kinh và tâm thần, tuổi khởi phát và căn nguyên của các cơn co giật lâm sàng. Một xét nghiệm lâm sàng quan trọng hay được sử dụng nhất để chẩn đoán và theo dõi tiến triển của bệnh động kinh là đo điện não đồ của bệnh nhân.

Điện não đồ (EEG – Electroencephalogram) là cách sử dụng mũ điện cực ghi lại các hoạt động điện của não bộ. Dựa vào quan sát dữ liệu điện não đồ, bác sĩ có thể chẩn đoán bệnh động kinh, thể loại động kinh và khu vực não bị tổn thương, thông qua các dấu ấn sinh học của động kinh được thể hiện trên điện não đồ. Dấu ấn sinh học của động kinh gồm xung động kinh (epileptic seizure) và một số dạng sóng động kinh như gai động kinh (epileptic spike), sóng sắc (sharp wave), phức hợp gai và sóng, đa gai. Với các xét nghiệm lâm sàng, bác sĩ chỉ quan sát được gai động kinh trên điện não đồ của bệnh nhân.

Xung động kinh của bệnh nhân được ghi lại khi bệnh nhân được theo dõi điện não đồ 24{24 giờ trong bệnh viện. Gai động kinh xuất hiện trên điện não đồ trước hoặc sau cơn động kinh [60]. Tại Việt Nam, việc chẩn đoán nhầm bệnh động kinh ở tuyến huyện và tỉnh xảy ra khá phổ biến do hai nguyên nhân như sau: Thứ nhất, các bác sĩ chuyên khoa phân tích và chẩn đoán bệnh động kinh từ dữ 15 (LUAN.kinh TIEU LUAN MOI download : [e-mail] liệu thô (chưa được xử lý bậc cao) được đo trực tiếp từ máy đo điện não. Tín hiệu điện não thô thông thường chứa nhiều loại nhiễu như nhiễu điện lưới, nhiễu mắt, nhiễu cơ dẫn đến việc quan sát các gai động kinh khó khăn.

Thứ hai, theo chuẩn đo điện não quốc tế, tín hiệu điện não đo trong khoảng thời gian ít nhất là 20 phút. Đối với một số trường hợp cụ thể, tín hiệu điện não phải được giám sát 24{24. Tuy nhiên, ở Việt Nam, do số lượng bệnh nhân lớn, các bệnh viện bị quá tải nên thông thường, các bệnh nhân được đo tín hiệu điện não để bác sĩ chẩn đoán bệnh chỉ trong khoảng thời gian là 10 phút. Điều này dễ dẫn đến việc có thể không phát hiện ra bệnh động kinh đối với bệnh nhân bị bệnh động kinh hoặc chẩn đoán nhầm thể loại bệnh động kinh.

Việc chẩn đoán nhầm bệnh động kinh có thể dẫn đến nhiều hệ lụy. Ví dụ, có những bệnh nhân bị động kinh nhưng thời gian đo ngắn, tín hiệu có nhiều nhiễu không được xử lý lọc nhiễu nên bác sĩ không phát hiện ra bệnh, dẫn đến trường hợp người bệnh bị bệnh động kinh nhưng không được điều trị. Bệnh động kinh có nhiều loại động kinh khác nhau, việc chẩn đoán không chính xác dẫn đến việc cho thuốc động kinh không đúng loại có thể gây ra những tác dụng phụ không mong muốn và có trường hợp làm bệnh trở thành nặng hơn. Trong gần 40 năm qua, đã có nhiều công trình nghiên cứu về nhận biết các dấu ấn sinh học (biomarker) của bệnh động kinh như nhận biết xung động kinh (seizure) kết hợp với lâm sàng và một số xét nghiệm khác để chẩn đoán các thể động kinh.

Một số công trình nghiên cứu về phát hiện xung động kinh được đề xuất trong [4, 44, 45, 67, 119, 120] và phát hiện gai động kinh trong [43, 45]. Xung động kinh thường khó xuất hiện trong thời gian đo khi làm xét nghiệm lâm sàng. Xung động kinh đo được khi bệnh nhân được đo giám sát 24{24 trong bệnh viện. Ở Việt Nam rất ít khi đo giám sát 24{24, trừ khi bệnh nhân bị bệnh nặng và cần phẫu thuật bỏ phần não tổn thương gây nên động kinh để điều trị.

Vì vậy, rất khó khăn để có được dữ liệu điện não đồ có chứa xung động kinh ở Việt Nam để nghiên cứu. Mặt khác, khi bệnh nhân xuất hiện xung động kinh tức là trường hợp bệnh nhân đã bị bệnh nặng. Ngoài ra, các hoạt động khác của não hoặc nhiễu (do điều kiện ghi điện não chưa theo chuẩn quốc tế) có thể tạo ra các gai không động kinh (giả gai) trên tín hiệu EEG, dễ gây nhầm lẫn cho bác sĩ dẫn đến hiện tượng chẩn đoán nhầm bệnh. Vì vậy, để hỗ trợ cho các bác sĩ trong việc chẩn đoán, phát hiện bệnh động kinh ngay trong giai đoạn bệnh còn 16 (LUAN.kinh TIEU LUAN MOI download : [e-mail] nhẹ, tức là xuất hiện gai động kinh trong tín hiệu điện não đồ, luận án đặt ra vấn đề nghiên cứu hệ thống xử lý tín hiệu điện não tự động nhận biết gai động kinh, sử dụng các kỹ thuật xử lý tín hiệu tiên tiến nhằm tăng tính khách quan và độ chính xác trong việc phát hiện gai động kinh.

Tổng quan về các vấn đề nghiên cứu Do việc dò gai thủ công tốn rất nhiều thời gian của bác sĩ nên việc xây dựng các hệ thống để phát hiện gai động kinh tự động là hướng nghiên cứu đang được quan tâm ở Việt Nam cũng như trên thế giới. Việc tự động phát hiện gai động kinh có thể cung cấp thông tin về mật độ gai và hội chứng của bệnh động kinh. Trong những năm vừa qua, đã có nhiều công trình nghiên cứu về tự động phát hiện gai động kinh như trong [5, 43, 52, 81, 94, 95, 97, 109, 127]. Tuy nhiên, việc nghiên cứu về tự động phát hiện gai động kinh vẫn gặp khó khăn do một số nguyên nhân như sau Khó khăn đầu tiên là định nghĩa về gai động kinh, không có định nghĩa chính xác về gai động kinh [45].

Thực tế, số lượng gai động kinh trên điện não đồ là nhỏ hơn rất nhiều so với số gai không phải là gai động kinh, vì vậy, có thể có những trường hợp hai bác sĩ khác nhau có thể sẽ không đánh dấu cùng một sự kiện là gai động kinh. Thứ hai, việc xây dựng và phát triển tập huấn luyện về gai rất tốn kém và mất nhiều thời gian do có sự khác nhau về hình thái của gai động kinh đối với các bệnh nhân khác nhau. Ở Việt Nam, việc sử dụng các bản ghi EEG trong chẩn đoán và điều trị bệnh động kinh vẫn còn ở giai đoạn sơ khai do một số lý do như sau: (i) sự khan hiếm của các bác sĩ thần kinh có kinh nghiệm có thể đưa ra các phân tích chất lượng cao dựa trên thông tin thần kinh điện, (ii) thời gian làm xét nghiệm lâm sàng là ghi điện não đồ ngắn hơn (10 phút) so với thời gian ghi điện não đồ theo chuẩn quốc tế thông thường (thời gian ghi điện não tối thiểu là 20 phút) và (iii) có nhiều nhiễu do môi trường ghi điện não chưa chuẩn gây ra. Hai lý do là (ii) và (iii) làm cho công việc của các bác sĩ thần kinh ở Việt Nam trở nên khó khăn hơn các đồng nghiệp quốc tế.

Chính vì hai lý do này đã dẫn đến tỷ lệ phát hiện nhầm bệnh động kinh cao. Vì vậy, để hỗ trợ các bác sĩ cải thiện chất lượng và chẩn đoán bệnh động kinh đang là một trong những vấn đề cấp thiết. Trong nhiều thập kỷ qua, nhiều phương pháp khác nhau đã được đề xuất để giải 17 (LUAN.kinh TIEU LUAN MOI download : [e-mail] quyết vấn đề phát hiện gai động kinh. Một số phương pháp so sánh các tham số điện của các dạng sóng EEG với các ngưỡng thực tế của gai động kinh [46, 77].

Trong nghiên cứu [98] Pfurtscheller và đồng nghiệp đã đề xuất một số kỹ thuật lọc để phát hiện gai động kinh. Trong [47], Gotman và đồng nghiệp đã phát triển một hệ thống phát hiện gai động kinh, nhạy với các trạng thái khác nhau của tín hiệu EEG. Trong một số nghiên cứu đánh giá gần đây, các phương pháp phát hiện tự động gai động kinh được phân loại thành các nhóm khác nhau dựa trên các đặc điểm thần kinh học [60] hoặc các kỹ thuật [120]. Để khái quát lại các nghiên cứu về các hệ thống tự động phát hiện gai động kinh đã có, luận án chia các hệ thống phát hiện gai động kinh tự động thành hai nhóm dựa vào cấu trúc của hệ thống là các hệ thống đơn giản và các hệ thống đa bước.

Các hệ thống phát hiện gai động kinh đơn giản thường có cấu trúc đơn giản, sử dụng một hoặc hai phương pháp xử lý tín hiệu hoặc học máy để phát hiện gai động kinh tự động. Các hệ thống phát hiện gai động kinh đa bước được xây dựng dựa trên sự kết hợp nhiều phương pháp xử lý tín hiệu, kỹ thuật học máy, tận dụng lợi thế của từng kỹ thuật để thu thập và trích chọn các đặc trưng phù hợp, xử lý và phân loại thông tin. Một số hệ thống đơn giản được trình bày trong [43, 94, 95, 97, 109, 127] sử dụng một số kỹ thuật như phân tích thành phần độc lập (Principal Component Analysis - PCA), phân cụm K-means (K-Means clustering), máy vectơ hỗ trợ (Support Vector Machine - SVM), mạng nơ-ron nhân tạo (Artificial Neural Network - ANN). Một số hệ thống đa bước có thể kể đến như [6, 52, 81] kết hợp sử dụng nhiều phương pháp xử lý tín hiệu như lọc nhiễu, biến đổi sóng con, mạng nơ-ron nhận tạo và hệ chuyên gia.

Trong các hệ thống đã đề xuất để phát hiện gai động kinh thì thông thường hệ thống đa bước có hiệu suất cao hơn các hệ thống đơn giản. Tuy nhiên, hai hệ thống đa bước đã được đề xuất bởi [6, 81] vẫn còn một số hạn chế. Thứ nhất, hai phương pháp đa bước hiện hành chưa xử lý hiệu quả, việc sử dụng số lượng thang tỉ lệ của biến đổi sóng con chưa tối ưu, quá nhiều thang tỉ lệ nên có thể dẫn đến tốc độ xử lý chậm [Hạn chế 1].