Tổng quan về luận án

Bệnh động kinh (epilepsy) là một trong những rối loạn thần kinh mãn tính phổ biến và nghiêm trọng nhất toàn cầu, đặc trưng bởi sự phóng điện kịch phát, đồng bộ và quá mức của các nơ-ron vỏ não. Căn bệnh này chiếm khoảng 1% gánh nặng bệnh tật toàn cầu. Theo các thống kê dịch tễ học, thế giới hiện có khoảng 50 triệu người mắc bệnh động kinh, trong đó gần 40 triệu người thuộc các nước đang phát triển và có tới 80–90% bệnh nhân không được tiếp cận điều trị thỏa đáng do hạn chế về năng lực chẩn đoán. Tại khu vực châu Á, nơi chiếm hơn 50% dân số toàn cầu, có khoảng 23 triệu người chịu ảnh hưởng bởi bệnh lý này. Trong quy trình chẩn đoán lâm sàng, điện não đồ (EEG - Electroencephalogram) là công cụ then chốt ghi lại các biến đổi điện thế vi mô (vài $\mu\text{V}$ đến $200,\mu\text{V}$) trên da đầu nhằm nhận diện các dấu ấn sinh học (biomarkers), đặc biệt là gai động kinh (epileptic spike, thời gian tồn tại từ 20 đến 70 ms) và phức hợp gai - sóng chậm.

Tại Việt Nam, công tác chẩn đoán điện não lâm sàng đối mặt với ba rào cản mang tính hệ thống: (i) sự khan hiếm nghiêm trọng các bác sĩ chuyên khoa thần kinh có kinh nghiệm phân tích sâu tín hiệu điện thế não; (ii) quy trình ghi điện não thực tế bị rút ngắn xuống còn khoảng 10 phút (thay vì tối thiểu 20 phút hoặc theo dõi 24/24 giờ theo chuẩn quốc tế) do tình trạng quá tải bệnh viện; và (iii) môi trường đo lâm sàng tồn tại nhiều nhiễu phức tạp (nhiễu lưới điện 50 Hz, nhiễu điện nhãn EOG, nhiễu điện cơ EMG, trôi đường nền) chưa được chuẩn hóa. Thực trạng này làm gia tăng đáng kể tỷ lệ bỏ sót hoặc chẩn đoán nhầm giữa các thể động kinh, dẫn đến chỉ định phác đồ điều trị sai lệch gây tác dụng phụ nguy hiểm.

Xuất phát từ bối cảnh đó, luận án tiến sĩ kỹ thuật viễn thông của nghiên cứu sinh Nguyễn Thị Anh Đào dưới sự hướng dẫn khoa học của PGS. Nguyễn Linh Trung tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội đã giải quyết trọn vẹn bài toán tự động hóa nhận biết gai động kinh. Nghiên cứu xác lập ba câu hỏi nghiên cứu cốt lõi:

  1. $RQ_1$: Làm thế nào để mô hình hóa và triệt tiêu giả gai (pseudo-spikes) dựa trên mối liên hệ phụ thuộc thời gian giữa các phóng điện kịch phát gần nhau trên từng kênh EEG đơn lẻ?
  2. $RQ_2$: Làm thế nào để xây dựng một khung toán học chặt chẽ nhằm ước lượng đường cong đặc trưng hoạt động bộ thu nhận (ROC) tổng hợp cho các hệ thống phân loại đa bước (multi-stage cascaded systems) sử dụng nhiều ngưỡng quyết định phụ thuộc?
  3. $RQ_3$: Làm thế nào để khai thác đồng thời cấu trúc tương quan đa chiều trong miền thời gian - tần số - không gian (không gian các kênh điện cực) nhằm tối ưu hóa độ chính xác phát hiện gai động kinh đa kênh?

Để trả lời ba câu hỏi trên, luận án thiết lập ba giả thuyết khoa học:

  • $H_1$: Việc tối ưu hóa số thang tỉ lệ của biến đổi sóng con kết hợp với hệ chuyên gia dựa trên chu kỳ trơ sinh lý học thần kinh (150–350 ms) sẽ giảm thiểu độ phức tạp tính toán và loại bỏ căn bản các dương tính giả trên tín hiệu đơn kênh.
  • $H_2$: Đường cong ROC tổng hợp của một hệ thống đa bước có thể được tham số hóa và ước lượng chính xác thông qua hàm tích lũy đảo của các phân bố xác suất lý thuyết (Gaussian probit và Logistic logit).
  • $H_3$: Biểu diễn dữ liệu EEG đa kênh dưới dạng ten-xơ bậc 3 (thời gian $\times$ thang tỉ lệ $\times$ không gian điện cực) và giải bài toán xấp xỉ hạng thấp đa tuyến tính đồng thời có ràng buộc không âm (NTD/SMLRAT) sẽ bảo toàn cấu trúc topo không gian của ổ phát sóng động kinh, cho phép phân tách vượt trội giữa mẫu gai thật và nền nhiễu.

Nghiên cứu được triển khai trên tập cơ sở dữ liệu lâm sàng thực tế gồm 17 bệnh nhân (11 nam, 6 nữ; độ tuổi 4–72 tuổi) thu thập tại Bệnh viện Nhi Trung ương, bao gồm 1.442 gai động kinh đã được chuyên gia đầu ngành gán nhãn chuẩn hóa theo hệ thống 19 điện cực chuẩn quốc tế 10–20.

Literature Review và Positioning

Lịch sử phát triển các thuật toán nhận diện gai động kinh tự động trải qua bốn thập kỷ với ba trường phái học thuật chủ đạo:

Trường phái thứ nhất tập trung vào việc so khớp tham số hình thái và lọc ngưỡng biên độ thời gian cổ điển. Đại diện tiêu biểu là Gotman (1982) và Pfurtscheller (1977), những người đặt nền móng cho việc xác định ngưỡng độ dốc (slope), biên độ (amplitude) và thời gian tồn tại (duration) của nửa sóng trước/sau gai động kinh. Mặc dù có tốc độ xử lý tức thời, các hệ thống này biểu lộ độ nhạy rất kém trước sự đa dạng hình thái sóng não và dễ bị đánh lừa bởi các thành phần sóng nhọn sinh lý như nhịp alpha vùng chẩm hoặc sóng mu.

Trường phái thứ hai phát triển các hệ thống đa bước tích hợp phân tích thời gian - tần số và mạng nơ-ron nhân tạo. Tiêu biểu là Indiradevi và cộng sự (2008) cùng các công trình của Acır (2005), kết hợp biến đổi sóng con liên tục (CWT) với mạng nơ-ron truyền thẳng để trích xuất đặc trưng đa phân giải. Tuy nhiên, các tiếp cận này bộc lộ hai hạn chế căn bản: lãng phí tài nguyên tính toán do phân tích quá nhiều thang tỉ lệ dư thừa (sử dụng tới 8 hoặc 10 thang tỉ lệ), và hoàn toàn bỏ qua tương quan thời gian giữa các gai kế tiếp, dẫn đến tỷ lệ báo động giả (False Positive Rate) còn rất cao trong môi trường lâm sàng thực tế.

Trường phái thứ ba mở rộng sang xử lý tín hiệu đa kênh và phân tích ma trận/không gian con. Sự phát triển của các công cụ như phân tích thành phần độc lập (ICA) và phân tích thành phần chính (PCA) đã hỗ trợ tách nhiễu, nhưng lại làm phá vỡ cấu trúc đại số đa chiều của tín hiệu não bộ. Trong giai đoạn 2006–2016, các nghiên cứu tiên phong của Acar và cộng sự (2006, 2007), De Vos và cộng sự (2007), Phan và Cichocki (2010), cùng Pippa và cộng sự (2016) đã ứng dụng phân tích ten-xơ (Tensor Decomposition) vào xử lý EEG. Mặc dù vậy, các nghiên cứu của Acar, De Vos và Pippa chủ yếu tập trung vào việc phát hiện cơn co giật toàn thể hóa (generalized seizures) hoặc định vị nguồn phóng điện tĩnh, mà chưa giải quyết bài toán phát hiện gai động kinh cục bộ đa kênh theo thời gian thực. Đặc biệt, phương pháp của Phan và Cichocki (2010) khi áp dụng phân tích Tucker không âm (NTD) chỉ xử lý trên từng ten-xơ đơn lẻ mà chưa xây dựng được cơ sở toán học cho bài toán xấp xỉ hạng thấp đa tuyến tính đồng thời cho một tập hợp nhiều ten-xơ (GSLRAT/SMLRAT).

Luận án của NCS Nguyễn Thị Anh Đào định vị chính xác vào khoảng trống học thuật này: xây dựng một hệ thống đa kênh tích hợp phân tích ten-xơ đồng thời với ràng buộc không âm để khai thác triệt để tương quan không gian giữa 19 kênh đo; đồng thời giải quyết bài toán lý thuyết về ước lượng đường cong ROC tổng hợp cho hệ thống xếp tầng đa bước – một vấn đề chưa từng được giải quyết trong các nghiên cứu quốc tế trước đó của Metz (1978), Fawcett (2006) hay Gönen (2007).

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã tạo ra bước đột phá trong việc mở rộng nền tảng đại số đa tuyến tính (multilinear algebra) và lý thuyết phát hiện thống kê y sinh:

Thứ nhất, luận án tổng quát hóa lý thuyết xấp xỉ hạng thấp từ không gian ma trận hai chiều (GLRAM theo Ye, 2005) lên không gian đa ten-xơ, chính thức thiết lập và giải bài toán Xấp xỉ hạng thấp đa tuyến tính đồng thời cho các ten-xơ (Simultaneous Multilinear Low-Rank Tensor Approximation - SMLRAT). Luận án cung cấp chứng minh toán học chặt chẽ khẳng định rằng nghiệm tối ưu cục bộ của bài toán SMLRAT hoàn toàn có thể thu nhận được thông qua hai thuật toán phân tích ten-xơ kinh điển là Phân tích giá trị riêng bậc cao (HOSVD - De Lathauwer và cộng sự, 2000) và Lặp bình phương tối thiểu xen kẽ Tucker (Tucker-ALS).

Thứ hai, nghiên cứu xác lập mô hình toán học trích xuất đặc trưng "Eigenspikes" – không gian con ten-xơ đặc trưng tối ưu biểu diễn hình thái gai động kinh đa kênh. Bằng cách áp dụng phép phân tích Tucker với ràng buộc không âm (Nonnegative Tucker Decomposition - NTD), mô hình loại bỏ các giá trị âm không có ý nghĩa vật lý trong phổ năng lượng sóng con, bảo toàn tính chất cộng năng lượng của các trường điện từ nơ-ron.

Thứ ba, luận án xây dựng nền tảng lý thuyết cho việc ước lượng đường cong ROC tổng hợp của hệ thống đa bước xếp tầng (cascaded multi-stage systems). Bằng cách chứng minh tính chất đơn điệu tăng của hàm tích lũy đảo (inverse cumulative distribution function) thuộc phân bố chuẩn Gauss (hàm probit $\Phi^{-1}$) và phân bố Logistic (hàm logit $\text{logit}$), nghiên cứu đã hình thức hóa mối quan hệ phi tuyến giữa các ngưỡng quyết định cục bộ $\theta_i$ và điểm vận hành toàn cục $(\text{SEN}{\text{global}}, 1 - \text{SPE}{\text{global}})$, cho phép tính toán giải tích diện tích dưới đường cong ROC (AUC) tổng thể mà không làm biến dạng bản chất phân loại nhị phân.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba trụ cột lý thuyết:

  1. Lý thuyết Biến đổi Sóng con Liên tục (CWT): Ánh xạ tín hiệu EEG 1 chiều $x(t)$ sang miền thời gian - tần số bằng cách co giãn và tịnh tiến hàm sóng con mẹ $\psi(t)$: $$CWT(a, b) = \frac{1}{\sqrt{|a|}} \int_{-\infty}^{\infty} x(t) \psi^*\left(\frac{t - b}{a}\right) dt$$ Trong đó dải thang tỉ lệ $a$ được tối ưu hóa chính xác trong dải từ thang 4 đến thang 8 (tương ứng với dải tần số chứa phần lớn năng lượng đỉnh nhọn của gai động kinh).
  2. Lý thuyết Phân tích Ten-xơ Đa tuyến tính (Tensor Analysis): Dữ liệu EEG đa kênh được cấu trúc hóa thành ten-xơ bậc ba $\mathcal{X} \in \mathbb{R}^{I \times J \times K}$ (với $I = 56$ mẫu thời gian, $J = 20$ thang tỉ lệ sóng con, và $K = 19$ kênh điện cực). Mô hình phân tích Tucker biểu diễn ten-xơ $\mathcal{X}$ qua ten-xơ lõi $\mathcal{G} \in \mathbb{R}^{P \times Q \times R}$ và các ma trận trực giao hệ số $A \in \mathbb{R}^{I \times P}$, $B \in \mathbb{R}^{J \times Q}$, $C \in \mathbb{R}^{K \times R}$: $$\mathcal{X} = \mathcal{G} \times_1 A \times_2 B \times_3 C$$ với ràng buộc các phần tử của $\mathcal{G}, A, B, C \ge 0$ trong phân tích NTD.
  3. Khung Lọc Đặc trưng Hai Tiêu chí Kết hợp Chuỗi con Chung Lớn nhất (LCS): Tích hợp đồng thời độ đo phân tách lớp tham số (Điểm Fisher $\gamma(f_i)$) và kiểm định giả thuyết phi tham số (trị số $p$-value từ Student's $t$-test) để loại bỏ hoàn toàn các đặc trưng không có ý nghĩa thống kê ($p \ge 0.05$).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt quan điểm thực chứng (positivism) với thiết kế định lượng thực nghiệm, kết hợp hai cấu trúc hệ thống tiên tiến:

  • Hệ thống đa bước đơn kênh: Vận hành theo luồng xử lý 4 giai đoạn nối tiếp: (1) Tiền xử lý lọc số; (2) Trích xuất đặc trưng hình thái thời gian kết hợp 5 thang tỉ lệ sóng con CWT; (3) Phân loại sơ bộ bằng mạng nơ-ron nhân tạo truyền thẳng (ANN/MLP); (4) Tinh lọc giả gai bằng Hệ chuyên gia dựa trên tri thức y sinh học.
  • Hệ thống đa bước đa kênh: Vận hành theo luồng xử lý không gian con ten-xơ: (1) Tiền xử lý đa kênh đồng bộ; (2) Chuyển đổi ten-xơ bậc 3 đa kênh; (3) Xấp xỉ hạng thấp đa tuyến tính đồng thời có ràng buộc không âm (NTD-SMLRAT) để trích xuất không gian đặc trưng "eigenspikes"; (4) Lựa chọn đặc trưng phân biệt bằng thuật toán kết hợp Điểm Fisher - $p$-value qua LCS; (5) Phân loại đa biến sử dụng Máy vectơ hỗ trợ (SVM), $k$-Láng giềng gần nhất ($k$-NN), Naïve Bayes (NB), và Cây quyết định (DT) dưới cơ chế kiểm định chéo loại một (Leave-One-Out Cross-Validation - LOOCV).

Quy trình nghiên cứu rigorous

Quy trình thu thập và tiền xử lý dữ liệu được thiết kế đạt độ chuẩn xác lâm sàng tối đa:

  • Thu nhận tín hiệu: Tín hiệu EEG được thu nhận bằng hệ thống đo chuyên dụng ProFusionEEG phiên bản 4.1 tại Bệnh viện Nhi Trung ương với tần số lấy mẫu cố định $f_s = 256\text{ Hz}$. Mũ đo 19 điện cực chuẩn hóa 10–20 bao gồm các kênh: Fp1, Fp2, F7, F3, Fz, F4, F8, T3, C3, Cz, C4, T4, T5, P3, Pz, P4, T6, O1, O2. Bốn điện cực ngoài được tích hợp độc lập: hai điện cực phía trên và dưới mí mắt (vị trí 22, 23) đo điện nhãn (EOG); hai điện cực dưới cằm (vị trí 30, 31) đo điện cơ (EMG); cùng hai điện cực trên động mạch cổ tay đo điện tâm đồ (ECG).
  • Quy chuẩn thực nghiệm: Bệnh nhân được yêu cầu nghỉ ngơi tĩnh, gội đầu sạch triệt tiêu điện trở tiếp xúc, kiêng hoàn toàn chất kích thích, thuốc an thần và đồ uống có đường tối thiểu 8 giờ trước khi đo.
  • Tiền xử lý chuỗi số:
    1. Lọc thông dải bằng bộ lọc Butterworth bậc 4 có tần số cắt thấp $f_L = 0.5\text{ Hz}$ (khử trôi đường nền) và tần số cắt cao $f_H = 70\text{ Hz}$ (khử nhiễu tần số cao).
    2. Bộ lọc chặn dải Notch Filter tại tần số $50\text{ Hz}$ khử triệt để nhiễu cảm ứng từ lưới điện xoay chiều.
    3. Cắt bỏ 1.000 mẫu dữ liệu ban đầu (khoảng 3.9 giây) nhằm triệt tiêu hoàn toàn hiệu ứng đáp ứng quá độ (transient response) do độ trễ pha của các bộ lọc số.
  • Gán nhãn chuyên gia (Ground-truth annotation): Toàn bộ 1.442 gai động kinh trên các bản ghi được xác định, đánh dấu thời điểm và kênh xuất hiện độc lập bởi bác sĩ chuyên khoa thần kinh nhi giàu kinh nghiệm, đối chiếu đồng thời với video hành vi đồng bộ.

Data và phân tích

  • Cấu trúc mẫu lâm sàng: Dữ liệu của 17 bệnh nhân có sự biến thiên lớn về thời gian đo (từ 5 phút 31 giây đến 27 phút 13 giây) và số lượng gai phát tác (từ 1 gai ở bệnh nhân 9 đến 635 gai ở bệnh nhân 2), phản ánh chân thực thách thức mất cân bằng dữ liệu trong thực tế lâm sàng.
  • Phân tích ten-xơ và phân rã không gian con:
    • Mỗi phân đoạn gai động kinh được cắt với cửa sổ thời gian 56 mẫu ($218.75\text{ ms}$ tại $256\text{ Hz}$), bao trọn thời gian tồn tại đỉnh gai ($20 - 70\text{ ms}$) và vùng sóng chậm kế tiếp.
    • Phép biến đổi sóng con CWT được thực hiện trên 20 thang tỉ lệ liên tục trong dải tần số gai, tạo thành mảng dữ liệu đa kênh kích thước $56 \times 20 \times 19$.
    • Thuật toán NTD trích xuất thành công ba ma trận thành phần đại diện cho ba chiều vật lý: 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 không gian chung $C \in \mathbb{R}^{19 \times 19}$. Ten-xơ lõi $\mathcal{G} \in \mathbb{R}^{15 \times 10 \times 19}$ nén giữ tương tác phi tuyến giữa ba miền đặc trưng.
  • Thuật toán lựa chọn đặc trưng đề xuất:
    • Bước 1: Tính toán Điểm Fisher $\gamma(f_i) = \frac{(\mu_{1,i} - \mu_{2,i})^2}{\sigma_{1,i}^2 + \sigma_{2,i}^2}$ cho toàn bộ tập đặc trưng vector hóa từ ten-xơ.
    • Bước 2: Thực hiện kiểm định $t$-test xác định giá trị $p$-value của từng đặc trưng dưới giả thuyết không $H_0$ (không có sự khác biệt giữa lớp gai và lớp không gai). Thiết lập ngưỡng bác bỏ nghiêm ngặt $\alpha = 0.05$.
    • Bước 3: Sắp xếp các đặc trưng theo thứ tự Điểm Fisher giảm dần và lọc bỏ toàn bộ các đặc trưng có $p \ge 0.05$.
    • Bước 4: Áp dụng thuật toán Quy hoạch động tìm Chuỗi con chung lớn nhất (LCS) giữa danh sách xếp hạng theo Fisher và danh sách xếp hạng theo mức độ ý nghĩa $p$-value để chọn ra tập vector $N$ đặc trưng tối ưu ($N = 10, 20, \dots, 500$).
  • Phần mềm thực thi: Toàn bộ quy trình mô phỏng, phân tích toán học, đại số ten-xơ và huấn luyện học máy được lập trình và thực thi hoàn toàn trên môi trường MATLAB chuyên dụng.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Tối ưu hóa số thang tỉ lệ Wavelet (Finding 1): Luận án chứng minh thực nghiệm rằng việc giảm số thang tỉ lệ CWT từ 8 thang (như tiếp cận của các nghiên cứu tiền nhiệm) xuống còn 5 thang tỉ lệ tối ưu không chỉ bảo toàn trọn vẹn độ nhạy phát hiện gai ($\text{SEN} > 90%$) mà còn giúp giảm hơn 37.5% khối lượng tính toán trích xuất đặc trưng, giải quyết căn bản điểm nghẽn hiệu năng thời gian thực.
  2. Hiệu quả vượt bậc của Hệ chuyên gia tri thức y sinh (Finding 2): Dựa trên nguyên lý điện sinh lý học do Boos xác lập: "sau các gai động kinh thường là các sóng chậm, được gọi là phức hợp gai và sóng chậm. Khoảng thời gian xảy ra sóng chậm thường từ 150 tới 350 mili giây. Tức là không tồn tại quá 1 gai động kinh trong khoảng thời gian đó", hệ chuyên gia đề xuất đã loại bỏ thành công phần lớn các đỉnh nhọn giả mạo do nhiễu sinh học. Kết quả kiểm tra cho thấy, độ đặc hiệu ($\text{SPE}$) của hệ thống tăng vọt rõ rệt sau khi tích hợp khối chuyên gia so với chỉ sử dụng phân loại ANN đơn thuần.
  3. Tính ưu việt tuyệt đối của NTD so với các phân tích ten-xơ khác (Finding 3): Trong các mô hình phân tích ten-xơ đa kênh, phân tích Tucker với ràng buộc không âm (NTD) chứng minh hiệu năng phân loại vượt trội so với CP, NCP và Tucker không ràng buộc (TD). Khi kết hợp với bộ phân loại SVM và xác thực chéo LOOCV, mô hình NTD-SVM đạt các chỉ số độ nhạy ($\text{SEN}$), độ chính xác ($\text{ACC}$) và diện tích dưới đường cong ROC ($\text{AUC}$) cao nhất, đạt trạng thái phân tách lớp gần như lý tưởng.
  4. Sự vượt trội của phương pháp lựa chọn đặc trưng kết hợp LCS (Finding 4): So sánh trực tiếp với phương pháp trích xuất đặc trưng ten-xơ tiêu chuẩn của Phan-Cichocki, phương pháp do luận án đề xuất (kết hợp Điểm Fisher và trị số $p$-value qua LCS) đạt độ chính xác phân loại cao hơn trên cả 4 bộ phân loại (SVM, $k$-NN, NB, DT). Đặc biệt, chỉ với 10 đặc trưng được lựa chọn thông qua LCS, hệ thống đã đạt hiệu năng tương đương hoặc vượt trội so với việc sử dụng toàn bộ không gian hàng trăm đặc trưng thô, chứng minh khả năng nén thông tin phân biệt cực kỳ đậm đặc.
  5. Tính tương thích toán học của đường cong ROC tổng hợp (Finding 5): Luận án xác nhận rằng mô hình đường cong ROC tổng hợp xây dựng trên cơ sở phân bố Gaussian probit và Logistic logit khớp chính xác với tập các điểm vận hành thực tế của hệ thống đa bước, giải quyết trọn vẹn sự bất quy tắc phi đơn điệu của các hệ thống đa ngưỡng quyết định.

Implications đa chiều

  • Về mặt lý thuyết: Khẳng định tính đúng đắn của việc mô hình hóa tín hiệu điện sinh lý học dưới dạng mảng đa tuyến tính có ràng buộc vật lý, mở ra hướng nghiên cứu sâu hơn về không gian ten-xơ y sinh.
  • Về mặt phương pháp luận: Cung cấp một khung đánh giá chuẩn tắc hoàn toàn mới cho các nhà khoa học dữ liệu khi cần đánh giá hiệu năng tổng thể của các cấu trúc học máy xếp tầng nhiều tầng bậc (cascaded architectures).
  • Về ứng dụng thực tiễn y tế: Đặt nền móng kỹ thuật vững chắc cho việc xây dựng phần mềm nhúng hỗ trợ chẩn đoán (Computer-Aided Diagnosis - CAD) trên các máy đo EEG thế hệ mới tại Việt Nam, cho phép tự động quét bản ghi 10 phút và khoanh vùng các gai động kinh với độ tin cậy cao.
  • Về chính sách y tế công cộng: Giải pháp tự động hóa giúp nâng cao năng lực chẩn đoán của các bệnh viện tuyến tỉnh/huyện, giảm thiểu tình trạng chuyển tuyến quá tải lên các bệnh viện trung ương và hạn chế tối đa các ca tai biến do dùng sai thuốc chống động kinh.

Limitations và Future Research

Bên cạnh những đóng góp xuất sắc, luận án thẳng thắn thừa nhận các giới hạn nghiên cứu:

  1. Mất cân bằng dữ liệu giữa các cá thể: Sự phân bố số lượng gai động kinh trong tập dữ liệu 17 bệnh nhân có sự chênh lệch rất lớn (bệnh nhân ít nhất chỉ có 1 gai trong khi bệnh nhân nhiều nhất có 635 gai), điều này tiềm ẩn nguy cơ thiên lệch mô hình về phía đặc trưng sóng não của bệnh nhân chiếm đa số mẫu.
  2. Giới hạn người gán nhãn độc lập: Tập dữ liệu chuẩn hiện tại được gán nhãn bởi một chuyên gia thần kinh duy nhất từ Bệnh viện Nhi Trung ương, chưa tiến hành đánh giá độ tương đồng liên chuyên gia (inter-rater reliability / Cohen's Kappa) giữa nhiều bác sĩ khác nhau.
  3. Chi phí tính toán của thuật toán lặp ten-xơ: Mặc dù thuật toán NTD-SMLRAT đạt độ chính xác rất cao nhưng các phép lặp bình phương tối thiểu xen kẽ (ALS) trên ma trận lớn đòi hỏi tài nguyên bộ nhớ và năng lực tính toán đáng kể, tạo rào cản nhất định nếu triển khai trên các thiết bị nhúng vi điều khiển năng lượng thấp.

Chương trình nghiên cứu 10 năm tiếp theo được định hình qua các hướng cụ thể:

  • Mở rộng kiến trúc Ten-xơ học sâu (Deep Tensor Networks): Tích hợp phân tích ten-xơ với các mạng nơ-ron tích chập đa chiều (3D-CNN) và Transformer nhằm tự động học biểu diễn không gian - thời gian mà không cần trích xuất đặc trưng thủ công.
  • Mở rộng quy mô tập dữ liệu đa trung tâm: Thu thập và chuẩn hóa dữ liệu EEG từ nhiều bệnh viện đa khoa trên toàn quốc với sự tham gia thẩm định của hội đồng đa chuyên gia.
  • Xây dựng hệ thống cảnh báo sớm thời gian thực trên biên (Edge AI): Tối ưu hóa thuật toán NTD thưa để tích hợp trực tiếp vào mũ điện cực thông minh theo dõi bệnh nhân động kinh tại gia đình.

Tác động và ảnh hưởng

Luận án tạo ra tác động học thuật và xã hội sâu sắc:

  • Tác động học thuật: Đóng góp công bố trên các tạp chí và kỷ yếu hội nghị chuyên ngành uy tín thuộc danh mục ISI/Scopus, thiết lập vị thế tiên phong của nhóm nghiên cứu Việt Nam trong lĩnh vực xử lý tín hiệu ten-xơ y sinh.
  • Chuyển giao công nghệ y tế: Khung thuật toán có khả năng chuyển giao trực tiếp cho các doanh nghiệp công nghệ y tế và các trung tâm trang thiết bị y tế để nâng cấp phần mềm cho các hệ thống máy đo điện não đồ hiện hành tại Việt Nam.
  • Lợi ích xã hội định lượng: Giúp nâng cao tỷ lệ phát hiện sớm bệnh động kinh ngay từ giai đoạn xuất hiện các gai thưa thớt, ngăn chặn nguy cơ tiến triển thành các cơn co giật nặng gây tổn thương não vĩnh viễn cho hàng ngàn bệnh nhi mỗi năm.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới học thuật: Tiếp cận một khung lý thuyết hoàn chỉnh về xấp xỉ hạng thấp đa ten-xơ đồng thời (SMLRAT) và phương pháp luận ước lượng ROC hệ thống đa bước để mở rộng cho các bài toán xử lý ảnh y tế, tín hiệu radar hay mạng cảm biến.
  • Bác sĩ chuyên khoa Thần kinh và Kỹ thuật viên EEG: Tiết kiệm từ 70–80% thời gian đọc bản ghi điện não thủ công, có thêm công cụ khách quan để hội chẩn các ca bệnh phức tạp hoặc có hình thái sóng đa gai khó phân biệt.
  • Kỹ sư R&D Thiết bị Y tế: Sở hữu thuật toán tối ưu đã được kiểm chứng lâm sàng để thương mại hóa thành các module phần mềm chẩn đoán tự động hỗ trợ bác sĩ.
  • Bệnh nhân và Hệ thống Y tế Dự phòng: Được hưởng dịch vụ chẩn đoán chính xác ngay tại y tế cơ sở với chi phí thấp, tránh biến chứng do điều trị sai phác đồ.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mở rộng lý thuyết xấp xỉ hạng thấp đa tuyến tính (MLRTA) lên bài toán Xấp xỉ hạng thấp đa tuyến tính đồng thời cho các ten-xơ (SMLRAT), đồng thời thiết lập công thức toán học giải tích ước lượng đường cong ROC tổng hợp cho hệ thống phân loại đa bước thông qua hàm tích lũy đảo của phân bố Gauss và Logistic.

2. Đột phá về mặt phương pháp luận so với các nghiên cứu quốc tế trước đây là gì?

So với các nghiên cứu của Phan-Cichocki (2010) (chỉ xử lý ten-xơ đơn lẻ) và Pippa et al. (2016) (chỉ phát hiện sóng co giật toàn thể), phương pháp luận của luận án đột phá ở chỗ: (i) kết hợp mô hình phân tích ten-xơ không âm NTD trên không gian 3 chiều đồng thời (Thời gian $\times$ Thang tỉ lệ $\times$ Điện cực); và (ii) đề xuất thuật toán chọn đặc trưng kết hợp Điểm Fisher và $p$-value bằng thuật toán Quy hoạch động LCS, cho phép loại bỏ đặc trưng dư thừa vượt trội hơn mọi phương pháp trích chọn đơn lẻ.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu đi kèm?

Phát hiện bất ngờ nhất là việc giảm số lượng thang tỉ lệ sóng con từ 8 thang xuống 5 thang tỉ lệ không những không làm suy giảm độ chính xác mà còn loại bỏ được các thành phần tần số biên gây nhiễu, giúp mạng ANN phân loại nhạy hơn đồng thời giảm 37.5% độ trễ tính toán. Bên cạnh đó, việc chỉ sử dụng 10 đặc trưng tinh lọc qua LCS từ ten-xơ NTD đã cho hiệu năng phân loại tương đương với việc sử dụng toàn bộ 500 đặc trưng ban đầu.

4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) rõ ràng không?

Có. Luận án mô tả chi tiết toàn bộ quy trình: từ thông số phần cứng máy đo ProFusionEEG v4.1, tốc độ lấy mẫu $256\text{ Hz}$, cấu hình 19 điện cực 10–20, tham số các bộ lọc Butterworth ($0.5 - 70\text{ Hz}$) và Notch ($50\text{ Hz}$), phương pháp cắt cửa sổ 56 mẫu, công thức tối ưu hóa NTD-SMLRAT, đến chi tiết các thuật toán lập trình trên nền tảng MATLAB.

5. Định hướng nghiên cứu dài hạn trong 10 năm tới được vạch ra như thế nào?

Định hướng dài hạn tập trung vào việc: phát triển lý thuyết giải bài toán xấp xỉ ten-xơ trực tuyến (Online Tensor Decomposition) để xử lý luồng dữ liệu EEG vô hạn; tích hợp kiến trúc Deep Tensor Networks; và hiện thực hóa phần cứng nhúng AI thời gian thực trên các thiết bị nơ-ron đeo được (wearable EEG sensors) phục vụ theo dõi bệnh nhân động kinh liên tục 24/7.

Kết luận

  1. Hoàn thiện khung lý thuyết SMLRAT: Luận án đã thiết lập thành công bài toán và thuật toán xấp xỉ hạng thấp đa tuyến tính đồng thời cho các ten-xơ, chứng minh chặt chẽ sự hội tụ về nghiệm tối ưu địa phương qua HOSVD và Tucker-ALS.
  2. Đột phá phương pháp đánh giá hệ thống đa bước: Xây dựng thành công mô hình toán học giải tích ước lượng đường cong ROC và chỉ số AUC tổng hợp cho các hệ thống phân loại xếp tầng nhiều ngưỡng quyết định dựa trên phân bố Gauss và Logistic.
  3. Tối ưu hóa hệ thống phát hiện đơn kênh: Cải tiến thành công bước trích xuất đặc trưng CWT với 5 thang tỉ lệ tối ưu và xây dựng Hệ chuyên gia dựa trên chu kỳ trơ sinh lý 150–350 ms, triệt tiêu mạnh mẽ báo động giả.
  4. Thiết lập chuẩn mực trích chọn đặc trưng đa kênh: Đề xuất phương pháp phân tích ten-xơ không âm NTD trích xuất "eigenspikes" kết hợp thuật toán chọn lọc hai tiêu chí Điểm Fisher – $p$-value qua quy hoạch động LCS, vượt trội hoàn toàn so với các chuẩn quốc tế của Phan-Cichocki.
  5. Thực nghiệm lâm sàng tin cậy: Toàn bộ các đề xuất được kiểm chứng nghiêm ngặt trên cơ sở dữ liệu thực tế 1.442 gai động kinh từ 17 bệnh nhân tại Bệnh viện Nhi Trung ương qua xác thực chéo LOOCV, đạt độ nhạy và độ đặc hiệu tối ưu.
  6. Mở ra các hướng nghiên cứu liên ngành bền vững: Công trình đặt nền móng vững chắc kết nối toán học giải tích đa tuyến tính, kỹ thuật xử lý tín hiệu số hiện đại và khoa học thần kinh lâm sàng, tạo tiền đề nâng cao chất lượng chăm sóc sức khỏe cộng đồng và hiện đại hóa trang thiết bị y tế Việt Nam.