Chương 1: Tong quan đề tài. Giới thiệu về nội dung đề tài bao gồm động lực nghiên cứu, phat biểu bài toán, thách thức, mục tiêu, phạm vi đối tượng nghiên cứu, và những đóng góp chính trong nghiên cứu. Chương 2: Cơ sở lý thuyết. Trình bày tổng quan về các lý thuyết cơ sở trong dự báo sớm nhịp tim.
Trình bày các khảo sát về hướng tiếp cận dự báo từ các công trình đi trước. Chương 3: Phương pháp thực nghiệm. Trình bày về các khái niệm về dự báo hồi quy và dự báo phân lớp. Trình bày các thuật toán máy học thống kê truyền thống và các thuật toán học sâu.
Chương 4: Thực nghiệm, đánh giá và hướng cải tiến. Trình bày quy trình xử lý dữ liệu và thực nghiệm, các thông số chỉ tiết cho quá trình thực nghiệm và các phương pháp về cải tiến mô hình. Báo cáo kết quả thực nghiệm và phân tích kết quả. Chương 5: Kết luận và hướng phát triển.
Tổng kết các kết quả chính đã đạt được trong đề tài và hướng phát triển của đề tài trong tương lai. Chương 6: Phụ lục. Bồ sung chi tiết các kết quả trong quá trình thực nghiệm. TONG QUAN DE TÀI 1.
Động lực nghiên cứu Bệnh tim mạch là một trong những nguyên nhân chính gây tử vong trên toàn cầu, chiếm khoảng 32% theo số liệu của Té chức Y tế Thế giới năm 2021 [1]. Ở Việt Nam, vấn đề liên quan đến bệnh tim mạch đang gây ra một mối lo ngại đáng kê với tỷ lệ tử vong do bệnh tim mạch chiếm khoảng 33% trong tổng số ca tử vong hàng năm [2]. Hơn nữa, theo nghiên cứu của BMC Medicine từ năm 1990 đến năm 2019 trên 204 quốc gia cho thấy tỷ lệ tử vong do bệnh tim dang dan trẻ hóa trong độ tudi từ 15 đến 39 [3]. Để phát hiện sớm các vấn đề này, các cơ sở chăm sóc sức khỏe ban đầu có thể đo lường và đánh giá nguy cơ đau tim, đột quy, suy tim và các biến chứng khác.
Tuy nhiên, theo WHO các bệnh tim mạch thường không xuất hiện các triệu chứng rõ ràng [I]. Trên thực tế, một cơn đau tim hoặc đột quy có thé là dau hiệu đầu tiên cho sự tôn tại của một bệnh lý nền. Dé đảm bảo khả năng chân đoán chính xác bệnh tim, các chuyên gia y tế cần được hỗ trợ bằng các công cụ và thiết bị y tế phù hợp. Tuy nhiên, phương pháp tiếp cận truyền thống này có thể đòi hỏi nhiều thời gian và kinh phí đáng kể từ người bệnh.
Với sự phát triển nhanh chóng của công nghệ thông tin hiện nay, nhu cầu cho một ứng dụng di động và thiết bị y tế thông minh hỗ trợ người bệnh theo dõi các bất thường tim mạch là rất lớn. Một trong các kỹ thuật chính và phé biến nhất dé theo dõi sức khỏe của người bệnh là dựa trên điện tâm đồ (Electrocardiogram - ECG). Tuy nhiên, việc phân tích thủ công nhịp tim đối mặt với những thách thức lớn do sự đa dạng và phức tạp của dữ liệu ECG. Hình dạng biến thé của sóng ECG thường có sự biến đôi đáng kê giữa các bệnh nhân, gây khó khăn trong việc nhận diện và phân loại.
Hơn nữa, dữ liệu ECG thường bị ảnh hưởng bởi nhiễu từ nhiều nguồn khác nhau, như dao động điện từ môi trường, chuyên động cơ thé và tín hiệu điện khác, gây mat mát thông tin quan trọng liên quan đến nhịp tim. Từ đó cho thấy việc xử lý lượng lớn các bản ghi ECG đòi hỏi rất nhiều thời gian và công sức. Mặt khác, với tính bất ngờ và khó lường von di trong các vân đê về tim mạch, việc theo dõi liên tục và đáp ứng một cách tức thời xuyên suốt quá trình sinh hoạt của bệnh nhân dé kịp thời chan đoán và điều trị là rất cần thiết. Tuy nhiên, với áp lực từ sự gia tăng của các ca tim mạch và cũng như tâm lý nặng nề của một số người khi phải đi thăm khám tại các cơ sở y tế, khiến các mô hình thăm khám truyền thống còn bộc lộ nhiều hạn chế.
Điều này thúc đây một nhu cầu rất lớn trong việc tích hợp các phương pháp tự động và công nghệ, hỗ trợ việc theo dõi và chân đoán tại nhà, giúp cải thiện hiệu suất, giảm áp lực đặt ra cho các chuyên gia y tế. Hiện nay, nghiên cứu trong lĩnh vực phân tích nhịp tim đã đạt được những thành tựu đáng kể, tích hợp nhiều phương pháp như phân tích thống kê hay trí tuệ nhân tạo với khả năng đánh giá cũng như dự báo sớm được các triệu chứng về tim mạch. Một số nghiên cứu tập trung vào việc dự báo hồi quy nhịp tim cho tương lai [4] [5]. Tuy nhiên, kết qua dự báo này thường chỉ có thé được tiếp cận và sử dụng bởi các chuyên gia có kiến thức chuyên môn.
Trong khi đó, đối với người dùng phô thông, họ chỉ có thé tiép cận với các kết quả tường minh, dễ hiểu, cụ thé như chính xác một loại bất thường nhịp tim nào đó trong tương lai mà họ có thể gặp phải. Đây cũng chính là bài toán mà phân loại nhịp tim có thể giải quyết. Ngoài ra, một khoảng trống khác mà các nghiên cứu này vẫn chưa giải quyết đó là khía cạnh về hiệu suất phát hiện sớm cho các bat thường về tim mạch của các mô hình phân loại vẫn chưa được phân tích cặn kẽ. Trong khi đó, thời gian là một yếu tố vô cùng quan trọng đối với một hệ thống cảnh báo sớm và đồng thời đóng vai trò quyết định trong quá trình thực hiện các biện pháp cấp cứu tim mạch tại nhà cho bệnh nhân.
Phát biểu bài toán Đầu vào: Dữ liệu các đặc trưng về nhip tim được đưa vào theo từng đoạn RR-interval. Xử lý: Nhiệm vụ thực hiện được chia làm hai hướng tiếp cận: + Hướng tiếp cận 1: Đầu vào là đặc trưng của dữ liệu ECG trong quá khứ. Qua các mô hình dự báo hồi quy thu được chuỗi ECG trong tương lai. Sử dụng giá trị ECG trong tương lai vừa được dự báo như là đầu vào của mô hình phân lớp.
Đầu ra sau cùng là lớp bất thường có thể được dự báo cho đoạn ECG trong tương lai. + Hướng tiếp cận 2: Đầu vào là đặc trưng của dữ liệu ECG trong quá khứ. Qua các mô hình dự báo phân lớp. Đầu ra mục tiêu sẽ là lớp bat thường có thé được dự đoán cho một số thời điểm trong tương lai.
Đầu ra: Loại nhịp tim tương lai., / Hướng tiếp cận 1 Hướng tiếp cận 2 {_ Mô hình dự báo hồi quy | [ Mô hình dự báo phân lớp _ ] Mô hình dự báo phân lớp Mô hình máy Mô hình Mô hình máy Mô hình | Mô hình má y ô hì Mô hình học thống kê || học sâu học thống kê || học sâu học thống kê || học sâu Ì Ỷ ECG Loại nhịp tim Loại nhịp tim (Tương lai) (Tương lai) (Tương lai) Hình 1.1: Mô hình tiếp cận theo hai hướng. Thách thức — Về dữ liệu: + Hình dạng biến thé của sóng ECG thường có sự biến đổi đáng kể giữa các bệnh nhân là một thử thách rất lớn dé có thể xây dựng tính tổng quát của mô hình dự đoán đối với dữ liệu bệnh nhân chưa biết. + Dữ liệu ECG thường bị anh hưởng bởi nhiễu từ nhiều nguồn khác nhau, như dao động điện từ môi trường, chuyền động cơ thê và tín hiệu điện khác, gây mắt mát thông tin quan trọng liên quan đến nhịp tim. — Về phương pháp: + Mô hình dự báo sớm là đối mặt với hiệu suất giảm khi phải xử lý những yếu tố bất ngờ và không lường trước được trong tương lai khi mô hình chỉ có thể dựa vào những dữ liệu được biết trong quá khứ.
+ Mất cân bang trong bài toán dự báo bất thường luôn là một thách thức quan trọng, đặc biệt khi xét đến ngữ cảnh của đặc trưng chuỗi thời gian. Trong ngữ cảnh này, việc sử dung các kỹ thuật tăng cường dit liệu thông thường có thé gây mat mát về mối tương quan thời gian của các đặc trưng chuỗi thời gian, làm giảm tính hiệu quả của mô hình trong việc dự báo và phân loại bất thường. Mục tiêu đề tài — Xây dựng và đánh giá hiệu suất của mô hình hồi dự báo bất thường tim mạch sớm. — Thực nghiệm đề xuất cải tiến độ chính xác cho các hướng tiếp cần được đề cập trong đề tài.
— Xây dựng ứng dung di động phân loại nhịp tim từ mô hình dự báo sớm. Đối tượng và phạm vi nghiên cứu Đối tượng: Dữ liệu nhịp tim chứa các loại nhịp tim bất thường và bình thường. Dữ liệu: — Bộ dữ liệu MIT-BIH Arrhythmia [6]: Bao gồm 48 tap dit liệu ECG, ghi lai sự di chuyển của dòng điện trong tim. Những tập dữ liệu này được thu thập từ 47 bệnh nhân được nghiên cứu bởi Phòng thí nghiệm BIH Arrhythmia từ năm 1975 — 1979.
Trong đó, có 23 tập được chọn ngẫu nhiên từ tập bản ghi ECG được thu thập trong 24 giờ từ một nhóm bệnh nhân nội trú; các tập dữ liệu còn lại được chọn từ các tập bao gồm các rối loạn nhịp tim ít phổ biến. — Bộ dữ liệu MIT-BIH Normal Sinus Rhythm [7]: Bao gồm 18 tập dữ liệu ECG của các đối tượng không có bat kỳ rỗi loạn nhịp nào đáng ké và bệnh lý về tim trước đó. Pham vi nghiên cứu: — Khảo sát và đánh giá các công trình đã công bồ về bài toán hồi quy dit liệu điện tâm d6 và bài toán phân lớp bat thường nhịp tim. Nghiên cứu các phương pháp xử lý dữ liệu nhip tim.
Nghiên cứu các mô hình máy học thống kê và mô hình học sâu tiên tiến. Thực nghiệm các mô hình hình theo từng hướng tiếp cận và thực nghiệm các hướng cải tiến được đề xuất. Xây dựng ứng dụng phân loại sớm nhip tim. Đóng góp cho nghiên cứu Giới thiệu các phương pháp tiếp cận dự báo sớm trong nhịp tim tập trung vào các yếu tố gồm: các đặc trưng đầu vào, hướng tiếp cận huấn luyện mô hình, các mô hình phân lớp, mốc thời gian dự báo trong tương lai.
Phân tích hiệu quả xây dựng mô hình dự báo sớm bat thường trong nhịp tim theo hai hướng: phân lớp và hồi quy. Phân tích và đánh giá hiệu suất dự báo sớm của mô hình thông qua các mốc thời gian tương lai được thực nghiệm một cách chi tiết (Vd: 1—2—5— 10 phút). Thực nghiệm và đánh giá hiệu suất trên cả mô hình máy học thống kê và mô hình học sâu. Với từng hướng tiếp cận đưa ra đề xuất, thực nghiệm và đánh giá kết quả các hướng cải tiễn tương ứng.