Luận Văn Thạc Sĩ Về Mô Hình Phối Hợp Mạng Nơ-Rôn Nhận Dạng Tín Hiệu Điện Tim (ECG)

Luận văn thạc sĩ kỹ thuật phân tích kỹ thuật điện tử xây dựng mô hình phối hợp các mạng nơrôn nhận dạng tín hiệu điện tim ecg, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải

• Tác giả: Nguyễn Quang Long
• Người hướng dẫn: TS. Đỗ Văn Đỉnh
• Trường học: Trường Đại học Sao Đỏ
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Xây Dựng Mô Hình Phối Hợp Các Mạng Nơ-Rôn Nhận Dạng Tín Hiệu Điện Tim (ECG)
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Hải Dương

Tóm tắt

I. Tổng quan về mô hình phối hợp mạng nơ ron nhận dạng tín hiệu điện tim ECG

Mô hình phối hợp mạng nơ-ron nhận dạng tín hiệu điện tim (ECG) là một lĩnh vực nghiên cứu quan trọng trong y học hiện đại. Tín hiệu ECG cung cấp thông tin quý giá về tình trạng sức khỏe của tim mạch. Việc áp dụng các mạng nơ-ron trong nhận dạng tín hiệu ECG giúp cải thiện độ chính xác và độ tin cậy trong chẩn đoán bệnh lý. Nghiên cứu này sẽ trình bày tổng quan về các phương pháp hiện có và tầm quan trọng của việc phát triển mô hình phối hợp.

1.1. Tín hiệu điện tim ECG và vai trò của nó trong y học

Tín hiệu điện tim ECG là một trong những chỉ số quan trọng nhất để đánh giá sức khỏe tim mạch. Nó phản ánh hoạt động điện của tim và giúp phát hiện các bệnh lý như loạn nhịp tim, bệnh van tim, và nhiều vấn đề khác. Việc phân tích tín hiệu ECG cho phép bác sĩ đưa ra chẩn đoán chính xác hơn.

1.2. Các phương pháp nhận dạng tín hiệu ECG hiện nay

Hiện nay, có nhiều phương pháp nhận dạng tín hiệu ECG, bao gồm các kỹ thuật truyền thống và hiện đại. Các phương pháp như phân tích tần số, phân tích thời gian và các mô hình học máy như mạng nơ-ron đã được áp dụng để nâng cao độ chính xác trong chẩn đoán.

II. Thách thức trong nhận dạng tín hiệu điện tim ECG

Mặc dù có nhiều tiến bộ trong công nghệ nhận dạng tín hiệu ECG, nhưng vẫn tồn tại nhiều thách thức cần giải quyết. Các yếu tố như nhiễu tín hiệu, sự biến đổi trong quá trình ghi nhận và sự phức tạp của tín hiệu ECG gây khó khăn cho việc nhận dạng chính xác. Nghiên cứu này sẽ phân tích các thách thức chính và đề xuất giải pháp.

2.1. Nhiễu tín hiệu và ảnh hưởng của nó đến độ chính xác

Nhiễu tín hiệu từ các nguồn bên ngoài như thiết bị điện tử và chuyển động của bệnh nhân có thể làm giảm độ chính xác của việc nhận dạng tín hiệu ECG. Việc phát hiện và loại bỏ nhiễu là một trong những thách thức lớn nhất trong nghiên cứu này.

2.2. Sự biến đổi trong quá trình ghi nhận tín hiệu

Sự biến đổi trong quá trình ghi nhận tín hiệu ECG do các yếu tố như vị trí đặt điện cực và tình trạng sức khỏe của bệnh nhân có thể ảnh hưởng đến kết quả nhận dạng. Cần có các phương pháp hiệu quả để điều chỉnh và chuẩn hóa tín hiệu trước khi phân tích.

III. Phương pháp xây dựng mô hình phối hợp mạng nơ ron nhận dạng tín hiệu ECG

Để nâng cao độ chính xác trong nhận dạng tín hiệu ECG, mô hình phối hợp các mạng nơ-ron được đề xuất. Mô hình này kết hợp nhiều loại mạng nơ-ron khác nhau như MLP, TSK và SVM để tối ưu hóa kết quả nhận dạng. Nghiên cứu sẽ trình bày chi tiết về quy trình xây dựng và các thuật toán áp dụng.

3.1. Quy trình xây dựng mô hình phối hợp

Quy trình xây dựng mô hình phối hợp bao gồm các bước như thu thập dữ liệu, tiền xử lý tín hiệu, xây dựng các mô hình nơ-ron riêng lẻ và cuối cùng là kết hợp các mô hình này để tạo ra một mô hình tổng thể. Mỗi bước đều cần được thực hiện cẩn thận để đảm bảo độ chính xác cao.

3.2. Các thuật toán nơ ron được sử dụng

Các thuật toán như mạng nơ-ron đa lớp (MLP), mạng nơ-ron mờ (TSK) và máy vectơ hỗ trợ (SVM) được sử dụng trong mô hình phối hợp. Mỗi thuật toán có những ưu điểm riêng, và việc kết hợp chúng giúp cải thiện khả năng nhận dạng tín hiệu ECG.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy mô hình phối hợp mạng nơ-ron đạt được độ chính xác cao trong việc nhận dạng tín hiệu ECG. Các thử nghiệm trên bộ dữ liệu MIT-BIH và MGH/MF cho thấy mô hình này có khả năng phát hiện các loại nhịp tim khác nhau một cách hiệu quả. Nghiên cứu này mở ra hướng đi mới trong việc ứng dụng công nghệ nơ-ron trong y học.

4.1. Kết quả thử nghiệm trên bộ dữ liệu MIT BIH

Kết quả thử nghiệm trên bộ dữ liệu MIT-BIH cho thấy mô hình phối hợp đạt được độ chính xác lên đến 95% trong việc nhận dạng các loại nhịp tim. Điều này chứng tỏ tính khả thi của mô hình trong thực tiễn.

4.2. Ứng dụng trong chẩn đoán bệnh lý tim mạch

Mô hình phối hợp mạng nơ-ron có thể được ứng dụng trong việc chẩn đoán các bệnh lý tim mạch, giúp bác sĩ đưa ra quyết định chính xác hơn. Việc sử dụng công nghệ này trong thực tiễn sẽ cải thiện chất lượng chăm sóc sức khỏe cho bệnh nhân.

V. Kết luận và triển vọng tương lai của mô hình phối hợp

Mô hình phối hợp mạng nơ-ron nhận dạng tín hiệu điện tim ECG đã chứng minh được hiệu quả trong việc nâng cao độ chính xác nhận dạng. Nghiên cứu này không chỉ góp phần vào việc phát triển công nghệ nhận dạng tín hiệu ECG mà còn mở ra nhiều hướng nghiên cứu mới trong tương lai. Việc tiếp tục cải tiến mô hình và áp dụng vào thực tiễn sẽ mang lại nhiều lợi ích cho ngành y tế.

5.1. Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu cho thấy mô hình phối hợp mạng nơ-ron có khả năng nhận dạng tín hiệu ECG với độ chính xác cao. Điều này mở ra cơ hội cho việc ứng dụng công nghệ này trong chẩn đoán bệnh lý tim mạch.

5.2. Hướng nghiên cứu trong tương lai

Trong tương lai, cần tiếp tục nghiên cứu để cải thiện mô hình phối hợp, áp dụng các công nghệ mới như học sâu và trí tuệ nhân tạo để nâng cao hơn nữa độ chính xác và khả năng nhận dạng tín hiệu ECG.

Trích đoạn nội dung tài liệu

Đặt vấn đề Tim là một bộ phận quan trọng trong hệ tuần hoàn cơ thể của con người cũng như cơ thể của động vật. Với chức năng bơm máu đều đặn qua các đường động mạch, đem dưỡng khí và chất dinh dưỡng đi lên não bộ và nuôi toàn bộ cơ thể, mặt khác tim cũng có nhiệm vụ đào thải các chất không phù hợp với cơ thể trong quá trình trao đổi chất. Tim sẽ hút máu chứa CO2 trở lại tim và đưa tới phổi trao đổi khí này lấy O2,… Việc hoạt động của tim rất quan trọng đối với cơ thể, khi có bất cứ tổn thương nào tới tim sẽ có thể ảnh hưởng tới sự sống. Chính vì vậy việc kiểm tra sức khỏe của tim thường xuyên là yếu tố hàng đầu giúp đánh giá tình trạng sức khỏe của mỗi người.

Tim hoạt động được là nhờ một xung điện truyền qua hệ thống thần kinh tự trị của tim. Xung điện được bắt đầu từ một hạch gọi là nút xoang nhĩ (SA sinoatrial) gồm các tế bào có khả năng tự tạo xung điện (Electric Impulse). Xung điện này truyền ra các cơ chung quanh làm co bóp hai tâm nhĩ. Sau đó dòng điện tiếp tục truyền theo 1 chuỗi tế bào đặc biệt tới một hạch khác gọi là nút nhĩ thất (AV Atrioventricular) nằm gần khu tiếp giáp giữa các tâm thất rồi theo chuỗi tế bào sợi Purkinje chạy dọc theo vách chia hai tâm thất lan vào các cơ chung quanh làm hai tâm thất co bóp (tạo nên phức bộ QRS).

Sau đó xung điện giảm đi, tâm thất dãn ra. Hoạt động của tim được thể hiện qua nhiều yếu tố khác nhau, trong đó những tín hiệu điện sinh học do tim phát ra là một trong những yếu tố rất quan trọng nhất để đánh giá hoạt động của tim. Thông qua những tín hiệu điện tim dưới dạng sóng hay điện tâm đồ (ElectroCardioGram gọi tắt là ECG). Để thu được tín hiệu ECG, người ta đặt các điện cực của máy ghi ECG lên cơ thể.

Tùy theo vị trí đặt các điện cực mà hình dáng của tín hiệu ECG sẽ khác nhau. Tín hiệu ECG chứa thông tin chủ yếu để xác định các bệnh lý về tim mạch. Như trên hình 1.2 tín hiệu điện tim là một đường cong ghi lại sự biến thiên của điện áp do tim sinh ra khi hoạt động, hình dáng chính của tín hiệu điện tim ECG là tổng hợp của các sóng P, phức bộ QRS và sóng T. Trong đó, phức bộ QRS chứa nhiều thông tin quan trọng nhất, cụ thể [5, 21]: Học viên: Nguyễn Quang Long 4 Ngành: Kỹ thuật điện tử Trường Đại học Sao Đỏ Luận văn Thạc sĩ Hình 1.

Tín hiệu điện tim và các phân tích cơ bản từ tín hiệu điện tim - Có 12 chuyển đạo được xây dựng dựa trên vị trí đặt các điện cực, trong đó chuyển đạo tay trái – tay phải là chuyển đạo được quan tâm nhiều nhất vì nó biểu hiện rõ nét nhất các pha co dãn của tim; - Sóng P đại diện cho làn sóng khử cực lan truyền từ nút xoang sang tâm nhĩ. Khoảng PR là khoảng thời gian cần thiết để xung điện đi từ nút xoang qua nút nhĩ thất (AV) vào các tâm thất. Phức bộ QRS là quá trình khử cực tâm thất. Sóng Q đại diện quá trình khử cực từ trái sang phải của vách ngăn lên tâm thất.

Sóng R đại diện quá trình khử cực sớm của tâm thất. Sóng S đại diện quá trình khử cực muộn của tâm thất. Đoạn ST là thời điểm tâm thất được khử cực hoàn toàn và đoạn này có điện thế trùng với đường đẳng điện. Khoảng QT là thời gian xảy ra cả hai quá trình khử cực và tái cực tâm nhĩ.

- Sóng T đại diện tái cực thất và thời gian kéo dài hơn so với quá trình khử cực; Một tín hiệu ECG bình thường có các thông số cơ bản như sau: - Số nhịp tim trung bình của một người bình thường là từ 50÷100 nhịp/phút; - Biên độ (mV): Phức bộ QRS < 1,5; sóng P < 0,25; sóng Q bằng khoảng 25 % so với sóng R kế đó, cuối cùng sóng T có giá trị trong khoảng 0,1÷0,5; - Thời gian tồn tại (ms): Phức bộ QRS là 50 ÷ 100, P-R là 120 ÷ 200, QT là 350÷440, S-T là 50÷150, sóng P < 120. Học viên: Nguyễn Quang Long 5 Ngành: Kỹ thuật điện tử Trường Đại học Sao Đỏ Luận văn Thạc sĩ Hình 1. Hình dáng và thành phần chính của tín hiệu điện tim ECG Thông qua tín hiệu điện tim bác sĩ có thể chẩn đoán được một số vấn đề liên quan đến tim như: dị tật bẩm sinh ở tim, bệnh van tim, loạn nhịp tim, tiểu đường, đái tháo đường, … Mô hình chung của một hệ thống nhận dạng tín hiệu điện tim thể hiện như hình 1.3, gồm bốn khối chính: Thu thập, tiền xử lý, trích chọn đặc tính, nhận dạng. Mô hình chung của hệ thống nhận dạng tín hiệu điện tim ECG 1.

Tình hình nghiên cứu ngoài nước Nhận dạng tín hiệu ECG là một trong những vấn đề kỹ thuật vẫn đang được quan tâm, đầu tư nghiên cứu. Hiện nay, do đây là một vấn đề khó, phức tạp liên quan đến con người đòi hỏi yêu cầu độ chính xác và độ tin cậy cao. Việc nhận dạng tín hiệu ECG đã được nghiên cứu từ rất lâu ở những nước phát triển. Điển hình như các hãng sản xuất thiết bị y tế như hãng Advanced, hãng Kalamed, hãng Fukuda, hãng Contec.

đã cho ra đời nhiều loại thiết bị đo điện tim. Mỗi thiết bị có những phương pháp nhận dạng khác nhau, cụ thể như: Xử lý tín hiệu ECG để phát hiện sự bất thường bằng việc sử dụng phương pháp phân loại sóng đa độ phân giải và mạng nơ-rôn nhân tạo [5] Trong nghiên cứu này, nhóm tác giả đưa ra hướng nghiên cứu sử dụng nơ – rôn nhân tạo kết hợp với tính năng biến đổi sóng rời rạc và hình thái để phân tích tín hiệu ECG. Tín hiệu ECG được phân tích thành hai lớp tín hiệu (tín hiệu ECG bất thường và tín hiệu bình thường) bằng việc sử dụng nhiều mạng nơ rơn khác nhau để phân tích. Cơ sở dữ liệu loạn nhịp tim được sử dụng là MITH BIH.

Học viên: Nguyễn Quang Long 6 Ngành: Kỹ thuật điện tử Trường Đại học Sao Đỏ Luận văn Thạc sĩ Hình 1. Sơ đồ khối của bộ phân tích tín hiệu ECG Các mạng nơ-rôn được sử dụng trong nghiên cứu để phân tích tín hiệu gồm mạng nơ-rôn lan truyền ngược (BPN), mạng nơ-rôn truyền thẳng (FFN), mạng nơ-rôn nhiều lớp (MLP). Hiệu suất phân loại được đo theo độ nhạy (Se), tiên lượng dương tính (PP), tính đặc hiệu (SP). Qua nghiên cứu nhóm tác giả đã đạt được độ chính xác tổng thể lên tới 97,8% khi sử dụng mạng nơ-rôn lan truyền ngược và mạng nơ-rôn truyền thẳng và đạt được độ chính xác 100% khi sử dụng mạng nơ-rôn truyền thẳng nhiều lớp với các lớp tế bào thần kinh (20,20,10) trong các lớp ẩn.

Phần lớn kết quả dạy học và kiểm tra mẫu dữ liệu đạt lớn hơn 90%. Khai thác đặc tính và phân tích tín hiệu ECG dựa trên mạng nơ-rôn nhân tạo và phương pháp học máy [11] Nghiên cứu này được phân loại tín hiệu ECG thành hai lớp, tín hiệu bình thường và bất thường. Dạng sóng ECG được phát hiện và phân tích bằng 48 bản ghi của cơ sở dữ liệu rối loạn nhịp tim MIT-BIH. Hiệu suất phân loại được đo lường về độ nhạy (Se), dự đoán tích cực (PP) và độ đặc hiệu (SP).

Trong bài viết này, tác giả đã trình bày một thuật toán KNN để phân loại và phát hiện phức bộ QRS. Trong đó một thuật toán để phát hiện đỉnh R. Và sử dụng ba loại phân loại là Mạng lan truyền ngược (BPN), mạng nơ-rôn truyền thẳng và Mạng nơ-rôn nhiều lớp (MLP). Tiền xử lý Tín hiệu điện Loại bỏ biến Phát hiện đỉnh sóng trong tâm đồ từ CSDL tính tín hiệu tín hiệu điện tâm đồ Phân loại MIT-BIH điện tâm đồ Bình thường Khác thường Hình 1.

Sơ đồ khối hệ thống phân tích ECG dựa trên mạng nơ-rôn Tín hiệu đầu vào được lựa chọn từ cơ sở dữ liệu loạn nhịp MIT-BIH. Tiền xử lý sẽ khử nhiễu cho tín hiệu ECG. Nó được sử dụng làm đầu vào cho giai đoạn sau. Học viên: Nguyễn Quang Long 7 Ngành: Kỹ thuật điện tử Trường Đại học Sao Đỏ Luận văn Thạc sĩ Trong giai đoạn sau có nhiệm vụ phát hiện cực đại và phức bộ QRS.

Tín hiệu ECG được phân loại theo BPN, SVM và ELM. Các bộ lọc được sử dụng trong nghiên cứu gồm bộ lọc trung bình, bộ lọc FIR, bộ lọc Gaussian và bộ lọc Butterworth. Việc sắp xếp các bộ lọc để loại bỏ đi nhiễu điện từ và lỗi phát sinh từ thiết bị. Tín hiệu ECG được trích xuất và phân tách thành Tín hiệu ECG bị phân hủy lên đến tám cấp độ.

Kiểu phân tách này được sử dụng để trích xuất các tính năng và hữu ích cho việc lựa chọn sóng P, Q, R và S. Sau đó tất cả các đỉnh được xác định bởi giá trị nhỏ nhất và lớn nhất. Sử dụng phức hợp QRS, trong bài báo này tìm ra nhịp tim và những nhịp tim này được đưa ra để phân loại đầu ra như bình thường và bất thường. Trong bài báo này, ba mô hình mạng nơ-rôn được sử dụng để được thực hiện để phân loại nhịp tim bình thường và bất thường là BPN, SVM và ELM.

Phương pháp đề xuất thử nghiệm cho kết quả tốt nhất với độ chính xác 97%, độ nhạy 100%, độ đặc hiệu 96% và dự đoán tích cực 95%. Các loại tiếng ồn và tín hiệu nhiễu có trong tín hiệu ECG của cơ sở dữ liệu được giảm bằng bộ lọc trung bình. Tìm kiếm các tính năng để phát hiện co thắt tâm thất sớm theo thời gian thực bằng cách sử dụng hệ thống mạng nơ-rôn mờ (FNN) [18] Nghiên cứu này đã giới thiệu một cách cách tiếp cận để phát hiện các cơn co thắt tâm thất sớm (PVC) bằng cách sử dụng mạng nơ-rôn với các chức năng liên kết mờ có trọng số (NEWFM). NEWFM phân loại nhịp thông thường và nhịp PVC bằng tổng giới hạn được đào tạo của các hàm liên thuộc mờ có trọng số (BSWFM) bằng cách sử dụng hệ số biến đổi wavelet từ cơ sở dữ liệu MIT-BIH PVC.

Tám hệ số tổng quát, liên quan cục bộ đến tín hiệu thời gian, được trích xuất bằng phương pháp đo phân bố vùng không trùng lặp. Tám hệ số tổng quát được sử dụng cho ba tập dữ liệu PVC với tỷ lệ chính xác đáng tin cậy lần lượt là 99,80%, 99,21% và 98,78%, có nghĩa là các tính năng đã chọn ít phụ thuộc vào tập dữ liệu hơn.