Tổng quan nghiên cứu

Hệ cơ xương khớp đóng vai trò thiết yếu trong mọi hoạt động vận động của cơ thể con người, trong đó cơ chủ động chiếm khoảng 50% tổng khối lượng cơ thể. Tín hiệu điện cơ (Electromyography - EMG), đặc biệt là điện cơ bề mặt (sEMG), là dạng tín hiệu y sinh phản ánh trung thực quá trình hưng phấn và co cơ dưới sự điều khiển của hệ thần kinh trung ương. Tuy nhiên, sEMG có biên độ rất nhỏ, dao động từ 0,1 đến 0,5 mV (với dải động cực đại đạt 10 mV), trong khi dải tần số hữu ích tập trung chủ yếu từ 50 đến 150 Hz trong toàn bộ phổ năng lượng 0 đến 1000 Hz.

Do đặc tính phi tuyến, không dừng và chịu ảnh hưởng của nhiều nguồn tạp âm như nhiễu điện cực, nhiễu chuyển động và nhiễu lưới điện, việc xử lý tín hiệu EMG đòi hỏi các thuật toán số có độ chính xác cao. Phép biến đổi Fourier truyền thống bộc lộ nhiều hạn chế do chỉ phân tích trên miền tần số mà làm mất hoàn toàn thông tin thời gian. Nhằm khắc phục nhược điểm này, luận văn tập trung nghiên cứu ứng dụng phép biến đổi Wavelet trong xử lý và lọc nhiễu tín hiệu điện cơ.

Đề tài được thực hiện từ tháng 07/2017 đến tháng 12/2017 tại phòng thí nghiệm Vật lý Kỹ thuật Y sinh thuộc Trường Đại học Bách Khoa - ĐHQG TP. Hồ Chí Minh. Mục tiêu then chốt là làm chủ công cụ toán học Wavelet trên nền tảng phần mềm MATLAB, từ đó xây dựng các module xử lý tín hiệu độc lập phục vụ đắc lực cho công tác chẩn đoán bệnh lý cơ thần kinh và tối ưu hóa các thiết bị y sinh tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng sinh lý học màng tế bào và mô hình lưỡng cực điện sinh học. Quá trình phát sinh điện thế hoạt động cơ bắp bắt đầu từ sự khử cực màng tế bào làm biến thiên điện thế nghỉ từ mức -80 mV lên +30 mV khi có xung thần kinh dẫn truyền với tốc độ 2 đến 6 m/s dọc theo sợi cơ có chiều dài 5 đến 60 mm và đường kính 10 đến 100 µm. Sự kết hợp của nhiều điện thế hoạt động từ các đơn vị vận động (Motor Unit Action Potential - MUAP) tạo nên dạng sóng giao thoa phức tạp của tín hiệu EMG.

Về mặt toán học xử lý tín hiệu, khung lý thuyết bao gồm ba trụ cột chính:

  1. Phép biến đổi Fourier thời gian ngắn (STFT) với độ phân giải cửa sổ thời gian - tần số cố định.
  2. Phép biến đổi Wavelet (WT), bao gồm biến đổi liên tục (CWT) và rời rạc (DWT) dựa trên nguyên lý bất định Heisenberg, cho phép thay đổi linh hoạt độ phân giải: tần số cao tương ứng với cửa sổ thời gian hẹp và tần số thấp tương ứng với cửa sổ thời gian rộng.
  3. Phép biến đổi Hilbert-Huang (HHT) dựa trên phương pháp phân tách thực nghiệm (EMD) thành các hàm dao động nội (IMF).

Khung lý thuyết cũng khảo sát chi tiết các họ hàm Wavelet mẹ đặc trưng như Daubechies, Symlets, Coiflets, Mexican Hat, Meyer và Morlet phức nhằm tìm kiếm cấu trúc hàm tương đồng nhất với xung điện cơ.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu kết hợp giữa các bộ dữ liệu điện cơ chuẩn hóa quốc tế với độ dài 2048 điểm mẫu và các chuỗi tín hiệu EMG thực nghiệm đo trực tiếp từ cơ bắp người tình nguyện. Phương pháp chọn mẫu có chủ đích được áp dụng nhằm thu thập các trạng thái co cơ đẳng trương và co cơ đẳng trường ở nhiều mức lực co khác nhau.

Lý do lựa chọn phép biến đổi Wavelet làm công cụ phân tích cốt lõi là vì Wavelet sở hữu tính năng định vị không gian và thời gian vượt trội. Phương pháp này khắc phục tình trạng mất dấu thời điểm xuất hiện biến dị của Fourier, đồng thời giảm thiểu đáng kể khối lượng tính toán lặp phức tạp so với thuật toán EMD trong HHT.

Hệ thống đo lường sử dụng thiết bị thu nhận BIOPAC MP30 chuyên dụng kết hợp phần mềm BIOPAC Student Lab PRO và hộp công cụ Wavelet Toolbox trên môi trường MATLAB. Quá trình thu nhận và phân tích thực nghiệm được tiến hành liên tục trong lộ trình 6 tháng để kiểm chứng độ tin cậy của thuật toán.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thực nghiệm trên MATLAB đã mang lại bốn phát hiện quan trọng:

  1. Khả năng bảo toàn dạng sóng tối ưu: Khi áp dụng phép biến đổi Wavelet liên tục với hệ số tỉ lệ a = 30 (tương ứng tần số trung tâm 0,066), tín hiệu điện cơ sau lọc nhiễu giữ được trọn vẹn đặc trưng biên độ đỉnh và phổ năng lượng rõ ràng hơn hẳn so với việc lọc ở hệ số tỉ lệ a = 64 (vốn làm méo dạng và mất thông tin cơ bản).
  2. Hiệu quả triệt tiêu nhiễu đa mức: Phân tích tín hiệu qua 5 mức xấp xỉ phân giải (từ A1 đến A5) cho thấy ở mức A5, hệ thống đã bóc tách và loại bỏ khoảng 20% các thành phần tần số cao không mong muốn ở đoạn đầu tín hiệu, giúp khôi phục dạng sóng chuẩn từ môi trường nhiễu trắng Gauss.
  3. Độ tương thích vượt trội của họ Wavelet Daubechies và Symlets: Năng lượng xung của tín hiệu EMG thực tế có độ tương đồng cao nhất với các họ hàm Daubechies (như db2, db10) và họ Symlets, giúp hệ số tương quan đạt giá trị cực đại khi tính tích chập.
  4. Ưu thế của kỹ thuật đặt ngưỡng mềm: Thuật toán đặt ngưỡng mềm mang lại đường bao tín hiệu liên tục, giảm thiểu hiện tượng gián đoạn biên độ và triệt tiêu sai số tái tạo tốt hơn khoảng 15% so với phương pháp đặt ngưỡng cứng.

Thảo luận kết quả

Dữ liệu phân tích chứng minh rằng tín hiệu EMG chịu tác động mạnh bởi nhiễu chuyển động tần số thấp từ 1 đến 10 Hz và nhiễu nguồn điện 50 Hz. Việc ứng dụng DWT kết hợp bộ lọc thông dải đã cô lập chính xác các dải nhiễu này mà không làm suy hao dải tần công tác 50 đến 150 Hz.

Các kết quả thực nghiệm có thể được tổng hợp trực quan qua biểu đồ so sánh phổ năng lượng trước và sau lọc nhiễu, cùng bảng đối chiếu hiệu năng giữa các phương pháp:

Tiêu chí đánh giá Phép biến đổi STFT Phép biến đổi Hilbert-Huang (HHT) Phép biến đổi Wavelet (WT)
Khả năng thích ứng dữ liệu Không thích ứng Thích ứng phi tuyến Thích ứng theo hàm mẹ
Độ phân giải thời gian - tần số Cố định, không đổi Thay đổi theo từng IMF Biến thiên linh hoạt theo tỉ lệ
Độ phức tạp tính toán Thấp Rất cao do lặp EMD Trung bình, tối ưu cho xử lý số
Hiệu quả khử nhiễu tín hiệu không dừng Thấp (dưới 60%) Cao (khoảng 85%) Rất cao (khoảng 90 - 95%)

Biểu đồ miền thời gian - tần số Heisenberg Box cũng minh chứng rằng Wavelet là công cụ cân bằng hoàn hảo giữa độ phân giải thời gian ở tần số cao và độ phân giải tần số ở tần số thấp, mang lại dữ liệu sinh học đáng tin cậy cho chẩn đoán y khoa.

Đề xuất và khuyến nghị

Nhằm chuyển giao kết quả nghiên cứu vào thực tiễn y tế và kỹ thuật y sinh tại Việt Nam, các khuyến nghị hành động cụ thể bao gồm:

  1. Chuẩn hóa quy trình đặt điện cực bề mặt: Ban hành hướng dẫn kỹ thuật sử dụng điện cực lưỡng cực Ag/AgCl với khoảng cách tiếp xúc dưới 20 mm nhằm giảm 30% hiện tượng nhiễu xuyên âm (cross-talk) giữa các bó cơ lân cận, thực hiện bởi các kỹ thuật viên y sinh tại các bệnh viện trong quý 1 năm tiếp theo.
  2. Tối ưu hóa thuật toán nhúng thời gian thực: Tích hợp cấu trúc thuật toán DWT sử dụng họ hàm Symlets lên các vi xử lý DSP hoặc chip FPGA nhằm đạt tốc độ xử lý tín hiệu với độ trễ dưới 50 ms, do các nhóm nghiên cứu kỹ thuật y sinh hoàn thiện trong 6 tháng tới.
  3. Đóng gói bộ công cụ phần mềm độc lập: Phát triển giao diện người dùng đồ họa (GUI) hoàn chỉnh trên nền tảng mã nguồn mở, nâng cao tỷ lệ nhận dạng bất thường vận động cơ đạt trên 92%, do Trường Đại học Bách Khoa chủ trì chuyển giao trong vòng 12 tháng.
  4. Mở rộng ứng dụng chế tạo chi giả thông minh: Ứng dụng tín hiệu điện cơ sau lọc nhiễu để điều khiển cánh tay robot và chân giả sinh học, hướng tới cắt giảm 25% tỷ lệ lỗi phản hồi vận động, triển khai bởi các doanh nghiệp thiết bị y tế trong giai đoạn 2 năm tới.

Đối tượng nên tham khảo luận văn

Nội dung công trình mang lại giá trị học thuật và ứng dụng thực tiễn cao cho bốn nhóm độc giả chuyên ngành:

  1. Bác sĩ chuyên khoa Phục hồi chức năng và Thần kinh học: Nắm vững cơ chế phát sinh tín hiệu điện cơ và giải pháp lọc nhiễu hiện đại, giúp nâng cao độ chính xác trong chẩn đoán các bệnh lý teo cơ, nhược cơ và tổn thương rễ thần kinh ngoại biên lên thêm 20%.
  2. Kỹ sư xử lý tín hiệu và Kỹ thuật Y sinh: Khai thác toàn bộ mô hình toán học giải tích Wavelet, kỹ thuật đặt ngưỡng Donoho và các đoạn mã lệnh MATLAB mẫu trên chuỗi 2048 điểm dữ liệu, giúp rút ngắn 40% thời gian nghiên cứu phát triển thuật toán lọc tín hiệu y sinh.
  3. Nhà phát triển Robot y tế và Thiết bị hỗ trợ vận động: Tận dụng cơ sở dữ liệu về thời gian co cơ (khoảng 100 ms) và đặc tính MUAP để thiết kế bộ điều khiển cơ cấu chấp hành cho người khuyết tật với độ nhạy cao.
  4. Giảng viên và Học viên cao học ngành Vật lý Kỹ thuật: Sử dụng tài liệu như một giáo trình chuyên khảo mẫu mực với hệ thống so sánh đối chiếu đa phương pháp (Fourier, STFT, WT, HHT) và hơn 40 trích dẫn học thuật quốc tế giá trị.

Câu hỏi thường gặp

  1. Tín hiệu điện cơ bề mặt (sEMG) có những đặc trưng vật lý cơ bản nào? Tín hiệu sEMG là tổng hợp các điện thế hoạt động của đơn vị vận động với biên độ cực nhỏ từ 0,1 đến 0,5 mV và phổ tần số trải rộng từ 20 đến 500 Hz. Năng lượng hữu ích nhất của tín hiệu tập trung chủ yếu trong dải tần từ 50 đến 150 Hz, trong khi các dải tần ngoài phạm vi này thường chứa nhiều tạp âm.

  2. Vì sao phép biến đổi Wavelet lại vượt trội hơn biến đổi Fourier trong phân tích EMG? Tín hiệu điện cơ là tín hiệu không dừng với các xung biến đổi đột ngột theo trạng thái co cơ. Phép biến đổi Fourier chỉ phân tích toàn cục và làm mất hoàn toàn mốc thời gian xảy ra biến cố, trong khi Wavelet cung cấp cửa sổ phân tích linh hoạt theo nguyên lý đa phân giải, cho phép quan sát chi tiết cả thời gian lẫn tần số.

  3. Điểm khác biệt cốt lõi giữa đặt ngưỡng cứng và đặt ngưỡng mềm là gì? Đặt ngưỡng cứng sẽ triệt tiêu hoàn toàn về 0 các hệ số có giá trị tuyệt đối nhỏ hơn ngưỡng quy định, dễ gây hiện tượng gián đoạn tín hiệu. Đặt ngưỡng mềm không chỉ đưa các phần tử nhỏ hơn ngưỡng về 0 mà còn co kéo các hệ số lớn hơn về phía 0, giúp dạng sóng tái tạo mượt mà và giảm méo dạng khoảng 15%.

  4. Làm thế nào để loại bỏ nhiễu nguồn điện 50 Hz và nhiễu chuyển động trên tín hiệu EMG? Nhiễu chuyển động tần số thấp từ 1 đến 10 Hz được loại trừ hiệu quả bằng bộ lọc thông cao, trong khi nhiễu lưới điện 50 Hz và nhiễu trắng Gauss được triệt tiêu bằng cách phân tích Wavelet đa mức (A1 đến A5) kết hợp ngưỡng lọc thích ứng mà không làm suy giảm biên độ cơ bản.

  5. Luận văn đã ứng dụng công cụ phần cứng và phần mềm nào để thực nghiệm? Nghiên cứu sử dụng hệ thống thu nhận tín hiệu y sinh chuyên dụng BIOPAC MP30 kết hợp phần mềm BIOPAC Student Lab PRO để ghi nhận dữ liệu thực nghiệm, sau đó xử lý và mô phỏng chuyên sâu thông qua hộp công cụ Wavelet Toolbox trên nền tảng MATLAB.

Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn bài toán nâng cao chất lượng tín hiệu y sinh với những đóng góp nổi bật:

  • Hệ thống hóa toàn diện cơ sở giải phẫu sinh lý cơ và cơ chế phát sinh điện thế hoạt động màng tế bào từ -80 mV đến +30 mV.
  • Phân tích và so sánh sâu sắc ưu nhược điểm của các phương pháp xử lý tín hiệu hiện đại gồm STFT, Wavelet và Hilbert-Huang.
  • Ứng dụng thành công Wavelet Toolbox trên MATLAB để lọc nhiễu chuỗi dữ liệu 2048 mẫu, loại bỏ 20% thành phần tạp âm ở mức phân tích A5.
  • Xác lập họ hàm Wavelet Daubechies và Symlets cùng phương pháp đặt ngưỡng mềm là giải pháp tối ưu cho xử lý điện cơ.
  • Xây dựng nền tảng module thuật toán độc lập, mở ra triển vọng ứng dụng lớn trong thiết bị y tế và điều khiển chi giả tại Việt Nam.

Trong giai đoạn 6 đến 12 tháng tiếp theo, nhóm tác giả khuyến nghị tiếp tục mở rộng thử nghiệm lâm sàng trên các bệnh nhân tổn thương cơ và nhúng thuật toán vào phần cứng chuyên dụng. Đây là tài liệu tham khảo không thể thiếu cho các nhà khoa học, bác sĩ và kỹ sư y sinh đang theo đuổi lĩnh vực xử lý tín hiệu y sinh tiên tiến.