Luận án Tiến sĩ Kỹ thuật Điện tử: Phân tích tín hiệu điện tim cho việc cải thiện trong chẩn đoán bệnh tim

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:162

Thêm vào BST

Báo xấu

12
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Luận án Tiến sĩ Kỹ thuật Điện tử "Phân tích tín hiệu điện tim cho việc cải thiện trong chẩn đoán bệnh tim" trình bày các nội dung chính sau: Cơ sở lý thuyết đã được sử dụng để xử lý và phân loại bệnh tim từ tín hiệu điện tim ECG; Giải thuật WDFR cho lọc nhiễu của tín hiệu điện tim và tách nhịp tim; Trích đặc trưng tín hiệu điện tim dùng giải thuật wkPCA cho phân loại bệnh; Tính toán kích thước kernel của các lớp tích chập trong mạng học sâu cho phân loại bệnh tim và ứng dụng mạng đề xuất vào hệ thống phân loại bệnh từ xa.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận án Tiến sĩ Kỹ thuật Điện tử: Phân tích tín hiệu điện tim cho việc cải thiện trong chẩn đoán bệnh tim

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN THANH NGHĨA PHÂN TÍCH TÍN HIỆU ĐIỆN TIM CHO VIỆC CẢI THIỆN TRONG CHẨN ĐOÁN BỆNH TIM LUẬN ÁN TIẾN SĨ NGÀNH: KỸ THUẬT ĐIỆN TỬ Tp. Hồ Chí Minh, tháng 06/2022
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN THANH NGHĨA PHÂN TÍCH TÍN HIỆU ĐIỆN TIM CHO VIỆC CẢI THIỆN TRONG CHẨN ĐOÁN BỆNH TIM NGÀNH: KỸ THUẬT ĐIỆN TỬ - 9520203 Hướng dẫn khoa học: PGS.TS. NGUYỄN THANH HẢI Phản biện 1: Phản biện 2: Phản biện 3: Tp. Hồ Chí Minh, tháng 06/2022
QUYẾT ĐỊNH GIAO ĐỀ TÀI QUYẾT ĐỊNH GIAO ĐỀ TÀI Trang – iii –
LÝ LỊCH CÁ NHÂN LÝ LỊCH CÁ NHÂN I. THÔNG TIN CÁ NHÂN: Họ và tên: Nguyễn Thanh Nghĩa Giới tính: Nam Ngày, tháng, năm sinh: 14 -12-1984 Nơi sinh: Bình Định Địa chỉ nhà: số nhà 124/10 khu phố Đông B, phường Đông Hòa, thành phố Dĩ An, tỉnh Bình Dương. Điện thoại: 0901788455 E-mail: nghiant@hcmute.edu.vn Cơ quan - nơi làm việc: Trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh. Địa chỉ cơ quan: 01 Võ Văn Ngân, Quận Thủ Đức, Thành Phố Hồ Chí Minh. Điện thoại: (+84.8) 37225766; Website: www.hcmute.edu.vn II. QUÁ TRÌNH ĐÀO TẠO: - Từ 2002 – 2007: Sinh viên ngành Kỹ thuật điện – điện tử, Truờng Đại học Sư phạm Kỹ thuật Tp.HCM. - Từ 2009 – 2012: Học viên cao học ngành Kỹ thuật điện tử, Truờng Đại học Sư phạm Kỹ thuật Tp.HCM. - Từ 2016 – nay: Nghiên cứu sinh ngành Kỹ thuật điện tử, Truờng Đại học Sư phạm Kỹ thuật Tp.HCM. III. QUÁ TRÌNH CÔNG TÁC: Thời gian Nơi công tác Công việc đảm nhiệm 03/2007 - 3/2010 Công Ty Wonderful Saigon Electrics Kỹ sư lập trình 4/2010 -10/2017 Trường Cao Đẳng Kỹ Thuật Cao Thắng Giảng viên Trường Đại Học Sư Phạm Kỹ Thuật Thành 11/2017- nay Giảng viên Phố Hồ Chí Minh Tp. Hồ Chí Minh, ngày 10 tháng 06 năm 2022 NGUYỄN THANH NGHĨA Trang – iv –
LỜI CAM ĐOAN LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được công bố trong bất kỳ công trình nào khác Tp. Hồ Chí Minh, ngày 10 tháng 06 năm 2022 NGUYỄN THANH NGHĨA Trang – v –
LỜI CẢM TẠ LỜI CẢM TẠ Trước tiên, tôi xin gửi lời cảm ơn chân thành và sâu sắc đến Thầy PGS.TS. Nguyễn Thanh Hải, người Thầy luôn rất nhiệt tình và tận tâm hướng dẫn tôi trong thời gian thực hiện luận án. Hơn nữa, trong suốt quá trình thực hiện từ lúc lập đề cương cho đến khi thực hiện luận án, Thầy luôn có những góp ý và định hướng giúp tôi đạt được những kết quả tốt nhất. Tôi xin gửi lời cảm ơn đến Ban Giám Hiệu Trường Đại Học SPKT Tp.HCM. Cảm ơn Ban Chủ Nhiệm Khoa Điện – Điện tử, những Thầy/Cô và đồng nghiệp của tôi ở Khoa Điện – Điện tử đã hỗ trợ trong quá trình thực hiện luận án này. Cuối cùng, tôi cũng xin được gửi lời biết ơn sâu sắc đến gia đình tôi, những người đã luôn là chỗ dựa tinh thần, là nguồn động viên vô cùng to lớn trong những lúc khó khăn, giúp tôi có thể an tâm thực hiện công việc học tập và nghiêm cứu của mình trong suốt thời gian thực hiện luận án. Xin chân thành cảm ơn! Tp. Hồ Chí Minh, ngày 10 tháng 06 năm 2022 NGUYỄN THANH NGHĨA Trang – vi –
TÓM TẮT TÓM TẮT Phân loại bệnh tim dựa vào tín hiệu điện tim với độ chính xác cao có thể giúp đỡ các bác sĩ chẩn đoán sớm và đưa ra các quyết định chính xác hơn nhằm chữa trị tốt nhất có thể cho bệnh nhân. Cụ thể, để nâng cao hiệu suất phân loại thì hệ thống phân loại có thể được xây dựng gồm tập dữ liệu, tiền xử lý và lọc nhiễu, trích đặc trưng và phân loại bệnh đều cần được xem xét và cải thiện. Luận án này sử dụng tập dữ liệu điện tim có sẵn đã được công bố trên website và được các nhà khoa học sử dụng để nghiên cứu. Do đó, luận án tập trung vào nghiên cứu và đưa ra các giải pháp mới trong công đoạn tiền xử lý và lọc nhiễu, trích đặc trưng và phân loại bệnh để nâng cao hiệu suất phân loại bệnh tim. Trong những năm gần đây, đã có nhiều nghiên cứu liên quan đến hệ thống phân loại bệnh tim được thực hiện bởi các nhà khoa học trên thế giới sử dụng tập dữ liệu điện tim có sẵn trên webiste. Hơn nữa, các nghiên cứu này tập trung vào các phương pháp lọc nhiễu của tín hiệu điện tim, trích xuất những đặc trưng của tín hiệu nhịp tim, kiến nghị và áp dụng các bộ phân loại thực hiện phân loại và nâng cao hiệu xuất phân loại bệnh tim. Những nghiên cứu này cũng đã thu được những hiệu quả đáng kể và đóng góp đáng kể vào quá trình ứng dụng phân loại bệnh tim. Từ đó, luận án này tiếp tục nghiên cứu, phát triển và đưa ra những phương pháp mới để nâng cao hơn nữa độ chính xác của việc phân loại bệnh tim dựa vào tín hiệu điện tim ECG. Tín hiệu điện tim có biên độ nhỏ và tồn tại nhiều loại nhiễu như nhiễu của đường dây điện từ nguồn cung cấp, nhiễu do lệch đường cơ và nhiều loại nhiễu khác. Do đó, luận án này kiến nghị giải thuật phân rã – lọc nhiễu – khôi phục (WDFR) để loại bỏ những thành phần nhiễu của tín hiệu điện tim. Cụ thể, trong giải thuật WDFR, tín hiệu điện tim được phân rã thành các thành phần sóng con với các dãi tần số khác nhau sử dụng biến đổi wavelet. Sau đó, các thành phần sóng con đã được loại bỏ nhiễu sẽ được khôi phục lại thành tín hiệu điện tim. Tín hiệu điện tim sau khi được lọc nhiễu sẽ được xác định vị trí của các đỉnh R dùng thuật toán Pan-Tompskin để tách ra từng nhịp tim cho trích đặc trưng và phân loại chính xác hơn. Trang – vii –
TÓM TẮT Các đặc trưng trong tín hiệu nhịp tim cần được trích xuất tốt nhất để nâng cao hiệu suất phân loại bệnh tim. Luận án này đề xuất giải thuật trích đặc trưng tín hiệu nhịp tim dựa vào phương pháp phân tích thành phần chính của tín hiệu nhịp tim sau biến đổi wavelet và áp dụng kernel (wkPCA) nhằm nâng cao hiệu suất phân loại bệnh tim. Trong giải thuật wkPCA, tín hiệu nhịp tim sau khi phân rã sẽ được ánh xạ sang miền không gian mới sử dụng kernel đồng thời trích được nhiều đặc trưng nhất có thể. Để đánh giá hiệu quả của phương pháp trích đặc trưng, một mạng truyền thẳng bốn lớp được xây dựng để phân loại bệnh tim từ các đặc trưng thu được dùng wkPCA. Độ chính xác bộ phân loại bệnh tim sử dụng phương pháp wkPCA là khá tốt, chứng tỏ phương pháp trích đặc trưng được đề xuất là phù hợp. Để nâng cao hơn nữa độ chính xác của hệ thống phân loại thì bộ phân loại cũng cần được nghiên cứu và phát triển. Luận án này cũng nghiên cứu và kiến nghị để phát triển một mạng học sâu nhằm phân loại bệnh tim chính xác hơn. Cụ thể, luận án đề xuất phương pháp tính tham số kernel của các lớp tích chập trong mạng học sâu dựa vào các thành phần sóng con trong tín hiệu nhịp tim. Từ phương pháp tính kernel trong các lớp tích chập được đề xuất, mô hình mạng học sâu được cấu hình với những lớp tích chập phù hợp cho việc phân loại đạt hiệu suất cao. Cụ thể, với thuật toán cho xây dựng những kernel thì việc trích xuất gần như toàn bộ đặc trưng nhịp tim và điều này sẽ nâng cao độ chính xác của bộ phân loại bệnh tim. Từ những kết quả này, bộ phân loại có thể được áp dụng để phân loại các loại bệnh tim từ xa sử dụng máy tính chủ. Bộ phân loại sẽ được cài đặt trên máy tính chủ và bác sĩ có thể tải tín hiệu điện tim của bệnh nhân lên hệ thống để thu nhận kết quả phân loại bệnh tim từ hệ thống. Hiệu quả của các phương pháp đề xuất đã được chứng minh qua các kết quả thực nghiệm. Phương pháp nghiên cứu và kết quả thu được trong luận án này đã được đăng trong các kỷ yếu hội thảo khoa học và tạp chí khoa học. Kết quả nghiên cứu có thể làm tiền đề để phát triển và xây dựng một thiết bị đo và phân loại bệnh tim cầm tay hoặc một hệ thống máy tính chủ để phân loại bệnh tim từ xa. Trang – viii –
TÓM TẮT ABSTRACT Classifying heart disease based on ECG signals with high accuracy can help doctors to diagnose early and make more accurate decisions for effective treatment. In practice, for improving classification peroformance, a classification system can be built with heart disease datasets and processing methods such as, preprocessing and noise filtering, features extraction, and heart disease classification. This thesis uses ECG datasets with different heart diseases on the website for research. In addition, from these datasets, the thesis focuses on proposing new methods for the objective of increasing the classification performance, particularly after preprocessing, the optimal methods of noise filtering, features extraction, and heart disease classification are proposed in this thesis. In recent years, there have been many studies related to heart disease classification systems using ECG datasets with different heart diseases. Furthermore, these studies focus on methods of filtering noises, extracting features, proposing and applying heart disease classifiers for the objective of improving the performance of heart disease classification. Therefore, there have been significant contributions for applying heart disease classification. In this thesis, we developed and proposed new methods for further improving the accuracy of heart disease classification based on ECG signals. ECG signal has a small amplitude with many types of different noise and artifacts. Therefore, this thesis proposed a WDFR algorithm to remove unwanted components in the ECG signal. In particular, the ECG signal is decomposed into approximation and detail components with different frequency ranges using a wavelet transform. Thus, the approximation and detail components without noises are restored to obtain the filtered ECG signal. From the filtered ECG signal, the position of the R peaks is determined using the Pan-Tompskin algorithm and then it is segmented to produce heartbeats for feature extraction. Trang – ix –
TÓM TẮT The best features of each heartbeat signal need to be extracted for improving the performance of heart disease classifier. In this thesis, a wavelet-based kernel construction (wkPCA) algorithm is proposed for heartbeat signal feature extraction. In the wkPCA algorithm, the heartbeat signal after decomposition will be mapped to the new spatial domain using a kernel and features of the kernel may be extracted as many as possible. To evaluate the effectiveness of this feature extraction method, a four-layer perceptron network with 3 hidden layers and 1 output layer was constructed for classifying heart diseases based on features obtained using the wkPCA algorithm. The accuracy of the heart disease classifier using the wkPCA features extraction method is quite good compared to previous methods. With big datasets of heart diseases, this thesis proposed to develop a deep learning network model, in which the optimal kernel for convolutional layer was proposed. In particular, kernels were built based on the sub-wave components in each heartbeat signal and this allows to extract features. From the proposed method of calculating the kernels in convolutional layers, the deep learning network model is configured with the suitable convolutional layers for the heart disease classification with the higher performance. From these results, the classifier can be applied to classify various types of heart disease remotely using a host computer. The classifier can be installed on the host computer and doctors can upload the patient's ECG signals to the system to get the heart disease classification results. The effectiveness of the proposed methods has been proven through experimental results and the scientific contributions related to the results have been published on conferences and journals. The contributions could be the premise for the development and application of heart disease classification devices or a host computer system for remote classification of heart disease. Trang – x –
MỤC LỤC MỤC LỤC QUYẾT ĐỊNH GIAO ĐỀ TÀI ............................................................................... iii LÝ LỊCH CÁ NHÂN ............................................................................................... iv LỜI CAM ĐOAN ...................................................................................................... v LỜI CẢM TẠ ........................................................................................................... vi TÓM TẮT ................................................................................................................vii ABSTRACT .............................................................................................................. ix MỤC LỤC ................................................................................................................. xi DANH SÁCH CÁC TỪ VIẾT TẮT ...................................................................... xv DANH SÁCH CÁC HÌNH..................................................................................... xvi DANH SÁCH CÁC BẢNG ..................................................................................... xx CHƯƠNG 1: .............................................................................................................. 1 TỔNG QUAN ............................................................................................................ 1 1.1 TÍNH CẤP THIẾT CỦA ĐỀ TÀI LUẬN ÁN .................................................1 1.2 MỤC TIÊU NGHIÊN CỨU CỦA LUẬN ÁN .................................................9 1.3 ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU..................................................9 1.4 CÁCH TIẾP CẬN VÀ PHƯƠNG PHÁP NGHIÊN CỨU.............................10 1.5 ĐÓNG GÓP VỀ KHOA HỌC CỦA LUẬN ÁN ...........................................10 1.6 CẤU TRÚC CỦA LUẬN ÁN ........................................................................12 CHƯƠNG 2: ............................................................................................................ 14 CƠ SỞ LÝ THUYẾT .............................................................................................. 14 2.1 TỔNG QUAN VỀ TÍN HIỆU ĐIỆN TIM .....................................................14 2.2 TẬP DỮ LIỆU ĐIỆN TIM ECG ....................................................................21 Trang – xi –
MỤC LỤC 2.3 TIỀN XỬ LÝ TÍN HIỆU ĐIỆN TIM .............................................................25 2.4 TRÍCH ĐẶC TRƯNG VÀ GIẢM CHIỀU TÍN HIỆU ĐIỆN TIM ...............28 2.4.1 Phương pháp biến đổi wavelet ....................................................................29 2.4.2 Phương pháp phân tích thành phần chính ...................................................31 2.5 PHÂN LOẠI BỆNH TIM DÙNG TÍN HIỆU ĐIỆN TIM .............................33 2.5.1 Phương pháp phân loại bệnh tim dùng tín hiệu ECG ..................................33 2.5.2 Phương pháp đánh giá hiệu suất phân loại bệnh tim ...................................39 CHƯƠNG 3: ............................................................................................................ 41 GIẢI THUẬT WDFR CHO LỌC NHIỄU CỦA TÍN HIỆU ĐIỆN TIM VÀ TÁCH NHỊP TIM ................................................................................................... 41 3.1 NGUỒN NHIỄU CỦA TÍN HIỆU ĐIỆN TIM ..............................................41 3.1.1 Nhiễu do nguồn cung cấp ............................................................................42 3.1.2 Nhiễu lệch đường cơ sở ...............................................................................42 3.1.3 Nhiễu điện cơ ...............................................................................................43 3.1.4 Các nhiễu khác.............................................................................................44 3.2 GIẢI THUẬT WDFR CHO LỌC NHIỄU TÍN HIỆU ĐIỆN TIM ................44 3.2.1 Giới thiệu các hàm wavelet sử dụng cho lọc nhiễu điện tim .......................44 3.2.2 Giải thuật WDFR được đề xuất để loại bỏ nhiễu ........................................46 3.3 PHƯƠNG PHÁP ĐÁNH GIÁ BỘ LỌC ........................................................51 3.3.1 Tỉ số tín hiệu trên nhiễu ...............................................................................51 3.3.2 Sai số toàn phương trung bình .....................................................................51 3.4 KẾT QUẢ LỌC NHIỄU TÍN HIỆU ECG .....................................................52 3.5 XÁC ĐỊNH VỊ TRÍ ĐỈNH R CỦA PHỨC HỢP QRS VÀ TÁCH TỪNG NHỊP TIM TỪ TÍN HIỆU ĐIỆN TIM ................................................................................63 3.5.1 Khái quát thuật toán Pan-Tompkin để xác định vị trí đỉnh R......................63 Trang – xii –
MỤC LỤC 3.5.2 Kết quả phát hiện đỉnh R trên tín hiệu ECG ................................................66 3.5.3 Tách từng nhịp tim từ tín hiệu điện tim .......................................................68 CHƯƠNG 4: ............................................................................................................ 71 TRÍCH ĐẶC TRƯNG TÍN HIỆU ĐIỆN TIM DÙNG GIẢI THUẬT wkPCA CHO PHÂN LOẠI BỆNH ...................................................................................... 71 4.1 GIỚI THIỆU PHƯƠNG PHÁP KERNEL .....................................................71 4.2 THUẬT TOÁN wkPCA ĐỂ TRÍCH ĐẶC TRƯNG TÍN HIỆU ĐIỆN TIM 74 4.3 PHÂN LOẠI BỆNH TIM DÙNG MẠNG NƠ-RON TRUYỀN THẲNG NHIỀU LỚP ..............................................................................................................81 4.4 ĐÁNH GIÁ HIỆU SUẤT BỘ PHÂN LOẠI ..................................................84 4.4.1 Đánh giá hiệu suất phân loại dùng ma trận nhầm lẫn .................................84 4.4.2 Đánh giá hiệu suất phân loại dùng đường cong ROC .................................85 4.5 KẾT QUẢ TRÍCH ĐẶC TRƯNG CÁC LOẠI BỆNH TIM DÙNG THUẬT TOÁN wkPCA ..........................................................................................................86 4.5.1 Kết quả phân rã dùng thuật toán WD ..........................................................86 4.5.2 Kết quả trích đặc trưng dùng thuật toán wKPCA........................................88 4.6 KẾT QUẢ PHÂN LOẠI BỆNH TIM DỰA VÀO PHƯƠNG PHÁP TRÍCH ĐẶC TRƯNG wkPCA VÀ MẠNG MLP ................................................................90 4.6.1 Lưu đồ giải thuật của hệ thống nhận dạng...................................................90 4.6.2 Mô hình mạng MLP được đề xuất để phân loại bệnh .................................91 4.6.3 Kết quả phân loại bệnh tim dùng mạng nơ-ron truyền thẳng nhiều lớp ......94 CHƯƠNG 5: .......................................................................................................... 102 TÍNH TOÁN KÍCH THƯỚC KERNEL CỦA CÁC LỚP TÍCH CHẬP TRONG MẠNG HỌC SÂU CHO PHÂN LOẠI BỆNH TIM ......................................... 102 Trang – xiii –
MỤC LỤC 5.1 TRÍCH ĐẶC TRƯNG DỰA VÀO CÁC LỚP TÍCH CHẬP TRONG MẠNG HỌC SÂU ...............................................................................................................102 5.2 CẤU TRÚC MẠNG HỌC SÂU CHO PHÂN LOẠI BỆNH TIM...............108 5.2.1 Hệ thống dùng mạng học sâu cho phân loại bệnh tim...............................108 5.2.2 Cấu trúc mạng học sâu cho phân loại bệnh tim .........................................109 5.2.3 Tính kích thước kernel trong các lớp tích chập .........................................110 5.3 KẾT QUẢ PHÂN LOẠI BỆNH DỰA VÀO MẠNG HỌC SÂU ...............114 5.3.1 Tác động của chiều dài một nhịp tim đến hiệu suất phân loại ..................118 5.3.2 Ảnh hưởng của hàm wavelet đến hiệu suất phân loại ...............................120 5.3.3 Ảnh hưởng của số lớp mạng tích tập đến độ chính xác của bộ phân loại .121 CHƯƠNG 6: .......................................................................................................... 127 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ........................................................... 127 6.1 KẾT LUẬN ...................................................................................................127 6.2 HƯỚNG PHÁT TRIỂN ................................................................................129 CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ ..................................................................... 130 CÁC CÔNG TRÌNH NGHIÊN CỨU KHÁC......................................................... 131 TÀI LIỆU THAM KHẢO ....................................................................................... 132 Trang – xiv –
DANH SÁCH CÁC TỪ VIẾT TẮT DANH SÁCH CÁC TỪ VIẾT TẮT Từ viết tắt Tiếng anh Tiếng việt BPM Beats per minute Nhịp tim trên phút BNN Backpropagation Neural Mạng nơ-ron lan truyền ngược Network BWN Baseline Wander Noise Nhiễu do lệch đường cơ sở CNN Convolutional Neural Network Mạng nơ-ron tích chập DNN Deep Neural Network Mạng nơ-ron học sâu DWT Discrete Wavelet Transform Biến đổi wavelet rời rạc ECG ElectroCardioGram Điện tâm đồ GA Genetic Algorithm Thuật toán di truyền MLP Multilayer perceptron Perceptron nhiều lớp MSE Mean Square Error Sai số toàn phương trung bình PLI Power Line Interference Nhiễu do nguồn cung cấp PCA Principal Component Analysis Phân tích thành phần chính RF Random Forest Rừng ngẫu nhiên ROC Receiver Operating Đặc tuyến hoạt động của bộ nhận Characteristic STFT Short-time Fourier transform Biến đổi Fourier trong thời gian ngắn SVM Support Vector Machine Máy véc tơ hỗ trợ WD Wavelet Decomposition Phân rã dùng wavelet WDFR Wavelet Decomposition - Phân rã dùng wavelet – Lọc – Khôi Filter - Reconstruction phục WHO World Health Organization Tổ chức y tế thế giới wkPCA wavelet kernel Principal Phân tích thành phần chính dựa vào Component Analysis kernel và wavelet WPCs Wavelet Packet Coefficients Các hệ số gói wavelet WPE Wavelet Packet Entropy Gói wavelet dùng entropy WPD Wavelet Packet Decomposition Phân rã dạng gói wavelet WR Wavelet Reconstruction Khôi phục dùng wavelet Trang – xv –
DANH SÁCH CÁC HÌNH DANH SÁCH CÁC HÌNH Hình 1.1. Sơ đồ xử lý cho việc phân loại bệnh tim từ tín hiệu điện tim ECG. .......... 8 Hình 2.1. Các thành phần cơ bản chứa đựng trong một nhịp tim. ........................... 15 Hình 2.2. Các dạng sơ đồ mắc điện cực trong quá trình thu thập tín hiệu điện tim dùng chuyển đạo gián tiếp......................................................................................... 19 Hình 2.3. Giấy chia ô dùng để ghi lại tín hiệu điện tim ECG. ................................. 20 Hình 2.4. Cách xác định biên độ và số lượng nhịp tim trên một phút của tín hiệu điện tim được in trên giấy chuyên dụng............................................................................ 20 Hình 2.5. Dạng sóng tín hiệu ECG của bệnh nhân được đánh số 117 thu thập từ tập dữ liệu MIT-BIH. ...................................................................................................... 21 Hình 3.1. Ảnh hưởng của nhiễu nguồn cung cấp lên tín hiệu điện tim ECG. .......... 42 Hình 3.2. Ảnh hưởng của nhiễu lệch đường cơ sở lên tín hiệu điện tim ECG. ....... 43 Hình 3.3. Ảnh hưởng của nhiễu điện cơ lên tín hiệu điện tim ECG. ....................... 44 Hình 3.4. Dạng sóng của các hàm wavelet gồm dmey, bior5.5, db4, sym1, bior1.3, và db1 được sử dụng để khảo sát việc lọc nhiễu tín hiệu điện tim. .......................... 45 Hình 3.5. Sơ đồ biểu diễn thuật toán phân rã dùng wavelet cho việc lọc nhiễu trên tín hiệu ECG. .................................................................................................................. 47 Hình 3.6. Ngưỡng cứng và ngưỡng mềm được sử dụng để loại bỏ nhiễu của tín hiệu điện tim. ..................................................................................................................... 50 Hình 3.7. Lưu đồ giải thuật của giải thuật WDFR cho quá trình lọc nhiễu. ............ 52 Hình 3.8. Tín hiệu điện tim ECG gốc và tín hiệu điện tim ECG được thêm nhiễu với tỷ số nhiễu 5dB.......................................................................................................... 53 Hình 3.9. Thành phần xấp xỉ và các thành phần chi tiết được vẽ ra sau khi áp dụng phương pháp phân rã dùng wavelet ở mức 8 với hàm wavelet “dmey”. .................. 55 Trang – xvi –
DANH SÁCH CÁC HÌNH Hình 3.10. Dạng sóng của các thành phần chi tiết và thành phần xấp xỉ sau khi đã áp dụng lọc nhiễu theo ngưỡng cứng và ngưỡng mềm. ................................................. 56 Hình 3.11. Dạng sóng của các thành phần chi tiết và thành phần xấp xỉ sau khi đã áp dụng lọc nhiễu theo ngưỡng cứng và ngưỡng mềm. ................................................. 56 Hình 3.12. Tín hiệu ECG gốc và tín hiệu ECG sau khi đã được lọc nhiễu với các hàm wavelet là dmey, bior5.5, db4, sym1, bior1.3, và db1. ............................................. 57 Hình 3.13. Mật độ phổ công suất của tín hiệu trước và sau khi lọc nhiễu đối với tín hiệu ECG từ tập dữ liệu MIT-BIH DB. .................................................................... 58 Hình 3.14. Dạng sóng của tín hiệu ECG gốc và tín hiệu ECG sau khi đã lọc nhiễu với các hàm wavelet được đề xuất và áp dụng trên dữ liệu ECG được thu thập tại phòng thí nghiệm Kỹ Thuật Y Sinh. ......................................................................... 58 Hình 3.15. Mật độ phổ công suất của tín hiệu ECG gốc và tín hiệu ECG sau khi đã lọc nhiễu với các hàm wavelet được đề xuất và áp dụng trên dữ liệu ECG được thu thập tại phòng thí nghiệm Kỹ Thuật Y Sinh. ............................................................ 60 Hình 3.16. Sơ đồ khối của thuật toán Pan-Tompkins được sử dụng để xác định phức hợp QRS. ................................................................................................................... 63 Hình 3.17. Vị trí đỉnh R trong phức hợp QRS được xác định cho tín hiệu ECG từ tập dữ iệu MIT-BIH DB. ................................................................................................. 66 Hình 3.18. Vị trí đỉnh R của phức hợp QRS được xác định cho tín hiệu ECG tự thu thập từ phòng thí nghiệm Kỹ Thuật Y Sinh. ............................................................. 67 Hình 3.19. Tách từng nhịp tim từ tín hiệu điện tim ECG thu thập từ tập dữ liệu MIT- BIH DB và đã được lọc nhiễu và xác định vị trí đỉnh R. .......................................... 68 Hình 3.20. Kết quả tách từng nhịp tim của tín hiệu điện tim ECG thu được tại phòng thí nghiệm.................................................................................................................. 69 Hình 4.1. Mô tả phương pháp kernel được thực hiện để chiếu dữ liệu từ miền không gian gốc ( X ) sang miền không gian mới ( Z )........................................................... 72 Trang – xvii –
DANH SÁCH CÁC HÌNH Hình 4.2. Sơ đồ khối của phương pháp wkPCA được đề xuất để trích đặc trưng tín hiệu ECG. .................................................................................................................. 75 Hình 4.3. Đồ thị tổng tích lũy của các thành phần đặc trưng trong thuật toán phân tích thành phần chính. ............................................................................................... 77 Hình 4.4. Đơn vị xử lý trong mạng nơ-ron nhân tạo. ............................................... 82 Hình 4.5. Mô tả đường cong ROC phục vụ cho việc đánh giá hiệu suất của hệ thống phân loại bệnh tim. .................................................................................................... 86 Hình 4.6. Dạng sóng nhịp tim của 5 loại bệnh tim (N, S, V, F, và Q) và dạng sóng của các hệ số wavelet tương ứng. ............................................................................. 88 Hình 4.7. Phân bố các đặc trưng của các loại bệnh tim trên tín hiệu nhịp tim trong miền không gian gốc. ................................................................................................ 89 Hình 4.8. Phân bố các đặc trưng của tín hiệu nhịp tim trong miền không gian mới sau khi áp dụng thuật toán wkPCA. ................................................................................ 90 Hình 4.9. Lưu đồ giải thuật cho quá trình phân loại bệnh tim sử dụng giải thuật wkPCA và mạng MLP. ............................................................................................. 91 Hình 4.10. Sơ đồ khối được sử dụng để phân loại bệnh kết hợp thuật toán wkPCA và mạng nơ-ron truyền thẳng nhiều lớp. ........................................................................ 91 Hình 4.11. Cấu trúc mạng nơ-ron truyền thẳng nhiều lớp được sử dụng để phân loại bệnh tim. .................................................................................................................... 92 Hình 4.12. Trình bày kết quả ma trận nhầm lẫn trong trường hợp phân loại bệnh tim sử dụng mạng nơ-ron truyền thẳng nhiều lớp. .......................................................... 97 Hình 4.13. Trình bày kết quả ma trận nhầm lẫn trong trường hợp phân loại bệnh tim sử dụng mạng nơ-ron truyền thẳng nhiều lớp. .......................................................... 98 Hình 5.1. Cấu trúc của một nơ-ron với n ngõ vào, một ngõ ra và hàm kích hoạt tương ứng. .......................................................................................................................... 103 Hình 5.2. Mô tả về cách tính tích chập cho tín hiệu 1 chiều được sử dụng trong mạng nơ-ron tích chập. ..................................................................................................... 104 Trang – xviii –
DANH SÁCH CÁC HÌNH Hình 5.3. Mô tả về cách tính tích chập cho tín hiệu 1 chiều với trường hợp có thêm zero padding vào tín hiệu gốc. ................................................................................ 105 Hình 5.4. Mô tả sự kết nối và cách tính toán của các lớp tích chập với các lớp truyền thẳng trong mạng học sâu. ...................................................................................... 106 Hình 5.5. Sơ đồ khối hệ thống ứng dụng mạng học sâu được đề xuất để phân loại bệnh tim. .................................................................................................................. 108 Hình 5.6. Cấu trúc mạng học sâu được đề xuất sử dụng để trích đặc trưng và phân loại bệnh tim. ........................................................................................................... 110 Hình 5.7. Lưu đồ giải thuật của hệ thống nhận dạng bệnh tim sử dụng cấu trúc mạng học sâu. .................................................................................................................... 114 Hình 5.8. Kết quả độ chính xác của hệ thống phân loại bệnh tim trong quá trình huấn luyện và giá trị của hàm mất mát tương ứng với các epoch. .................................. 116 Hình 5.9. Ma trận nhầm lẫn trong trường hợp phân loại bệnh dùng mạng học sâu. ................................................................................................................................. 117 Hình 5.10. So sánh hiệu suất phân loại với trường hợp số lớp tích chập thay đổi từ 1 đến 9 lớp. ................................................................................................................. 122 Trang – xix –
DANH SÁCH CÁC BẢNG DANH SÁCH CÁC BẢNG Bảng 2.1. Mô tả các ý nghĩa và thông tin thời gian của từng thành phần đặc trưng trong một nhịp tim. .................................................................................................... 18 Bảng 2.2. Bảng mô tả ý nghĩa của các kiểu định dạng dữ liệu tín hiệu điện tim theo định dạng MIT-BIH. ................................................................................................. 22 Bảng 2.3. Mô tả chi tiết các thông tin trên tập dữ liệu MIT-BIH DB. ..................... 23 Bảng 2.4. Bảng tham chiếu của các loại bệnh tim theo chuẩn MIT-BIH và theo chuẩn ANSI-AAMI EC57-2012. ......................................................................................... 25 Bảng 2.5. Thống kê các hệ thống phân loại bệnh tim cùng với hiệu suất thu được trong các nghiên cứu trước đây. ................................................................................ 34 Bảng 3.1. Các thành phần tần số của tín hiệu ECG sau khi áp dụng thuật toán phân rã WD. ....................................................................................................................... 54 Bảng 3.2. Bảng giá trị các tham số đánh giá hiệu suất bộ lọc sau khi được áp dụng trên tập dữ liệu nhịp tim MIT-BIH. .......................................................................... 61 Bảng 3.3. Bảng giá trị các tham số đánh giá hiệu suất bộ lọc sau khi được áp dụng trên tập dữ liệu nhịp tim được tác giả tự thu thập ..................................................... 62 Bảng 4.1. Ma trận nhầm lẫn cho trường hợp nhiều loại bệnh. ................................. 84 Bảng 4.2. Mô tả số lượng nhịp tim của các loại bệnh tim được sử dụng để kiểm tra hiệu suất của hệ thống phân loại được đề xuất. ........................................................ 93 Bảng 4.3. Phân bố dữ liệu huấn luyện và dữ liệu kiểm tra để đánh giá hiệu suất của bộ phân loại. .............................................................................................................. 94 Bảng 4.4. Các tham số được sử dụng trong cấu trúc mạng nơ-ron cho việc phân loại bệnh tim. .................................................................................................................... 95 Bảng 4.5. Giá trị của tham số kernel cho hàm kernel Gaussian được áp dụng để tính toán giá trị tốt nhất của bộ phân loại ......................................................................... 96 Trang – xx –