Ứng dụng giải thuật di truyền (GA) để tối ưu tham số hệ mờ trong phân lớp tín hiệu điện tim

LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA<br /> <br /> <br /> ỨNG DỤNG GIẢI THUẬT DI TRUYỀN (GA) ĐỂ TỐI ƯU THAM SỐ<br /> HỆ MỜ TRONG PHÂN LỚP TÍN HIỆU ĐIỆN TIM<br /> APPLICATION OF GA FOR OPTIMISING PARAMETERS OF FUZZY<br /> SYSTEMS IN ECG CLASSIFICATION<br /> Hoàng Thị Ngọc Diệp, Trần Duy Khánh, Hoàng Thị An<br /> Email: hoangdiepdtth@gmail.com<br /> Trường Đại Học Sao Đỏ<br /> Ngày nhận bài: 16/2/2017<br /> Ngày nhận bài sửa sau phản biện: 6/11/2017<br /> Ngày chấp nhận đăng: 28/12/2017<br /> <br /> Tóm tắt<br /> <br /> Bài báo trình bày các bước xây dựng một mô hình phân lớp điện tim sử dụng hệ mờ không đơn trị<br /> (NSFLS). Đầu tiên, các tín hiệu điện tim được cho qua một khối tiền xử lý để loại nhiễu do môi trường<br /> ghi điện tâm đồ gây ra. Tín hiệu sau khi xử lý nhiễu sẽ được phân tích và trích rút các đặc trưng thích<br /> hợp. Các đặc trưng này là đầu vào của một hệ phân lớp mờ không đơn trị. Sau khi xác định cấu trúc<br /> của mô hình phân lớp, xây dựng các tham số của mô hình qua một quá trình học dựa vào tập dữ liệu<br /> huấn luyện. Cuối cùng, nhóm tác giả sử dụng giải thuật di truyền để tối ưu tham số hệ mờ nhằm thu<br /> được kết quả phân lớp tín hiệu điện tim tốt nhất.<br /> Từ khóa: Hệ mờ không đơn trị (NSFLS); giải thuật di truyền (GA); phân loại mẫu; phân lớp tín hiệu điện<br /> tim (ECG).<br /> Abstract<br /> The paper presents a method to construct a non-singleton fuzzy logic system (NSFLS) for ECG<br /> arrhythmic classification. The classifier is applied to distinguish normal sinus rhythm (NSR),<br /> ventricular fibrillation (VF) and ventricular tachycardia (VT). Two features of ECG signal, the average<br /> period and the pulse width, are inputs to the fuzzy classifier. The rule base used in the fuzzy system is<br /> constructed from training data. The generalized bell membership function is used to examine the<br /> performance of the classifier with different shapes of membership function. The results of experiments with<br /> data from the MIT-BIH Malignant Ventricular Arrhythmia Database show the viability of a non-singleton<br /> fuzzy system in ECG classification. Then, GA Optimisation of Non-Singleton Fuzzy Logic System for ECG<br /> Classification to obtain the best results.<br /> Keywords: Non-singleton fuzzy logic system (NSFLS); genetic algorithm (GA); pattern classification;<br /> electrocardiogram (ECG).<br /> <br /> 1. GIỚI THIỆU phân loại nhưng chúng đều có chung cấu trúc nền<br /> tảng và các bước khi thiết kế. Theo [8] các thành<br /> Trong thực tế có rất nhiều bài toán cần phân loại<br /> phần của một bộ phân loại và trình tự thiết kế bộ<br /> mẫu như bài toán phân loại ảnh khuôn mặt, phân<br /> phân loại được chỉ ra trên hình 1.<br /> loại văn bản, phát hiện lỗi trong các phân tích máy<br /> móc và y tế, phân loại chữ viết… Có rất nhiều vấn Bước trích chọn đặc trưng biến đổi dữ liệu đầu<br /> đề con người xử lý khá đơn giản. Trái lại, trong vào (trong không gian quan sát) thành các vectơ<br /> nhiều trường hợp, phương án sử dụng máy tính đặc trưng (trong không gian đặc trưng). Không<br /> đã chỉ ra mức độ khó của vấn đề. Tuy gặp nhiều gian đặc trưng có số chiều ít hơn nhiều so với<br /> khó khăn nhưng việc sử dụng máy tính trong các không gian quan sát. Bước tiếp theo là biến đổi<br /> bài toán nhận dạng mẫu ngày càng trở nên phổ từ không gian đặc trưng sang không gian quyết<br /> biến. Mục đích chính của việc phân loại mẫu là tự định được định nghĩa bởi tập các lớp (xác định).<br /> động trợ giúp con người khi phân tích khối lượng Một bộ phân loại hay một thuật toán sẽ sinh ra<br /> dữ liệu cực lớn và từ đó trích chọn ra những tri một phân hoạch của không gian đặc trưng bởi các<br /> thức hữu ích. Mặc dù có nhiều phương thức khi miền quyết định. Sau khi thiết kế bộ phân loại với<br /> <br /> <br /> Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 5<br />  NGHIÊN CỨU KHOA HỌC<br /> <br /> hiệu năng mong muốn, ta có thể sử dụng nó để loại mẫu và tiết kiệm chi phí tính toán. Nếu những<br /> phân loại các đối tượng mới. Điều này có nghĩa đặc trưng thừa hay không thích hợp ảnh hưởng<br /> là bộ phân loại sẽ gán từng vectơ đặc trưng trong đến hiệu năng cũng như chất lượng phân loại<br /> không gian đặc trưng với một lớp trong không mẫu, thậm chí có thể dẫn tới việc phân loại sai.<br /> gian quyết định. Do có nhiều cách lựa chọn thuật toán nên độ khó<br /> Trong bài toán phân loại mẫu, trích chọn đặc khi trích chọn đặc trưng cũng rất đa dạng. Hơn<br /> trưng là nhiệm vụ khó khăn nhất, quyết định đến nữa, trong các ứng dụng ta luôn phải đối mặt với<br /> độ chính xác của thuật toán. Khi trích chọn đặc nhiễu. Nguyên nhân của chúng là do nhiễu điện<br /> trưng cần lựa chọn những đặc trưng hữu ích để trong các thiết bị trích chọn hoặc thao tác các thiết<br /> tìm ra thuật toán học hiệu quả cho bài toán phân bị không đúng.<br /> Dữ liệuvào<br /> Dữ liệu vào<br /> Thu<br /> Thunhập dữdữ<br /> thập liệu<br /> <br /> <br /> Cảm biến<br /> Cảm biến<br /> Lựa chọn<br /> Lựa đặcđặc<br /> chọn trưng<br /> <br /> <br /> Tiền xử lýlý<br /> Tiền xử<br /> Lựa<br /> Lựachọn lớp<br /> chọ lớp<br /> <br /> <br /> <br /> Trích<br /> Trích chọn<br /> chọn đặcđặc<br /> trưng<br /> Huấnluyện<br /> Huấn luyện phân<br /> phân loại<br /> t<br /> <br /> Phân lớp<br /> Phân lớp Đánh<br /> Đánhgiágiá<br /> hiệu suất<br /> hiệu<br /> ấ<br /> <br /> <br /> Quyết<br /> Quyếtđịnh<br /> định Kết thúc<br /> Kết thúc<br /> <br /> a) b) b)<br /> a)<br /> Hình 1. a) Các thành phần của bộ phân loại; b) Trình tự thiết kế bộ phân loại sử dụng GA<br /> <br /> Đã có nhiều nghiên cứu để phân lớp tín hiệu điện đơn trị khi có nhiễu trong các đặc trưng được trích<br /> tim. Theo [3] với mô hình mờ sử dụng logic mờ chọn. Điều này rất hữu ích khi không thể tránh<br /> loại 2 khoảng đơn trị thì khả năng làm việc với khỏi sự nhập nhằng trong dữ liệu đầu vào [8].<br /> nhiễu hiệu quả chưa cao. Theo [9] sử dụng hệ mờ<br /> 2. GIẢI THUẬT DI TRUYỀN ÁP DỤNG VÀO BÀI<br /> loại hai khoảng và thuật toán VF - Filter Leakage<br /> TOÁN ECG<br /> thì khả năng phân lớp chưa tối ưu hóa hàm thuộc<br /> và cơ sở luật. Do đó, hệ mờ không đơn trị được 2.1. Bài toán ECG<br /> chọn vì nó thích hợp hơn hệ mờ đơn trị khi làm<br /> Bài toán phân lớp điện tim được mô tả theo sơ đồ<br /> việc với nhiễu. Giải thuật di truyền được dùng để<br /> tối ưu hóa đồng thời hàm thuộc và cơ sở luật. như hình 2, trong đó:<br /> Bài báo này trình bày khả năng của hệ mờ không - Đầu vào gồm hai đặc trưng: độ rộng xung (PW),<br /> đơn trị và giải thuật di truyền để xử lý nhiễu trong<br /> chu kỳ xung (T).<br /> các bài toán phân loại mẫu. Hiệu năng của các hệ<br /> thống đơn trị và không đơn trị được so sánh với - Đầu ra loại nhịp tim (phân làm ba lớp): NRS (nhịp<br /> nhau trong bài toán phân lớp điện tim. Các kết tim bình thường), VF (chứng rung tâm thất) và VT<br /> quả chỉ ra rằng giải thuật di truyền tốt hơn hệ mờ (chứng tim đập nhanh).<br /> <br /> <br /> 6 Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017<br />  LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA<br /> <br /> <br /> rn trong đó n = 1, 2, …, 9. Do vậy, tổng cộng 21<br /> Tín hiệu điện tim đầu vào tham số (3 chức năng thành viên × 2 tham số × 2<br /> biến đầu vào + 9 quy tắc) cần thiết để giải thuật di<br /> truyền điều chỉnh.<br /> + Mỗi tham số luật được mã hóa thành chuỗi<br /> Xử lý và trích rút đặc trưng của tín hiệu nhị phân 2-bit.<br /> + Mỗi tham số của hàm được mã hóa thành<br /> chuỗi nhị phân 8-bit.<br /> Do đó, chiều dài của chuỗi nhị phân là 114 bit<br /> Phân lớp tín hiệu (12x8+2x9=114 bit). Minh họa cấu trúc của nhiễm<br /> sắc thể (hình 3).<br /> <br /> <br /> Loạn nhịp tim<br /> <br /> Hình 2. Sơ đồ bài toán ECG Hình 3. Cấu trúc của nhiễm sắc thể<br /> Trong quá trình thẩm định thích hợp các tham số<br /> 2.2. Giải thuật di truyền<br /> phải được giải mã (kiểu hình đại diện).<br /> Giải thuật di truyền sử dụng các mã hóa nhị phân, + Tham số luật giải mã thành dãy số<br /> mỗi cá thể là một chuỗi bit, thông qua các toán tử nguyên 0-4.<br /> di truyền: chọn lọc, lai ghép, đột biến, tái tạo. + Tham số hàm giải mã thành số thực bằng<br /> procedure Genetic_Algorithm; cách sử dụng phương trình lập bản đồ tuyến tính<br /> như dưới đây [3]:<br /> begin Aq<br /> min max min (1)<br /> g p = Gq + (Gq − Gq ) ×<br /> t ← 0; 2N −1<br /> Khởi tạo thế hệ ban đầu P(t); trong đó: p và q: chuỗi gen tương ứng; gp biểu thị<br /> giá trị thực tế của các tham số qth; Aq biểu diễn các<br /> Đánh giá P(t) (theo hàm thích nghi); số nguyên đại diện là chuỗi gen N-bit; Gq<br /> max<br /> và<br /> repeat Gqmin biểu thị cho người dùng xác định giới hạn<br /> trên và dưới của gen tương ứng.<br /> t ← t + 1;<br /> 3. CẤU TRÚC CỦA MÔ HÌNH PHÂN LỚP MỜ<br /> Sinh ra thế hệ mới P(t) từ P(t-1) bởi<br /> SỬ DỤNG GA ĐỂ TỐI ƯU THAM SỐ<br /> • Chọn lọc<br /> Về cơ bản, kiến trúc chung của mô hình GA giống<br /> • Lai ghép với mô hình phân lớp loại hai khoảng. Tuy nhiên<br /> • Đột biến trong cấu trúc có thêm khối tiền xử lý và giảm bớt<br /> khối giảm loại và khử mờ.<br /> Đánh giá P(t);<br /> until Điều kiện kết thúc được thỏa mãn;<br /> end;<br /> <br /> 2.3. Giải thuật di truyền ứng dụng vào bài<br /> toán ECG<br /> Khi thiết kế một hệ mờ giải quyết bài toán ECG<br /> dùng giải thuật di truyền, đầu tiên là xem xét chiến<br /> lược trình bày và cách thức mã hóa hệ mờ vào<br /> nhiễm sắc thể. Trong thiết kế giải thuật di truyền<br /> ở bài báo này có hai đầu vào và mỗi đầu vào gồm<br /> hai biến x1 và x2 (có thể là độ rộng xung và chu<br /> kỳ hoăc độ rộng xung và biên độ) được phân chia<br /> thành ba hàm, do đó, có 12 tham số (vì 2 tham số<br /> x 2 đầu vào x 3 chức năng thành viên = 12 tham<br /> số). Giả sử không mất tính tổng quát và độ lệch<br /> tiêu chuẩn của hàm tham gia là mxi và σ xi , với<br /> l l<br /> <br /> i = 1, 2 và l = 1, 2, 3. Ngoài ra có 9 luật (3x3) trong Hình 4. Cấu trúc của một hệ phân loại mờ<br /> các quy tắc cơ sở, thêm kết quả phụ 9 tham số, sử dụng GA<br /> <br /> <br /> <br /> Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 7<br />  NGHIÊN CỨU KHOA HỌC<br /> <br /> 3.1. Khái niệm hệ mờ không đơn trị dữ liệu trong cửa sổ dài 4s à ta có n = 1000 mẫu<br /> có các giá trị Xi với i = 1, 2,.., 1000.<br /> Kaufman và Gupta [7] định nghĩa phép mờ hóa<br /> không đơn trị: Một bộ mờ hóa không đơn trị có Lấy x[m] là trung bình cộng các phần tử của mảng<br /> ′) 1(=<br /> dạng µ X i ( xi= i 1,..., p ) và µ X i ( xi ) giảm dần từ {Xi}. Tạo một mảng X’ bằng cách lấy giá trị của<br /> 1 khi xi xa dần xi′ . mỗi phần từ trừ đi Xm: X’i = {xi – xm}<br /> 3.2. Khối tiền xử lý Làm các công việc sau trên mảng X’:<br /> Xét một bộ phân loại, giả sử có thể có một số loại - Tính giá trị âm nhỏ nhất Vn và giá trị dương lớn<br /> nhiễu. Đầu tiên, các đầu vào của bộ phân loại có nhất Vp.<br /> thể bị hỏng. Các tín hiệu điện tim ghi được (đặc biệt - Tạo một phần chuỗi nhị phân: Nếu các phần<br /> là tín hiệu điện tim đo trên bề mặt) rất nhạy cảm với tử có giá trị trong khoảng (0