Nâng ao chất lượng nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh

Nâng cao chất lượng nhận dạng tín hiệu điện tim bằng giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh, cải thiện độ chính xác và hiệu quả.

Người đăng

Ẩn danh

Thể loại

luận án tiến sĩ

2016

100
5
0

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CAM ĐOAN

1. CHƯƠNG 1: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG

1.1. Hệ tim mạch

1.2. Hệ hô hấp

1.3. Một số ảnh hưởng của nhịp thở trong tín hiệu ECG

1.4. Rối loạn nhịp tim

1.5. Điều chế biên độ tín hiệu ECG

1.6. Trôi dạt đường cơ sở

1.7. Một số phương pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG

1.8. Định hướng của luận án

1.9. Các cơ sở dữ liệu được sử dụng trong luận án

1.10. Kết luận chương 1

2. CHƯƠNG 2: TỔNG QUAN PHƯƠNG PHÁP LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ VÀ NHẬN DẠNG TÍN HIỆU ECG

2.1. Tổng quan một số phương pháp sử dụng bộ lọc số

2.2. Wavelet và ứng dụng wavelet trong phân tích tín hiệu

2.3. Hàm Hermite và ứng dụng trong phân tích tín hiệu

2.4. Mạng nơ-ron logic mờ TSK

2.5. Kết luận chương 2

3. CHƯƠNG 3: CÁC GIẢI PHÁP ĐỀ XUẤT LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG

3.1. Ứng dụng wavelets loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG

3.2. Sử dụng các đặc tính từ nhịp thở tức thời nhằm nâng cao chất lượng nhận dạng tín hiệu ECG

3.3. Thu thập tín hiệu nhịp thở

3.4. Kết luận chương 3

4. CHƯƠNG 4: TRÍCH CHỌN ĐẶC TRƯNG VÀ NHẬN DẠNG TÍN HIỆU ECG BẰNG MẠNG TSK

4.1. Cơ sở dữ liệu

4.2. Ứng dụng SVD để phân tích tín hiệu ECG theo các hàm Hermite

4.3. Ứng dụng mô hình nhận dạng TSK trong bài toán nhận dạng tín hiệu ECG

4.4. Xây dựng các bộ số liệu

4.5. Xây dựng mô hình nhận dạng

4.6. Kết quả nhận dạng tín hiệu ECG

4.7. Kết luận chương 4

MỞ ĐẦU

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

DANH MỤC CÁC TÀI LIỆU THAM KHẢO

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN

Phụ lục A: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 khi sử dụng bộ lọc số

Phụ lục B: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình khi sử dụng bộ lọc wavelet

Tóm tắt

I. Tổng Quan Về Ảnh Hưởng Nhịp Thở Lên Tín Hiệu ECG

Tín hiệu điện tim (ECG) là công cụ chẩn đoán quan trọng, nhưng dễ bị ảnh hưởng bởi nhiều yếu tố, trong đó có nhịp thở. Nhịp thở thay đổi thể tích lồng ngực, gây biến đổi trở kháng điện cực và trục điện tim. Điều này ảnh hưởng đến chất lượng tín hiệu thu thập. Theo nghiên cứu của Nguyễn Đức Thảo, 'lưu lượng không khí trong quá trình hít thở cũng làm thay đổi nồng độ Oxygen trong máu, từ đó dẫn tới các thay đổi trong tín hiệu ECG.' Do đó, việc hiểu rõ ảnh hưởng của nhịp thở là bước đầu tiên để nâng cao độ chính xác trong chẩn đoán. Cần có các giải pháp để loại bỏ hoặc giảm thiểu ECG Artifacts này, đảm bảo tín hiệu ECG Signal Quality Improvement được tốt nhất, tránh ảnh hưởng đến việc phát hiện Arrhythmia Detection Accuracy và phân tích Heart Rate Variability Analysis.

1.1. Cơ Chế Tác Động của Nhịp Thở lên Tín Hiệu ECG

Nhịp thở tác động lên tín hiệu ECG qua nhiều cơ chế. Thay đổi trở kháng ngực, điều chế biên độ tín hiệu, và gây ra ECG Baseline Wander Correction (trôi dạt đường cơ sở). Respiratory Sinus Arrhythmia Removal cũng là một vấn đề cần giải quyết. Tín hiệu nhịp thở thay đổi nồng độ oxy trong máu. Điều này ảnh hưởng đến quá trình khử cực và tái cực của tế bào cơ tim. Vì vậy, cần hiểu rõ cơ chế này để có phương pháp Breath-Induced Noise Reduction ECG hiệu quả.

1.2. Các Loại Nhiễu ECG do Nhịp Thở Gây Ra

Nhịp thở tạo ra nhiều loại nhiễu khác nhau trên Electrocardiogram Signal Enhancement. Phổ biến nhất là trôi dạt đường cơ sở, gây khó khăn cho việc phân tích sóng P, QRS, và T. Respiratory Artifact Removal ECG cũng có thể làm sai lệch biên độ và thời gian của các đoạn Cardiac Signal Processing, ảnh hưởng đến chẩn đoán. Ngoài ra, Respiratory Sinus Arrhythmia Removal có thể bị nhầm lẫn với các rối loạn nhịp tim khác. Do đó, cần phân biệt và loại bỏ các loại nhiễu này để có ECG Signal Analysis chính xác.

II. Thách Thức Nhận Dạng ECG Chính Xác Với Ảnh Hưởng Nhịp Thở

Nhận dạng tín hiệu ECG chính xác là yếu tố then chốt để chẩn đoán các bệnh tim mạch. Tuy nhiên, ảnh hưởng của nhịp thở tạo ra những thách thức không nhỏ. Nhiễu do nhịp thở có thể làm sai lệch hình dạng sóng ECG, gây khó khăn cho việc trích xuất các đặc trưng quan trọng. Điều này ảnh hưởng đến độ chính xác của các thuật toán nhận dạng, đặc biệt là trong Arrhythmia Detection Accuracy và phân tích Heart Rate Variability Analysis. Cần có các phương pháp ECG Noise Filtering Techniques hiệu quả để vượt qua những thách thức này, đảm bảo độ tin cậy của kết quả chẩn đoán.

2.1. Ảnh Hưởng Của Nhiễu Nhịp Thở Đến Thuật Toán Nhận Dạng ECG

Nhiễu nhịp thở gây khó khăn cho việc trích xuất đặc trưng từ tín hiệu ECG. Các thuật toán nhận dạng dựa trên các đặc trưng này, như biên độ, thời gian, và hình dạng sóng. Khi nhiễu làm sai lệch các đặc trưng này, độ chính xác của thuật toán sẽ giảm. Ví dụ, trôi dạt đường cơ sở có thể ảnh hưởng đến việc phát hiện sóng P, gây sai sót trong chẩn đoán rung nhĩ. Vì vậy, cần có các kỹ thuật Signal processing techniques for ECG để giảm thiểu ảnh hưởng của nhiễu trước khi áp dụng thuật toán nhận dạng.

2.2. Yêu Cầu Độ Chính Xác Cao Trong Hệ Thống ECG Monitoring Systems

ECG Monitoring Systems cần độ chính xác cao để đảm bảo an toàn cho bệnh nhân. Sai sót trong chẩn đoán có thể dẫn đến điều trị không phù hợp, gây nguy hiểm đến tính mạng. Đặc biệt, trong các hệ thống giám sát liên tục, việc phát hiện sớm các rối loạn nhịp tim là rất quan trọng. Vì vậy, cần có các giải pháp ECG Signal Denoising để loại bỏ nhiễu và nâng cao độ tin cậy của hệ thống giám sát. Các hệ thống này cần kết hợp Signal processing techniques for ECG hiệu quả với các thuật toán nhận dạng chính xác.

III. Cách Loại Bỏ Ảnh Hưởng Nhịp Thở Bằng Wavelet Transform ECG

Một trong những phương pháp hiệu quả để loại bỏ ảnh hưởng của nhịp thở là sử dụng Wavelet transform ECG. Wavelet cho phép phân tích tín hiệu thành nhiều thành phần tần số khác nhau. Nhiễu do nhịp thở thường tập trung ở tần số thấp. Vì vậy, có thể loại bỏ nhiễu bằng cách loại bỏ các thành phần tần số thấp này. Theo tài liệu, sử dụng Adaptive filtering ECG có thể loại bỏ được nhiều loại nhiễu khác nhau, trong đó có nhiễu do hô hấp. Phương pháp wavelet giúp cải thiện đáng kể chất lượng tín hiệu ECG, nâng cao độ chính xác của các thuật toán nhận dạng Arrhythmia Detection Accuracy và phân tích Heart Rate Variability Analysis.

3.1. Ứng Dụng Biến Đổi Wavelet Rời Rạc DWT Trong Lọc Nhiễu ECG

Discrete Wavelet Transform (DWT) là một công cụ mạnh mẽ để phân tích và xử lý tín hiệu ECG. DWT cho phép phân tách tín hiệu thành các thành phần tần số khác nhau, giúp xác định và loại bỏ nhiễu một cách hiệu quả. Bằng cách chọn wavelet phù hợp và xác định mức phân tích thích hợp, có thể loại bỏ nhiễu do nhịp thở mà không làm ảnh hưởng đến các thành phần quan trọng của tín hiệu ECG. Điều này giúp cải thiện đáng kể ECG Signal Quality Improvement và độ chính xác của các thuật toán nhận dạng.

3.2. Lựa Chọn Hàm Wavelet Tối Ưu Cho Loại Bỏ Nhiễu Hô Hấp ECG

Việc lựa chọn hàm wavelet phù hợp là rất quan trọng để đạt được hiệu quả lọc nhiễu tốt nhất. Các hàm wavelet khác nhau có đặc tính tần số khác nhau. Một số hàm wavelet phù hợp hơn cho việc loại bỏ nhiễu tần số thấp, trong khi các hàm khác phù hợp hơn cho việc loại bỏ nhiễu tần số cao. Cần xem xét tần số của nhiễu do nhịp thở và các đặc tính của tín hiệu ECG để lựa chọn hàm wavelet phù hợp. Việc thử nghiệm với các hàm wavelet khác nhau và đánh giá kết quả là cần thiết để tìm ra hàm wavelet tối ưu cho Respiratory Artifact Removal ECG.

IV. Sử Dụng Thông Tin Nhịp Thở Để Nâng Cao Nhận Dạng ECG

Ngoài việc loại bỏ nhiễu, thông tin về nhịp thở có thể được sử dụng để cải thiện độ chính xác của các thuật toán nhận dạng ECG. Nhịp thở có thể cung cấp thông tin về trạng thái sinh lý của bệnh nhân, giúp phân biệt giữa các loại rối loạn nhịp tim khác nhau. Ví dụ, sự thay đổi nhịp tim theo nhịp thở (Respiratory Sinus Arrhythmia Removal) là một dấu hiệu sinh lý bình thường, nhưng có thể bị nhầm lẫn với các rối loạn nhịp tim khác nếu không có thông tin về nhịp thở. Bằng cách kết hợp thông tin nhịp thở vào thuật toán nhận dạng, có thể giảm thiểu sai sót và nâng cao độ tin cậy của kết quả chẩn đoán.

4.1. Thu Thập Dữ Liệu Nhịp Thở Đồng Bộ Với Tín Hiệu ECG

Để sử dụng thông tin nhịp thở, cần thu thập dữ liệu nhịp thở đồng bộ với tín hiệu ECG. Có nhiều phương pháp để thu thập dữ liệu nhịp thở, bao gồm sử dụng cảm biến trở kháng ngực, cảm biến áp suất, và cảm biến gia tốc. Cảm biến trở kháng ngực đo sự thay đổi trở kháng điện của ngực khi bệnh nhân hít thở. Cảm biến áp suất đo áp suất không khí trong đường thở. Cảm biến gia tốc đo chuyển động của ngực. Việc lựa chọn phương pháp thu thập dữ liệu nhịp thở phù hợp phụ thuộc vào yêu cầu của ứng dụng và điều kiện của bệnh nhân.

4.2. Kết Hợp Đặc Trưng Nhịp Thở Vào Mô Hình Machine Learning ECG Artifact Removal

Machine learning ECG artifact removal có thể được sử dụng để xây dựng các mô hình nhận dạng ECG kết hợp thông tin nhịp thở. Các đặc trưng từ tín hiệu nhịp thở, như tần số thở, biên độ thở, và hình dạng sóng thở, có thể được thêm vào véc-tơ đặc trưng của tín hiệu ECG. Sau đó, thuật toán học máy sẽ học cách liên kết các đặc trưng này với các loại rối loạn nhịp tim khác nhau. Bằng cách sử dụng các mô hình học máy phức tạp, có thể đạt được độ chính xác nhận dạng cao hơn so với các phương pháp truyền thống.

V. Ứng Dụng Thực Tiễn và Kết Quả Nghiên Cứu Về Nhận Dạng ECG

Các giải pháp loại bỏ ảnh hưởng của nhịp thở và sử dụng thông tin nhịp thở có nhiều ứng dụng thực tiễn trong y học. Chúng có thể được sử dụng để cải thiện độ chính xác của các hệ thống giám sát tim mạch, giúp phát hiện sớm các rối loạn nhịp tim và ngăn ngừa các biến chứng nguy hiểm. Nghiên cứu đã chứng minh rằng việc sử dụng các phương pháp này có thể giảm thiểu sai sót trong chẩn đoán và cải thiện kết quả điều trị. Cụ thể, theo luận án của Nguyễn Đức Thảo, việc kết hợp Wavelet Transform ECG và thông tin nhịp thở giúp nâng cao độ tin cậy và chính xác trong chẩn đoán bệnh lý tim mạch.

5.1. Cải Thiện Độ Chính Xác Trong Chẩn Đoán Rối Loạn Nhịp Tim

Chẩn đoán chính xác rối loạn nhịp tim là rất quan trọng để đảm bảo bệnh nhân nhận được điều trị phù hợp. Ảnh hưởng của nhịp thở có thể làm sai lệch tín hiệu ECG, gây khó khăn cho việc phát hiện các rối loạn nhịp tim. Bằng cách loại bỏ ảnh hưởng của nhịp thở và sử dụng thông tin nhịp thở, có thể cải thiện độ chính xác của chẩn đoán và giúp bác sĩ đưa ra quyết định điều trị tốt hơn. Điều này đặc biệt quan trọng trong các trường hợp khẩn cấp, khi thời gian là yếu tố then chốt.

5.2. Nâng Cao Hiệu Quả Trong Theo Dõi Bệnh Nhân Tim Mạch

Việc theo dõi liên tục bệnh nhân tim mạch là rất quan trọng để phát hiện sớm các biến chứng và điều chỉnh điều trị kịp thời. Các hệ thống giám sát tim mạch cần có độ chính xác cao để đảm bảo không bỏ sót bất kỳ dấu hiệu bất thường nào. Bằng cách sử dụng các giải pháp loại bỏ ảnh hưởng của nhịp thở và sử dụng thông tin nhịp thở, có thể nâng cao hiệu quả của các hệ thống giám sát và giúp bác sĩ theo dõi bệnh nhân một cách tốt hơn. Điều này giúp cải thiện chất lượng cuộc sống của bệnh nhân và giảm thiểu nguy cơ tử vong.

VI. Kết Luận và Hướng Phát Triển Nghiên Cứu Về ECG Artifacts

Nghiên cứu về loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG có ý nghĩa quan trọng trong việc nâng cao chất lượng chẩn đoán và điều trị bệnh tim mạch. Các giải pháp sử dụng Wavelet transform ECG và thông tin nhịp thở đã chứng minh được hiệu quả trong việc cải thiện độ chính xác của các thuật toán nhận dạng. Trong tương lai, cần tiếp tục nghiên cứu và phát triển các phương pháp mới để loại bỏ nhiễu và sử dụng thông tin sinh lý khác để nâng cao độ tin cậy của các hệ thống giám sát tim mạch. Hướng phát triển có thể tập trung vào việc tích hợp các giải pháp này vào các thiết bị di động và thiết bị đeo để theo dõi sức khỏe tim mạch tại nhà.

6.1. Phát Triển Thuật Toán Loại Bỏ Nhiễu Thích Ứng và Tối Ưu Hóa

Cần tiếp tục nghiên cứu và phát triển các thuật toán loại bỏ nhiễu thích ứng, có khả năng tự động điều chỉnh tham số để phù hợp với từng bệnh nhân và từng điều kiện thu thập dữ liệu. Các thuật toán này cần phải được tối ưu hóa để đảm bảo hiệu quả cao và tiêu thụ năng lượng thấp, phù hợp cho các thiết bị di động và thiết bị đeo. Việc sử dụng Independent component analysis ECG (ICA) và các phương pháp ECG Signal Denoising khác có thể giúp cải thiện hiệu quả của các thuật toán loại bỏ nhiễu.

6.2. Tích Hợp Giải Pháp Vào Thiết Bị Di Động và Hệ Thống IoT

Việc tích hợp các giải pháp loại bỏ ảnh hưởng của nhịp thở và sử dụng thông tin nhịp thở vào các thiết bị di động và hệ thống IoT (Internet of Things) có tiềm năng lớn trong việc theo dõi sức khỏe tim mạch tại nhà. Các thiết bị này có thể thu thập dữ liệu ECG và nhịp thở liên tục, xử lý dữ liệu để loại bỏ nhiễu và phát hiện các dấu hiệu bất thường, sau đó gửi thông tin đến bác sĩ hoặc hệ thống quản lý sức khỏe. Điều này giúp bệnh nhân theo dõi sức khỏe tim mạch một cách chủ động và giúp bác sĩ can thiệp kịp thời khi cần thiết.

23/05/2025
Nâng ao chất lượng nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh

Trích đoạn nội dung tài liệu

Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG lên, phổi được kéo giãn ra làm áp suất không khí ở phế nang thấp hơn áp suất ở khí quyển và không khí từ ngoài tràn vào phổi. Cuối chu kỳ hít vào, các cơ hít vào giãn ra và động tác thở ra được bắt đầu. Quá trình thở ra làm các xương sườn hạ xuống, cơ hoành lồi lên phía lồng ngực, thể tích của lồng ngực giảm đi, phổi co lại làm áp suất trong phế nang cao hơn áp suất khí quyển nên không khí từ phổi đi ra ngoài.9: Các động tác của quá trình hô hấp Quá trình hít vào – thở ra đã làm thay đổi thể tích lồng ngực dẫn đến làm thay đổi trở kháng tiếp xúc giữa điện cực với bề mặt cơ thể và thay đổi góc của vectơ tim so với vectơ tham chiếu gây ra các ảnh hưởng trong tín hiệu ECG đưa về mạch thu thập. Một số ảnh hưởng của nhịp thở trong tín hiệu ECG Phổi và tim được kết nối bởi các mạch máu để đảm bảo rằng tất cả các bộ phận trong cơ thể nhận được lượng Oxygen và dưỡng chất cần thiết.

Phổi lần lượt đóng một vai trò chủ đạo trong việc hấp thụ Oxygen và giải phóng Carbon dioxide, các cơn co thắt của tim giúp lưu thông máu khắp cơ thể. Vì vậy dễ dàng nhận thấy rằng nhịp thở có ảnh hưởng tới các đặc tính của tín hiệu ECG và sự ảnh hưởng này được phân tích lần đầu tiên bởi hệ thống Einthoven [25]. Các nghiên cứu của [70, 94] cũng đã chỉ ra rằng các hoạt động hô hấp dẫn đến sự thay đổi véctơ trục điện tim [94]. Mặt khác khi ta hít thở làm cho thể tích của lồng ngực thay đổi dẫn đến làm thay đổi trở kháng tiếp xúc giữa bề mặt da của cơ thể với điện cực thu thập tín hiệu ECG [49] làm ảnh hưởng đến chất lượng tín hiệu ECG đưa về mạch thu thập [35, 39, 63] dẫn đến làm thay đổi các thông tin lâm sàng trong việc chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh [39, 52].

Xét về mặt tín hiệu thì nhịp thở có dải tần từ [0,05 ÷1]Hz tương ứng với vùng tần số thấp của tín hiệu ECG làm thay đổi chu kỳ RR, sóng P và sóng T trong tín hiệu ECG và gây ra ba ảnh hưởng trong tín hiệu ECG đó là rối loạn nhịp tim, điều chế biên độ tín hiệu ECG và trôi dạt đường cơ sở.  12  Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 1. Rối loạn nhịp tim Rối loạn nhịp tim là hiện tượng khoảng thời gian (chu kỳ) RR của tín hiệu ECG bị thay đổi theo nhịp thở [17, 21, 23, 29, 38, 40, 47, 56, 75], cụ thể là khoảng RR rút ngắn trong thời gian hít vào và kéo dài trong thời gian thở ra như trên hình 1. Mặt khác đối với bài toán nhận dạng tín hiệu ECG khoảng RR của tín hiệu ECG là một đặc tính quan trọng [57, 68, 73, 74, 98] nên việc chu kỳ RR thay đổi sẽ làm ảnh hưởng tiêu cực tới chất lượng của quá trình nhận dạng tín hiệu ECG.10: Tín hiệu ECG có khoảng RR thay đổi và tín hiệu nhịp thở 1.

Điều chế biên độ tín hiệu ECG Điều chế biên độ tín hiệu ECG là một hiện tượng mà biên độ đỉnh R của tín hiệu ECG bị điều chế theo nhịp thở [49, 70, 94] như trên hình 1. Trong quá trình hít vào, cơ hoành dịch chuyển xuống dưới không khí được điền đầy vào trong phổi làm đỉnh tim được kéo dài về phía bụng, quá trình thở ra, nhờ chuyển động lên của cơ hoành khí được đẩy hết ra khỏi phổi nên đỉnh của tim dịch chuyển về phía ngực [20]. Vì vậy quá trình hít thở đã làm thay đổi thể tích của lồng ngực dẫn đến sự thay đổi trở kháng của lồng ngực [49] và thay đổi góc của vectơ tim so với vectơ tham chiếu [94].11: Tín hiệu ECG bị điều chế biên độ và tín hiệu nhịp thở Đối với bài toán nhận dạng tín hiệu ECG, biên độ đỉnh R cũng là một đặc tính quan trọng của nhận dạng tín hiệu ECG [57, 68, 73, 74, 93, 98] nên việc điều chế đỉnh R của tín hiệu ECG cũng làm ảnh hưởng xấu tới kết quả nhận dạng.  13  Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 1.

Trôi dạt đường cơ sở Quá trình hít thở làm co dãn trên bề mặt cơ thể dẫn đến trở kháng tiếp xúc giữa các điện cực và bề mặt cơ thể bị thay đổi gây ra trôi dạt đường cơ sở trong tín hiệu ECG [10, 28, 36, 58, 61, 64, 69, 97, 103] được ví dụ như trên hình 1. Trôi dạt đường cơ sở làm thay đổi biên độ đỉnh R của tín hiệu ECG. Vì vậy việc điều chế này cũng làm ảnh hưởng xấu tới kết quả nhận dạng tín hiệu ECG.12: Tín hiệu ECG bị trôi dạt đường cơ sở và tín hiệu nhịp thở 1. Một số phương pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Như đã trình bày ở mục 1.3 các hoạt động của quá trình hô hấp đã làm biến đổi hình dạng và đặc tính của tín hiệu ECG, do đó ảnh hưởng đến công tác chẩn đoán, xác định bệnh, điều trị bệnh và theo dõi diễn biến bệnh của bác sĩ.

Vì vậy đã có một số công trình nghiên cứu đề xuất giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Trong số các phương pháp được sử dụng phổ biến để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG có thể kể tới các phương pháp sử dụng bộ lọc thông cao tĩnh hoặc các phương pháp sử dụng các bộ lọc thông cao thích nghi. Các tác giả trong [45, 48, 76, 84, 95] đề xuất sử dụng bộ lọc thông cao FIR (Finite Impulse Response) để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Trong [48] đề xuất sử dụng bộ lọc FIR bậc 56 và 100 tần số cắt 3,5Hz; trong [45, 84] đề xuất sử dụng bộ lọc FIR bậc 100, tần số cắt 3Hz; trong [76] đề xuất sử dụng bộ lọc IIR (Infinite Impulse Response) tần số cắt 0,5Hz và trong [95] đề xuất sử dụng bộ lọc FIR bậc 255 tần số cắt 0,8Hz để loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG.

Phương pháp sử dụng bộ lọc thông cao có nhược điểm là tần số cắt của bộ lọc cố định trong khi đó ảnh hưởng của nhịp thở trong tín hiệu ECG là phi tuyến [17, 21, 49, 94] và phụ thuộc nhiều vào trạng thái của người bệnh. Vì vậy, nếu chọn tần số cắt của bộ lọc quá cao sẽ loại bỏ một số thông tin lâm sàng trong vùng tần số thấp của tín hiệu ECG còn  14  Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG nếu chọn tần số cắt quá thấp sẽ không loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG. Để khắc phục một số hạn chế này, các tác giả trong các công trình [17, 64, 69, 92, 96, 103] đề xuất sử dụng bộ lọc thích nghi. Các tác giả trong [69, 92] đề xuất sử dụng thuật toán lọc thích nghi LMS (Least Mean Squares); trong [64] đề xuất sử dụng bộ lọc thích nghi Kalman; trong [17, 96] đề xuất sử dụng bộ lọc số có đáp ứng xung hữu hạn FIR (Finite Impulse Response) kết hợp với thuật toán lọc thích nghi LMS để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG.

Các kết quả thực nghiệm trên cơ sở dữ liệu MITBIH đã khắc phục được hạn chế của phương pháp lọc sử dụng bộ lọc thông cao. Tuy nhiên phương pháp sử dụng bộ lọc thích nghi có nhược điểm là yêu cầu tín hiệu nhịp thở thực để tham chiếu và cập nhật hệ số của bộ lọc dẫn đến thời gian tính toán lớn. Phương pháp phân tích thành phần độc lập có nhược điểm là tín hiệu ECG và thành phần do nhịp thở gây ra phải độc lập tuyến tính và phi Gauss; phương pháp PCA đặc biệt là kPCA có nhược điểm là thời gian tính toán lớn. Các tác giả trong [56, 65, 104] sử dụng phương pháp EMD (Empirical Mode Decomposition); trong [108] đề xuất sử dụng phương pháp EMD kết hợp bộ lọc thích nghi LMS; trong [36] đề xuất sử dụng bộ lọc trung bình trung tâm MEM (MeanMedian Filter) để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG.

Các kết quả thực nghiệm trên bộ cơ sở dữ liệu MITBIH cho thấy phương pháp đã loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG nhưng làm ảnh hưởng đến đặc tính của tín hiệu ECG như sóng P, T và phân đoạn ST. Định hướng của luận án Từ các phân tích ở trên cho thấy ảnh hưởng của nhịp thở đến tín hiệu ECG là gián tiếp, về mặt tín hiệu thì ảnh hưởng này là phi tuyến [17, 21, 49, 94] và gây ra rối loạn nhịp tim, điều chế biên độ và trôi dạt đường cơ sở trong tín hiệu ECG làm ảnh hưởng đến chất lượng nhận dạng tín hiệu ECG. Một trong những khó khăn trong việc loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG đó là: Các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG là gián tiếp và phi tuyến; trong các trường hợp bệnh lý tín hiệu ECG thường biến thiên mạnh cả về biên độ và hình dạng; quá trình thu thập tín hiệu ECG và nhịp thở trên các bênh nhân thực tế gặp nhiều khó khăn, đặc biệt là các bệnh nhân tim mạch.  15  Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG Các giải pháp đề xuất loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG như phương pháp sử dụng bộ lọc thông cao [45, 48, 76, 84, 95] làm ảnh hưởng mạnh đến hình dạng và đặc tính của tín hiệu ECG, phương pháp sử dụng bộ lọc thích nghi [17, 64, 69, 92, 96] yêu cầu tín hiệu nhịp thở thực để tham chiếu và cập nhật hệ số của bộ lọc dẫn đến thời gian tính toán lớn, phương pháp phân tích thành phần độc lập (ICA) [78] yêu cầu các tín hiệu và nhiễu phải độc lập tuyến tính, phương pháp phân tích thành phần chính (PCA) [49] và phân tích thành phần chính cốt lõi (kPCA) [21] yêu cầu thời gian tính toán lớn,… Vì vậy trong luận án này sẽ đề xuất giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG mà làm ảnh hưởng nhỏ đến đặc tính của tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Nâng cao chất lượng nhận dạng tín hiệu điện tim bằng giải pháp loại bỏ ảnh hưởng từ nhịp thở" tập trung vào việc cải thiện độ chính xác trong việc nhận diện tín hiệu điện tim bằng cách loại bỏ các yếu tố gây nhiễu từ nhịp thở. Bài viết trình bày các phương pháp và kỹ thuật tiên tiến nhằm tối ưu hóa quy trình nhận dạng, từ đó giúp nâng cao hiệu quả chẩn đoán và điều trị các bệnh lý liên quan đến tim mạch. Độc giả sẽ tìm thấy những thông tin hữu ích về cách thức cải thiện chất lượng tín hiệu, cũng như những ứng dụng thực tiễn trong lĩnh vực y tế.

Để mở rộng thêm kiến thức về chủ đề này, bạn có thể tham khảo tài liệu Luận văn nghiên cứu thiết kế chế tạo thiết bị thu thập và xử lý tín hiệu điện tim 12 đạo trình, nơi cung cấp cái nhìn sâu sắc về thiết bị thu thập tín hiệu điện tim. Ngoài ra, tài liệu Luận án xây dựng mô hình nhận dạng kết hợp nhằm nâng cao độ chính xác phân loại tín hiệu điện tim loạn nhịp sẽ giúp bạn hiểu rõ hơn về các mô hình nhận dạng tiên tiến trong lĩnh vực này. Cuối cùng, tài liệu Nhận dạng tín hiệu điện tâm đồ bằng mạng nơron mờ tsk sẽ mang đến cho bạn cái nhìn về ứng dụng của mạng nơron trong việc nhận dạng tín hiệu điện tim. Những tài liệu này sẽ giúp bạn mở rộng kiến thức và hiểu sâu hơn về các giải pháp trong lĩnh vực nhận dạng tín hiệu điện tim.