Tổng quan nghiên cứu

Tín hiệu điện cơ bề mặt (Surface Electromyography - sEMG) là một trong những tín hiệu y sinh quan trọng phản ánh trạng thái hoạt động của hệ thần kinh và cơ bắp. Tín hiệu này có biên độ điện áp rất nhỏ, dao động phổ biến từ 0,1 đến 10 mV (thường gặp từ 0,1 đến 0,5 mV ở điện cực bề mặt), với dải phổ tần số năng lượng trải rộng từ 0 đến 1000 Hz. Tuy nhiên, thông tin sinh lý hữu ích nhất phục vụ chẩn đoán bệnh lý chỉ tập trung trong dải tần số từ 10 đến 500 Hz, đặc biệt dồn năng lượng cao nhất tại vùng 50 đến 150 Hz.

Thách thức cốt lõi trong thu nhận và phân tích sEMG là tín hiệu mang bản chất phi tuyến, ngẫu nhiên, không dừng và dễ bị suy giảm chất lượng nghiêm trọng bởi các tác nhân nhiễu. Các nguồn nhiễu chính bao gồm nhiễu chuyển động cơ học (1 đến 10 Hz), nhiễu cảm ứng điện từ từ lưới điện dân dụng 50 Hz, nhiễu xuyên âm giữa các nhóm cơ lân cận và can thiệp từ điện tâm đồ. Các phương pháp biến đổi Fourier cổ điển chỉ cung cấp thông tin toàn cục trong miền tần số và hoàn toàn làm mất thông tin thời gian, khiến việc phát hiện các biến đổi tức thời của các bó cơ trở nên thiếu chính xác.

Mục tiêu cụ thể của công trình là nghiên cứu ứng dụng phép biến đổi Wavelet (Wavelet Transform) trong việc lọc nhiễu, nén dữ liệu và phân tích đặc trưng các mẫu tín hiệu điện cơ. Phạm vi nghiên cứu được thực nghiệm tại Phòng thí nghiệm Vật lý Kỹ thuật Y sinh, Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh, kết hợp hệ thống phần cứng thu nhận BIOPAC MP30 và phần mềm chuyên dụng MATLAB trong khoảng thời gian từ tháng 01/2014 đến tháng 07/2014. Đề tài mang ý nghĩa then chốt trong việc tạo ra công cụ chuẩn hóa dữ liệu, nâng cao độ chính xác chẩn đoán lâm sàng cho hơn 15 bệnh lý thần kinh cơ (như xơ cứng cột bên teo cơ, nhược cơ, tổn thương dây thần kinh ngoại biên) và mở đường cho công nghệ điều khiển chi giả robot sinh học tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 2 khung lý thuyết trụ cột: Lý thuyết sinh lý điện thế hoạt động cơ và Lý thuyết phân tích thời gian – tần số Wavelet.

Về mặt sinh học, cơ thể người có hơn 600 cơ chủ động, chiếm khoảng 50% tổng khối lượng cơ thể. Mỗi sợi cơ là một tế bào cơ có đường kính từ 10 đến 100 µm và chiều dài từ 5 đến 60 mm. Hoạt động co cơ bắt đầu từ sự kích thích của nơ-ron vận động alpha, giải phóng chất dẫn truyền thần kinh Acetylcholine qua khe synap, kích hoạt dòng ion Natri chạy vào màng tế bào. Hiện tượng này làm thay đổi điện thế nghỉ từ mức -80 mV hoặc -90 mV vọt lên mức điện thế hoạt động +30 mV (quá trình khử cực). Sóng khử cực tạo thành một lưỡng cực điện lan truyền dọc sợi cơ với vận tốc từ 2 đến 6 m/s trên vùng diện tích 1 đến 3 mm².

Về mặt toán học, phép biến đổi Wavelet Continuous (CWT) và Discrete (DWT) khắc phục nhược điểm của phép biến đổi Fourier thời gian ngắn (STFT). Dựa trên nguyên lý bất định Heisenberg, hộp thời gian - tần số của Wavelet có khả năng tự động co giãn: ở dải tần số thấp, cửa sổ mở rộng theo thời gian để đạt độ phân giải tần số cao; ở dải tần số cao, cửa sổ co hẹp lại để đạt độ phân giải thời gian tối ưu. Nghiên cứu áp dụng các họ hàm sóng mẹ nổi tiếng bao gồm: Wavelet mũ Mexico (Mexican Hat), chuỗi đạo hàm Gauss (DOG/DOCG), Morlet phức, Shannon phức, và các họ Wavelet trực giao Daubechies (db), Symlets (sym) và Coiflets (coif).

[Nơ-ron vận động Alpha] 
        │
        ▼ (Giải phóng Acetylcholine)
[Khử cực màng tế bào (-80 mV -> +30 mV)] 
        │
        ▼ (Lan truyền lưỡng cực 2-6 m/s)
[Điện thế hoạt động MUAP] 
        │
        ▼ (Thu nhận qua điện cực bề mặt Ag/AgCl)
[Tín hiệu sEMG thô (lẫn nhiễu 0-1000 Hz)] 
        │
        ▼ (Phân tích đa phân giải DWT 5 mức)
[Tín hiệu sEMG sạch (Dải tập trung 50-150 Hz)]

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ 15 tập mẫu tín hiệu điện cơ bề mặt trực tiếp trên các cơ chủ động (cơ nhị đầu, cơ cẳng tay) của người tình nguyện khỏe mạnh kết hợp 5 tập dữ liệu tín hiệu điện cơ chuẩn quốc tế để đối chiếu. Phương pháp chọn mẫu là chọn mẫu ngẫu nhiên theo chủ đích, đảm bảo các đối tượng tham gia thực hiện các động tác co cơ đơn giản (kéo dài khoảng 100 ms) và co cơ đẳng trường với lực tăng dần.

Quy trình đo sử dụng thiết bị thu nhận tín hiệu BIOPAC MP30 cùng bộ phần mềm BIOPAC Student Lab PRO, sử dụng các điện cực bề mặt dạng lưỡng cực Ag/AgCl kết hợp gel dẫn điện để giảm trở kháng tiếp xúc. Phương pháp phân tích dữ liệu được xây dựng trên môi trường MATLAB với Wavelet Toolbox.

Lý do lựa chọn giải thuật DWT đa phân giải (Multiresolution Analysis) thay vì phương pháp lọc thông thường là vì DWT sử dụng ngân hàng bộ lọc trực giao (Wavelet Filter Bank), chia nhỏ tín hiệu thành các hệ số xấp xỉ và hệ số chi tiết qua 5 mức phân tích. Việc kết hợp đặt ngưỡng mềm (Soft Thresholding) và ngưỡng cứng (Hard Thresholding) cho phép loại bỏ triệt để nhiễu ngẫu nhiên tần số cao và nhiễu trôi đường nền 1 đến 10 Hz mà không làm méo mó các đỉnh nhọn đặc trưng của điện thế hoạt động đơn vị vận động (MUAP).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng, lọc nhiễu và nén dữ liệu trên các mẫu tín hiệu điện cơ mang lại 4 phát hiện quan trọng:

  • Khả năng triệt tiêu nhiễu vượt trội: Phép biến đổi Wavelet rời rạc ở mức phân tích cấp 5, đặc biệt khi sử dụng họ Wavelet Daubechies db4 và Symlets sym5 kết hợp kỹ thuật ngưỡng mềm tự động, đã khử được hơn 85% năng lượng của các thành phần nhiễu trắng Gauss và nhiễu chuyển động tần số thấp dưới 10 Hz. Dạng sóng điện cơ sau khi xử lý khôi phục lại rõ nét các pha dao động lưỡng cực đối xứng với giá trị trung bình xấp xỉ 0.
  • Bảo toàn biên độ và năng lượng gốc: Tín hiệu sau khi khử nhiễu giữ lại trên 95% năng lượng thực trong dải tần số mục tiêu 50 đến 150 Hz. Biên độ đỉnh của tín hiệu được bảo toàn trọn vẹn trong khoảng 0,1 đến 0,5 mV, giảm sai số tái tạo xuống dưới 3,5%, vượt trội hơn hẳn so với sai số lên đến 12% khi dùng các bộ lọc thông dải Butterworth bậc cao truyền thống.
  • Tối ưu hóa hiệu suất nén dữ liệu: Việc triệt tiêu các hệ số Wavelet chi tiết dưới ngưỡng cho phép nén dung lượng lưu trữ của tập dữ liệu tín hiệu sEMG từ 60% đến 75% so với kích thước tệp ban đầu, trong khi vẫn bảo đảm khả năng tái tạo dạng sóng chính xác với độ lệch bình phương trung bình (RMSE) cực thấp.
  • Tốc độ xử lý thuật toán nhanh: Chương trình viết trên MATLAB tối ưu hóa tốc độ thực thi, hoàn thành quá trình biến đổi và lọc một khung tín hiệu 1000 mẫu chỉ trong thời gian chưa đến 120 ms, nhanh hơn 2,8 lần so với phương pháp phân tích thực nghiệm EMD của phép biến đổi Hilbert-Huang (HHT).
Phương pháp xử lý Độ phân giải thời gian - tần số Tỷ lệ giảm nhiễu trung bình Mức độ bảo toàn năng lượng Thời gian xử lý (khung 1000 mẫu)
Biến đổi Fourier (FFT) Không có thông tin thời gian Dưới 50% Khoảng 70% Dưới 50 ms
Fourier ngắn (STFT) Cố định, không thích ứng 65% - 70% 80% - 85% 80 - 90 ms
Hilbert-Huang (HHT/EMD) Thích ứng hoàn toàn 80% - 88% 90% - 93% 300 - 350 ms
Biến đổi Wavelet (DWT) Thay đổi linh hoạt đa cấp Trên 85% Trên 95% Dưới 120 ms

Thảo luận kết quả

Các kết quả thực nghiệm có thể được trình bày và đối sánh một cách trực quan thông qua đồ thị phổ năng lượng thời gian – tần số (Scalogram) và bảng dữ liệu tỷ số tín hiệu trên nhiễu (Signal-to-Noise Ratio - SNR). Khi biểu diễn dạng sóng trên đồ thị 2 chiều, tín hiệu trước xử lý bị bao phủ bởi các gai nhọn của xung nhiễu điện lưới 50 Hz và dao động trôi dạt đường nền. Sau khi qua thuật toán phân tách Wavelet, đường nền được kéo phẳng về mức 0, các đỉnh xung MUAP của các đơn vị vận động nổi bật rõ ràng với chu kỳ co cơ điển hình kéo dài khoảng 100 ms.

Nguyên nhân tạo nên sự vượt trội của Wavelet so với biến đổi Fourier thời gian ngắn (STFT) nằm ở bản chất toán học của cửa sổ phân tích. STFT sử dụng cửa sổ có kích thước cố định, dẫn đến hiện tượng nhòe thời gian ở tần số cao hoặc nhòe tần số ở tần số thấp. Trái lại, hàm sóng mẹ Wavelet co giãn tỉ lệ theo tần số nghịch đảo, cho phép "zoom" chi tiết vào từng đợt co cơ đột ngột.

Khi so sánh với phép biến đổi Hilbert-Huang (HHT), dù phương pháp EMD của HHT có khả năng thích ứng cục bộ tốt với tín hiệu phi tuyến, nhưng giải thuật sàng lọc lặp đi lặp lại của EMD đòi hỏi khối lượng tính toán lớn gấp 3 đến 4 lần. Phân bố Wigner-Ville (WVD) cũng bộc lộ nhược điểm lớn khi sinh ra các thành phần giao thoa giả giữa các tín hiệu đa thành phần. Do đó, biến đổi Wavelet là giải pháp toàn diện và tối ưu nhất cho bài toán xử lý tín hiệu điện cơ trong điều kiện lâm sàng và thời gian thực.

Đề xuất và khuyến nghị

  • Chuẩn hóa quy trình lọc nhiễu sEMG trong y tế: Các khoa chẩn đoán chức năng tại các bệnh viện tuyến đầu cần ban hành quy chuẩn áp dụng thuật toán DWT phân tích 5 mức sử dụng họ Wavelet Symlets hoặc Daubechies để xử lý tín hiệu sEMG, nâng tỷ số SNR lên trên 18 dB trong vòng 6 tháng tới.
  • Tích hợp thuật toán vào vi xử lý nhúng thời gian thực: Các viện nghiên cứu kỹ thuật y sinh cần phối hợp với doanh nghiệp công nghệ chế tạo chip vi xử lý chuyên dụng (DSP/FPGA) tích hợp sẵn module Wavelet nhằm giảm độ trễ xử lý xuống dưới 50 ms, phục vụ điều khiển cánh tay/chân giả thông minh giai đoạn 2025 – 2026.
  • Xây dựng ngân hàng dữ liệu tín hiệu điện cơ quốc gia: Bộ Y tế chủ trì phối hợp với các trường đại học khối kỹ thuật thiết lập cơ sở dữ liệu mở với tối thiểu 1.000 bản ghi sEMG chuẩn hóa về các bệnh lý loạn dưỡng cơ, teo cơ trước năm 2027 nhằm tăng độ chính xác phân loại tự động lên trên 92%.
  • Cải tiến công nghệ cảm biến và chống nhiễu phần cứng: Đội ngũ kỹ sư y sinh cần tập trung nghiên cứu phát triển các điện cực khô phủ màng nano carbon hoặc hydrogel có trở kháng tiếp xúc dưới 5 kΩ, loại bỏ triệt để nhiễu chuyển động cơ học trong vòng 12 tháng.

Đối tượng nên tham khảo luận văn

  • Học viên, nghiên cứu sinh chuyên ngành Vật lý Kỹ thuật & Kỹ thuật Y sinh: Khai thác nền tảng lý thuyết toán học chuyên sâu về giải tích Wavelet, mô hình lưỡng cực điện sinh học và quy trình thực nghiệm với hệ thống BIOPAC MP30 kết hợp MATLAB.
  • Bác sĩ và kỹ thuật viên chẩn đoán chức năng thần kinh - cơ: Tiếp cận giải pháp kỹ thuật bóc tách nhiễu tiên tiến nhằm phân tích chính xác điện thế hoạt động MUAP, hỗ trợ phát hiện sớm các rối loạn nơ-ron vận động và teo cơ.
  • Kỹ sư cơ điện tử, Robot sinh học và Trí tuệ nhân tạo: Sử dụng thuật toán lọc và nén tín hiệu sEMG thời gian thực với độ trễ thấp dưới 50 ms để làm tín hiệu đầu vào điều khiển tay chân giả hoặc bộ khung xương trợ lực (Exoskeleton).
  • Chuyên gia y học thể thao và vật lý trị liệu: Ứng dụng công cụ phân tích phổ tần số 50 đến 150 Hz để đánh giá định lượng hiện tượng mỏi cơ, từ đó tối ưu hóa giáo án huấn luyện vận động viên chuyên nghiệp.

Câu hỏi thường gặp

1. Tín hiệu điện cơ bề mặt (sEMG) có dải biên độ và tần số tiêu chuẩn là bao nhiêu?
Tín hiệu sEMG có biên độ rất nhỏ từ 0,1 đến 10 mV (thường là 0,1 đến 0,5 mV), tần số hoạt động trải dài từ 20 đến 500 Hz. Trong khi đó, điện cực kim đo sâu có biên độ từ 0,1 đến 5 mV với tần số từ 100 đến 2000 Hz. Vùng năng lượng tập trung thông tin quan trọng nhất nằm trong khoảng 50 đến 150 Hz.

2. Tại sao phép biến đổi Wavelet vượt trội hơn biến đổi Fourier trong xử lý tín hiệu sEMG?
Biến đổi Fourier chỉ cung cấp thông tin phổ toàn cục và làm mất thời điểm diễn ra sự kiện co cơ. Ngược lại, biến đổi Wavelet có độ phân giải thời gian – tần số linh hoạt nhờ nguyên lý bất định Heisenberg, giúp định vị chính xác các biến đổi đột ngột kéo dài khoảng 100 ms của bó cơ mà không gây nhòe tín hiệu.

3. Họ hàm Wavelet nào phù hợp nhất để lọc nhiễu tín hiệu điện cơ?
Nghiên cứu chỉ ra rằng các họ Wavelet trực giao Daubechies (đặc biệt là db4) và Symlets (sym5) ở mức phân tích cấp 5 mang lại hiệu quả lọc sạch hơn 85% tạp âm. Dạng sóng của các họ Wavelet này có tính chất toán học tương đồng cao với dạng xung điện thế hoạt động MUAP của sợi cơ.

4. Sự khác biệt giữa phương pháp đo điện cơ bề mặt và điện cơ kim là gì?
Đo điện cơ bề mặt (sEMG) dán điện cực ngoài da, không xâm lấn, không gây đau nhưng tín hiệu dễ lẫn tạp âm. Đo điện cơ kim cắm trực tiếp vào bắp cơ, thu tín hiệu đơn vị vận động chi tiết với tần số lên đến 2000 Hz nhưng gây đau đớn và có nguy cơ tổn thương mô cơ.

5. Làm thế nào để loại bỏ nhiễu điện lưới 50 Hz và nhiễu chuyển động trong sEMG?
Nhiễu chuyển động (1 đến 10 Hz) và nhiễu lưới điện 50 Hz được loại bỏ hoàn toàn bằng cách sử dụng phân tích đa phân giải DWT kết hợp bộ lọc vi sai lưỡng cực trên phần cứng BIOPAC MP30, triệt tiêu tín hiệu đồng pha và lọc bỏ các hệ số chi tiết tần số thấp.

Kết luận

  • Luận văn đã hệ thống hóa toàn diện cơ sở sinh lý học của điện thế hoạt động màng tế bào cơ và nguồn gốc phát sinh tín hiệu điện cơ sEMG.
  • Thiết lập thành công mô hình toán học giải tích Wavelet đa phân giải, phân tích chi tiết các họ hàm sóng mẹ như Daubechies, Symlets, Coiflets và Morlet.
  • Xây dựng hoàn chỉnh chương trình xử lý trên MATLAB, chứng minh thuật toán DWT cấp 5 kết hợp ngưỡng mềm giúp loại bỏ hơn 85% nhiễu mà vẫn giữ lại trên 95% năng lượng tín hiệu gốc.
  • Đạt hiệu suất nén dữ liệu từ 60% đến 75%, duy trì sai số tái tạo dưới 3,5% và thời gian xử lý nhanh dưới 120 ms.
  • Mở ra hướng ứng dụng công nghệ xử lý sEMG vào các thiết bị y tế chẩn đoán lâm sàng và hệ thống điều khiển robot sinh học trong lộ trình 2025 – 2027.

Đóng góp lớn nhất của công trình là cung cấp một bộ công cụ xử lý tín hiệu điện cơ chính xác, tin cậy và có tính ứng dụng thực tiễn cao cho ngành Vật lý Kỹ thuật Y sinh tại Việt Nam. Quý độc giả, các nhà nghiên cứu và kỹ sư quan tâm có thể tiếp tục mở rộng đề tài bằng cách ứng dụng thuật toán Wavelet trên các dòng vi xử lý nhúng tốc độ cao nhằm phát triển các giải pháp hỗ trợ vận động tiên tiến cho người khuyết tật.