Hà Nội 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN THỊ ANH ĐÀO HỆ THỐNG XỬ LÝ TÍN HIỆU ĐIỆN NÃO TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH LUẬN ÁN TIẾN SĨ CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔN[.]
ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN THỊ ANH ĐÀO HỆ THỐNG XỬ LÝ TÍN HIỆU ĐIỆN NÃO TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH LUẬN ÁN TIẾN SĨ CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG Hà Nội - 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN THỊ ANH ĐÀO HỆ THỐNG XỬ LÝ TÍN HIỆU ĐIỆN NÃO TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH Chuyên ngành: Kỹ thuật Viễn thơng Mã số: 9510302.02 LUẬN ÁN TIẾN SĨ CƠNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS NGUYỄN LINH TRUNG Hà Nội - 2019 i LỜI CAM ĐOAN Tôi xin cam đoan luận án thực Những kết từ cơng trình tác giả khác mà tơi sử dụng luận án trích dẫn rõ ràng, cụ thể Các kết tính tốn, mơ trung thực Nếu có sai trái, tơi xin hồn toàn chịu trách nhiệm Hà Nội, ngày tháng 11 năm 2019 Nghiên cứu sinh Nguyễn Thị Anh Đào ii LỜI CẢM ƠN Trước tiên, xin bày tỏ trân trọng, lòng biết ơn sâu sắc đến thầy giáo, PGS TS Nguyễn Linh Trung, người tận tình hướng dẫn định hướng cho tơi thực cơng trình nghiên cứu Trong trình thực đề tài, thầy người động viên, hỗ trợ tận tình giúp đỡ lúc tơi cảm thấy khó khăn giúp vượt qua trở ngại Tôi xin gửi lời cảm ơn chân thành tới GS TS Karim Abed-Meraim, GS TS Boualem Boashash PGS TS Trần Đức Tân, Ths Lê Trung Thành, TS Nguyễn Việt Dũng, Ths Nguyễn Văn Lý, TS Lê Vũ Hà, Ths Đinh Văn Việt, Ths Nguyễn Thế Hồng Anh, Ths Trương Minh Chính, TS Trần Thị Thúy Quỳnh người góp phần hỗ trợ tơi chun mơn q trình làm luận án Tơi xin bày tỏ lịng biết ơn sâu sắc đến Bác sĩ, TS Hoàng Cẩm Tú, người tận tâm hỗ trợ tơi hồn thành liệu sử dụng luận án Tôi xin trân trọng cảm ơn Ban Giám hiệu Nhà trường, Khoa Điện tử-Viễn thơng, phịng Đào tạo Trường Đại học Công nghệ, Đại học Quốc Gia Hà Nội, giảng dạy, hướng dẫn tạo điều kiện giúp đỡ tôi; đặc biệt quan tâm, động viên TS Nguyễn Hồng Thịnh, người thực quan tâm đối xử với thành viên Trường Đại học Công nghệ Tôi xin bày tỏ trân trọng, lòng biết ơn sâu sắc tới Đảng ủy, Ban Giám hiệu Nhà trường, Khoa Điện tử viễn thơng, Phịng tổ chức cán Trường Đại học Kỹ thuật Hậu cần Công an Nhân dân; đặc biệt quan tâm, tạo điều kiện PGS TS Nguyễn Đăng Tiến, TS Nguyễn Văn Căn, TS Đặng Việt Xô, TS Đặng Văn Tuyên, TS Phạm Thị Thúy Hằng Ths Phạm Xuân Cảnh hỗ trợ, tạo điều kiện thuận lợi cho q trình thực đề tài Tơi xin cảm ơn người thân gia đình, đặc biệt chồng hỗ trợ nhiều vật chất tinh thần để tơi học tập đạt kết tốt thực thành công luận án iii Luận án hỗ trợ bởi: - Đề tài nghiên cứu khoa học mã số 102.02-2015.32 đề tài mã số 102.042019.14, Quỹ Phát triển khoa học công nghệ Quốc gia (National Foundation for Science and Technology Development - NAFOSTED) - Dữ liệu điện não đồ sử dụng luận án sử dụng từ kết đề tài nghiên cứu khoa học mã số QG.10.40, Đại học Quốc Gia Hà Nội Tôi xin chân thành cảm ơn! Hà Nội, ngày tháng 11 năm 2019 Nguyễn Thị Anh Đào iv MỤC LỤC Trang phụ bìa i Lời cam đoan ii Lời cảm ơn iii Mục lục Danh mục ký hiệu chữ viết tắt Danh mục bảng Danh mục hình vẽ 11 MỞ ĐẦU 15 CHƯƠNG CƠ SỞ VÀ TỔNG QUAN 26 1.1 Giới thiệu 26 1.2 Điện não đồ 26 1.3 Động kinh 27 1.4 Chuẩn đo quốc tế 10-20 29 1.5 Cơ sở liệu EEG sử dụng luận án 30 1.5.1 Đo đạc thu thập liệu 30 1.5.2 Tiền xử lý liệu EEG 32 1.5.3 Cơ sở liệu EEG 33 1.6 Ma trận đánh giá 33 1.7 Đường cong ROC 36 1.8 Các khái niệm ten-xơ 38 1.9 Phân tích ten-xơ 42 1.9.1 Phân tích CP 42 1.9.2 Phân tích Tucker 43 1.10.Xấp xỉ hạng thấp đa tuyến tính cho ten-xơ 44 1.10.1 Phân tích CP 45 1.10.2 Phân tích Tucker 45 1.10.3 Phân tích ten-xơ với ràng buộc khơng âm 46 1.10.4 Phân tích CP với ràng buộc khơng âm 48 1.10.5 Phân tích Tucker với ràng buộc không âm 48 1.11.Kết luận chương 49 CHƯƠNG HỆ THỐNG ĐA BƯỚC TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH ĐƠN KÊNH 51 2.1 Giới thiệu 51 2.2 Hệ thống đa bước tự động phát gai động kinh đơn kênh 52 2.2.1 Tiền xử lý 53 2.2.2 Trích xuất đặc trưng 57 2.2.3 Phân loại 59 2.2.4 Hệ chuyên gia 61 2.3 Đường cong ROC tổng hợp cho hệ thống đa bước 62 2.3.1 Sự phụ thuộc SEN p1 SPE q vào ngưỡng định 62 2.3.2 Ước lượng đường cong ROC tổng hợp cho hệ thống đa bước 66 2.4 Mô thảo luận 70 2.4.1 Dữ liệu 70 2.4.2 Ma trận đánh giá 70 2.4.3 Kết mô thảo luận 73 2.5 Kết luận chương 77 CHƯƠNG HỆ THỐNG ĐA BƯỚC TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH ĐA KÊNH DỰA TRÊN PHÂN TÍCH TEN-XƠ 80 3.1 Giới thiệu 80 3.2 Phương pháp xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho ten-xơ (SMLRAT) 81 3.2.1 Mối liên hệ SLRAM phân tích ten-xơ 81 3.2.2 Xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho ten-xơ 82 3.3 Hệ thống đa bước phát gai động kinh đa kênh dựa phân tích ten-xơ 85 3.3.1 Biểu diễn liệu 86 3.3.2 Trích xuất đặc trưng 87 3.3.3 Lựa chọn đặc trưng 91 3.3.4 Phân loại 92 3.4 Kết mô thảo luận 92 3.4.1 Biểu diễn liệu 93 3.4.2 Trích xuất đặc trưng 93 3.4.3 Lựa chọn đặc trưng 96 3.4.4 Phân loại 98 3.5 Phương pháp lựa chọn đặc trưng cho hệ thống đa bước phát gai động kinh đa kênh dựa phân tích ten-xơ 119 3.5.1 Phương pháp 119 3.5.2 Mô đánh giá 122 3.6 Kết nối với nghiên cứu liên quan 123 3.6.1 Kết nối với phân tích thành phần đồng thời 125 3.6.2 Kết nối với phân tích khơng gian đồng thời 125 3.6.3 Kết nối với phân tích thành phần đa tuyến tính 126 3.7 Kết luận chương 127 KẾT LUẬN VÀ KIẾN NGHỊ 129 DANH MỤC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN 132 TÀI LIỆU THAM KHẢO 134 PHỤ LỤC A CHỨNG MINH ĐỊNH LÝ 3.1 146 PHỤ LỤC B CHỨNG MINH HỆ QUẢ 147 PHỤ LỤC C CHỨNG MINH HỆ QUẢ 148 DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT Danh mục ký hiệu STT Ký hiệu Giải thích R Tập số thực RN Không gian véc-tơ thực N chiều chữ thường, chữ in nghiêng chữ hoa in hoa, ví dụ a, N Đại lượng vô hướng chữ thường in đậm, ví dụ a Đại lượng véc-tơ, thành phần véc-tơ a ký hiệu chữ in hoa in đậm, ví dụ U Ma trận, thành phần ma trận U ký hiệu uij chữ in hoa nghiêng in đậm, ví dụ X Ten-xơ, thành phần ten-xơ X ký hiệu xi1 i2 in 16 b d xX, Yy pq# trpq }A} } X} F xA, By 17 A`B Xếp chồng ten-xơ A với ten-xơ B 18 pk q Mode (chế độ) ma trận ten-xơ 10 11 12 13 14 15 Tích ngoại Tích Kronecker Tích Khatri-Rao Tích Hadamard Tích nội ten-xơ X ten-xơ Y Giả nghịch đảo ma trận pq Trace ma trận pq Chuẩn ten-xơ A Chuẩn Frobenius ten-xơ X Tích nội ten-xơ A v ten-x B cú cựng kớch thc Ôn 19 Apkq ten-xơ A bậc n Mode-k (chế độ k) ten-xơ A, k 20 A k U Phép nhân k-mode ten-xơ A với ma trận U 21 xi1 i2 iN Phần tử ten-xơ X P RI1 I2 IN 22 λ Ten-xơ đường chéo 23 rank pUk q Hạng ma trận Uk 24 G Ten-xơ lõi 25 tλiuri1 Các phần tử đường chéo ten-xơ lõi G 26 Λ Ma trận đường chéo 27 vecpUq Véc tơ hóa ma trận U 28 σ Độ lệch chuẩn 29 Σ Ma trận hiệp phương sai 30 γ p fi q Điểm Fisher đặc trưng fi 31 θ Ngưỡng định pDi , Si q ảnh Pi qua biến đổi h Do đó, ta thu đường cong ROC tổng hợp biểu diễn mối quan hệ TPR FPR Luận án đề xuất hai phương pháp Hình 2.9 Hàm phân bố mật độ xác suất phân bố Gauss phân bố Logistic -1 -3 Probit Logit -5 0.2 0.4 0.6 0.8 Hình 2.10 Hàm tích lũy đảo phân bố Logistic (hàm probit) phân bố Gauss (hàm logit) ước lượng đường cong ROC tổng hợp hệ thống đa bước dựa vào hai phân bố gồm phân bố Gauss sau: 67 f p xq ?1 2πσ e pxmq2 , (2.30) 2 (2.31) 2σ phân bố Logistic sau: f p xq e x m σ e σ x m σ Ý tưởng dựa vào sở hàm phân bố lỗi có xu hướng hội tụ tới phân bố Gauss dựa vào định lý giới hạn trung tâm Do đó, điểm tPi u không gian ROC đường không giảm không gian pD, S q biểu diễn hình 2.10 Mặt khác, ta thấy hình 2.9, phân bố Logistic chuẩn gần với phân bố Gauss Do đó, luận án đề xuất phương pháp ước lượng đường cong tổng hợp cho hệ thống đa bước dựa hàm phân bố Logistic hàm phân bố Gauss Nếu kết phương pháp dựa theo phân bố Logistic tương tự phương pháp dựa phân bố Gauss phương pháp ước lượng đường cong ROC tổng hợp sử dụng để kết hợp nghiên cứu độc lập xét nghiệm chẩn đoán lâm sàng [76, 113, 133] Hàm phân phối tích lũy đảo phân bố Gauss (hàm logit) phân bố Logistic (hàm probit) biểu diễn sau: logitpxq ln probitpxq ? x , 1x (2.32) 2erf1 p2x 1q, (2.33) hàm lỗi Gauss định nghĩa sau: erfpxq ?2π »x et dt Mối liên hệ hai hàm, biểu diễn hình 2.10, sau: logitpxq ? 2 ?π probitpxq, @x P r0, 1s (2.34) Do đó, phương pháp ước lượng đường cong ROC tổng hợp luận án đề xuất dựa phân bố Gauss phân bố Logistic sau: 68 Phương pháp ước lượng ROC tổng hợp dựa phân bố Gauss Luận án định nghĩa D S sau: D ?4π erf1p2 SEN 1q ?4π erf1p1 2SPEq, S ?4π erf1p2 SEN 1q ?4π erf1p1 2SPEq (2.35) Kết hợp phương trình (2.35) với phương trình (2.28) ta thu đường cong ROC tổng hợp không gian ROC sau: SEN 1 a 1 erf erf p1 2SPEq 1a ? b π 4p1 aq (2.36) Diện tích đường cong ROC tổng hợp tính sau: AUC 2 »1 a 1 erf erf p1 xq 1a ? b π dx 4p1 aq (2.37) Phương pháp ước lượng ROC tổng hợp dựa phân bố Logistic Luận án định nghĩa D S sau: SEN D ln SEN SEN S ln SEN SPE ln SPE , SPE ln SPE (2.38) (2.39) Tương tự phương pháp dựa phân bố Gauss, ta có đường cong ROC tổng hợp dựa phân bố Logistic sau: SEN eb{p1aq 1 SPE SPE p1 aq{p1aq (2.40) Diện tích đường cong ROC tổng hợp tính sau: AUC »1 eb{p1aq 69 1x x p1 aq{p1aq dx (2.41) 2.4 Mô thảo luận 2.4.1 Dữ liệu Tập liệu 17 bệnh nhân sử dụng luận án được chia thành hai tập liệu Một tập liệu để huấn luyện gồm 12 bệnh nhân biểu diễn bảng 2.1 tập liệu để kiểm tra gồm bệnh nhân biểu diễn bảng 2.2 Bệnh nhân 16 có ghi: 16a 16b Bảng 2.1 Tập liệu huấn luyện Bệnh nhân Giới tính Tuổi Thời gian ghi Gai động kinh Nam 19 phút 21 giây Nam 22 phút 25 giây 635 Nam 11 phút 24 giây 6 Nam 12 17 phút 49 giây 22 Nam 15 22 phút giây Nam 16 22 phút 58 giây 11 10 Nam 21 23 phút 57 giây 11 Nam 72 15 phút 26 giây 12 Nữ 10 17 phút giây 13 Nữ 13 18 phút 53 giây 14 Nữ 16 20 phút 14 giây 15 Nữ 20 14 phút 32 giây 324 2.4.2 Ma trận đánh giá Tỉ lệ dương tính thật (SEN) tỉ lệ âm tính thật (SPE) sử dụng để đánh giá chất lượng hệ thống đa bước tự động phát gai động kinh, định nghĩa [20] sau: SEN SPE TP 100, TP FN TN 100, TN FP (2.42) (2.43) Trong dương tính thật (TP) âm tính thật (TN) tương ứng số lượng 70 Bảng 2.2 Tập liệu kiểm tra Bệnh nhân Giới tính Tuổi Thời gian Gai động kinh Nam 11 phút 24 giây 16 Nam 11 16 phút 16 giây 351 Nam 20 27 phút 13 giây 16a Nữ 22 17 phút 56 giây 19 16b Nữ 22 phút 41 giây 17 Nữ 28 phút 31 giây 12 đỉnh hệ thống bác sĩ xác định gai động kinh gai khơng động kinh Dương tính giả (FP) số đỉnh mà hệ thống xác định gai động kinh bác sĩ lại coi đỉnh gai khơng động kinh, âm tính giả (FN) số đỉnh mà bác sĩ xác định gai động kinh hệ thống lại xác định gai không động kinh Để đánh giá chất lượng hệ thống, tỉ lệ dương tính thật (SEN) tính trung bình ghi theo phương pháp trình bày [20] Gọi Ti thời gian ghi ghi thứ i, Mi số gai động kinh đánh dấu bác sĩ Ci số gai phát xác Tỉ lệ dương tính thật ghi thứ i tính Ci {Mi Tỉ lệ dương tính thật tính trung bình N ghi tính theo phương pháp khác sau: Trung bình số học: SEN N ¸ Ci N i1 Mi Trung bình theo thời gian: SEN (2.44) N ¸ Ci N ° Mi Ti (2.45) Ti i i Tổng tỉ lệ dương tính thật trung bình: SEN N ° N ¸ Mi Ci (2.46) i i Trung bình theo thời gian/ kiện: SEN N ° Ti i1 Mi Mi i 71 N ¸ Ci Ti Mi (2.47) (a) Đoạn liệu EEG (b) Tất đỉnh (c) Các đỉnh nhỏ (d) Các đỉnh lại sau loại bỏ đỉnh nhỏ (e) Các đỉnh gai động kinh (f) Các gai động kinh Hình 2.11 Kết hệ thống tự động phát gai động kinh theo bước 72 2.4.3 Kết mô thảo luận Hiệu suất hệ thống đa bước tự động phát gai động kinh đơn kênh biểu diễn hình vẽ bảng thống kê Hình 2.11 minh họa kết hệ thống theo bước đoạn liệu EEG có độ dài 5.86 giây (tương đương với 1500 mẫu) Hình 2.11 (a) biểu diễn đoạn liệu EEG gốc; (b) tất đỉnh đoạn liệu; (c) đỉnh nhỏ; (d) đỉnh lại sau loại bỏ đỉnh nhỏ; (e) đỉnh gai động kinh (f) biểu diễn đỉnh hệ thống xác định gai động kinh so sánh gai động kinh xác định hệ thống gai động kinh đánh dấu bác sĩ Bảng 2.3 Kết phát gai động kinh hệ thống theo bước Bệnh nhân Tiền xử lý ANN Hệ chuyên gia all sig pos epil sure 1795728 1269227 36885 7160 6276 3701808 2388564 36361 4697 4357 1266464 477319 6975 945 840 16a 1120848 607211 13251 3827 3144 16b 1224816 979726 14226 4589 3683 17 2540528 1829433 24942 3913 3403 sig. đỉnh có ý nghĩa, pos đỉnh gai động kinh, epil gai động kinh Bảng 2.4 Tỉ lệ dương tính thật (SEN) tỉ lệ âm tính thật (SPE) Bệnh nhân Thời gian đo Gai TP FP FN TN SEN SPE 11 phút 24 giây 16 14 6262 30609 87.50 83.01 16 phút 16 giây 351 323 4034 28 32004 92.02 88.80 27 phút 13 giây 1 839 6135 100.00 87.97 16a 17 phút 56 giây 19 18 3126 10107 94.74 76.37 16b phút 41 giây 9 3674 10543 100.00 74.16 17 phút 31 giây 12 12 3391 21539 100.00 86.40 Bảng 2.3 biểu diễn số lượng gai động kinh phát hệ thống theo bước tập liệu kiểm tra gồm bệnh nhân Tỉ lệ dương tính thật tỉ lệ 73 Bảng 2.5 Tỉ lệ dương tính thật trung bình (SENtb ) theo phương pháp Phương pháp SENtb Trung bình số học 96.75 Trung bình theo thời gian 95.99 Tổng tỉ lệ dương tính thật trung bình 92.64 Trung bình theo thời gian/ kiện 99.38 Độ lệch chuẩn 2.77 âm tính thật biểu diễn bảng 2.4 Ta thấy tỉ lệ dương tính thật bệnh nhân khác (nhỏ 87.5% lớn 100%) Sự khác đặc trưng động kinh bệnh nhân, thấy điều bảng 2.4 thông qua độ dài ghi (thời gian đo) số gai động kinh (gai) Ví dụ, bệnh nhân #9 có gai động kinh ghi điện não đồ có độ dài 27 phút 13 giây bệnh nhân #5 có 351 gai động kinh ghi điện não đồ có độ dài 16 phút 16 giây Do đó, sử dụng phương pháp tính tỉ lệ dương tính thật trung bình theo thời gian/sự kiện phù hợp so với phương pháp cịn lại tính tỉ lệ dương tính thật trung bình Theo đó, tỉ lệ dương tính thật trung bình hệ thống đa bước tự động phát gai động kinh đơn kênh 99.38%, trình bày bảng 2.5 So sánh kết bảng 2.4 bảng 2.6 ta thấy hệ chuyên gia loại bỏ đáng kể số lượng giả gai, làm tăng tỉ lệ âm tính thật lên đáng kể Hình 2.12 biểu diễn đường cong ROC mạng ANN sử dụng hệ thống đa bước tự động phát gai động kinh Đường nét liền biểu diễn đường cong ROC tập liệu huấn luyện đường nét đứt biểu diễn đường cong ROC tập liệu kiểm tra Giá trị AUC (diện tích đường cong ROC) tập liệu huấn luyện 0.972 tập liệu kiểm tra 0.945 Luận án sử dụng giá trị ngưỡng mạng ANN 0.5 để đạt tỉ lệ dương tính thật (SEN) tỉ lệ âm tính thật (SPE) tốt nhất, ứng với điểm gần với điểm góc bên trái đường cong ROC Kết cho thấy, phân loại thực phân loại tốt (giá trị AUC ¡ 0.9) tập liệu huấn luyện tập liệu kiểm tra Dễ nhận thấy rằng, tất gai động kinh đánh dấu bác sĩ phát hệ thống đề xuất Tuy nhiên, nhược điểm hệ thống tất gai phát hệ thống 74 với gai mà bác sĩ đánh dấu Bảng 2.6 Kết hệ thống sau phân loại ANN chưa sử dụng hệ chuyên gia Bệnh nhân Thời gian đo Gai động kinh TP FP FN TN SEN SPE 11 phút 24 giây 16 14 7146 29725 87.50 80.60 16 phút 16 giây 351 323 4374 28 31664 92.02 87.86 27 phút 13 giây 1 944 6030 100.00 86.46 16a 17 phút 56 giây 19 19 3808 9424 100.00 71.22 16b phút 41 giây 9 4580 9637 100.00 67.78 17 phút 31 giây 12 12 3901 21029 100.00 84.35 Hình 2.12 Đường cong ROC mạng ANN tập liệu huấn luyện tập liệu kiểm tra Các điểm chấm đen hình 2.13 biểu diễn tập điểm (SEN, SPEq hệ thống đa bước tự động phát gai động kinh cách thay đổi hai ngưỡng định phân loại ANN hệ chuyên gia Tuy nhiên, quan sát hình 2.13 điểm chấm đen biểu diễn điểm (SEN, SPEq đường cong không giảm khoảng r0, 1s giống đường cong ROC cổ điển, đường 75 Hình 2.13 Đường cong ROC tổng hợp hệ thống đa bước tự động phát gai động kinh cong tập hợp tất điểm pSEN, SPEq hệ thống không biểu diễn hiệu suất hệ thống đa bước đề xuất tham số diện tích đường cong khơng sử dụng để đánh giá chất lượng hệ thống Do vậy, luận án đề xuất phương pháp ước lượng đường cong ROC tổng hợp hệ thống đa bước (mục 2.3) gồm phân loại ANN xếp chồng với hệ chuyên gia sử dụng hai ngưỡng định (ngưỡng định mạng ANN ngưỡng định hệ chuyên gia (ρ) dựa vào phân bố Gauss phân bố Logistic Đường cong ROC tổng hợp biểu diễn hình 2.13 tham số đánh giá biểu diễn bảng 2.7 Quan sát hình 2.13, hai đường cong ROC tổng hợp dựa theo phân bố Gauss phân bố Logistic tuân theo điểm pSEN, SPEq không gian ROC (đường cong ROC tổng hợp không giảm khoảng r0, 1s) Cả hai phương pháp ước lượng đường cong ROC tổng hợp hệ thống đa bước đưa kết tương tự với lỗi nhỏ ( 0.02) giá trị AUC 0.94 Phương pháp dựa phân bố Logistic cho đường cong ROC tổng hợp hệ thống đa bước phẳng phương pháp dựa phân bố Gauss cho giá trị AUC cao 76 Bảng 2.7 Kết ước lượng ROC tổng hợp hệ thống đa bước Phương pháp a b AUC Lỗi Dựa phân bố Gauss 0.24 3.8 0.9490 0.0157 Dựa phân bố Logistic 0.1 3.9 0.9376 0.0093 2.5 Kết luận chương Trong chương luận án đề xuất hệ thống đa bước tự động phát gai động kinh đơn kênh, hỗ trợ cho chẩn đoán bệnh động kinh, đặc biệt hữu ích Việt Nam nơi mà điều kiện ghi liệu điện não bị hạn chế Hệ thống bao gồm bước chính: tiền xử lý, trích xuất đặc trưng, phân loại hệ chuyên gia Ở bước, kỹ thuật khác phương pháp xử lý tín hiệu miền không gian, tần số, thời gian học máy sử dụng Cụ thể, lọc liệu thực giai đoạn tiền xử lý liệu, biến đổi sóng thực để trích xuất đặc trưng, mạng ANN sử dụng bước phân loại số quy tắc đơn giản sử dụng hệ chuyên gia Bước tiền xử lý hệ thống không loại bỏ gai động kinh tập liệu luận án sử dụng Hệ thống tự động phát gai động kinh đơn kênh có hiệu suất cao liệu thực tế bệnh nhân bị động kinh, liệu có nhiễu (nhiễu mắt nhiễu cơ) Các kết mô cho thấy biên độ gai động kinh lúc lớn biên độ tín hiệu liệu điện não đồ Trong thực tế, gai động kinh khó phân biệt với tín hiệu liệu điện não có biên độ nhỏ Trong trường hợp này, hệ chuyên gia luận án đề xuất loại bỏ nhầm gai động kinh số lượng giả gai lại sau hệ chuyên gia nhiều Đây hạn chế hệ thống đa bước phát gai động kinh đơn kênh, hạn chế tiếp tục nghiên cứu thời gian tới Ngoài ra, chương luận án đề xuất phương pháp để đánh giá chất lượng hệ thống phân loại đa bước sử dụng nhiều ngưỡng định đề xuất phương pháp ước lượng đường cong ROC tổng hợp dựa phân bố Gauss phân bố Logistic Hai phương pháp đề xuất chứng minh toán học thực nghiệm luận án với hệ thống đa bước tự động phát gai động kinh đơn kênh sử dụng liệu thực 17 bệnh nhân bị động kinh Các kết thực nghiệm cho thấy phương pháp đề xuất đáng tin cậy 77 Trong hệ thống đa bước phát gai động kinh trước [6, 81], giá trị SEN hệ thống tốt liệu số bệnh nhân Các kết khơng với tập liệu lớn Hệ thống đa bước tự động phát dạng động kinh đề xuất [81] sử dụng bước lọc thích nghi, biến đổi sóng con, mạng nơ-ron nhân tạo hệ chuyên gia Tín hiệu EEG phân tích sử dụng biến đổi sóng liên tục 32 thang tỉ lệ gai động kinh phát cách trích xuất đặc trưng gai thang tỉ lệ từ thang tỉ lệ đến thang tỉ lệ Hệ thống sử dụng hệ chuyên gia phức tạp, sử dụng thông tin cụ thể sau: i) gai sóng chậm gần nhau, sóng nhọn sóng chậm gần kết hợp tạo thành sóng phức hợp ii) sóng chậm kênh Fp1 Fp2 coi nhiễu mắt iii) đỉnh sóng động kinh thường khơng xuất thời điểm tất kênh ix)các sóng động kinh thường khơng xuất Giá trị diện tích đường cong ROC hệ thống AUC 0.95 giá trị SEN phát dạng động kinh (gai động kinh, sóng sắc phức hợp sóng gai) 92.4% Một hệ thống đa bước khác đề xuất bỏi Acir đồng nghiệp năm 2005 đề xuất hệ thống ba bước để phát dạng động kinh cách sử dụng mạng nơ-ron nhân tạo [6] Giá trị SEN trung bình hệ thống 89.1% Nghiên cứu không đưa giá trị AUC hệ thống Năm 2016, Johansen đồng nghiệp sử dụng kỹ thuật gọi mạng nơ-ron tích chập (CNN-Convolutional Neural Network) để phát dạng động kinh mà khơng áp dụng phương pháp trích xuất đặc trưng [64] Giá trị AUC đạt hệ thống 0.947 Tuy nhiên, nghiên cứu không đưa giá trị SEN Tải FULL (155 trang): https://bit.ly/3UEUgwz Dự phòng: fb.com/TaiHo123doc.net So với nghiên cứu khác, hệ thống đa bước tự động phát gai động kinh đơn kênh đề xuất chương sử dụng perceptron, biến đổi sóng liên tục với sóng mẹ Mexican hat sử dụng thang tỉ lệ thích hợp (từ thang tỉ lệ đến thang tỉ lệ 8) biến đổi sóng Do đó, hệ thống cần thời gian tính tốn hơn, giá trị SEN AUC hệ thống tương ứng 99.38% 0.947, tương ứng Dữ liệu EEG sử dụng luận án đánh dấu gai động kinh bác sĩ có kinh nghiệm sau sử dụng để huấn luyện mạng ANN Nếu bác sĩ không nhận dạng gai động kinh dẫn đến kết hệ thống khơng xác Do đó, chất lượng hệ thống tăng có thêm bác sĩ đánh dấu gai động kinh 78 Các nội dung liên quan chương cơng bố cơng trình [1, 2] danh mục cơng trình cơng bố 79 CHƯƠNG HỆ THỐNG ĐA BƯỚC TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH ĐA KÊNH DỰA TRÊN PHÂN TÍCH TEN-XƠ 3.1 Giới thiệu Tải FULL (155 trang): https://bit.ly/3UEUgwz Dự phòng: fb.com/TaiHo123doc.net Hiện nay, hầu hết nghiên cứu để phát gai động kinh tập trung vào phân tích tín hiệu EEG đơn kênh, tức tín hiệu EEG thu từ điện cực (kênh) Tuy nhiên, ghi điện não đồ tín hiệu thu đồng thời từ nhiều kênh, tạo thành tín hiệu EEG đa kênh Do dấu hiệu động kinh thường gây vùng tổn thương não nên số kênh gần thu dấu hiệu động kinh khoảng thời gian Do đó, phân tích đa kênh tăng hiệu việc phát gai động kinh Hiện tại, có cơng trình nghiên cứu để phát gai động kinh sử dụng phân tích tín hiệu EEG đa kênh đồng thời [60] cách sử dụng biến đổi sóng Vì vậy, luận án đặt vấn đề nghiên cứu hệ thống phân tích tín hiệu EEG đa kênh để phát gai động kinh tự động, hỗ trợ bác sĩ chẩn đoán bệnh động kinh Tín hiệu EEG đa kênh biểu diễn tự nhiên ma trận (khi xét miền thời gian kênh) ten-xơ (khi xét số chiều lớn 2, ví dụ thời gian, tần số, khơng gian (kênh), đối tượng, nhóm, ) Tính đến nay, có nhiều nghiên cứu sử dụng phân tích ten-xơ cho tín hiệu EEG nói chung xung động kinh nói riêng [1, 8, 25, 32, 33, 58, 93, 100, 111] Tuy nhiên, chưa có cơng trình nghiên cứu sử dụng phân tích ten-xơ để phát gai động kinh Do đó, luận án đặt vấn đề nghiên cứu hệ thống phân tích tín hiệu EEG đa kênh sử dụng phương pháp phân tích ten-xơ để trích xuất đặc trưng gai động kinh để phát gai động kinh tự động Đầu tiên, chương trình bày tốn xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho ten-xơ (SMLRAT) chứng minh tốn thu nghiệm tối ưu địa phương cách sử dụng hai thuật toán phân tích ten-xơ thơng dụng HOSVD and Tucker-ALS Các nội dung trình bày mục 3.2 80 phần PHỤ LỤC Tiếp theo, luận án đề xuất hệ thống phát gai động kinh tự động đa kênh dựa SMLRAT mục 3.3 Mục 3.4 trình bày kết mô đánh giá hệ thống đa bước tự động phát gai động kinh đa kênh đề xuất Để cải tiến bước bước lựa chọn đặc trưng hệ thống đề xuất mục 3.3, luận án đề xuất phương pháp lựa chọn đặc trưng kết hợp hai phương pháp lựa chọn đặc trưng thông dụng điểm Fishser trị số p cách sử dụng thuật tốn tìm chuỗi chung lớn Nội dung trình bày mục 3.5 Sự kết nối toán SMLRAT với nghiên cứu liên quan trình bày mục 3.6 Cuối cùng, mục 3.7 nêu kết luận chương 3.2 Phương pháp xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho ten-xơ (SMLRAT) Trong phần này, luận án trình bày kết nối SLRAM phương pháp phân tích ten-xơ ba chiều (tức HOSVD Tucker-ALS) Trên sở kết nối này, luận án đề xuất phương pháp mở rộng cho SMLRAT, ten-xơ ràng buộc không âm 3.2.1 Mối liên hệ SLRAM phân tích ten-xơ P RI I , tìm r r N ma trận tFi uN i1 , Fi P R Bài toán SLRAM [132] Cho tập gồm N ma trận tXi uN i1 , Xi hai ma trận trực giao U1 P RI r 1 P RI r U2 2 2 cho U1 Fi UT2 xấp xỉ tốt Xi Việc giải toán SLRAM tương đương với việc tìm nghiệm phương trình: arg t u fSLRAM Fi N i ,U1 ,U2 s.t N ¸ }Xi U1FiUT2 }2 i UT1 U1 (3.1) Ir , UT2 U2 Ir Luận án định nghĩa ten-xơ bậc X P RI J N xếp chồng ma trận Xi , Xi lát X:,:,i ten-xơ X Do ten-xơ X biểu diễn sau: X X1 ` X2 ` XN Theo [30, 75], SLRAM trường hợp đặc biệt Tucker-ALS [108, Định lý 4.1] Tucker-ALS đưa nghiệm tối ưu địa phương phương trình (1.38) Trên sở đó, luận án đưa Hệ 1, trình bày mối liên hệ SLRAM Tucker-ALS, đưa xấp xỉ tốt cho toán SLRAM dựa thuật toán lặp 81 6813499