CHƯƠNG I: TỔNG QUAN Phân loại tín hiệu điện tim là một trong những đề tài nghiên cứu mang tính cấp thiết trong khoa học hiện nay. Tác giả đề tài thực hiện phân loại tín hiệu điện tim được phân tích dựa theo nhiều thí nghiệm để có một cái nhìn toàn diện về cách thu thập dữ liệu cũng như phương pháp phân loại. Sau đây là phần tổng quan về lĩnh vực nghiên cứu.1 Tổng quan về lĩnh vực nghiên cứu Tỷ lệ mắc bệnh tim mạch (CVD – CardioVascular Diseases) đã tăng lên trong những năm gần đây. Theo thống kê của tổ chức y thế giới hàng năm có 17.7 triệu người chết vì bệnh tim mạch, chiếm 31% trong tất cả các trường hợp tử vong trên toàn cấu.
Có rất nhiều nguyên nhân gây loạn nhịp tim, hầu hết là do bệnh tim mạch. Rất khó để giải mã thông tin ẩn trong tín hiệu ECG do biên độ nhỏ và thời gian nhỏ. Vì vậy một công cụ máy tính hỗ trợ có thể giúp bác sĩ chẩn đoán dễ dàng hơn. Bệnh tim mạch trong thế giới hiện đại là do sự chuyển dịch tễ học bởi bệnh béo phì, đái tháo đường, thói quen hút thuốc lá và thay đổi lối sống khác.
Một trong những biến chứng của bệnh tim mạch trong số nhất nhiều bệnh nhân khác nhau là rối loạn tâm nhĩ, tâm thất. Chứng loạn nhịp tim là một thuật ngữ chung cho một nhóm không đồng nhất các điều kiện của các hoạt động điện bất thường. Bệnh tim mạch là một trong những bệnh gây tử vong hàng đầu tại Việt Nam và trên thế giới. Đặc biệt, số lượng bệnh nhân sống tại các thành thị của Việt Nam mắc bệnh tim mạch đang ngày càng gia tăng.
Bên cạnh các bệnh tim bẩm sinh, những bệnh tim do tác nhân bên ngoài như mỡ trong máu, cholestoral tăng cao… đang dần trở thành mãn tính và đe dọa tính mạng bệnh nhân. Các tín hiệu ECG chủ yếu bao gồm nhóm phức hợp QRS, sóng P, sóng T và các dạng sóng chính khác. Các dải sóng khác nhau đại diện cho các hoạt động tim khác nhau, đây là một cơ sở quan trọng để phân tích các tín hiệu ECG. Phân tích ECG là một quá trình rất quan trọng để chẩn đoán và điều trị bệnh tim.
Chẩn đoán rối loạn nhịp tim do máy tính hỗ trợ phụ thuộc vào phân tích rối loạn tim. Xác định loạn nhịp tim là một thách thức cho một hệ thống 1 Luan van chẩn đoán bệnh tim. Do đó, có rất nhiều kỹ thuật được sử dụng để phân loại loạn nhịp. Các nghiên cứu thu thập thông tin sử dụng các kỹ thuật khác nhau từ tín hiệu ECG đã được kiểm tra và các kỹ thuật trên lý thuyết so với thực tế và một khoảng cách khá xa để áp dụng vào trong các trường hợp cụ thể.2 Các kết quả nghiên cứu trong nước và ngoài nước đã công bố Có rất nhiều phương pháp phân loại tín hiệu điện tim hiện tại được đề xuất với nhiều tính năng đã đạt được độ chính xác rất cao.
Phân loại tín hiệu ECG là một vấn đề khó khăn bởi vì thiếu sự chuẩn hóa các đặc điểm của tín hiệu ECG, tín hiệu ECG luôn biến đổi, mỗi một mô hình ECG có một đặc tính riêng, không tồn tại một quy tắc phân loại tối ưu cho bộ phân loại ECG, và mỗi bệnh nhân có một dạng sóng ECG biến đổi riêng. Phát triển một bộ phân loại thích hợp nhất, có khả năng phân loại rối loạn nhịp tim trong thời gian thực là một vấn đề cần giải quyết trong việc phân loại rối loạn nhịp tim. Các ứng dụng phân loại tín hiệu ECG đã phát hiện hiện được các loại tín hiệu bất thường và phân tích một loại tín hiệu mới chính xác hơn phân tích thủ công, các ứng dụng này cũng được sử dụng trong chẩn đoán và điều trị các bệnh nhân bị bệnh tim [1].1 Các kết quả nghiên cứu trong nước Tại hội thảo quốc tế về kiến thức và hệ thống kỹ thuật năm 2009, hai tác giả Phan Anh Phong và Kieu Quang Thien đã nghiên cứu về vấn đề phân loại loạn nhịp tim bằng cách sử dụng hệ thống mờ kiểu TSK 2. Bài báo đề xuất một phương pháp xây dựng hệ mờ kiểu Takagi-Sugeno-Kang (TSK) loại 2 để đo điện tim đồ (ECG).
Phân loại được áp dụng để phân biệt nhịp xoang bình thường (NSR), rung tâm thất (VF) và nhịp tim nhanh thất (ventricular fibrillation - VT). Hai tính năng của tín hiệu ECG là khoảng thời gian trung bình và độ rộng xung cũng chính là đầu vào cho bộ phân loại mờ. Ngoài ra tác giả còn sử dụng thuật toán phân cụm trung bình fuzzy và kỹ thuật truyền lại để xác định các thông số của bộ phân loại fuzzy TSK loại 2. Kết quả thí nghiệm với dữ liệu từ cơ sở dữ liệu Malignant Ventricular Arrhythmia MIT- BIH cho thấy độ chính xác phân loại là 100% đối với tín hiệu NSR, 93,3% đối với tín hiệu VF và 92% tín hiệu VT [2].
2 Luan van Bên cạnh những nghiên cứu về ECG trên, còn có những nghiên cứu trong nước về ngưỡng tối ưu cho thuật toán nén ECG hai trạng thái [3], hay nghiên cứu về hạn chế loại bỏ nhiễu tín hiệu ECG trong đo lường sử dụng phương pháp wavelet [4]. Hầu hết tất cả các nghiên cứu đã thực hiện trong nước chưa đề cập sâu đến vấn đề phân loại tín hiệu điện tim. Nếu như nghiên cứu về vấn đề phân loại loạn nhịp tim bằng cách sử dụng hệ thống mờ kiểu TSK 2 [2] chỉ đề cập đến kết quả phân loại dựa trên từng loại bệnh điện tim: nhịp xoang bình thường (NSR), rung tâm thất (VF) và nhịp tim nhanh thất (ventricular fibrillation - VT) thì nghiên cứu này đề cập đến việc phân loại hầu hết tất cả các loại bệnh tim dựa theo tiêu chuẩn ANSI/AAMI EC57:1998. Vì vậy luận văn này sẽ mang đến cái nhìn khái quát hơn trong phân loại tín hiệu điện tim.2 Các kết quả nghiên cứu quốc tế Có nhiều đề tài trên thế giới đã nghiên cứu về bệnh tim mạch, và một trong những nghiên cứu đó là phân loại tín hiệu điện tim sử dụng PCA, LDA, ICA và chuyển đổi wavelet rời rạc [5].
Trong nghiên cứu này, năm loại rối loạn nhịp tim theo khuyến cáo của Hiệp hội dụng cụ y tế (AAMI) đã được phân tích như sau: nhịp tim không lạc vị, nhịp tim supra-ventricular ectopic, nhịp tim ventricular ectopic, nhịp tim fusion, nhịp tim không nhận dạng được. Ba thuật toán giảm kích thước; phân tích thành phần chính (PCA), phân tích phân loại tuyến tính (LDA) và phân tích thành phần độc lập (ICA) đã được áp dụng độc lập dựa vào biến đổi wavelet rời rạc. Các tính năng giảm kích thước này đã được đưa vào bộ phân loại SVM, mạng nơ ron (NN) và phân loại mạng thần kinh xác suất (PNN) để chẩn đoán tự động. Tính năng ICA kết hợp với PNN hoạt động tốt hơn PCA và LDA.
Nó đã mang lại độ nhạy trung bình, độ đặc hiệu, giá trị tiên đoán dương (PPV) và độ chính xác 99,97%, 99,83%, 99,21% và 99,28% tương ứng sử dụng phương pháp xác nhận chéo 10 lần. Độ chính xác của nghiên cứu này khác cao và ưu điểm là so sánh được các phương pháp phân loại với nhau. Chính vì vậy tác giả luận văn đã thực hiện lại việc phân loại tín hiệu điện tim dựa trên phương pháp của nghiên cứu trên nhưng tách riêng dữ liệu huấn luyện và kiểm tra để thẩm định lại độ chính xác của bộ phân loại.3 Mục tiêu của đề tài Mục tiêu của đề tài là ứng dụng phương pháp học chuyển đổi trong nhận diện bệnh tim. Sau khi hoàn thành đề tài người thực hiện mong muốn áp dụng phương pháp học chuyển đổi để tăng độ chính xác của bộ phân loại tín hiệu điện tim ECG.
Bên cạnh đó để bộ phân loại đạt tối ưu người thực hiện đề tài muốn chứng minh được cần phải chuẩn hóa bộ dữ liệu đầu vào và nên thu thập đủ dữ liệu trên tất cả các dây điện cực của tín hiệu điện tim.4 Nhiệm vụ và giới hạn của đề tài 1.1 Nhiệm vụ của đề tài Dựa trên mục tiêu đã đề ra, tác giả đề tài cần phải thực hiện các nhiệm vụ sau đây đề hoàn thành đề tài: - Thu thập và xây dựng tập dữ liệu điện tim, chuyển đổi tín hiệu sang miền tần số dùng phương pháp DWT, giảm chiều dữ liệu dùng phương pháp PCA và LDA. Nhận dạng tín hiệu điện tim dùng phương pháp Neural Network không sử dụng phương pháp học chuyển đổi. - Ứng dụng hiệu ứng kéo theo để xây dựng lại tập dữ liệu, chuyển đổi tín hiệu sang miền tần số dùng phương pháp DWT, trích đặc trưng dùng phương pháp PCA, LDA. Nhận dạng tín hiệu điện tim dùng phương pháp Neural Network không sử dụng phương pháp học chuyển đổi.
- Ứng dụng hiệu ứng kéo theo để xây dựng lại tập dữ liệu, chuyển đổi tín hiệu sang miền tần số dùng phương pháp DWT, trích đặc trưng dùng phương pháp PCA và LDA. Nhận dạng tín hiệu điện tim dùng phương pháp Neural Network sử dụng phương pháp học chuyển đổi. - So sánh kết quả từ các trường hợp phân loại dựa theo ma trận nhầm lẫn (confusion matrix) và đường cong đặc tính ROC. - Tổng kết, viết bài báo khoa học và báo cáo.2 Giới hạn của đề tài - Chỉ dùng một bộ dữ liệu.
- Phương pháp phân loại chỉ dùng Neural Network. - Phương pháp LMNN cần một phần cứng có bộ vi xử lý với tốc độ và dung lượng lớn thì mới thực hiện trên bộ dữ liệu có nhiều mẫu là tăng độ chính xác của bộ phân loại.5 Phương pháp nghiên cứu Trên những kết quả nghiên cứu đã công bố trên bài báo hội nghị và tạp chí khoa học, các bộ phân loại tín hiệu ECG chỉ tập trung vào sử dụng phương pháp gì để phân loại ECG. Đồng thời với việc thu thập dữ liệu từ thực tế để phân loại là một vấn đề thực sự khó khăn với học viên không thuộc chuyên ngành y. Người thực hiện đề tài nhận thấy cần xây dựng bộ phân loại tín hiệu ECG từ những bộ phân loại đã được thực hiện theo các nghiên cứu trước đó và dữ liệu từ nguồn có sẵn.
Từ những lý do trên, hướng nghiên cứu đưa ra là: Sử dụng dữ liệu có sẵn qua bộ phân loại Neural Network và thực hiện các thí nghiệm để cân bằng tỷ lệ các nhóm bệnh trong cùng một bộ dữ liệu, thực hiện huấn luyện và kiểm tra trên cùng hoặc khác dây điện cực và cuối cùng là áp dụng phương pháp học chuyển đổi để nâng cao hiệu suất bộ phân loại tín hiệu điện tim. Việc phân tích và xử lý dữ liệu được thực hiện dựa trên phần mềm MATLAB, phiên bản R2017a.