Ứng Dụng Bộ Lọc Gauss và Phân Cụm Mờ Cho Bài Toán Phát Hiện Sóng Động Kinh Trên Điện Não Đồ

Nghiên cứu ứng dụng bộ lọc Gauss và phân cụm mờ để phát hiện sóng động kinh trên điện não đồ. Giải pháp hiệu quả hỗ trợ chẩn đoán và điều trị bệnh động kinh.

• Tác giả: Trịnh Trọng Thành
• Người hướng dẫn: TS. Hoàng Mạnh Hà
• Trường học: Trường Đại Học Thủ Dầu Một
• Chuyên ngành: Hệ Thống Thông Tin
• Đề tài: Ứng Dụng Bộ Lọc Gauss Và Phân Cụm Mờ Cho Bài Toán Phát Hiện Sóng Động Kinh Trên Điện Não Đồ
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2023
• Địa điểm: Bình Dương

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. MỞ ĐẦU
• 1.1. Lý do chọn đề tài
• 1.2. Mục đích nghiên cứu
• 1.3. Đối tượng và phạm vi nghiên cứu của đề tài
• 1.4. Phương pháp nghiên cứu
• 1.5. Ý nghĩa khoa học và thực tiễn của đề tài
• 1.6. Đóng góp mới của đề tài
• 1.7. Bố cục đề tài
• 2. CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ TRONG ĐỘNG KINH VÀ CÁC PHƯƠNG PHÁP PHÂN TÍCH TÍN HIỆU ĐIỆN NÃO
• 2.1. Ðặc điểm của EEG
• 2.2. Nhiễu trong điện não đồ. Điện não đồ và động kinh
• 2.3. Khái niệm về cơn động kinh
• 2.4. Điện não đồ trong cơn động kinh
• 2.5. Tổng quan về phương pháp phân tích tín hiệu điện não
• 2.6. Kết luận chương 1
• 3. CHƯƠNG 2: BỘ LỌC GAUSS VÀ PHÂN CỤM MỜ
• 3.1. Bộ lọc Gauss
• 3.2. Ứng dụng hàm Gauss cho bài toán tách đặc trưng sóng động kinh từ tín hiệu điện não
• 3.3. Phân cụm mờ
• 3.4. Phương pháp phân cụm mờ
• 3.5. Ưu điểm của phân cụm mờ
• 3.6. Nhược điểm của phân cụm mờ
• 3.7. Matlab
• 3.8. Kết luận chương 2
• 4. CHƯƠNG 3: ÁP DỤNG BỘ LỌC GAUSS VÀ PHÂN CỤM MỜ CHO BÀI TOÁN PHÁT HIỆN GAI ĐỘNG KINH
• 4.1. Giới thiệu mô hình
• 4.2. Thực nghiệm và đánh giá
• 4.2.1. Mô tả thực nghiệm
• 4.2.2. Đánh giá một số kết quả lọc
• 4.2.3. Đánh giá một số kết quả tại bước phân cụm các tín hiệu sau lọc, phân cụm mờ
• 4.3. So sánh với một số phương pháp tiêu biểu
• 4.4. Kết quả so sánh
• 4.5. Kết quả đạt được của luận văn
• 4.6. Nhược điểm của luận văn
• 4.7. Hướng phát triển tiếp theo
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Điện Não Đồ và Động Kinh Hiện Nay

Bệnh động kinh ảnh hưởng đến hàng triệu người trên toàn cầu. Điện não đồ (EEG) là công cụ quan trọng để chẩn đoán. EEG ghi lại hoạt động điện của não, giúp phân loại động kinh và xác định vị trí tổn thương. Tín hiệu EEG đặc trưng cho cơn động kinh có các thông số như biên độ, hình dạng, tần số bất thường. Tuy nhiên, việc đánh giá kết quả vẫn dựa trên kinh nghiệm chủ quan của bác sĩ. Vì thế, cần có phương pháp khách quan và chính xác hơn để hỗ trợ chẩn đoán. Theo Tổ chức Y tế Thế giới, khoảng 50 triệu người trên toàn cầu mắc bệnh động kinh, chiếm gần 1% dân số thế giới. Điều này cho thấy sự cấp thiết của việc nghiên cứu các phương pháp chẩn đoán hiệu quả.

1.1. Các đặc điểm của sóng động kinh trên điện não đồ

Các cơn động kinh có xu hướng xảy ra, thời gian và vị trí khác nhau ở từng thời điểm và với mỗi bệnh nhân. Tuy nhiên, có một số đặc điểm chung cơ bản: giảm hoạt động điện não nền, tăng đột ngột điện thế hoạt động điện não nền. Các phóng điện ngắn (<15s) trên EEG ít khi gây ra triệu chứng lâm sàng rõ rệt. Các phóng điện kéo dài (15-3...'.

1.2. Tổng quan về các loại nhiễu trong tín hiệu EEG

Tín hiệu điện não thường chịu ảnh hưởng của nhiều loại nhiễu khác nhau. Các loại nhiễu này được chia thành 2 nhóm chính: nhóm thứ nhất bao gồm nhiễu do thiết bị (nhiễu điện lưới, nhiễu tiếp xúc điện cực, nhiễu linh kiện điện tử.); nhóm thứ hai là nhiễu có nguồn gốc sinh lý từ cơ thể con người như nhiễu do chuyển động mắt (EOG), hoạt động cơ bắp (EMG) và tim (ECG).

II. Thách Thức trong Phát Hiện Sóng Động Kinh Chính Xác

Việc phát hiện sóng động kinh trên điện não đồ gặp nhiều thách thức. Tín hiệu EEG thường bị nhiễu. Các đặc trưng của sóng động kinh có thể biến đổi. Việc đánh giá kết quả phụ thuộc nhiều vào kinh nghiệm của bác sĩ. Cần có các thuật toán mạnh mẽ để xử lý tín hiệu EEG, loại bỏ nhiễu và tự động phát hiện sóng động kinh. Điều này đòi hỏi sự kết hợp của các kỹ thuật xử lý tín hiệu và trí tuệ nhân tạo (AI).

2.1. Sự chủ quan trong phân tích điện não đồ truyền thống

Hiện phần lớn việc phân tích và chẩn đoán động kinh đang dựa trên kinh nghiệm của bác sĩ chứ không phải quy trình khách quan. Điều này dẫn đến sự khác biệt giữa các chuyên gia. Đôi khi là những đánh giá không nhất quán, gây ảnh hưởng tới quá trình điều trị của bệnh nhân.

2.2. Khó khăn trong việc loại bỏ nhiễu khỏi tín hiệu EEG

Để giảm thiểu và loại bỏ nhiễu trong EEG, có 3 phương pháp chính: thứ nhất, ngăn chặn và loại bỏ các nguồn gây nhiễu; thứ hai, giảm thiểu tác động của nguồn nhiễu; thứ ba, nhận dạng và loại bỏ các tín hiệu nhiễu. Cách tốt nhất là loại bỏ nguồn gây nhiễu, tuy nhiên điều này không khả thi với một số loại nhiễu như EOG.

III. Bộ Lọc Gauss Giải Pháp Tiền Xử Lý Điện Não Đồ Hiệu Quả

Bộ lọc Gauss là một công cụ quan trọng trong tiền xử lý tín hiệu EEG. Bộ lọc Gauss giúp làm mịn tín hiệu, giảm nhiễu và làm nổi bật các đặc trưng quan trọng của sóng động kinh. Bộ lọc Gauss hoạt động dựa trên hàm Gauss, một hàm toán học có hình chuông. Hàm Gauss có các tham số như độ lệch chuẩn, ảnh hưởng đến mức độ làm mịn tín hiệu. Việc tối ưu hóa các tham số của bộ lọc Gauss rất quan trọng để đạt được hiệu quả tốt nhất.

3.1. Nguyên lý hoạt động của bộ lọc Gauss trong xử lý tín hiệu EEG

Bộ lọc Gauss hoạt động dựa trên hàm Gauss, một hàm toán học có hình chuông. Hàm Gauss có các tham số như độ lệch chuẩn, ảnh hưởng đến mức độ làm mịn tín hiệu. Tín hiệu EEG sau khi đi qua bộ lọc Gauss sẽ giảm nhiễu, các đặc trưng của sóng động kinh sẽ được làm nổi bật.

3.2. Ứng dụng của hàm Gauss trong tách đặc trưng sóng động kinh

Hàm Gauss cho bài toán tách đặc trưng sóng động kinh từ tín hiệu điện não. Nghiên cứu này đề xuất kết hợp bộ lọc Gauss với phân cụm mờ để phát hiện các gai động kinh trên sóng não. Giải pháp có khả năng góp phần rút ngắn thời gian và nâng cao độ chính xác cho quá trình chẩn đoán.

IV. Phân Cụm Mờ FCM Phân Tích EEG và Nhận Diện Sóng Động Kinh

Phân cụm mờ (Fuzzy C-Means - FCM) là một kỹ thuật mạnh mẽ để phân tích tín hiệu EEG và nhận diện sóng động kinh. FCM cho phép mỗi điểm dữ liệu thuộc về nhiều cụm khác nhau với mức độ khác nhau. Điều này rất phù hợp với tín hiệu EEG, vì các sóng có thể có đặc trưng của nhiều loại sóng khác nhau. FCM giúp nhóm các đoạn EEG có đặc trưng tương tự lại với nhau, từ đó phát hiện các sóng động kinh.

4.1. Ưu điểm của phân cụm mờ trong phân tích tín hiệu EEG

Phân cụm mờ (FCM) có nhiều ưu điểm so với các phương pháp phân cụm cứng. FCM cho phép mỗi điểm dữ liệu thuộc về nhiều cụm khác nhau với mức độ khác nhau. Điều này rất phù hợp với tín hiệu EEG, các đặc trưng của sóng có thể trùng lặp.

4.2. Ứng dụng phân cụm mờ trong nhận diện sóng động kinh tự động

Phương pháp phân cụm mờ có thể được sử dụng để xây dựng hệ thống nhận diện sóng động kinh tự động. Hệ thống này có thể giúp bác sĩ chẩn đoán động kinh nhanh chóng và chính xác hơn.

V. Kết Hợp Bộ Lọc Gauss và Phân Cụm Mờ Quy Trình Tối Ưu

Kết hợp bộ lọc Gauss và phân cụm mờ tạo ra một quy trình mạnh mẽ để phát hiện sóng động kinh trên điện não đồ. Bộ lọc Gauss giúp làm sạch tín hiệu, giảm nhiễu. Phân cụm mờ giúp phân tích tín hiệu và nhận diện các đặc trưng của sóng động kinh. Sự kết hợp này giúp tăng độ chính xác và hiệu quả của việc phát hiện sóng động kinh. Đề tài đề xuất kết hợp bộ lọc Gauss với phân cụm mờ để phát hiện các gai động kinh trên sóng não. Giải pháp có khả năng góp phần rút ngắn thời gian và nâng cao độ chính xác cho quá trình chẩn đoán.

5.1. Sơ đồ quy trình kết hợp bộ lọc Gauss và phân cụm mờ

Quy trình bắt đầu với việc tiền xử lý tín hiệu EEG bằng bộ lọc Gauss để giảm nhiễu. Sau đó, tín hiệu đã được làm sạch sẽ được đưa vào thuật toán phân cụm mờ để phân tích và nhận diện các sóng động kinh.

5.2. Ưu điểm của quy trình kết hợp so với phương pháp đơn lẻ

Việc kết hợp bộ lọc Gauss và phân cụm mờ mang lại nhiều ưu điểm so với việc sử dụng một trong hai phương pháp đơn lẻ. Bộ lọc Gauss giúp cải thiện chất lượng tín hiệu đầu vào cho phân cụm mờ, trong khi phân cụm mờ giúp phân tích tín hiệu một cách toàn diện.

VI. Kết Luận và Hướng Phát Triển Trong Phát Hiện Động Kinh

Ứng dụng bộ lọc Gauss và phân cụm mờ là một hướng đi đầy hứa hẹn trong việc phát hiện sóng động kinh trên điện não đồ. Nghiên cứu này đã chứng minh tiềm năng của phương pháp. Tuy nhiên, cần có thêm nhiều nghiên cứu để tối ưu hóa thuật toán và mở rộng ứng dụng. Trong tương lai, có thể kết hợp phương pháp này với các kỹ thuật máy học (Machine Learning) khác để tạo ra các hệ thống phát hiện động kinh thông minh và hiệu quả hơn. Đóng góp mới của luận văn này là đề xuất một giải pháp kỹ thuật cho hệ thống phát hiện tự động cơn động kinh trên sóng não EEG.

6.1. Tổng kết kết quả nghiên cứu và những hạn chế cần khắc phục

Nghiên cứu đã đạt được những kết quả nhất định trong việc phát hiện sóng động kinh bằng bộ lọc Gauss và phân cụm mờ. Tuy nhiên, vẫn còn một số hạn chế cần khắc phục, ví dụ như việc tối ưu hóa các tham số của thuật toán.

6.2. Đề xuất hướng nghiên cứu tiếp theo và ứng dụng tiềm năng

Trong tương lai, có thể kết hợp phương pháp này với các kỹ thuật máy học (Machine Learning) khác để tạo ra các hệ thống phát hiện động kinh thông minh và hiệu quả hơn. Ngoài ra, có thể mở rộng ứng dụng của phương pháp này sang các lĩnh vực khác như theo dõi giấc ngủ và nghiên cứu về não bộ.

Nội dung chính

Tổng quan nghiên cứu

Động kinh là một rối loạn thần kinh phổ biến trên toàn cầu với khoảng 50 triệu người mắc bệnh, chiếm gần 1% dân số thế giới. Tại Việt Nam, tỷ lệ này cao hơn, ước tính khoảng 2%, tương đương hơn 2 triệu người, trong đó gần 60% là trẻ em dưới 15 tuổi. Động kinh gây ra các cơn co giật đột ngột, ảnh hưởng nghiêm trọng đến khả năng nhận thức và chất lượng cuộc sống nếu không được phát hiện và điều trị kịp thời. Hiện nay, chẩn đoán động kinh chủ yếu dựa vào quan sát lâm sàng và phân tích điện não đồ (EEG), tuy nhiên việc đánh giá tín hiệu EEG vẫn còn phụ thuộc nhiều vào kinh nghiệm của bác sĩ, dẫn đến tính chủ quan cao.

Luận văn này tập trung nghiên cứu ứng dụng bộ lọc Gauss kết hợp với phân cụm mờ để phát hiện sóng động kinh trên tín hiệu EEG, nhằm nâng cao độ chính xác và tự động hóa quá trình phân tích. Nghiên cứu sử dụng dữ liệu EEG chuẩn từ 22 bệnh nhân với tổng số file ghi âm lên đến hàng trăm, mỗi file có thời lượng khoảng 1 giờ, thu thập tại Bệnh viện Nhi Boston. Mục tiêu cụ thể là phát triển giải pháp kỹ thuật giúp nhận dạng chính xác các gai động kinh, giảm thiểu sai số trong phân tích tín hiệu, đồng thời so sánh hiệu quả với các phương pháp hiện có. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ chẩn đoán và điều trị động kinh, góp phần giảm tải cho các bệnh viện và nâng cao chất lượng chăm sóc bệnh nhân.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết và mô hình chính: bộ lọc Gauss và phân cụm mờ (Fuzzy Clustering). Bộ lọc Gauss là hàm phân phối chuẩn, tập trung vào giá trị trung bình µ với phương sai σ², giúp lọc và giữ lại các đỉnh sóng đặc trưng của tín hiệu EEG, đặc biệt là các gai động kinh có biên độ vượt ngưỡng. Phân cụm mờ, đặc biệt là thuật toán Fuzzy C-Means (FCM), cho phép mỗi điểm dữ liệu thuộc về nhiều cụm với mức độ khác nhau, phù hợp với tính chất không rõ ràng và nhiễu của tín hiệu EEG. Các khái niệm chính bao gồm hàm thành viên, ma trận thành viên, trung tâm cụm mờ và hàm mục tiêu tối ưu hóa.

Ngoài ra, nghiên cứu còn tham khảo các phương pháp phân tích tín hiệu phi tuyến và các kỹ thuật xử lý tín hiệu y sinh để hiểu rõ đặc điểm sóng EEG trong cơn động kinh, như các nhịp sóng Delta, Theta, Alpha, Beta và Gamma, cũng như các loại nhiễu sinh lý và thiết bị ảnh hưởng đến tín hiệu.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu EEG chuẩn "CHB-MIT scalp EEG database" thu thập từ 22 bệnh nhân động kinh, với tổng số file ghi âm từ 9 đến 42 file mỗi bệnh nhân, mỗi file có 23-26 kênh, tần số lấy mẫu 256 Hz và độ phân giải 16 bit. Dữ liệu được phân loại thành hai cụm: cụm 0 gồm các file không có cơn động kinh và cụm 1 gồm các file có cơn động kinh.

Phương pháp nghiên cứu gồm các bước: tiền xử lý dữ liệu để chuẩn hóa nền và biên độ, áp dụng bộ lọc Gauss để tách đặc trưng gai động kinh, sau đó sử dụng phân cụm mờ để phân loại các mẫu tín hiệu thành các cụm có gai động kinh hoặc không. Quá trình phân tích được thực hiện trên môi trường Matlab với cỡ mẫu lớn, mỗi mẫu có khoảng 921600 điểm dữ liệu. Phương pháp chọn mẫu dựa trên dữ liệu thực tế và mô phỏng, sử dụng thuật toán FCM để tối ưu hóa phân cụm, đồng thời đánh giá độ chính xác qua các thực nghiệm so sánh với nhãn dữ liệu đã được gán.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả lọc tách gai động kinh bằng bộ lọc Gauss: Qua 12 thực nghiệm trên các bản ghi EEG khác nhau, bộ lọc Gauss đã thành công trong việc giữ lại các đỉnh sóng gai động kinh với biên độ vượt ngưỡng 300 µV, đồng thời triệt tiêu các tín hiệu nhiễu và các điểm không phải gai. Ví dụ, trên bản ghi chb03_01, tín hiệu sau lọc vẫn giữ nguyên các đỉnh gai đặc trưng, trong khi trên bản ghi chb03_05 không có gai động kinh, tín hiệu sau lọc giảm gần về 0.

2. Phân cụm mờ giúp phân biệt chính xác các mẫu có và không có gai động kinh: Phân cụm mờ FCM đã phân loại chính xác các mẫu tín hiệu sau lọc thành các cụm tương ứng, giảm thiểu sai số fail positive và fail negative. Độ chính xác của phương pháp đạt trên 98% trong việc nhận dạng gai động kinh, vượt trội so với một số phương pháp truyền thống.

3. Phát hiện đồng thời trên nhiều kênh EEG: Kết quả thực nghiệm cho thấy các gai động kinh thường xuất hiện đồng thời trên nhiều kênh não, phù hợp với đặc điểm lâm sàng của động kinh. Điều này được thể hiện rõ qua các biểu đồ so sánh tín hiệu trước và sau lọc trên nhiều kênh.

4. So sánh với các phương pháp khác: Giải pháp kết hợp bộ lọc Gauss và phân cụm mờ cho kết quả chính xác hơn so với các phương pháp dựa trên đạo hàm hay phân tích tần số-thời gian, đặc biệt trong việc nhận dạng các gai kép và các điểm bất thường phức tạp.

Thảo luận kết quả

Nguyên nhân thành công của phương pháp là do bộ lọc Gauss giữ nguyên các đỉnh bằng phẳng của gai kép, khắc phục nhược điểm của các phương pháp dựa trên đạo hàm vốn dễ triệt tiêu các đỉnh này. Phân cụm mờ cho phép xử lý dữ liệu có tính không rõ ràng và nhiễu cao, phù hợp với đặc điểm tín hiệu EEG thực tế. So với các nghiên cứu trước đây, phương pháp này không chỉ nâng cao độ chính xác mà còn giảm thời gian xử lý nhờ tự động hóa các bước phân tích.

Kết quả có thể được trình bày qua các biểu đồ so sánh tín hiệu EEG trước và sau lọc, bảng phân loại các mẫu tín hiệu theo cụm, và biểu đồ độ chính xác so sánh với các phương pháp khác. Những phát hiện này có ý nghĩa quan trọng trong việc hỗ trợ bác sĩ thần kinh chẩn đoán chính xác hơn, giảm thiểu sai sót do đánh giá chủ quan, đồng thời góp phần phát triển các hệ thống chẩn đoán tự động trong tương lai.

Đề xuất và khuyến nghị

1. Triển khai hệ thống phát hiện tự động gai động kinh tại các bệnh viện: Áp dụng giải pháp kết hợp bộ lọc Gauss và phân cụm mờ để hỗ trợ bác sĩ trong việc phân tích tín hiệu EEG, nâng cao độ chính xác chẩn đoán, giảm tải công việc cho nhân viên y tế. Thời gian thực hiện trong vòng 1-2 năm, chủ thể là các bệnh viện chuyên khoa thần kinh.

2. Phát triển phần mềm tích hợp trên nền tảng Matlab hoặc các ngôn ngữ lập trình khác: Tối ưu hóa thuật toán để xử lý dữ liệu lớn nhanh hơn, tích hợp giao diện thân thiện cho người dùng không chuyên về kỹ thuật. Thời gian phát triển 12-18 tháng, do các nhóm nghiên cứu và công ty công nghệ y sinh thực hiện.

3. Đào tạo và nâng cao năng lực cho cán bộ y tế: Tổ chức các khóa đào tạo về kỹ thuật xử lý tín hiệu EEG và sử dụng phần mềm hỗ trợ chẩn đoán, giúp bác sĩ hiểu và áp dụng hiệu quả công nghệ mới. Thời gian đào tạo liên tục, chủ thể là các trường đại học và bệnh viện.

4. Mở rộng nghiên cứu ứng dụng cho các dạng động kinh khác và các bệnh thần kinh liên quan: Nghiên cứu thêm các thuật toán phân tích tín hiệu phi tuyến, kết hợp trí tuệ nhân tạo để phát hiện sớm các dạng động kinh phức tạp hơn. Thời gian nghiên cứu 3-5 năm, do các viện nghiên cứu và trường đại học thực hiện.

Đối tượng nên tham khảo luận văn

1. Bác sĩ chuyên khoa thần kinh: Nâng cao kiến thức về phân tích tín hiệu EEG, áp dụng công nghệ mới để hỗ trợ chẩn đoán và điều trị động kinh hiệu quả hơn.

2. Nhà nghiên cứu và sinh viên ngành kỹ thuật y sinh: Tham khảo phương pháp xử lý tín hiệu EEG, ứng dụng bộ lọc Gauss và phân cụm mờ trong nghiên cứu và phát triển các hệ thống y tế thông minh.

3. Chuyên gia phát triển phần mềm y tế: Sử dụng luận văn làm cơ sở để phát triển các công cụ phân tích tín hiệu EEG tự động, tích hợp vào các hệ thống chẩn đoán và giám sát bệnh nhân.

4. Quản lý bệnh viện và cơ quan y tế: Đánh giá và triển khai các giải pháp công nghệ hỗ trợ chẩn đoán động kinh, nâng cao chất lượng dịch vụ y tế và giảm thiểu sai sót trong chẩn đoán.

Câu hỏi thường gặp

1. Bộ lọc Gauss có ưu điểm gì so với các phương pháp lọc khác trong xử lý tín hiệu EEG?
   Bộ lọc Gauss giữ nguyên các đỉnh bằng phẳng của gai kép, không làm méo hay triệt tiêu các đặc trưng quan trọng, giúp phát hiện chính xác các gai động kinh. Ví dụ, phương pháp đạo hàm thường triệt tiêu đỉnh bằng phẳng, gây sai sót.

2. Phân cụm mờ khác gì so với phân cụm cứng trong phân tích tín hiệu EEG?
   Phân cụm mờ cho phép mỗi điểm dữ liệu thuộc về nhiều cụm với mức độ khác nhau, phù hợp với tín hiệu EEG có nhiễu và không rõ ràng, trong khi phân cụm cứng chỉ gán điểm dữ liệu vào một cụm duy nhất, dễ gây mất thông tin.

3. Dữ liệu EEG sử dụng trong nghiên cứu có đặc điểm gì?
   Dữ liệu gồm các bản ghi EEG từ 22 bệnh nhân, mỗi file có 23-26 kênh, thời lượng khoảng 1 giờ, tần số lấy mẫu 256 Hz, được ghi chú đầy đủ thời điểm cơn động kinh bắt đầu và kết thúc, giúp đánh giá chính xác thuật toán.

4. Độ chính xác của phương pháp đề xuất đạt được bao nhiêu?
   Phương pháp kết hợp bộ lọc Gauss và phân cụm mờ đạt độ chính xác trên 98% trong việc phát hiện gai động kinh, vượt trội so với nhiều phương pháp truyền thống khác.

5. Phương pháp này có thể áp dụng cho các dạng động kinh khác không?
   Có thể mở rộng nghiên cứu để áp dụng cho các dạng động kinh phức tạp hơn bằng cách kết hợp thêm các thuật toán phi tuyến và trí tuệ nhân tạo, giúp phát hiện sớm và chính xác hơn các dạng động kinh đa dạng.

Kết luận

• Đề tài đã phát triển thành công giải pháp kết hợp bộ lọc Gauss và phân cụm mờ để phát hiện tự động gai động kinh trên tín hiệu EEG với độ chính xác cao.
• Phương pháp khắc phục được nhược điểm của các kỹ thuật truyền thống, đặc biệt trong việc nhận dạng các gai kép và xử lý tín hiệu nhiễu.
• Thực nghiệm trên bộ dữ liệu chuẩn cho thấy hiệu quả vượt trội với độ chính xác trên 98%, phù hợp với đặc điểm lâm sàng của động kinh.
• Giải pháp có tiềm năng ứng dụng rộng rãi trong các bệnh viện và trung tâm y tế, hỗ trợ bác sĩ chẩn đoán nhanh chóng và chính xác hơn.
• Các bước tiếp theo bao gồm phát triển phần mềm tích hợp, đào tạo nhân lực và mở rộng nghiên cứu cho các dạng động kinh khác, nhằm nâng cao chất lượng chăm sóc sức khỏe cộng đồng.

Hãy áp dụng và phát triển giải pháp này để góp phần cải thiện công tác chẩn đoán và điều trị động kinh tại Việt Nam và trên thế giới.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về điện não đồ trong động kinh và các phương pháp phân tích tín hiệu điện não. Chương 2: Bộ lọc Gauss và bộ Phân cụm mờ. Chương 3: Áp dụng bộ lọc Gauss và bộ Phân cụm mờ để phát hiện gai động kinh trong sóng điện não. Tài liệu tham khảo.

TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ TRONG ĐỘNG KINH VÀ CÁC PHƯƠNG PHÁP PHÂN TÍCH TÍN HIỆU ĐIỆN NÃO 1. Điện não đồ Theo nguồn [1], bản ghi điện não đồ EEG là sự biểu diễn đồ thị về sự biến đổi hiệu điện thế theo thời gian giữa các điện cực gắn trên da đầu, tương ứng với các vùng khác nhau của vỏ não. EEG đem lại những thông tin liên quan đến hoạt động điện của não bộ dựa vào các chỉ số như biên độ, tần số, hình thái, sự phân bố về mặt không gian và mức độ phân cực của hiệu điện thế. Việc nghiên cứu các đặc trưng của sóng não EEG cho phép bác sĩ và các nhà khoa học chẩn đoán được các hoạt động bất thường xảy ra trong não bộ.

Để thu tín hiệu EEG, một bộ điện cực được gắn lên đầu theo tiêu chuẩn đặt điện cực 10-20 quốc tế do Jasper đề xuất. Tiêu chuẩn vị trí 10-20% này được quốc tế công nhận từ năm 1981 và ứng dụng rộng rãi trong các thiết bị ghi điện não. Tiêu chuẩn bao gồm các điện cực bố trí theo tỷ lệ xác định trên vùng da đầu. Các điện cực cần được đặt đối xứng 2 bên.

Bên dưới là minh họa vị trí bố trí các điện cực cơ bản trên da đầu theo chuẩn 10-20 quốc tế. 1 Bố trí 21 điện cực theo chuẩn quốc tế 10-20. Thông thường, chúng ta sử dụng một bộ gồm 21 điện cực gắn trên da đầu theo tiêu chuẩn đặt điện cực 10-20 quốc tế. Vị trí các điểm mốc bao gồm: ● Điểm gốc mũi (nasion), nằm giữa 2 chân lông mày.

● 2 ống tai bên ngoài. Các ký hiệu vùng não: ● F - vùng trán (Frontal) ● C - vùng trung tâm (Central) ● O - vùng chẩm (Occipital) ● P - vùng đỉnh (Parietal) Số lẻ đánh dấu bên trái và số chẵn đánh dấu bên phải. "10" và "20" cho biết khoảng cách giữa các điện cực liền kề lần lượt là 10% và 20% tổng khoảng cách trước-sau hoặc phải-trái của hộp sọ. Gần đây, Hội điện não Hoa Kỳ đã thông qua một số thay đổi trong danh pháp gốc, trong đó T3-T6 đổi thành T7-P8 nhằm mở rộng phạm vi đặt điện cực (vd F9-P10) và chỉ rõ vị trí chính xác hơn (vd AF7, FT9).

Điều này giúp định vị tổn thương não chính xác hơn. 2 Bố trí điện cực điện não mở rộng theo chuẩn 10-20 quốc tế. Ðặc điểm của EEG EEG được đặc trưng bởi các thông số: biên độ, tần số, hình dạng, mức độ phân cực, sự phân bố vị trí và những yếu tố làm thay đổi hiệu điện thế.3 mô tả các 5 kiểu nhịp sóng cơ bản của tín hiệu EEG. Các tín hiệu ghi nhận được trên da đầu có biên độ dao động từ vài μV đến khoảng 200 μV và tần số nằm trong khoảng 0,5-70Hz.

3 Các nhịp sóng cơ bản của EEG Nếu trạng thái của đối tượng đo ổn định trong một khoảng thời gian, các nhịp này có dạng tuần hoàn [1]. Các nhịp cơ bản của EEG được chia thành 5 dải như sau: ● Nhịp Delta: tần số 0. ● Nhịp Theta: tần số 4-8 Hz. ● Nhịp Alpha: 8-13 Hz.

● Nhịp Beta: 13-30 Hz. ● Nhịp Gamma: có tần số lớn 30Hz. Nhiễu trong điện não đồ. Điện não đồ và động kinh Tín hiệu điện não thường chịu ảnh hưởng của nhiều loại nhiễu khác nhau.

Các loại nhiễu này được chia thành 2 nhóm chính: nhóm thứ nhất bao gồm nhiễu do thiết bị (nhiễu điện lưới, nhiễu tiếp xúc điện cực, nhiễu linh kiện điện tử.); nhóm thứ hai là nhiễu có nguồn gốc sinh lý từ cơ thể con người như nhiễu do chuyển động mắt (EOG), hoạt động cơ bắp (EMG) và tim (ECG). 6 Để giảm thiểu và loại bỏ nhiễu trong EEG, có 3 phương pháp chính: thứ nhất, ngăn chặn và loại bỏ các nguồn gây nhiễu; thứ hai, giảm thiểu tác động của nguồn nhiễu; thứ ba, nhận dạng và loại bỏ các tín hiệu nhiễu. Cách tốt nhất là loại bỏ nguồn gây nhiễu, tuy nhiên điều này không khả thi với một số loại nhiễu như EOG. Thứ hai, có thể sử dụng các thiết bị đo có độ nhạy cao, khả năng lọc nhiễu tốt để giảm thiểu nhiễu.

Thứ ba, các thuật toán xử lý tín hiệu số hiệu quả có thể được dùng để nhận dạng và loại bỏ các nhiễu, ví dụ EMG và EOG. Nhiễu điện lưới trong EEG thường được loại bỏ bằng bộ lọc FIR với dải thông 0,5-45 Hz [3,12]. Khái niệm về cơn động kinh Cơn động kinh là hiện tượng bất thường ở não bộ, đặc trưng bởi sự hoạt động quá mức đồng bộ của một nhóm tế bào thần kinh vỏ não. Cơn động kinh thể hiện ở các biểu hiện lâm sàng như co giật, mất ý thức, cảm giác kì lạ cho đến những triệu chứng thị giác hay ảo giác [1].

Cơ chế bệnh sinh của cơn động kinh là do sự mất cân bằng điện giữa khử cực và tái cực quá mức của màng tế bào thần kinh, dẫn đến sự đảo ngược điện thế màng từ trạng thái nghỉ -85mV lên +30mV trong giai đoạn khử cực. Khi đó xảy ra hiện tượng lan truyền xung động quá mức giữa các tế bào thần kinh. Các trạng thái hoạt động bất thường này có thể được ghi nhận bằng các kỹ thuật đặt điện cực ghi điện thế trong tế bào, ngoài tế bào hay trên bề mặt da đầu. Các bản ghi điện não đồ (EEG) cho phép theo dõi hoạt động điện của vỏ não, giúp chẩn đoán phân biệt các hội chứng lâm sàng, phân loại các dạng cơn động kinh và xác định vùng não bị ảnh hưởng, thậm chí còn giúp xác định bệnh lý gây động kinh ở một số trường hợp.

Trong lâm sàng, với bệnh nhân động kinh, EEG được ghi ở 2 giai đoạn: ghi trong cơn động kinh và ghi ngoài cơn. Điện não đồ trong cơn động kinh 1.1 Đặc điểm Các cơn động kinh có xu hướng xảy ra, thời gian và vị trí khác nhau ở từng thời điểm và với mỗi bệnh nhân. Tuy nhiên, có một số đặc điểm chung cơ bản: - Giảm hoạt động điện não nền: Ban đầu cơn động kinh, hoạt động điện não nền giảm đột ngột về tần số. Đồng thời xuất hiện một nhịp điện mới với tần số tăng dần.

Sau đó, khi tần số giảm, biên độ tăng dần và các sóng nhọn dần phân biệt rõ hơn. 7 - Tăng đột ngột điện thế hoạt động điện não nền. - Các phóng điện ngắn (<15s) trên EEG ít khi gây ra triệu chứng lâm sàng rõ rệt. Các phóng điện kéo dài (15-30s) thường gây ra rối loạn nhận thức, triệu chứng khác.

- Cấu trúc và hình thái sóng nhọn-sóng có thể thay đổi. Trong một số cơn phức tạp (vd cơn vắng ý thức khi ngủ), có thể quan sát thấy sự tập hợp nhiều đỉnh nhọn trong phức hợp sóng nhọn-sóng, gọi là tổ hợp đa sóng nhọn.2 Động kinh toàn bộ Trạng thái động kinh toàn bộ co giật: điện não đồ có các phóng lực kịch phát xuất hiện hai bên mặc dù thường không đối xứng. Trạng thái động kinh toàn bộ không co giật: điện não đồ thường là đa hình thái. Các gai - sóng chậm từ 1Hz đến 2Hz.

Toàn bộ hai bán cầu tạo nên một hình ảnh bất thường khá đặc biệt này trong cơn. Động kinh cục bộ * Các cơn động kinh cục bộ đơn giản. + Các cơn động kinh cục bộ với triệu chứng vận động. - Tăng trương lực và co giật, biểu hiện trong cơn các cơ trở nên co cứng và giật thành nhịp khu trú tại một nhóm cơ, một đoạn chi hoặc một phần của cơ thể.

Trong loại cơn này điển hình nhất là loại cơn theo hành trình Bravais - Jackson là có thể định khu được tương đối chính xác vị trí của ổ động kinh. Các phóng lực ĐK thuộc loại này xuất phát từ hồi trán lên và lan theo một hướng nhất định. Trên lâm sàng thấy xuất hiện tăng trương lực, sau đó giật một phần của chi hoặc một bên đối diện với ổ ĐK sau đó dần lan ra các vùng khác của nửa người. - Cơn loạn trương lực (cơn trương lực tư thế), đôi khi khó phân biệt với các cơn tăng trương lực, nhất là khi hai loại này phối hợp với nhau, trong cơn ĐK có loạn trương lực, các cơ ít bị cứng và ít bị cố định hơn.

Người ta cho rằng loạn trương lực là hậu quả của rối loạn chức năng các nhân xám trung ương do xung động ĐK ở vỏ não gây ra. - Cơn quay mặt quay đầu sang bên đối diện với ổ gây động kinh, định khu của loại cơn này rất đa dạng tuỳ theo quay mắt và quay đầu có phối hợp với nhau hay không, quay nhanh hay chậm, giật hay tăng trương lực, có phối hợp với xoay người hay không? Có một số dấu hiệu gợi ý định khu ổ ĐK: quay mắt quay đầu phối hợp với các 8 triệu chứng tăng trương lực tứ chi hướng đến ổ ĐK nằm tại vùng trán sau bên. Quay mắt chậm kèm giật mắt hay gặp trong tổn thương thùy chẩm. Quay vẹo đầu quá mức gây xoay người có thể gặp trong ĐK thuỳ đỉnh và ngoài ra các cơn quay mắt còn có thể xuất phát ở vùng vỏ não, vận động chi phối nhãn cầu và đặc biệt vỏ não vùng trán.

- Cơn xoay, thường có nguồn gốc ở thuỳ đỉnh nhưng không có giá trị định khu đặc hiệu. Trong cơn người bệnh xoay xung quanh trục cơ thể, trước đó có thể có quay mắt quay đầu. Vị trí ổ ĐK nằm ở vùng vỏ não tiền đình hoặc do phóng lực ĐK tại vỏ não gây rối loạn thường không đối xứng chức năng các hạch nền. - Cơn rối loạn phát âm, bệnh nhân đột ngột ngừng nói, triệu chứng này có thể thấy khi ổ ĐK nằm tại hồi trán 3 bên bán cầu ưu thế hoặc diện vận động phụ.

Nói lập lờ cũng như phát âm thành nhịp một nguyên âm, một từ thường do ổ ĐK thùy trán gây ra, phát âm lảm nhảm không có ý nghĩa và thường thấy ổ ĐK phần sau hồi thái dương trên. - Hiện tượng vận động âm tính, gần đây được mô tả như một triệu chứng đặc biệt có thể gặp trong ĐKCB. Thay vì các biểu hiện tăng trương lực, giật cơ, ở các bệnh nhân này lại biểu hiện bằng các dấu hiệu thiếu sót bó tháp hoặc giảm trương lực cơ trong cơn.