NGHIÊN CỨU CẤU TRÚC GIẤC NGỦ Ở NGƯỜI TRƯỞNG THÀNH SỬ DỤNG TÍN HIỆU ĐIỆN NÃO ĐƠN KÊNH TÓM TẮT LUẬN ÁN TIẾN SĨ

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA LÊ QUỐC KHẢI NGHIÊN CỨU CẤU TRÚC GIẤC NGỦ Ở NGƯỜI TRƯỞNG THÀNH SỬ DỤNG TÍN HIỆU ĐIỆN NÃO ĐƠN KÊNH Ngành: Vật lý kỹ thuật Mã số ngành: 62520401 TÓM TẮT LUẬN ÁN TIẾN SĨ TP HỒ CHÍ MINH - NĂM 2022 Cơng trình hồn thành Trường Đại học Bách Khoa – ĐHQG-HCM Người hướng dẫn 1: PGS TS Huỳnh Quang Linh Người hướng dẫn 2: TS Lý Anh Tú Phản biện độc lập 1: Phản biện độc lập 2: Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng đánh giá luận án họp vào lúc ngày tháng năm Có thể tìm hiểu luận án thư viện: - Thư viện Trường Đại học Bách Khoa – ĐHQG-HCM - Thư viện Đại học Quốc gia Tp.HCM - Thư viện Khoa học Tổng hợp Tp.HCM DANH MỤC CƠNG TRÌNH ĐÃ CƠNG BỐ Tạp chí quốc tế Minh Tran Duc Nguyen, Nhi Yen Phan Xuan, Bao Minh Pham, TrungHau Nguyen, Quang-Linh Huynh and Quoc Khai Le, “Evaluating the Motor Imagery Classification Performance of a Double-Layered Feature Selection on Two Different-Sized Datasets”, Applied Sciences (ISSN: 2076-3417, IF: 2.838, JCR: Q2), vol 11, no 21, p 10388, Nov 2021, doi: 10.3390/app112110388 Kỷ yếu Hội nghị Quốc tế IFMBE Proceedings (SCOPUS) Quoc Tuong Minh, Sieu Le Thi Be, Khai Le Quoc, Linh Huynh Quang, “A Selective EOG Removal Method for EEG Signals: The Multithresholding Technique”, 8th International Conference on the Development of Biomedical Engineering in Vietnam, BME 2020, IFMBE Proceedings (indexed by SCOPUS, ISSN: 1680-0737), vol 85 Springer, Cham, p 991-1000, Aug 2021, doi: 10.1007/978-3-030-75506-5_78 Minh Bao Pham, Xuan Yen Nhi Phan, Quoc Khai Le, Quang Linh Huynh, “Pre-processing Block Design for the Electroencephalography Signal by Using Notch Filter and Blind Source Separation Technique”, 8th International Conference on the Development of Biomedical Engineering in Vietnam, BME 2020, IFMBE Proceedings (indexed by SCOPUS, ISSN: 1680-0737), vol 85 Springer, Cham, p 1047-1053, Aug 2021, doi: 10.1007/978-3-030-75506-5_82 Le Quoc Khai, Le Nu Ngoc Thuy, Tran Kien, Pham Thi Tram Anh, Nguyen Thi Diem Hang and Huynh Quang Linh, “Sleep Onset Detection using The Low-Cost Emotiv EPOC Neuroheadset”, The 7th International Conference in Vietnam on Development of Biomedical Engineering (BME7), 7th International Conference on the Development of Biomedical Engineering in Vietnam (BME7), BME 2018, IFMBE Proceedings (indexed by SCOPUS, ISSN: 1680-0737), vol 69 Springer, Singapore, p 657-660, Jun 2019, doi: 10.1007/978-981-13-5859-3_111 Pham Thi Tram Anh, Thi Diem Hang Nguyen, Quoc Khai Le, Quang Linh Huynh, “Application of Portable EEG Device in Detection and Classification Drowsiness by Support Vector Machine”, 7th International Conference on the Development of Biomedical Engineering in Vietnam (BME7), BME 2018, IFMBE Proceedings (indexed by SCOPUS, ISSN: 1680-0737), vol 69 Springer, Singapore, p 521-526, Jun 2019, doi: 10.1007/978-981-13-5859-3_90 Quoc Khai Le, Hoang Kim Khanh Nguyen, Quang Huy Huynh, Quang Linh Huynh, “Analyzing sleep microstructure by using Support Vector Machine”, 6th International Conference on the Development of Biomedical Engineering in Vietnam (BME6), BME 2017, IFMBE Proceedings (indexed by SCOPUS, ISSN: 1680-0737), vol 63 Springer, Singapore, p 307-312, Sep 2017, doi: 10.1007/978-981-10-4361-1_51 Tạp chí nước Quoc Khai Le, Thi Huong Trang Pham, Trung Hieu Nguyen, Thi Diem Thy Huynh, Quang Linh Huynh, “Studying DOZE-OFF in student using ELECTROENCEPHALOGRAPHY system”, Science & Technology Development Journal - Engineering and Technology (STDJ-ET), ISSN: 2615-9872, Vol 3, No SI3, SI107-SI111, 2021 Lê Quốc Khải, Đinh Thị Ngọc Ánh, Trần Hoàng Bảo, Huỳnh Quang Linh, “Phát thời điểm chuyển trạng thái từ thức sang ngủ người trưởng thành”, Tạp chí Phát triển Khoa học Công nghệ, ISSN: 18590128, K3-2017, trang 18-24, 2017 Le Quoc Khai, Nguyen Thi Minh Huong, Nguyen Vu Quang Hien, Pham Le Trung Hieu, Huynh Quang Linh, “Improvement implementation a software to analysis polysomnography signal”, Science & Technology Development Journal, ISSN: 1859-0128, K4-2015, pp 85-94, 2015 TÓM TẮT LUẬN ÁN Ngủ hoạt động phổ biến người khảo sát cấu trúc giấc ngủ đóng vai trị quan trọng đáng kể việc chẩn đốn sức khỏe người Phân tích cấu trúc giấc ngủ tảng nghiên cứu đánh giá chất lượng giấc ngủ Việc định lượng xác phân tích cấu trúc giấc ngủ có ảnh hưởng quan trọng chẩn đốn điều trị bệnh lý rối loạn liên quan đến giấc ngủ Ngoài giấc ngủ quen thuộc giấc ngủ buổi tối qua đêm, cịn có loại giấc ngủ diễn ngắn ngày ngủ trưa, trạng thái ngủ không mong muốn ngủ gật, trạng thái ngủ liên quan đến bệnh lý hội chứng ngủ rũ Nghiên cứu cấu trúc giấc ngủ có hai tiêu chuẩn R&K 1968 AASM 2007 dùng để phân loại trạng thái giấc ngủ khác mà đối tượng khảo sát trải qua Mặc dù có tiêu chuẩn quốc tế thống nhất, tính xác việc phân loại phần lớn phụ thuộc vào phương thức thủ công dựa vào đặc trưng quan sát mắt tín hiệu đa ký giấc ngủ chuyên gia Với công cụ máy tính, luận án tiếp cận hướng nghiên cứu cấu trúc giấc ngủ với mục tiêu cung cấp quy trình tự động hố việc phân tích tín hiệu đa ký giấc ngủ nhằm đánh giá xác đặc trưng giấc ngủ đêm Với việc sử dụng cập nhật tiêu chuẩn phân loại AASM 2007, luận án đề xuất hướng nghiên cứu liên quan đến giấc ngủ phù hợp so với việc áp dụng tiêu chuẩn R&K thông thường Dựa kết đạt việc phân tích tín hiệu đa ký sử dụng sở liệu Sleep EDF Expanded Physionet kết hợp với 55 ghi thực nghiệm phịng thí nghiệm Vật lý kỹ thuật y sinh, luận án phát triển định hướng sử dụng tín hiệu điện não đơn kênh khảo sát cấu trúc giấc ngủ với mục đích khắc phục hạn chế cấu hình thực nghiệm phức tạp sử dụng phương pháp đa ký giấc ngủ khả dụng cho trường hợp chẩn đốn khơng có máy đa ký Điểm đặc biệt quan trọng kết nội dung cải thiện độ xác tính đặc thù cho việc phân loại giai đoạn giấc ngủ N1 so với nghiên cứu có, làm sở cho nghiên cứu ứng dụng khác Với hướng tiếp cận phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh, luận án tiếp tục áp dụng đặc trưng quan trọng tìm vào nghiên cứu ứng dụng thực tiễn xác định thời điểm chuyển trạng thái từ thức sang ngủ khảo sát tình trạng ngủ gật sinh viên Hướng tiếp cận cho thấy phù hợp triển vọng sử dụng tín hiệu điện não đơn kênh để nghiên cứu chẩn đoán vấn đề liên quan đến giấc ngủ, thay dần nghiên cứu truyền thống dựa tín hiệu đa ký giấc ngủ Về mặt phương pháp, luận án xây dựng quy trình xử lý phân tích liệu thơ từ tín hiệu đa ký đơn ký thu từ thiết bị đo thông qua khối chức năng: lọc nhiễu tín hiệu, trích xuất đặc trưng, chọn lọc đặc trưng áp dụng mơ hình huấn luyện thuật toán máy học để phân loại mảng vấn đề chọn lọc Kết luận án thể đóng góp đáng kể vào phát triển nghiên cứu tín hiệu đa ký giấc ngủ với trợ giúp máy tính thơng qua quy trình phân tích, chọn lọc đặc trưng phù hợp cho hướng nghiên cứu liên quan CHƯƠNG MỞ ĐẦU Ngủ hoạt động phổ biến người, nhu cầu giấc ngủ độ tuổi khác trung bình người dành phần ba đời để ngủ Những trường hợp ngủ bị rối loạn giấc ngủ thường xuyên dẫn đến nhiều bệnh lý khác chí dẫn đến tử vong Bên cạnh tác động tiêu cực, gây ảnh hưởng lâu dài đến hệ quan, phận khác thể dễ gây nhầm lẫn cho khâu chẩn đoán điều trị rối loạn giấc ngủ bệnh lý liên quan đến giấc ngủ nhìn chung làm ảnh hưởng đến chất lượng giấc ngủ chất lượng sống người bệnh Nền tảng nghiên cứu giấc ngủ việc phân tích cấu trúc giấc ngủ đối tượng khảo sát Chỉ phân tích cấu trúc giấc ngủ biết xác rối loạn hay bất thường có xảy trạng thái nào, đặc trưng cho loại bệnh lý từ đưa kết luận giấc ngủ người khảo sát là: ngủ sinh lý, ngủ bệnh lý hay có rối loạn giấc ngủ Bên cạnh khảo sát cấu trúc giấc ngủ cho biết thông tin chu kỳ giấc ngủ mật độ xuất vi sóng, phân mảnh cấu trúc giấc ngủ mà đặc biệt trạng thái vi thức tỉnh (thức giấc gián đoạn), đặc trưng quan trọng đánh giá chất lượng giấc ngủ Cấu trúc giấc ngủ phân tích cách nhận biết đặc điểm trạng thái dựa vào thông tin từ ghi đa ký giấc ngủ (polysomnography) Đa ký giấc ngủ phương pháp ghi lại loạt thông số sinh lý người ngủ nhằm chẩn đoán đánh giá rối loạn giấc ngủ khác Máy đo đa ký giấc ngủ có kênh để ghi điện não, điện mắt, điện cằm, điện tim, điện chân, độ bão hoà oxy máu, thơng khí hơ hấp, chuyển động hơ hấp, tiếng ngáy Việc đo đa ký giấc ngủ thường thực đơn vị điều trị rối loạn giấc ngủ bệnh viện trung tâm nghiên cứu giấc ngủ Ngoài tiêu chuẩn kỹ thuật đặc trưng cách ly nhiễu hệ thống thông khí chun dụng, phịng thiết kế bên ngồi gần gũi phịng ngủ thơng thường với điều kiện tiện nghi giống nhà nhằm tạo cho bệnh nhân giấc ngủ tự nhiên thường ngày Đối tượng khảo sát ngủ qua đêm trung tâm khảo sát đo đa ký thơng thường, việc ghi nhận tín hiệu thực suốt giấc ngủ bệnh nhân Đo đa ký giấc ngủ phương pháp chẩn đốn hồn tồn không xâm lấn, không gây đau tác dụng phụ Các rối loạn giấc ngủ đa dạng phức tạp, khơng chẩn đốn điều trị kịp thời ảnh hưởng không nhỏ đến chất lượng sống sức khoẻ, chí gây biến chứng nguy hiểm Đa ký giấc ngủ dùng để phát hiện, đánh giá số rối loạn giấc ngủ liên quan đến ngáy ngưng thở ngủ, hen suyễn, tâm thần, hoảng sợ đêm trẻ em, chứng nghiến ngủ… Giấc ngủ chia thành trạng thái là: trạng thái thức tỉnh, trạng thái giấc ngủ không động mắt nhanh (non-REM) trạng thái giấc ngủ có động mắt nhanh (REM) Trong đó, trạng thái giấc ngủ non-REM bao gồm có giai đoạn, kí hiệu S1, S2, S3, S4 Ít phải có đạo trình EEG (điện cực đặt vị trí C3 C4 với điện cực tham chiếu tai đối diện) đạo trình EOG đạo trình EMG ghi nhận lại Quy tắc R&K khuyến nghị chia ghi đa ký giấc ngủ thành phân đoạn có độ dài 30 giây hay với thuật ngữ hay sử dụng “epoch” Thuật ngữ epoch sử dụng toàn luận án cho phù hợp thông lệ chuyên môn Năm 2004, Viện Hàn lâm Y học giấc ngủ Hoa Kỳ - American Academy of Sleep Medicine (AASM) thống ban đạo để thiết lập hướng dẫn chi tiết quy tắc để đánh giá giấc ngủ, cho phép kiểm soát số đặc điểm vi thức tỉnh (arousal), kiện hô hấp, tim mạch, kiện liên quan đến dịch chuyển bệnh nhân Các quy tắc áp dụng giấc ngủ bình thường bất thường, phải dễ dàng sử dụng bác sĩ lâm sàng, kỹ sư công nghệ , nhà khoa học Năm 2007, AASM thức xuất hướng dẫn chi tiết để phân tích ghi đa ký giấc ngủ Tiêu chuẩn AASM 2007 đời dần thay tiêu chuẩn phân loại R&K trở thành quy tắc chính, tảng nghiên cứu giấc ngủ ngày Hầu hết nghiên cứu phân tích cấu trúc giấc ngủ sử dụng tín hiệu đo đa ký giấc ngủ dựa vào tiêu chuẩn phân loại trạng thái R&K hay AASM Tuy nhiên, với hướng tiếp cận phân tích cấu trúc dựa vào tín hiệu đa ký có nhược điểm lớn phải sử dụng hệ thống đo đa ký giấc ngủ chuyên dụng, chi phí trang thiết bị lớn, đội ngũ vận hành thiết bị phải đào tạo chuyên nghiệp, hệ thống đa ký mắc đủ điện cực theo tiêu chuẩn quy định nhiều tạo khơng thoải mái cho đối tượng khảo sát Vì mục tiêu luận án nghiên cứu sử dụng tín hiệu điện não đơn kênh để phân tích cấu trúc giấc ngủ với ưu điểm sau: • Sử dụng đơn kênh tín hiệu giảm điện cực có ý nghĩa lớn áp dụng cho hệ thống đo di động theo dõi giấc ngủ hệ thống cấp cứu; thiết bị đo cần sử dụng điện cực để khảo sát Điều tiết kiệm lượng hoạt động cho thiết bị theo dõi đồng thời mang đến thời gian xử lý nhanh hiệu • Tín hiệu đơn kênh giảm việc gắn điện cực lên đối tượng đo, tạo thuận tiện nhanh chóng q trình khảo sát, đồng thời mở hướng nghiên cứu ứng dụng sử dụng tín hiệu đơn kênh mà đặc biệt lĩnh vực cảnh báo (buồn ngủ, ngủ gật, ngủ rũ…) theo dõi tín hiệu giấc ngủ liên tục nhà (thiết bị giám sát, holter điện não, thiết bị báo thức thơng minh…) • Sử dụng tín hiệu điện não đơn kênh thuận tiện hệ thống giám sát, theo dõi theo thời gian thực, thuật toán áp dụng nhanh hiệu so với thu liệu offline xử lý sức mạnh máy tính với hệ thống máy học hệ thống học sau với liệu lớn Từ nội dung cụ thể nêu trên, nhiệm vụ nghiên cứu tiến hành thể qua nội dung sau: Chương 1: Giới thiệu chung vấn đề quan trọng liên quan nghiên cứu cấu trúc giấc ngủ mục tiêu nhiệm vụ luận án Chương 2: Trình bày tổng quan nghiên cứu cấu trúc giấc ngủ, sở lý thuyết, trạng thái giấc ngủ yếu tố đặc trưng nghiên cứu cấu trúc giấc ngủ Chương 3: Trình bày chi tiết phương pháp luận, bao gồm vấn đề: đối tượng phạm vi nghiên cứu, kho liệu sử dụng luận án, quy trình phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký giấc ngủ tín hiệu điện não đơn kênh, khối chức thuật toán quan trọng Chương 4: Kết bàn luận trình bày cách hệ thống hoá kết đạt nghiên cứu luận án, bao gồm: kết phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký, kết phân tích vi sóng, kết phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh; kết đạt ứng dụng phân tích tín hiệu điện não đơn kênh xác định thời điểm chuyển từ thức sang ngủ người trưởng thành nghiên cứu ngủ gật Từ đó, đưa đánh giá, bàn luận kết đạt Chương 5: Là kết luận chung luận án Luận án có đóng góp khoa học mang tính mà nghiên cứu trước chưa công bố thông qua việc khẳng định phù hợp khả ứng dụng cao tín hiệu điện não đơn kênh nghiên cứu liên quan đến cấu trúc giấc ngủ người trưởng thành kết phân loại máy học để lựa chọn đặc trưng Vì máy học thuật tốn hồn hảo việc dự đốn tích hợp vào nhiều phần mềm lập trình Khi áp dụng máy học để kiểm tra đặc trưng đưa đặc trưng vào lại phân loại cho kết tốt Phương pháp cuối embedded, kết hợp phương pháp lựa chọn đặc trưng với learning algorithm Thiết kế phương pháp kết hợp chặt chẽ với learning algorithm, hạn chế việc sử dụng máy học Mục tiêu luận án khảo sát hiệu chọn lọc đặc trưng thuật toán Fisher’s ratio, mRmR hàm Sequentialf Matlab cho liệu ES-EDF Thuật toán Fisher’s ratio mRmR nghiên cứu áp dụng cho nghiên cứu trước, hai phương pháp chọn lọc đơn giản, không tốn nhiều tài nguyên máy tính Trong chọn lọc đặc trưng này, Fisher’s ratio mRmR thuộc vào mảng filter-based, Sequentialf thuộc vào hướng warpper based Luận án áp dụng lựa chọn kiểm tra đầu phân loại, xem xét lựa chọn tối ưu Phương pháp chọn lựa đặc trưng tối ưu sử dụng thông số Fisher’s ratio mRmR công bố báo đăng tạp chí Applied Sciences (Q2): Nguyen Tran Duc Minh, Le Quoc Khai et al Evaluating the Motor Imagery Classification Performance of a Double-Layered Feature Selection on Two Different-Sized Datasets, Applied Science, 2021 18 Sơ đồ phân loại tổng quát Hình 4.1 Sơ đồ khối quy trình phân loại dựa vào thuật tốn Suppport Vector Machine Ba đặc trưng chọn từ ba thuật toán lựa chọn đặc trưng phân loại độc lập với Ở khối phân loại (Hình 4.1), phương pháp xác thực chéo 10 – fold áp dụng để cải thiện kết phân loại Một đặc trưng chia thành tập huấn luyện tập thử, sau tập huấn luyện dùng để huấn luyện mơ hình phân loại, cịn tập thử dùng để kiểm tra khả phân loại mô hình Từ 51 đặc trưng ban đầu, qua bước chọn lọc đặc trưng nêu, nghiên cứu chọn giữ lại 35 đặc trưng quan trọng có vai trị định việc phân loại giai đoạn giấc ngủ sử dụng tín hiệu điện não đơn kênh 4.2 Kết phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký: Tín hiệu thơ thu nhận từ thiết bị đo liệu thực tế phịng thí nghiệm liệu sử dụng liệu EDF qua khối tiền xử lý Tín hiệu sau q trình tiền xử lý áp dụng quy trình phân loại để xác định xuất 19 sóng Alpha, Beta, Theta, Delta, Slow waves epoch bất kỳ, chi tiết toàn văn Luận án Các kết lọc nhiễu EOG khỏi tín hiệu điện não EEG lọc nhiễu cho tín hiệu đa ký nội dung Luận án được công bố báo đăng tạp chí IFMBE Proceedings thuộc SCOPUS: Quoc Tuong Minh, Khai Le Quoc et al A Selective EOG Removal Method for EEG Signals: The Multithresholding Technique, IFMBE Proceedings, 2021; báo Minh Bao Pham, Quoc Khai Le et al Pre-processing Block Design for the Electroencephalography Signal by Using Notch Filter and Blind Source Separation Technique, IFMBE Proceedings, 2021 4.3 Kết phân tích vi sóng: Nhận dạng phức K (K-complex) Để xây dựng đường phân tách, thuật toán SVM cần liệu mẫu để nhận dạng đặc trưng khác biệt dạng sóng khác Do vậy, trước tiên ta chọn đoạn K-complex với đặt trưng sở Hình 4.8 Dữ liệu chuẩn dùng để huấn luyện Nhận dạng vi thức tỉnh (Arousal) Tất tín hiệu sử dụng chương trình gồm vi thức tỉnh sóng dùng huấn luyện liệu cần phân tích biến đổi sang miền tần 20 số phương pháp Fourier Vi thức tỉnh có lượng lớn hơn, tách biệt hẳn so với sóng Dựa vào khác biệt này, phương pháp SVM xây dựng đường phân tách lớp sóng ngủ Hình 4.10 Kết huấn luyện Arousal Qua trình thử nghiệm, đánh giá, ngưỡng giá trị tốt cho hệ số 61% Kết nội dung phân tích nhận diện vi sóng nội dung Luận án công bố báo đăng tạp chí IFMBE Proceedings thuộc SCOPUS: Quoc Khai Le, Quang Linh Huynh et al Analyzing sleep microstructure by using Support Vector Machine, IFMBE Proceedings, 2017 21 Khối chức xây dựng GUIDE (Graphical User Interface Design Environments) Matlab có khả đóng gói sử dụng chương trình ứng dụng độc lập Hình 4.13 Giao diện phân tích vi sóng Hình 4.14 Giao diện chương trình khối hiển thị bao gồm tính năng: hiển thị liệu gốc, liệu sau xử lý liệu phân tích phổ lượng 22 Hình 4.15 Giao diện chương trình vẽ đồ thị giai đoạn giấc ngủ theo thời gian (hypnogram) thông số đánh giá chất lượng giấc ngủ Kết phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký nội dung Luận án công bố báo đăng tạp chí Science & Technology Development Journal: Le Quoc Khai, Huynh Quang Linh et al Improvement implementation a software to analysis polysomnography signal, Science & Technology Development Journal, 2015 4.4 kênh Kết phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn Nội dung luận án tập trung vào việc thể kết đạt sử dụng tín hiệu điện não đơn kênh để phân tích cấu trúc giấc ngủ thơng qua việc so sánh kết phân tích với kết đạt từ việc sử dụng tín hiệu đa ký giấc ngủ thơng thường Bên cạnh đó, với việc sử dụng nhiều liệu khác nhau, nghiên cứu xác định trọng tâm kết đạt phải có độ tương đồng cao tương tự nghiên cứu có định hướng phải khắc phục số nhược điểm tồn đọng Một tiêu chí để đánh mục tiêu luận án đề xác định tăng độ 23 xác việc nhận diện, phân loại trạng thái N1 dễ nhầm lẫn với giai đoạn khác 4.4.1 Đánh giá kết phân tích cấu trúc giấc ngủ sử dụng tín hiệu đa ký tín hiệu điện não đơn kênh Bảng 4.6 Sử dụng kênh Fpz-Cz Kết phân loại chuyên gia Kết ghiên cứu W N1 N2 N3 REM Specif icity W N1 N2 N3 REM 7564 54.33 % 44 0.32 % 64 0.46 % 32 0.23 % 18 0.13 % 65 0.47 % 269 1.93 % 32 0.23 % 0.00 % 0.00 % 44 0.32 % 46 0.33 % 2998 21.53 % 155 1.11 % 40 0.29 % 0.02 % 0.00 % 203 1.46 % 680 4.88 % 101 0.73 % 105 0.75 % 33 0.24 % 150 1.08 % 0.01 % 1274 9.15 % 97.95 % 73.50 % 91.32 % 68.90 % 81.46 % Sensit ivity 97.21 % 68.62 % 86.97 % 78.25 % 88.90 % 91.83 % Bảng 4.7 Sử dụng kênh Pz-Oz Kết phân loại chuyên gia Kết ghiên cứu W N1 N2 N3 REM Specif icity W N1 N2 N3 REM 7531 54.09 % 45 0.32 % 60 0.43 % 43 0.31 % 17 0.12 % 67 0.48 % 256 1.84 % 32 0.23 % 0.00 % 0.00 % 72.11 % 41 0.29 % 64 0.46 % 2978 21.39 % 122 0.88 % 25 0.18 % 0.02 % 0.00 % 203 1.46 % 720 5.17 % 101 0.73 % 92.20 % 70.18 % 123 0.88 % 30 0.22 % 133 0.96 % 0.03 % 1325 9.52 % 82.04 % 97.86 % 24 Sensit ivity 97.00 % 68.62 % 87.43 % 80.99 % 90.26 % 92.01 % Nhận xét chung: Dựa kết thống kê đạt nghiên cứu áp hình phân tích cấu trúc giấc ngủ chia nhỏ thành trạng thái theo tiêu chuẩn ASSM 2007 sử dụng kênh điện não FpzCz PzOz cho liệu Physionet thấy rõ hiệu việc sử dụng tín hiệu điện não đơn kênh Tuy áp dụng tín hiệu PzOz cho độ xác tổng thể kết cao sử dụng kênh FpzCz, điểm đặc biệt quan trọng cải thiện độ xác việc phân loại trạng thái N1 Đây trạng thái giấc ngủ không chuyển động mắt nhanh với việc thiếu vắng điện cực thuỳ chẩm kênh điện mắt, xác định đặc trưng quan trọng N1 thực thách thức mảng nghiên cứu Dựa kết đạt được, nghiên cứu đề xuất hướng sử dụng tín hiệu điện não đơn kênh mà đặc biệt có sử dụng vị trí điện cực trước trán tương tự kênh Fp Đây vị trí thu nhận đặc trưng thay quan trọng cho chuyển động mắt chậm SEM thay tỷ lệ sóng Alpha Theta chiếm ưu 4.4.2 Đánh giá kết phân tích cấu trúc giấc ngủ sử dụng tín hiệu điện não đơn kênh So sánh kết nghiên cứu với nhóm nghiên cứu có: Bảng 4.8 Kết phân thành trạng thái Nhóm nghiên cứu Doroshenkov et al [44] Zhu et al [37] Liang et al [33] Liang et al [45] Vural et al [46] Ronzhina et al [47] Hsu et al [48] A R Hassan et al [29] Hassan and Bhuiyan [39] Z Mousavi [30] Nghiên cứu luận án S1 4.84% 15.8 % 18.75 % 30 % 33.70 % 36.17 % 36.70 % 37.42 % 42.05 % 67.80 % 68.05 % Bảng 4.9 Kết phân thành trạng thái 25 Nhóm nghiên cứu Zhu et al [37] Liang et al [33] Liang et al [45] Hsu et al [48] A R Hassan et al [29] Z Mousavi [30] Nghiên cứu luận án Với mục tiêu tìm điểm tương đồng N1 15.8 % 18.75 % 30 % 36.70 % 38.74 % 67.80 % 68.62 % so với nghiên cứu có, luận án đạt mục tiêu phân tích cấu trúc giấc ngủ dựa tảng tiêu chuẩn R&K (phân làm trạng thái chia tách S3 S4) ASSM 2007 (phân tích 05 trạng thái gộp trạng thái S3 S4 thành N3) Kết đạt độ xác 68.05 % đến 68.62% Đây tiêu chí quan trọng để hướng đến việc áp dụng mơ hình xử lý luận án để dùng nghiên cứu ứng dụng liên quan đến giấc ngủ sử dụng tín hiệu điện não đơn kênh Khi so sánh tổng thể nghiên cứu với nghiên cứu tương tự việc áp dụng tín hiệu điện não đơn kênh phân tích cấu trúc giấc ngủ thấy số Cohen Kappa đạt 0,8 ngưỡng tương đồng chấp nhận Vì điện não đơn kênh khơng thay tín hiệu đa ký giấc ngủ việc ứng dụng để phân loại trạng thái, cấu trúc đặc trưng giấc ngủ mà cịn sử dụng với ưu điểm vượt trội mặt xử lý tiết kiệm lượng cho thiết bị sử dụng điện cực để theo dõi giám sát liên tục Đây định hướng quan trọng đặt mục tiêu nghiên cứu luận án 26 4.5 Kết xác định thời điểm chuyển trạng thái giấc ngủ (Sleep Onset) Tín hiệu sau trải qua trình tiền xử lý áp dụng quy trình bước phân loại nêu phần Chi tiết trình bước thực kết cuối trình bày Hình 4.32 Kết xác định cụ thể Nhận xét: Theo kết ta thấy thời điểm chuyển trạng thái cụ thể xét theo thời gian xảy sớm so với việc xác định theo epoch Bước giúp ta thu nhận thời điểm bước chuyển xác theo thời gian giúp ích nhiều cho việc xác hóa q trình phân loại có giá trị lớn cho việc tiến tới phân tích liệu theo thời gian thực Tín hiệu thời điểm chuyển vẽ lại khối Waveforms/Spectrum chương trình tín hiệu quan sát cửa sổ chương trình EEG Viewer (Hình 4.32) Nhìn đồ thị thấy tín hiệu bắt đầu giãn dần ra, sóng Alpha giảm dần thời điểm chuyển trạng thái, thay vào sóng Alpha sóng chậm (2 – Hz) ➔ Theo kết liệu PSG005_LHT chương trình hồn tồn xác định thời điểm chuyển trạng thái từ thức sang ngủ ➔ Nhận xét chung: từ kết ta thấy kết thu từ chương trình nghiên cứu kết công cụ EEG Viewer cho thời điểm chuyển SO gần Ở mẫu sau chênh lệch chương trình nhỏ, tầm từ đến giây; mẫu đầu có chênh lệch lớn, ngun nhân xác định ban đầu do: đối tượng thực nghiệm đầu tiên, điều kiện 27 sở vật chất phịng thí nghiệm lúc có nhiều muỗi, ảnh hưởng đến giấc ngủ đồng thời hạn chế xử lý chương trình nghiên cứu xây dựng Hình 4.33 Tín hiệu cửa sổ chương trình cửa sổ EEG Viewer Những kết trình xác định thời điểm chuyển trạng thái từ thức sang ngủ (Sleep Onset – SO) nội dung Luận án được công bố báo đăng tạp chí IFMBE Proceedings thuộc SCOPUS: Le Quoc Khai, Huynh Quang Linh et al Sleep Onset Detection using The Low-Cost Emotiv EPOC Neuroheadset”, IFMBE Proceedings, 2018 báo đăng tạp chí Phát triển Khoa học Công nghệ: Lê Quốc Khải, Huỳnh Quang Linh cộng sự, Phát thời điểm chuyển trạng thái từ thức sang ngủ người trưởng thành, Tạp chí Phát triển Khoa học Công nghệ, 2017 4.6 4.6.1 Kết nghiên cứu ngủ gật sử dụng tín hiệu điện não đơn kênh Phát nhanh trạng thái ngủ gật tín hiệu điện não Khi so sánh tín hiệu điện não, điện cằm điện mắt việc phát trạng thái ngủ gật với hai nghiên cứu trước, điện não mang lại phát kịp thời Để khẳng định thêm kết áp dụng cho phù hợp đề tài, nghiên cứu tiến hành thực nghiệm mô tả trạng thái lái xe Thực nghiệm đo tín hiệu điện não điện cằm theo đạo trình Fp1, Fp2, A1, A2, Chin, Ref, GND 28 Hình 4.45 Biểu diễn Tỷ số lượng phổ cơng suất sóng Alpha Theta từ epoch 11 đến epoch 17 đạo trình điện não đa kênh Theo Hình 4.45, tín hiệu điện não thể rõ chuyển giao trạng thái thức – ngủ để tham chiếu với điện cực cằm Dữ liệu phân tích theo cơng thức 3.53 epoch tương đương tín hiệu điện não phân tích Kết phân tích theo Bảng 4.11 Bảng 4.11 Tỷ số lượng R sóng alpha theta đạo trình đa kênh biên độ bình phương trung bình điện cằm EMG EEG EMG ̅̅ R_alpha R_theta 𝑨̅̅𝟐 (𝒎𝑽𝟐 ) 11 0,68471 0,19951 945,9973 12 0,61590 0,29742 901,3735 13 0,52253 0,29430 878,9432 14 0,30460 0,56407 510,2802 15 0,06266 0,71645 571,1761 16 0,11313 0,64392 623,6782 17 0,59627 0,30513 707,3443 Bảng 4.11, biểu diễn thời điểm chuyển giao epoch 13 sang epoch 14, Epoch R (13) = 0,52253 (hơn 50% epoch) giảm 0,30460 epoch 14 R (13) 29 = 0,29430 tăng lên 0,56407 epoch 14 Tương đương đó, trương lực cằm giảm đặc trưng biên độ bình phương trung bình, epoch 13 ̅̅̅ A2 = 878,9432 (mV ) giảm ̅̅̅ A2 = 510,2802 (mV ) epoch 14 4.6.2 Phân tích tín hiệu điện não đơn kênh trạng thái ngủ gật Sau xác định tín hiệu điện não phù hợp cho việc cảnh báo kịp thời xác thời điểm chuyển giao trạng thái thức – ngủ giai đoạn giai đoạn q trình phân tích kết nghiên cứu thể qua việc so sánh tín hiệu điện não đa kênh đơn kênh mẫu đo Có trường hợp điện cực mà nghiên cứu thực xuyên suốt: Trường hợp 1: điện cực kênh Fp với đạo trình đa kênh đơn kênh tương ứng Trường hợp 2: điện cực kênh O với đạo trình đa kênh đơn kênh tương ứng Mỗi trường hợp nghiên cứu phân tích tối thiểu mẫu đo để làm cho kết mang tính khách quan phân tích Bảng 4.19: Bảng tổng số liệu mẫu đo theo đạo trình Fp1-A2 so với đạo trình đa kênh (theo hệ số ) Hệ số  Hệ số  thời STT Mẫu đo thời gian thực điểm ngủ gật nghiệm SCDozeFP_NNT_0603 0,84 0,98 SCDozeFP_HTDT_0603 0,92 SCDozeFP_NVT_1403 0,81 0,91 SCDozeFP_PVĐ_2003 0,87 0,97 SCDozeFP_VHM_2203 0,96 SCDozeFP_HHĐ_2703 0,86 0,96 SCDozeFP_NNT_2703 0,97 Theo bảng 4.19, hệ số  mẫu đo theo đạo trình Fp1-A2 so với đạo trình đa kênh dao động từ 0,81 – 0,97 thời gian thực nghiệm từ 0,91 30 đến thời điểm ngủ gật, điều cho thấy tương đồng cao tín hiệu đơn kênh đa kênh Bảng 4.20: Bảng tổng số liệu mẫu đo theo đạo trình O1-Ref so với đạo trình đa kênh (theo hệ số ) Hệ số  thời Hệ số  thời STT Mẫu đo gian thực nghiệm điểm ngủ gật SCDozeO_NNT_2003 0,94 SCDozeO_HTDT_2203 0,86 0,96 SCDozeO_VHM_0304 0,84 SCDozeO_NVT_0304 0,83 0,92 Theo bảng 4.20, hệ số  mẫu đo theo đạo trình O1-Ref so với đạo trình đa kênh dao động từ 0,83 – 0,94 thời gian thực nghiệm từ 0,92 đến thời điểm ngủ gật Các hệ số  thỏa điều kiện tương đồng mẫu Kết luận văn chứng minh trường hợp cảnh báo ngủ gật việc lựa chọn tín hiệu điện não thay điện cực cằm chiếm ưu thuận tiện cho đối tượng đo Từ bảng 4.19 bảng 4.20, hệ số  tín hiệu điện não đơn kênh so với tín hiệu điện não đa kênh > 0,8 suốt trình thực nghiệm thời điểm ngủ gật có hệ số  > 0,9 với độ tin cậy 95% Những kết trình xác định trạng thái ngủ gật nội dung Luận án được cơng bố báo đăng tạp chí IFMBE Proceedings thuộc SCOPUS: Pham Thi Tram Anh, Quoc Khai Le et al Application of Portable EEG Device in Detection and Classification Drowsiness by Support Vector Machine, IFMBE Proceedings, 2018 báo đăng tạp chí: Quoc Khai Le, Quang Linh Huynh et al Studying DOZE-OFF in student using ELECTROENCEPHALOGRAPHY system, Science & Technology Development Journal - Engineering and Technology (STDJ-ET), 2021 31 CHƯƠNG 5.1 KẾT LUẬN Các kết luận án Q trình thực luận án giúp đưa số kết bật: Kết nghiên cứu cho thấy phù hợp việc sử dụng tín hiệu điện não đơn kênh để phân tích cấu trúc giấc ngủ người trưởng thành, đặc biệt nhận biết giai đoạn N1 Các kết phân tích cấu trúc vi thể giấc ngủ khẳng định phù hợp phương pháp phân loại trạng thái giấc ngủ, đồng thời giúp xác định xác giai đoạn chuyển pha trạng thái; đặc biệt trạng thái chuyển từ thức sang ngủ (SO) Kết phân tích cấu trúc giấc ngủ kết hợp tảng sử dụng tín hiệu đa ký phát triển sử dụng tín hiệu điện não đơn kênh đặc biệt phù hợp cho nghiên cứu ngủ gật ứng dụng liên quan 5.2 Các đóng góp khoa học luận án Tín hiệu điện não đơn kênh hồn tồn phù hợp để phân tích cấu trúc giấc ngủ người trưởng thành Phân tích cấu trúc vi thể cần thiết quan trọng để xác định xác trạng thái giấc ngủ thời điểm chuyển pha trạng thái 5.3 Hướng phát triển luận án Từ kết qua đạt phân tích tín hiệu điện não đơn kênh cho thấy hướng nghiên cứu ứng dụng phù hợp với loại tín hiệu mà đặc biệt việc kết hợp với việc phát triển hệ thống phần cứng sử dụng tín hiệu đơn kênh, xâm lấn Từ đặc trưng cấu trúc đại thể vi thể giấc ngủ phát triển thêm hướng nghiên cứu khơng sử dụng đặc trưng phân tích tín hiệu thơ sử dụng thuật tốn học sâu 32