Phát triển phương pháp phân tích định lượng tín hiệu iEMG chi trên hỗ trợ chẩn đoán bệnh lý (TT)

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Phạm Mạnh Hùng PHÁT TRIỂN PHƯƠNG PHÁP PHÂN TÍCH ĐỊNH LƯỢNG TÍN HIỆU iEMG CHI TRÊN HỖ TRỢ CHẨN ĐOÁN BỆNH LÝ Chuyên ngành: Kỹ thuật điện tử Mã số: 62520203 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ Hà Nội – 2016 Công trình hoàn thành tại: Trường Đại học Bách khoa Hà Nội Người hướng dẫn khoa học: PGS.TS NGUYỄN VĂN KHANG Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng đánh giá luận án tiến sĩ cấp Trường họp Trường Đại học Bách khoa Hà Nội Vào hồi …… giờ, ngày … tháng … năm ……… Có thể tìm hiểu luận án thư viện: Thư viện Tạ Quang Bửu - Trường ĐHBK Hà Nội Thư viện Quốc gia Việt Nam GIỚI THIỆU LUẬN ÁN Tính cấp thiết đề tài nghiên cứu Các bệnh gây khuyết tật thể chất nghiêm trọng, dẫn tới khả vận động chí tử vong Trong số bệnh nhân bệnh cơ, có nhiều bệnh nhân chữa khỏi, giảm mức độ bệnh tật nhờ phát điều trị kịp thời Chẩn đoán điện đồ phương pháp xác định bệnh mà nguyên nhân gây bệnh xuất phát từ yếu rối loạn thần kinh sử dụng tín hiệu điện Tín hiệu điện kim (intramuscular Electromyography – iEMG) tín hiệu phản ánh hoạt động điện sinh học tổ chức thu điện cực kim Định lượng điện đồ (Quantitative ElectroMyoGraphy – QEMG) phương pháp phân tích tín hiệu EMG thành thông số định lượng Các thông tin, thu phân tích QEMG, giúp giảm yếu tố chủ quan việc chẩn đoán, tăng độ xác chẩn đoán, tăng hiệu trình theo dõi điều trị Sự phát triển công nghệ máy tính làm cho việc nghiên cứu phương pháp QEMG trở nên dễ dàng phổ biến [3],[77] Tuy nhiên, nay, kỹ thuật QEMG tín hiệu iEMG đóng vai trò hạn chế trình chẩn đoán lâm sàng Bởi vì, chúng phức tạp tốn thời gian sử dụng chưa có tiêu chuẩn cho việc chẩn đoán dựa vào tín hiệu iEMG công nhận rộng rãi Do vậy, nghiên cứu để tạo phương pháp QEMG tốt thu hút nhiều nhà nghiên cứu Các nghiên cứu hướng tới mục tiêu: (1) tăng hiệu sử dụng tài nguyên, (2) đề xuất phát triển phương pháp QEMG có tính tự động cao (3) tăng độ tin cậy thông tin thu nhận sau phân tích [25], [57], [58], [63] Mục tiêu nghiên cứu luận án Mục đích nghiên cứu luận án phát triển phương pháp phân tích định lượng tín hiệu iEMG chi thành thông tin trợ giúp cho bác sỹ trình chẩn đoán bệnh lý Nghiên cứu hướng tới mục tiêu cụ thể như: (1) Phát triển phương pháp QEMG tín hiệu iEMG chi có hiệu tính toán tốt số phương pháp có, giảm số phép toán, số bước số can thiệp vào trình phân tích định lượng tín hiệu; (2) Đưa thông số định lượng có khả hỗ trợ phân nhóm tín hiệu theo bệnh lý bình thường có độ xác cao mà có cách tính đơn giản so với số phương pháp trước; (3) Đề xuất cách sử dụng thông số định lượng có để phân loại tín hiệu, thông tin phân loại tín hiệu có hữu dụng cho việc đưa kết luận chẩn đoán bệnh lý Các đóng góp luận án Phát triển phương pháp định lượng tín hiệu iEMG chi gồm bước tiền xử lý, phân tách thành phần có ý nghĩa tín hiệu tính thông số định lượng dựa thành phần có ý nghĩa có Phương pháp phân tích định lượng phát triển có ưu điểm số phương pháp trước hiệu tính toán tính hữu dụng thông số định lượng thu Đưa cách thức sử dụng thông số định lượng có để phân loại tín hiệu iEMG theo nhóm bệnh lý bình thường Các phương pháp phân loại phát triển dựa mô hình xử lý thông tin mạng Artifical Neural Network kỹ thuật phân tích hồi quy Logistic, chúng cho phép phân loại tín hiệu đạt độ xác cao, đạt 80% thử nghiệm với liệu mẫu Cấu trúc luận án Luận án gồm 140 trang chia thành phần sau: Mở đầu luận án có trang Chương 1: Tín hiệu điện ứng dụng lâm sàng có 22 trang Chương 2: Lựa chọn giải pháp phù hợp để tiền xử lý tín hiệu iEMG chi có 22 trang Chương 3: Phát triển phương pháp phân tích định lượng tín hiệu iEMG chi có 41 trang Chương 4: Đề xuất phương pháp sử dụng thông số định lượng có để phân loại tín hiệu iEMG chi theo nhóm bệnh lý có 24 trang Kết luận chung luận án có trang Có 71 hình vẽ đồ thị; 21 bảng; 88 tài liệu tham khảo; phụ lục CHƢƠNG TÍN HIỆU ĐIỆN CƠ VÀ ỨNG DỤNG TRONG LÂM SÀNG 1.1 Tín hiệu điện đặc điểm bệnh lý Trong thể người, vân với xương gân chịu trách nhiệm hình thái vận động có ý thức Đơn vị vận động (Motor Unit - MU) bao gồm tế bào thần kinh α tất sợi tế bào kinh vận động α chi phối, thành phần hệ thống thần kinh vận động phân chia theo chức huy hệ tạo vận động Khi nhận tín hiệu kích thích co cơ, từ tế bào thần kinh α, sợi MU co gần đồng thời, tạo điện hoạt động (Motor Unit Active Potential – MUAP) lan truyền tổ chức Các MUAP thu lại thiết bị đo tín hiệu EMG Trong xét nghiệm điện đồ thường quy, tín hiệu EMG kim (intramuscular EMG – iEMG) đo điện cực kim đồng tâm để xem xét tình trạng cấu trúc mức độ hoạt động tổ chức [2], [9] A B C Hình 1.19 Hình thái MU MUAP tương ứng với bệnh lý (A - Bình thường, B - bệnh rối loạn tế bào thần kinh α, C - bệnh lý cơ) Khi bị rối loạn bệnh lý, cấu trúc mức độ hoạt động tổ chức thay đổi Dẫn đến, tín hiệu iEMG có biểu bất thường, ví dụ như: (1) bị rối loạn bệnh lý cơ, số lượng MUAP tạo nhiều biên độ tín hiệu lại nhỏ; (2) bị bệnh lý thần kinh cơ, ta thấy MUAP tín hiệu co mạnh, giảm kết tập giao thoa không hoàn toàn, với nhịp phóng điện MUAP nhanh Dựa vào dấu hiệu bất thường tín hiệu EMG bác sỹ đưa chẩn đoán Để tăng hiệu chẩn đoán công cụ phân tích tín hiệu yêu cầu sử dụng 1.2 Các kỹ thuật phân tích QEMG Các kỹ thuật phân tích QEMG sử dụng máy tính phát triển từ năm 1978, bao gồm: phương pháp phân tích tín hiệu iEMG miền thời gian, miền tần số, miền không gian - tần số, miền phi tuyến; kỹ thuật phân giải tín hiệu iEMG; nhiều thông số định lượng tín hiệu iEMG khác giới thiệu Hiện nay, số phương pháp QEMG ứng dụng, như: (1) Phương pháp phân tích MUAP thủ công, chuyên gia điện đồ xác định thủ công khoảng 20 MUAP xét nghiệm; (2) Phương pháp phân tích MUAP tự động, công cụ hỗ trợ phân tách MUAP lần đâm kim; (3) Phương pháp phân tích mẫu xếp chồng, đo tham số liên quan đến biên độ - điểm uốn tín hiệu iEMG; (4) Phương pháp tự động phân giải tín hiệu iEMG thành thông tin giúp chẩn đoán Bệnh lý Đơn vị vận động Tín hiệu EMG (cơ thần kinh cơ) Nguồn liệu điện sinh học Phân tích QEMG phân giải tín hiệu EMG Luồng thu nhân, xử lý, sử dụng thông tin Hệ thống CAD (hộ trợ định chẩn đoán) Hệ thống máy tính xử lý & phân tích tín hiệu EMG Chuyên gia điện đồ Hình 1.20 Chẩn đoán điện đồ sử dụng máy tính Phương pháp thứ có tiềm cho hiệu chẩn đoán cao, giảm ảnh hưởng tiêu cực trình chẩn đoán đối tượng bị thực chẩn đoán Tuy nhiên, số hạn chế như: phức tạp, chưa tối ưu khó áp dụng thực tế 1.3 Kết luận chƣơng Để đưa giải pháp kỹ thuật nhằm khắc phục số tồn phương pháp có, nghiên cứu thực nội dung minh họa hình 1.21 Hình 1.21 Các nội dung nghiên cứu luận án Phương pháp tạo cần phải xử lý tín hiệu iEMG chi có độ phức tạp trung bình (thu mức co 30% mức có cực đại) - CHƢƠNG LỰA CHỌN GIẢI PHÁP PHÙ HỢP ĐỂ TIỀN XỬ LÝ TÍN HIỆU iEMG CHI 2.1 Các yếu tố làm giảm chất lƣợng tín hiệu EMG Tín hiệu EMG tín hiệu điện chênh lệch hai điện cực đo tín hiệu tổng hợp từ nhiều nguồn khác nhau, mô tả dạng biểu thức toán học (1) sau đây: ( ) ∑ ( ) ( ) (2.1) Trong đó: MUAPTj MUAPT (MUAP Train - chuỗi MUAP) MU thứ j bắp cơ; số lượng MU kích hoạt, n(t) nhiễu lẫn tín hiệu Độ phức tạp tín hiệu phụ thuộc vào khoảng cách điện cực, cách đo mức độ hoạt động bắp Lực co tỷ lệ thuận với số lượng MUAPT tín hiệu điện Tín hiệu điện tín hiệu nhỏ, biên độ đỉnh đỉnh nằm khoảng từ đến 5mV, từ – 1,5mV (RMS) (theo Basmajian DeLuca 1985) Dải tần tín hiệu từ 0Hz lên đến 3kHz, lượng tín hiệu tập trung dải từ 10Hz – 250Hz Hình 2.1 Mô hình minh họa việc thu nhận tín hiệu EMG Có nhiều yếu tố khác gây suy giảm chất lượng tín hiệu EMG dẫn đến giảm chất lượng thông tin thu được, như:  Nhiễu: tín hiệu EMG có nhiều loại nhiễu khác bao gồm nhiễu nguồn điện lưới (lên đến hàng Volt tín hiệu nhỏ cỡ mV), nhiễu chuyển động nhiễu tín hiệu điện sinh học khác  Méo dạng mạch xử lý tương tự: tín hiệu EMG qua mạch xử lý tương tự, bao gồm khuếch đại lọc, độ trung thực tín hiệu bị suy giảm  Sai số trình số hóa tín hiệu EMG: gây tần số lấy mẫu tín hiệu không đủ lớn độ phân giải tín hiệu thấp Hiện nay, tín hiệu iEMG thường số hóa với tham số Fs khoảng 20kHz, độ phân giải 16 bít 2.3 Khảo sát khả triệt nhiễu mạch đo Để thu tín hiệu EMG có chất lượng đảm bảo, loạt giải pháp áp dụng để tăng tỷ số SNR, tăng tỷ số CMRR, giảm nhiễu cảm ứng, hạn chế sử dụng mạch lọc tương tự, dùng chuyển đổi ADC chất lượng cao cách ly nguồn Trong nghiên cứu tác giả khảo sát ảnh hưởng nhiễu lên mạch đo tín hiệu EMG theo giải pháp tăng cường chất lượng phần cứng nghiên cứu giới thiệu Mạch đo khảo sát mắc theo sơ đồ khối hình 2.6 Hình 2.6 Sơ đồ khối mạch đo tín hiệu EMG Kết cho thấy thành phần nhiễu lớn loại bỏ phần mạch, tín hiệu EMG số nhiễu tần số thấp gây trôi đường sở nhiễu tần số cao 2.4 Tiền xử lý tín hiệu iEMG chi lọc số Hình 2.13 thể dạng sóng tín hiệu iEMG chi, dễ thấy có hai thành phần nhiễu tần số thấp nhiễu tần số cao Hình 2.13 Tín hiệu iEMG có lẫn số nhiễu Có nhiều cách triệt nhiễu khác được sử dụng Tuy nhiên, dựa vào đặc trưng yêu cầu xử lý tín hiệu iEMG chi, tác giả lựa chọn sử dụng lọc số có đáp ứng pha không, tổng hợp từ lọc Butterworth, tạo dải thông 20Hz – 2kHz, để lọc bỏ thành phần không mong muốn Bộ lọc có ưu điểm dễ dàng thực không gây méo dạng tín hiệu Trước lọc Sau lọc Hình 2.17 Phổ tín hiệu trước sau lọc theo khuyến nghị 2.5 Kết luận chƣơng Giải pháp phù hợp để tiền xử lý tín hiệu iEMG chi, có ảnh hưởng nhiễu nhỏ, sử dụng lọc số có đáp ứng pha không, tạo dải thông 20Hz – 2kHz - CHƢƠNG PHÁT TRIỂN PHƢƠNG PHÁP PHÂN TÍCH ĐỊNH LƢỢNG TÍN HIỆU iEMG CHI 3.1 Đặt vấn đề Định lượng điện đồ trình chuyển đổi, rút gọn tín hiệu iEMG thành thành phần đặc trưng (là thông số chuỗi liệu) Theo phương pháp QEMG giới thiệu, sau bước xử lý, tín hiệu EMG chuyển thành thông số miền thời gian, miền phi tuyến, miền không gian - tần số,… Tuy nhiên, nay, chưa có phương pháp QEMG coi tối ưu, nghiên cứu tiếp tục, nhằm tối ưu hơn, tăng độ tin cậy thông tin thu được, giảm phức tạp sử dụng phương pháp Trong nghiên cứu này, tác giả đề xuất phương pháp QEMG dựa việc phân tách hiệu thành phần có ý nghĩa tín hiệu, đoạn điện tích cực (Active Potential Segment – APS) điểm uốn có ý nghĩa chẩn đoán Từ thành phần có ý nghĩa xác định phân tích Poincaré, tác giả đề xuất tính 14 thông số định lượng tín hiệu Hình 3.9 Lưu đồ thuật toán phương pháp tìm điểm uốn Hình 3.9 lưu đồ thuật toán tác giả sử dụng để tìm điểm uốn cho tín hiệu iEMG, delta (= ±25mV) khoảng cách tối thiểu hai cực trị xác định Hình 3.10 minh họa kết áp dụng thuật toán tìm điểm uốn đoạn APS có Hình 3.10 Các điểm uốn xác định đoạn APS 3.2.3 Xác định đoạn APS có ý nghĩa chẩn đoán Các đoạn APS xác định được coi có ý nghĩa chẩn đoán có biên độ đỉnh lớn (hoặc nhỏ nhất) lớn ngưỡng Tp (hoặc nhỏ ngưỡng Tn) Trong đó, ngưỡng Tp Tn tính theo biểu thức điều kiện sau: (1) Nếu * + ∑ ∑ không * + ; (2) Nếu * + ∑ ∑ * + , với * +, * + L không giá trị cực đại, cực tiểu độ dài chuỗi ( ) 11 Hình 3.12 Cách xác định APS có ý nghĩa tín hiệu iEMG 3.3 Bộ thông số định lƣợng tín hiệu iEMG chi Với APS ý nghĩa xác định được, tham số biên độ (Ai), thời khoảng (Di), số pha (Pi) số điểm uốn (Ti) đoạn APSi xác định Hình 3.12 Dạng sóng tham số đoạn APS Tiếp theo, thông số định lượng trung bình (xA), phương sai (sA) biên độ APSi tỷ lệ thời gian biến động (rAPS) tín hiệu iEMG tính toán sau: ∑ ̅ √ ∑ (mV) ( ∑ ̅ ) (mV) (%) 12 (3.8) (3.12) (3.16) Tương tự, thông số định lượng khác ̅ , ̅ , ̅ , , , , , giá trị trung bình biên độ, pha, thời khoảng, số điểm uốn, độ lệch chuẩn giá trị pha, thời khoảng, điểm uốn APS có ý nghĩa số APS, đỉnh, điểm uốn tín hiệu iEMG xác định Ngoài ra, thông số đặc trưng cho tín hiệu miền phi tuyến xác định, hai số SD1, SD2 Chúng thể độ phân tán biên độ mẫu theo chiều ngang dọc đường phân giác đồ thị Poincaré Hình 3.15 mô tả dạng phân bố cặp điểm mẫu liên tiếp đồ thị Poincaré nhóm tín hiệu khác Hình 3.15 Đồ thị Poincaré tín hiệu thuộc nhóm khác Theo lý thuyết phân tích Poincaré, với chuỗi liệu ( ) * + giá trị SD1 SD2 tính sau: √ ( √ ( ) ) (3.17) ( ) (3.18) Như vậy, theo phương pháp QEMG phát triển, tín hiệu iEMG đặc trưng 14 thông số, gồm: 12 thông số tính miền thời gian thông số tính miền phi tuyến 3.4 Đánh giá giá trị thông số định lƣợng Bộ liệu mẫu EMGLab [37] tác giả sử dụng để đánh giá hiệu phương pháp đề xuất Tập bao gồm 844 ghi tín hiệu iEMG đo chi co mức 30%MVC, thiết bị tiêu chuẩn theo phương pháp tiêu 13 chuẩn Các đối tượng đo xác nhận chắn thuộc ba nhóm bệnh lý, rối loạn thần kinh vận động (ALS), bệnh (MYO) bình thường (NOR) Sau số kết thử nghiệm phương pháp đề xuất, số công đoạn so sánh với phương pháp khác Bảng 3.2 Bảng so sánh số phân tách APS phương pháp Phương pháp ̅ ̅ Phương pháp Christodoulos [19] 380 26,6 Phương pháp Nikolic [63] 290 32,5 Phương pháp đề xuất 360 26,7 Theo bảng trên, phương pháp cho phép tách APS có độ dài khác phương pháp Nikolic [63], khi, đoạn APS không chứa đoạn điện nghỉ tương tự phương pháp Christodoulos [19] Ngoài phương pháp phân tách APS nhanh phương pháp Nikolic N2001A01AP51.bin N2001A02VL08.bin N2001A03BB53.bin N2001M01TF52.bin N2001M02BB11.bin N2001C01BB60.bin N2001C02BB76.bin … Bảng 3.4 Bảng trích sở liệu thông số định lượng tín hiệu Đơn vị ALS ALS ALS MYO MYO NOR NOR … Đoạn 150 133 212 409 426 492 567 … Đỉnh 358 218 398 804 1001 964 987 … Tur 695 553 585 1174 1550 1412 1388 … ̅ mV 0,7164 2,018 0,4051 0,1024 0,0183 0,182 0,0996 … ̅ Pha 3,887 3,135 2,627 2,455 2,185 2,425 1,965 … ̅ ms 10,42 19,96 10,98 7,154 9,007 10,63 8,678 … ̅ Tur 4,633 4,158 2,759 2,87 3,638 2,87 2,448 mV 0,2543 1,422 0,3341 0,0418 0,0268 0,080 0,0392 … Pha 1,421 1,099 1,195 1,328 1,123 1,486 1,216 ms 3,511 11,61 4,948 3,647 4,309 5,963 5,149 Tur 2,028 2,059 1,347 1,78 2,298 1,9 1,844 … Tên bảnghi Thông số Nhóm % 14,251 24,253 21,226 26,633 34,965 47,71 44,831 … mV 0,0057 0,0110 0,0023 0,0014 0,0011 0,002 0,0010 … mV 0,1176 0,3373 0,1056 0,0297 0,029 0,071 0,0403 … 14 Phân tích QEMG tất ghi tín hiệu tập mẫu, ta có tập liệu thông số định lượng mẫu Để đưa đánh giá giá trị thông số định lượng có được, tác giả thực kỹ thuật phân tích thống kê liệu định lượng tập mẫu có được, bao gồm: (1) mô tả thống kê thông số định nhóm đồ thị Boxplot, (2) kiểm định khác biệt trung bình tổng thể thông số định nhóm kiểm định U-test (3) kiểm định mối tương quan thông số định lượng kiểm định Spearman Dưới số kết phép kiểm định U-test với liệu định lượng mẫu để thấy có hay khác biệt có ý nghĩa thống kê thông số định lượng nhóm Bảng 3.5 Kết kiểm định U-test thông số định lượng ̅ ̅ ̅ ̅ NORMYO T 6,76 5,72 3,59 6,84 -0,88 4,91 -4,56 p 6,70E-12 5,30E-09 0,00016 3,90E-12 0,2751 4,50E-07 2,52E-06 NORALS T -16,36 -15,08 -6,24 18,07 -13,56 14,72 12,3 p 1,80E-60 1,10E-51 0,00E+00 0,0E+00 0,00E+00 MYOALS T -12,64 -11,47 -9,22 17,82 -13,11 13,97 8,38 p 6,60E-37 9,70E-31 0,00E+00 0,0E+00 0,00E+00 NORMYO T 6,53 3,25 6,4 -1,49 7,94 1,517 8,11 p 3,20E-11 0,00058 7,58E-11 0,0687 1,00E-15 0,063 2,2E-16 NORALS T 15,93 -0,85 12,13 3,79 1,91 11,27 13,19 p 0,00E+00 0,19677 0,00E+00 0,0001 2,80E-02 0 MYOALS T 15,37 2,8 8,65 3,79 -7,18 12,64 16,05 p 0,00E+00 0,00253 0,00E+00 0,0001 3,60E-13 0 Nhóm Theo kết kiểm định thấy rằng, phần lớn thông số định lượng có khác biệt có ý nghĩa thống kê (|T| > 2, p < 0,05) nhóm Chỉ có vài thông số khác biệt hai nhóm, sp hai nhóm ALS – NOR , sT hai nhóm NOR – MYO, điều phù hợp với mô tả thực tế Theo kết kiểm định Spearman với tập liệu định lượng mẫu lý thuyết kiểm định Spearman, tác giả rút số kết luận sau: nhóm thông số { , , }, nhóm { }, nhóm { ̅ , }, nhóm { ̅ , }, nhóm { ̅ , }, nhóm { ̅ , ̅ } nhóm { , , } có mối tương quan cao với 15 (rho > 0,8) giá trị t-star tương ứng lớn giá trị tới hạn (1,96) nên mối tương quan có ý nghĩa thống kê 3.6 Kết luận chƣơng Trên hình 3.17 minh họa quy trình QEMG phương pháp có (A B) phương pháp phát triển (C) Hình 3.17 Các quy trình phương pháp QEMG khác Phương pháp QEMG phát triển có quy trình khác so với số phương pháp QEMG có Phương pháp QEMG phát triển có đặc trưng sau: - Tiền xử lý tín hiệu lọc số có đáp ứng pha không, tạo dải thông tín hiệu 20Hz – 2kHz - Phát triển phương pháp xác định thành phần có ý nghĩa chẩn đoán tín hiệu iEMG chi, đoạn APS điểm uốn Phương pháp tự động tách APS phát triển có ưu điểm là: (1) giảm số phép tính giá trị ( ) xuống lần, đơn giản việc tính ngưỡng để xác định điểm bắt đầu kết thúc đoạn APS tín hiệu iEMG, giảm đoạn điện nghỉ chứa đoạn APS phân tách so với phương pháp Nikolic sử dụng; (2) cho phép tự động tách APS có ý nghĩa chẩn đoán có độ dài khác nhau, khả mà phương pháp Christodoulos sử dụng không thực - Đề xuất 14 thông số đặc trưng cho tín hiệu gồm , , , ̅ , ̅ , ̅ , ̅ , , , , , , 16 CHƢƠNG ĐỀ XUẤT PHƢƠNG PHÁP SỬ DỤNG CÁC THÔNG SỐ ĐỊNH LƢỢNG TÍN HIỆU CÓ ĐƢỢC ĐỂ PHÂN LOẠI TÍN HIỆU iEMG CHI THEO CÁC NHÓM BỆNH LÝ 4.1 Giới thiệu Để tăng hiệu nữa, mô hình phân loại tín hiệu dựa thông số định lượng tín hiệu iEMG sử dụng Trong nghiên cứu trước [8], [15], [21], [40], [48], [67], [74] phương pháp phân loại chủ yếu phát triển dựa mạng Nơron, máy vectơ hỗ trợ (SVM) sử dụng nhiều thông số định lượng khác Độ xác phân loại đạt khoảng 80% phân loại tín hiệu theo ba nhóm ALS, MYO NOR Trong nghiên cứu này, tác giả phát triển số phương pháp sử dụng thông số thu theo phương pháp QEMG tác giả đề xuất để phân loại tín hiệu iEMG theo ba nhóm Các phân loại phương pháp phân loại phát triển dựa kỹ thuật học máy phân tích thống kê 4.2 Phƣơng pháp sử dụng mạng Nơron 4.2.1 Mạng Artifical Neural Network (ANN) Mô hình xử lý thông tin mạng ANN cấu trúc theo ứng dụng cụ thể, có mô hình tổng quát hình Hình 4.2 Cấu trúc tổng quát mạng ANN Cấu trúc mô tả biểu thức tổng quát sau: ( ) (4.3) ∑ (4.4) Trong đó: xk tín hiệu đầu vào, netk hàm tổng, f(.) hàm truyền, bk ngưỡng, wki số liên kết đầu vào xi với nơron k yk đầu 17 Mô hình ANN-BP (là mạng ANN có cấu trúc truyền thẳng, sử dụng thuật toán lan truyền ngược trình học máy có giám sát) dùng để xây dựng phân loại tín hiệu iEMG chi Vectơ đầu vào thông số định lượng lựa chọn, đầu tương ứng nhóm bệnh lý (xem hình 4.5) Các thông số định lượng đầu vào chuẩn hóa để đảm bảo điều kiện giá trị khoảng [-1 1] theo công thức: ( ( )) ( ) ( ) (4.5) Trong đó: giá trị chuẩn hóa, giá trị ban đầu, S số lượng vectơ đặc tính đầu vào sử dụng để chuẩn hóa, ( ) ( ) tương ứng với giá trị cực tiểu cực đại phần tử tập liệu Đầu Y quy ước: ALS {1,0,0}T, NOR {0,1,0}T MYO {0,0,1}T Hình 4.5 Kiến trúc mạng ANN sử dụng để phân loại tín hiệu iEMG 4.2.2 Thử nghiệm đánh giá Tập liệu để huấn luyện thử nghiệm mạng gồm 844 thông số định lượng tín hiệu iEMG chi chuẩn hóa Hình 4.6 Bộ phân loại tín hiệu iEMG ANN-BP 14 đầu vào 18 Nghiên cứu này, tác giả xây dựng phân loại tín hiệu iEMG sử dụng mô hình mạng ANN-BP với 14 đầu vào tương ứng với 14 thông số thu theo phương pháp QEMG phát triển, cấu hình phân loại thể hình 4.6 Kết huấn luyện phân loại thể ma trận phân loại đồ thị ROC hình 4.8 Kết thu cho thấy, phân loại ANN-BP14 sử dụng 14 thông số định lượng tín hiệu, phân loại tín hiệu iEMG đạt độ xác cao (đạt 84% phân loại đúng) Độ xác phân loại tín hiệu liên quan đến nhóm ALS cao (đạt 88,2%), độ xác phân loại tín hiệu liên quan đến nhóm MYO thấp (đạt 81,6%) Hình 4.8 Ma trận phân loại, đồ thị ROC phân loại ANN-BP14 4.3 Phƣơng pháp sử dụng phân tích hồi quy Logistic 4.3.1 Kỹ thuật phân tích hồi quy logistic Kỹ thuật cho phép xác định mối liên hệ biến phụ thuộc nhị phân với hai hay nhiều biến độc lập Với biến độc lập , , , ( liên tục hay không liên tục), mô hình hồi quy logistic đa biến phát biểu rằng: ( ) ∑ (4.8) Trong đó: số ước lượng giá trị trung bình ( ) = ; số ước lượng độ dốc, cho biết ( ) kèm với thay đổi thay đổi trung bình sai số mô hình, thường bỏ qua ước tính tham số mô hình Đối với mô hình liệu cụ thể, thông số mô hình xác định phương pháp hợp lý cực đại (maximum 19 Likelihood) Theo phương pháp hợp lý cực đại có hệ phương trình sau sau: ∑ ( ) (4.10) { ∑ ( ) Thay giá trị tập liệu vào hệ phương trình 4.10 sử dụng phương pháp giải hệ phương trình Newton–Raphson giá trị ̅ , ̅ biểu thức xác suất xác định ̅ (̅ ∑ ̅ ) (4.13) Từ đó, ta dễ dàng ước tính xác suất ̅ giá trị ( , ,…, ) biến đầu vào 4.3.2 Lựa chọn thông số sử dụng cho biểu thức ̅ Một vấn đề quan trọng mà cần xem xét, trước thực xây dựng biểu thức tính xác suất cụ thể kỹ thuật phân tích hồi hồi quy Logistics, lựa chọn thông số định lượng làm biến đầu vào cho biểu thức xác suất Bởi vì, ta có k thông số định lượng ta có 2k - phương án chọn tổ hợp biến đầu vào khác cho biểu thức xác suất Theo phương pháp lựa chọn biến đầu vào lý thuyết phân tích hồi quy Logistic, tác giả phát triển giải pháp chọn biến cho biểu thức xác suất dùng mô hình phân loại tín hiệu iEMG chi, là: (1) biến lựa chọn phải có khác biệt có ý nghĩa thống kê nhóm phân loại (2) biến chọn tương ứng với thông số mà có độ tương quan không cao (rho < 0,8) Dựa kết kiểm định U-test Spearman thử tập liệu mẫu áp dụng giải pháp phát triển, ta chọn hai thông số { ̅ , ̅ , , }, { , ̅ , ̅ , ,và } biến đầu vào biểu thức xác suất Trong đó:  Biểu thức xác suất để phân loại tín hiệu thành hai nhóm nhóm ALS ALS nên dùng thông số { , ̅ , ̅ , , }  Biểu thức xác suất để phân loại tín hiệu thành hai nhóm nhóm MYO MYO nên dùng thông số { , ̅ , ̅ , , } 20 4.3.2 Thử nghiệm đánh giá Một phần liệu lấy từ tập mẫu sử dụng để xây dựng biểu thức tính xác suất tín hiệu thuộc nhóm ALS (là PALS) nhóm MYO (là PMYO) Biến độc lập thông số định lượng lựa chọn theo phương pháp giảm biến đầu vào tác giả đề cập phần Trong đó:  Khi xây dựng biểu thức PALS, biến đầu vào thông số định lượng , ̅ , ̅ , ,và Biến phụ thuộc yi = tín hiệu thuộc nhóm ALS, khác yi = Sử dụng công cụ chuyên dụng ta xác định biểu thức: ̅  ( ̅ (4.14) ) Khi xây dựng biểu thức PMYO, biến đầu vào thông số định lượng , ̅ , ̅ , ,và Biến phụ thuộc yi = tín hiệu thuộc nhóm MYO, khác yi = Sử dụng công cụ chuyên dụng ta xác định biểu thức: ̅ ( ̅ ) (4.15) Hình 4.12 mô tả phân bố giá trị PALS PMYO tính theo công thức 4.14 4.15 nhóm tín hiệu tập mẫu Hình 4.12 Đồ thị phân bố giá trị xác suất PALS PMYO 21 Như vậy, với tín hiệu iEMG (được đo phân tích QEMG theo phương pháp tương tự liệu mẫu, dùng để xây dựng biểu thức ̅ ) bất kỳ, ta dễ dàng tính số PALS, PMYO dựa thông số định lượng Với số xác suất PALS PMYO có tín hiệu iEMG chi phân loại sau: Nếu phân loại tín hiệu theo hai nhóm ALS ALS, MYO MYO ta cần so sánh số PALS PMYO với ngưỡng cụ thể Khi đó, tín hiệu thuộc nhóm ALS MYO số xác suất tương ứng lớn ngưỡng chọn trước Nếu phân loại tín hiệu theo ba nhóm, ta sử dụng hai số xác suất theo luật sau: (1) PALS > PMYO PALS > PALSn tín hiệu thuộc nhóm ALS, (2) PMYO > PALS PMYO > PMYOn tín hiệu thuộc nhóm MYO (3) không thỏa mãn điều kiện tín hiệu thuộc nhóm NOR Thử nghiệm phân loại tín hiệu tập mẫu theo hai cách ta có kết phân loại sau: Bảng 4.8 Bảng phân loại theo hai nhóm ALS khác ( ̅ Nhóm ALS Thực tế Nhóm khác ALS thực tế Tổng Độ xác Kết tiên đoán Nhóm ALS Nhóm khác ALS 43 236 25 540 261 583 0,846 0,956 Bảng 4.9 Bảng phân loại theo hai nhóm MYO khác ( ̅ Kết tiên đoán Nhóm MYO thực tế Nhóm khác MYO thực tế Tổng Độ xác Nhóm MYO 188 79 267 0,76 Nhóm khác MYO 62 515 577 0,87 = 0,45) Tổng 279 565 844 0,92 = 0,45) Tổng 250 594 844 0,84 Độ xác phân loại tín hiệu theo hai nhóm cao (92% theo ALS 84% theo MYO) so với theo ba nhóm (79%) 22 Bảng 4.11 Bảng phân loại tín hiệu theo ba nhóm (PALSn = PMYOn = 0,45) Thực tế ALS NOR MYO Tổng Độ xác ALS 236 13 12 261 0,85 Tiên đoán NOR 32 224 52 308 0,75 MYO 11 61 203 275 0,76 Tổng 279 298 267 844 0,79 Áp dụng phương pháp phân loại dùng mạng ANN-BP với đầu vào { , ̅ , ̅ , , }, theo cách thức tương tự với 14 đầu vào phân tích Kết thu cho thấy độ xác phân loại hai phương pháp tương đương (xấp xỉ 80%), nhiên, phương pháp phân loại xây dựng kỹ thuật phân tích hồi quy logistic đơn giản, trực quan, dễ áp dụng thực tế 4.4 Kết luận chƣơng Các phương pháp phân loại sử dụng thông số định lượng xây dựng dựa mạng ANN phân tích hồi quy Logistic cho phép phân loại tín hiệu iEMG chi theo nhóm bệnh lý bình thường đạt độ xác cao Các phương pháp thử nghiệm liệu mẫu đạt độ xác 80% phân loại tín hiệu theo ba nhóm ALS, MYO NOR _ KẾT LUẬN Nghiên cứu trình bày luận án đạt mục tiêu đặt Các đóng góp luận án là: Phát triển phương pháp định lượng tín hiệu iEMG chi gồm bước tiền xử lý, phân tách thành phần có ý nghĩa tín hiệu tính thông số định lượng dựa thành phần có ý nghĩa có Phương pháp có ưu điểm số phương pháp trước đó, như: a Cho phép giảm số phép toán, giảm số bước tính toán, giảm can thiệp vào trình phân tích mà thu 23 thông số định lượng đặc trưng tốt cho tín hiệu iEMG dùng cho chẩn đoán b Đề xuất thông số định lượng dùng để phân loại tín hiệu iEMG theo nhóm bệnh lý bình thường Đưa hai phương pháp sử dụng thông số định lượng để phân loại tín hiệu iEMG theo nhóm bệnh lý (ALS MYO) bình thường (NOR) đạt độ xác cao, đó: a Phương pháp phân loại thứ xây dựng dựa mô hình mạng ANN-BP Mô hình phân loại dễ dàng tích hợp vào phần mềm tự động phân loại tín hiệu theo nhóm bệnh lý bình thường, cho phép phân loại tín hiệu đạt độ xác cao b Phương pháp phân loại thứ hai xây dựng dựa kỹ thuật phân tích hồi quy Logistic Theo phương pháp này, tính giá trị xác suất tín hiệu thuộc nhóm ALS MYO Trong ứng dụng lâm sàng, giá trị xác suất sử dụng dễ dàng để phân loại tín hiệu theo nhóm bệnh lý bình thường Ngoài ra, tác giả nhóm hỗ trợ xây dựng công cụ hỗ trợ phân tích định lượng loại tín hiệu iEMG theo phương pháp QEMG phát triển, có tên QEMG_BK Bên cạnh đó, tác giả đề xuất thử nghiệm số giải pháp kỹ thuật cụ thể để chế tạo mạch đo tín hiệu EMG có chất lượng cao Đóng góp có ý nghĩa nghiên cứu chế tạo thiết bị đo lường tín hiệu điện sinh học Việt Nam Trên sở kết đạt được, tác giả kiến nghị số hướng phát triển là: (1) Phát triển phương pháp xác định MUAP mẫu tín hiệu iEMG, dựa thông tin thu từ bước phân tách APS từ tín hiệu iEMG; (2) Phát triển phương pháp phân loại tín hiệu iEMG khác dựa thông số định lượng tín hiệu thu theo phương pháp QEMG phát triển từ nghiên cứu 24 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN Phạm Mạnh Hùng, Vũ Duy Hải, Hoàng Mạnh Cường, Nguyễn Văn Khang, (2014) “Phát triển số giải pháp thiết kế mạch để nâng cao chất lượng tín hiệu điện đồ”, Hội thảo quốc gia 2014 Điện tử, Truyền thông Công nghệ thông tin (REV-ECIT2014),18-19/9/2014 Phạm Mạnh Hùng, Vũ Mạnh Cường, Vũ Duy Hải, Phạm Phúc Ngọc, Nguyễn Văn Khang, (2014) “Development of Quantitative Electromyography Method for Diagnostic and Research Purposes” Journal of Science and Technology, No.101 Phạm Mạnh Hùng, Vũ Mạnh Cường, Vũ Duy Hải, Lê Quang Thắng, Nguyễn Văn Khang, (2015) “Phát triển công cụ dùng việc định lượng tín hiệu điện đồ kim”, Tạp chí Khoa Học & Công Nghệ trường Đại Học Kỹ Thuật, No.103 Phạm Mạnh Hùng, Vũ Duy Hải, Nguyễn Văn Khang, (2015) “Phân Loại Tín Hiệu Điện Cơ Đồ Kim Bằng Mạng Nơron Kỹ Thuật Phân Tích Hồi Quy Logistic”, Tạp chí Khoa Học & Công Nghệ trường Đại Học Kỹ Thuật, No.110 [...].. .iEMG hỗ trợ phân loại tín hiệu theo bệnh lý Hình dưới mô tả phương pháp QEMG tín hiệu iEMG chi được tác giả đề xuất và phát triển Hình 3.1 Quy trình định lượng tín hiệu iEMG được đề xuất 3.2 Phƣơng pháp xác định các thành phần có ý nghĩa chẩn đoán trong tín hiệu iEMG chi Trong nghiên cứu này, tác giả phát triển phương pháp xác định các thành phần có ý nghĩa dựa trên sự kế thừa ưu... kết quả đạt được, tác giả kiến nghị một số hướng phát triển tiếp theo là: (1) Phát triển phương pháp xác định các MUAP mẫu trong tín hiệu iEMG, dựa trên thông tin thu được từ ở bước phân tách các APS từ tín hiệu iEMG; (2) Phát triển phương pháp phân loại tín hiệu iEMG khác dựa trên bộ thông số định lượng tín hiệu thu được theo phương pháp QEMG được phát triển từ nghiên cứu này 24 DANH MỤC CÁC CÔNG TRÌNH... HIỆU iEMG CHI THEO CÁC NHÓM BỆNH LÝ 4.1 Giới thiệu Để tăng hiệu quả hơn nữa, các mô hình phân loại tín hiệu dựa trên các thông số định lượng tín hiệu iEMG được sử dụng Trong các nghiên cứu trước [8], [15], [21], [40], [48], [67], [74] các phương pháp phân loại chủ yếu được phát triển dựa trên mạng Nơron, hoặc máy vectơ hỗ trợ (SVM) và sử dụng nhiều bộ thông số định lượng khác nhau Độ chính xác phân loại... đạt được khoảng 80% khi phân loại tín hiệu theo ba nhóm ALS, MYO và NOR Trong nghiên cứu này, tác giả đã phát triển một số phương pháp sử dụng các thông số thu được theo phương pháp QEMG của tác giả đề xuất để phân loại tín hiệu iEMG theo ba nhóm như trên Các bộ phân loại và phương pháp phân loại này được phát triển dựa trên kỹ thuật học máy và phân tích thống kê 4.2 Phƣơng pháp sử dụng mạng Nơron... không, tạo ra dải thông tín hiệu là 20Hz – 2kHz - Phát triển phương pháp xác định các thành phần có ý nghĩa chẩn đoán trong tín hiệu iEMG chi, là các đoạn APS và các điểm uốn của nó Phương pháp tự động tách các APS được phát triển có ưu điểm là: (1) giảm số phép tính giá trị ( ) xuống lần, đơn giản việc tính ngưỡng để xác định điểm bắt đầu và kết thúc của mỗi đoạn APS trong tín hiệu iEMG, và giảm đoạn điện... thông số định lượng dựa trên các thành phần có ý nghĩa có được Phương pháp này có ưu điểm hơn một số phương pháp trước đó, như: a Cho phép giảm số phép toán, giảm số bước tính toán, giảm sự can thiệp vào quá trình phân tích mà vẫn thu 23 được các thông số định lượng đặc trưng tốt cho tín hiệu iEMG dùng cho chẩn đoán b Đề xuất được bộ các thông số định lượng mới có thể dùng để phân loại tín hiệu iEMG theo... theo các nhóm bệnh lý và bình thường 2 Đưa ra hai phương pháp sử dụng các thông số định lượng để phân loại tín hiệu iEMG theo các nhóm bệnh lý (ALS và MYO) và bình thường (NOR) đạt độ chính xác cao, trong đó: a Phương pháp phân loại thứ nhất được xây dựng dựa trên mô hình mạng ANN-BP Mô hình phân loại này có thể dễ dàng tích hợp vào các phần mềm tự động phân loại tín hiệu theo các nhóm bệnh lý và bình... của hai phương pháp và do Christodoulos [19] và Nikolic [63] đề xuất sử dụng Lưu ý, tín hiệu iEMG chi sẽ được tiền xử lý theo khuyến nghị được đề cập ở chương 2 trước khi thực hiện các phép phân tích tiếp 3.2.1 Xác định các APS có trong tín hiệu iEMG chi Một APS là một đoạn tín hiệu chứa một hoặc nhiều MUAP xếp chồng Hiện nay có 4 phương pháp phát hiện các đoạn APS trong tín hiệu là: (1) Phương pháp sử... thống kê 3.6 Kết luận chƣơng 3 Trên hình 3.17 minh họa các quy trình QEMG của phương pháp đã có (A và B) và phương pháp được phát triển (C) Hình 3.17 Các quy trình của các phương pháp QEMG khác nhau Phương pháp QEMG được phát triển ở đây có quy trình khác so với một số phương pháp QEMG đã có Phương pháp QEMG được phát triển có những đặc trưng như sau: - Tiền xử lý tín hiệu bằng các bộ lọc số có đáp... để phân loại tín hiệu iEMG 4.2.2 Thử nghiệm và đánh giá Tập dữ liệu để huấn luyện và thử nghiệm mạng gồm 844 bộ thông số định lượng của các tín hiệu iEMG chi được chuẩn hóa Hình 4.6 Bộ phân loại tín hiệu iEMG ANN-BP 14 đầu vào 18 Nghiên cứu này, tác giả xây dựng bộ phân loại tín hiệu iEMG sử dụng mô hình mạng ANN-BP với 14 đầu vào tương ứng với 14 thông số thu được theo phương pháp QEMG được phát triển, ... số định lượng có để phân loại tín hiệu, thông tin phân loại tín hiệu có hữu dụng cho việc đưa kết luận chẩn đoán bệnh lý Các đóng góp luận án Phát triển phương pháp định lượng tín hiệu iEMG chi. .. hướng phát triển là: (1) Phát triển phương pháp xác định MUAP mẫu tín hiệu iEMG, dựa thông tin thu từ bước phân tách APS từ tín hiệu iEMG; (2) Phát triển phương pháp phân loại tín hiệu iEMG khác... nghĩa chẩn đoán Từ thành phần có ý nghĩa xác định phân tích Poincaré, tác giả đề xuất tính 14 thông số định lượng tín hiệu iEMG hỗ trợ phân loại tín hiệu theo bệnh lý Hình mô tả phương pháp QEMG tín