BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC THẢO NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ĐIỆN TIM DỰA TRÊN GIẢI PHÁP LOẠI BỎ ẢNH HƯỞNG TỪ NHỊP THỞ CỦA NGƯỜI BỆNH LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Hà Nội 2016BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC THẢO NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ĐIỆN TIM DỰA TRÊN GIẢI PHÁP LOẠI BỎ ẢNH HƯỞNG TỪ NHỊP THỞ CỦA NGƯỜI BỆNH Chuyên ngành: Kỹ thuật điều khiển và tự động hóa Mã số : 62520216 LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TSKH. TRẦN HOÀI LINH Hà Nội 2016 i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dựa trên những hướng dẫn của PGS.TSKH. Trần Hoài Linh và các tài liệu tham khảo đã trích dẫn. Kết quả nghiên cứu là trung thực và chưa từng được ai khác công bố trên bất kỳ công trình nào khác. Hà nội, ngày……tháng……năm 2016 Người hướng dẫn khoa học PGS.TSKH. TRẦN HOÀI LINH Nghiên cứu sinh NGUYỄN ĐỨC THẢO ii LỜI CẢM ƠN Luận án này được hoàn thành tại Bộ môn Kỹ thuật đo và Tin học công nghiệp Viện Điện Trường Đại học Bách Khoa Hà Nội dưới sự hướng dẫn của PGS.TSKH.Trần Hoài Linh. Tác giả xin bày tỏ lòng cảm ơn sâu sắc nhất tới PGS.TSKH.Trần Hoài Linh đã tận tình hướng dẫn về học thuật, kiến thức và kinh nghiệm trong quá trình thực hiện luận án. Tác giả xin chân thành cảm ơn GS.TS.Phạm Thị Ngọc Yến, PGS.TS.Nguyễn Quốc Cường và Hội đồng Khoa học Bộ môn Kỹ thuật đo và Tin học công nghiệp Viện Điện Trường Đại học Bách Khoa Hà Nội đã có những ý kiến đóng góp quý báu và tạo các điều kiện thuận lợi cho tác giả trong quá trình hoàn thành luận án Tác giả xin chân thành cảm ơn các thầy cô Bộ môn Kỹ thuật đo và Tin học công nghiệp Viện Điện Trường Đại học Bách Khoa Hà Nội, các đồng nghiệp khoa Điện tử Tin học Trường Đại học Sao Đỏ và gia đình luôn động viên và tạo điều kiện thuận lợi cho tác giả trong quá trình hoàn thành luận án Tác giả xin chân thành cảm ơn Ban Giám hiệu Trường Đại học Sao Đỏ, Ban Giám hiệu và Viện Đào tạo Sau đại học Trường Đại học Bách khoa Hà Nội đã tạo điều kiện tốt nhất về mọi mặt để tác giả hoàn thành luận án này. Tác giả luận án Nguyễn Đức ThảoMục lục iii MỤC LỤC LỜI CAM ĐOAN.............................................................................................................. i LỜI CẢM ƠN................................................................................................................... ii MỤC LỤC....................................................................................................................... iii DANH MỤC CÁC TỪ VIẾT TẮT...................................................................................vi DANH MỤC CÁC BẢNG BIỂU................................................................................... viii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ............................................................................ix MỞ ĐẦU...........................................................................................................................1 1. Tính cấp thiết của đề tài ...............................................................................................1 2. Mục đích nghiên cứu....................................................................................................2 3. Đối tượng và phạm vi nghiên cứu.................................................................................2 4. Phương pháp nghiên cứu..............................................................................................3 5. Tiêu chí chọn dữ liệu và phương pháp đánh giá kết quả................................................3 6. Ý nghĩa khoa học và thực tiễn của đề tài ......................................................................4 6.1. Ý nghĩa khoa học..................................................................................................4 6.2. Ý nghĩa thực tiễn..................................................................................................4 7. Những đóng góp của luận án........................................................................................4 8. Bố cục của luận án .......................................................................................................5 CHƯƠNG I: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG...................................................................................................................................6 1.1. Hệ tim mạch..............................................................................................................6 1.1.1. Trái tim .............................................................................................................6 1.1.2. Hệ thống dẫn truyền của tim..............................................................................7 1.1.3. Tín hiệu ECG ....................................................................................................8 1.1.4. Các chuyển đạo ECG.........................................................................................9 1.2. Hệ hô hấp................................................................................................................10 1.2.1. Cấu trúc của phổi..............................................................................................11 1.2.2. Các động tác của hệ hô hấp..............................................................................11 1.3. Một số ảnh hưởng của nhịp thở trong tín hiệu ECG.................................................12 1.3.1. Rối loạn nhịp tim.............................................................................................12Mục lục iv 1.3.2. Điều chế biên độ tín hiệu ECG ........................................................................13 1.3.3. Trôi dạt đường cơ sở........................................................................................13 1.4. Một số phương pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG ................14 1.5. Định hướng của luận án...........................................................................................15 1.5.1. Kịch bản 1 (Kịch bản cơ sở để so sánh) ...........................................................18 1.5.2. Kịch bản 2.......................................................................................................18 1.5.3. Kịch bản 3.......................................................................................................18 1.5.4. Kịch bản 4.......................................................................................................19 1.6. Các cơ sở dữ liệu được sử dụng trong luận án..........................................................19 1.7. Kết luận chương 1 ...................................................................................................23 CHƯƠNG II: TỔNG QUAN PHƯƠNG PHÁP LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ VÀ NHẬN DẠNG TÍN HIỆU ECG........................................................................24 2.1. Tổng quan một số phương pháp sử dụng bộ lọc thông cao..................................24 2.2. Wavelet và ứng dụng wavelet trong phân tích tín hiệu.............................................28 2.2.1. Phép biến đổi wavelet......................................................................................28 2.2.2. Thuật toán wavelet rời rạc ..............................................................................30 2.3. Hàm Hermite và ứng dụng trong phân tích tín hiệu..................................................31 2.4. Mạng nơron logic mờ TSK ....................................................................................32 2.4.1. Quy tắc suy luận TSK.....................................................................................32 2.4.2. Mô hình mạng Nơron logic mờ TSK ..............................................................34 2.4.3. Thuật toán học của mạng nơron mờ TSK.........................................................36 2.5. Kết luận chương 2 ...................................................................................................38 CHƯƠNG III: CÁC GIẢI PHÁP ĐỀ XUẤT LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG.................................................................................................39 3.1. Ứng dụng wavelets loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG ..................39 3.2. Sử dụng các đặc tính từ nhịp thở tức thời nhằm năng cao chất lượng nhận dạng tín hiệu ECG.........................................................................................................................44 3.3. Thu thập tín hiệu nhịp thở .......................................................................................45 3.4. Kết luận chương 3 ...................................................................................................50 CHƯƠNG IV: TRÍCH CHỌN ĐẶC TRƯNG VÀ NHẬN DẠNG TÍN HIỆU ECG BẰNG MẠNG TSK ....................................................................................................................51 4.1. Cơ sở dữ liệu...........................................................................................................51Mục lục v 4.2. Ứng dụng SVD để phân tích tín hiệu ECG theo các hàm Hermite............................52 4.3. Ứng dụng mô hình nhận dạng TSK trong bài toán nhận dạng tín hiệu ECG.............54 4.3.1. Xây dựng các bộ số liệu...................................................................................54 4.3.1.1. Cơ sở dữ liệu MITBIH......................................................................54 4.3.1.2. Cơ sở dữ liệu MGHMF .....................................................................57 4.3.2. Xây dựng mô hình nhận dạng ..........................................................................59 4.3.3. Kết quả nhận dạng tín hiệu ECG......................................................................61 4.3.3.1. Các thử nghiệm dạng MIT1616 cho kịch bản 1 và kịch bản 2: .........61 4.3.3.2. Các thử nghiệm dạng MGH2020 cho cả 4 kịch bản nhận dạng:.......63 4.3.3.3. Các thử nghiệm dạng MGH155 cho kịch bản 1 và kịch bản 2: .........68 4.3.3.4. Các thử nghiệm dạng MGH191 cho kịch bản 1 và kịch bản 2: .........69 4.4. Kết luận chương 4 ...................................................................................................71 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ........................................................................72 DANH MỤC CÁC TÀI LIỆU THAM KHẢO .................................................................74 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN ..............................84 Phụ lục A: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 khi sử dụng bộ lọc thông cao loại bỏ ảnh hưởng của nhịp thở. .......................................................................85 Phụ lục B: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình khi sử dụng bộ lọc wavelet loại bỏ ảnh hưởng của nhịp thở. .......................................................87Danh mục các từ viết tắt vi DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt A Premature Atrial Contractions Ngoại tâm thu nhĩ AV Atrioventricular Nút nhĩ thất BW Baseline Wander Trôi dạt đường cơ sở CORR Crosscorelation Coeffcient Hệ số tương quan chéo CWT Continuous Wavelet Transform Biến đổi wavelet liên tục DWT Discrete Wavelet Transform Biến đổi wavelet rời rạc E Ventricular Escape Beat Tâm thất lỗi nhịp ECG Electrocardiogram Điện tim đồ EMD Empirical Mode Decomposition Phân tích thực nghiệm FastICA FastICA algorithm Thuật toán ICA nhanh FIR Finite Impulse Response Filter Bộ lọc có đáp ứng xung hữu hạn FN False Negative Chẩn đoán âm tính sai FP False Positive Chẩn đoán dương tính sai HD High Pass Filter for Decomposition Phân tích bằng bộ lọc thông cao HR High Pass Filter for Reconstruction Tổng hợp bằng bộ lọc thông cao PRD Percent Root Mean Square Difference Phần trăm trung bình bình phương sai lệch I Ventricular Flutter Wave Rung thất ICA Independent Component Analysis Phân tích thành phần độc lập IIR Infinite Impulse Response Filter Bộ lọc có đáp ứng xung vô hạn IMFs Intrinsic Mode Functions Kiểu hàm nội suyDanh mục các từ viết tắt vii Từ viết tắt Tiếng Anh Tiếng Việt IWT Inverse Wavelet Transform Biến đổi Wavelet ngược kPCA Kernel Principal Component Analysis Thành phần chính cốt lõi L Left Bundle Branch Block Beat Block nhánh trái LD Low Pass Filter for Decomposition Phân tích bằng bộ lọc thông thấp LMS Least Mean Squares Trung bình bình phương nhỏ nhất LR Low Pass Filter for Reconstruction Tổng hợp bằng bộ lọc thông thấp MEM MeanMedian Filter Bộ lọc trung bình trung tâm MITBIH MITBIH Arrhythmia Database Cơ sở dữ liệu MITBIH MGHMF MGHMF Waveform Database Cơ sở dữ liệu MGHMF MLP MultiLayer Perceptron Network Mạng nơron truyền thẳng nhiều lớp PAP Pulmonary Arterial Pressure Áp suất động mạch phổi PCA Principal Component Analysis Phân tích theo thành phần chính QRS QRS Complex Phức bộ QRS R Right Bundle Branch Block Beat Block nhánh phải RES Respiratory Impedance Trở kháng đường hô hấp RSA Respiratory Sinus Arrhythmia Rối loạn nhịp xoang S Supraventricular Premature Beat Loạn nhịp thất trên SA Sinoatrial Nút xoang nhĩ SNR Signal to Noise Ratio Tỉ số tín hiệu trên tạp âm SVD Singular Value Decomposition Phân tích theo các giá trị kỳ dị TSK Takaga – Sugeno – Kang neuro fuzzy network Mạng nơron logic mờ TSK (Takaga – Sugeno – Kang) V Premature Ventricular Contraction Ngoại tâm thu thấtDanh mục các bảng biểu viii DANH MỤC CÁC BẢNG BIỂU Bảng 1.1. Các trường hợp thử nghiệm phục vụ các kịch bản nhận dạng ...........................22 Bảng 3.1: Tính toán tần số trung tâm để xác định mức phân tích phù hợp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG ở tần số lấy mẫu 360Hz ......................................40 Bảng 3.2: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình loại bỏ ảnh hưởng của nhịp thở sử dụng thành phần A8 và A9 khi sử dụng các họ wavelet bậc 4 và bộ lọc Butterworth_2 – Thử nghiệm 1...................................................................................41 Bảng 3.3: Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình loại bỏ ảnh hưởng của nhịp thở sử dụng thành phần A8 và A9 khi sử dụng các họ wavelet bậc 4 và bộ lọc Butterworth_2 – Thử nghiệm 2...................................................................................41 Bảng 3.4. Kết quả đếm số nhịp thở trong 10 lần thử nghiệm.............................................50 Bảng 4.1. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 7 loại nhịp ..................55 Bảng 4.2. Bảng phân chia số lượng mẫu của 3 loại nhịp...................................................58 Bảng 4.3. Bảng phân chia số lượng mẫu cho thử nghiệm dạng MGH2020 .....................59 Bảng 4.4. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp của thử nghiệm 1.1 ..........62 Bảng 4.5. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp của thử nghiệm 2.1 ..........62 Bảng 4.6. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 1.2 ..........64 Bảng 4.7. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 2.2 ..........65 Bảng 4.8. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 3.2 ..........65 Bảng 4.9. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp của thử nghiệm 4.2 ..........66 Bảng 4.10. Kết quả nhận dạng 3 loại mẫu nhịp của hai thử nghiệm dạng MGH155........68 Bảng 4.11. Kết quả nhận dạng 3 loại mẫu nhịp của hai thử nghiệm dạng MGH191........70 Bảng A.1: Kết quả tính toán thông số khi sử dụng bộ lọc Butterworth_2..........................85 Bảng A.2: Kết quả tính toán thông số khi sử dụng bộ lọc Kaiser_56 ................................85 Bảng A.3: Kết quả tính toán thông số khi sử dụng bộ lọc Kaiser_255...............................86 Bảng A.4: Kết quả tính toán thông số khi sử dụng bộ lọc Rectang _100...........................86 Bảng B.1.1: Kết quả tính toán các thông số khi sử dụng họ Biorthogonal – Thử nghiệm 187 Bảng B.1.2: Kết quả tính toán các thông số khi sử dụng họ Biorthogonal – Thử nghiệm 288 Bảng B.2.1: Kết quả tính toán các thông số khi sử dụng họ Coiflets – Thử nghiệm 1 .......89 Bảng B.2.2: Kết quả tính toán các thông số khi sử dụng họ Coiflets – Thử nghiệm 2 .......89 Bảng B.3.1: Kết quả tính toán các thông số khi sử dụng họ Daubechies – Thử nghiệm 1..90 Bảng B.3.2: Kết quả tính toán các thông số khi sử dụng họ Daubechies – Thử nghiệm 2..91 Bảng B.4.1: Kết quả tính toán các thông số khi sử dụng họ Symlets – Thử nghiệm 1 .......92 Bảng B.4.2: Kết quả tính toán các thông số khi sử dụng họ Symlets – Thử nghiệm 2 .......93Danh mục các hình vẽ, đồ thị ix DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1: Cấu trúc giải phẫu của tim ..................................................................................6 Hình 1.2: Hệ thống dẫn truyền của tim...............................................................................7 Hình 1.3: Mẫu các dạng sóng khác nhau hình thành nên tín hiệu ECG ...............................8 Hình 1.4: Mẫu tín hiệu ECG và các điểm đặc trưng chính..................................................8 Hình 1.5: Ba chuyển đạo I, II, III bố trí theo tam giác Eithoven.........................................9 Hình 1.6: Ba chuyển đạo đơn cực các chi tăng cường (aVF, aVL, aVF) ...........................10 Hình 1.7: Sáu chuyển đạo trước tim (V1, V2, V3, V4, V5, V6)........................................10 Hình 1.8: Cấu trúc giải phẫu của phổi ............................................................................11 Hình 1.9: Các động tác của quá trình hô hấp ...................................................................12 Hình 1.10: Tín hiệu ECG có khoảng RR thay đổi và tín hiệu nhịp thở............................13 Hình 1.11: Tín hiệu ECG bị điều chế biên độ và tín hiệu nhịp thở....................................13 Hình 1.12: Tín hiệu ECG bị trôi dạt đường cơ sở và tín hiệu nhịp thở ..............................14 Hình 1.13: Sơ đồ khối mô hình tổng quát thực hiện các giải pháp đề xuất của luận án.....16 Hình 1.14: Sơ đồ khối kịch bản 1(kịch bản cơ sở) nhận dạng tín hiệu ECG bằng mạng TSK ........................................................................................................................................18 Hình 1.15: Sơ đồ khối kịch bản 2 nhận dạng (bằng mạng TSK) tín hiệu ECG đã lọc bằng wavelet ............................................................................................................................18 Hình 1.16: Sơ đồ khối kịch bản 3 nhận dạng (bằng mạng TSK) tín hiệu ECG sử dụng thêm 2 đặc tính từ nhịp thở (không lọc ECG bằng wavelet) ......................................................19 Hình 1.17: Sơ đồ khối kịch bản 4 nhận dạng (bằng mạng TSK) tín hiệu ECG đã được lọc bằng wavelet và sử dụng thêm 2 đặc tính từ nhịp thở .......................................................19 Hình 1.18: Một số ví dụ tín hiệu ECG bị ảnh hưởng của nhịp thở trong cơ sở dữ liệu MITBIH: a) Tín hiệu ECG bị rối loại nhịp tim, b) Tín hiệu ECG bị điều chế biên độ và c) Tín hiệu ECG bị trôi dạt đường cơ sở.....................................................................................20 Hình 1.19: Một số ví dụ tín hiệu ECG bị ảnh hưởng của nhịp thở trong cơ sở dữ liệu MGHMF: a) Tín hiệu ECG bị rối loại nhịp tim, b) Tín hiệu ECG bị điều chế biên độ và c) Tín hiệu ECG bị trôi dạt dường cơ sở...............................................................................21 Hình 2.1: Đồ thị biểu diễn kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình khi sử dụng các bộ lọc thông cao –Thử nghiệm 1 ....................................................26 Hình 2.2: Đồ thị biểu diễn kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình khi sử dụng các bộ lọc thông cao –Thử nghiệm 2 ...................................................26Danh mục các hình vẽ, đồ thị x Hình 2.3: Tín hiệu ECG gốc (a), tín hiệu ECG bị ảnh hưởng của nhịp thở (b) và tín hiệu ECG được loại bỏ ảnh hưởng của nhịp thở bằng các bộ lọc thông cao (c,d,e,f).................27 Hình 2.4: Cấu trúc các bước phân tích tín hiệu thành các thành phần “chi tiết” và “xấp xỉ“ ........................................................................................................................................30 Hình 2.5: Đồ thị của hàm Hermite bậc N khác nhau.........................................................31 Hình 2.6: Mạng nơron mờ TSK một đầu ra ......................................................................35 Hình 3.1: Một số họ wavelet được sử dụng để phân tích tín hiệu......................................39 Hình 3.2: Tín hiệu nhịp thở (a), tín hiệu ECG bị điều chế biên độ (b), thành phần A8 (c), tín hiệu ECG được loại bỏ nhịp thở bằng họ Coif4 (d), tín hiệu nhịp thở và thành phần A8 (e) ........................................................................................................................................42 Hình 3.3: Tín hiệu nhịp thở (a), tín hiệu ECG bị trôi dạt đường cơ sở (b), thành phần A8 (c), tín hiệu ECG được loại bỏ nhịp thở bằng họ Coif4 (d), tín hiệu nhịp thở và thành phần A8 (e)...............................................................................................................................43 Hình 3.4: Xác định biên độ nhịp thở tức thời tại đỉnh R của nhịp tim đang nhận dạng .....44 Hình 3.5: Xác định đỉnh nhịp thở và tính toán chu kỳ của nhịp thở..................................45 Hình 3.6: Mẫu tín hiệu nhịp thở .....................................................................................45 Hình 3.7: Sự bất đối xứng biên độ tín hiệu giữa hít vào, thở ra.........................................45 Hình 3.8: Sơ đồ khối mạch thu thập tín hiệu nhịp thở.......................................................47 Hình 3.9: Cấu trúc của cảm biến gia tốc MMA8451Q......................................................47 Hình 3.10: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc ...............................48 Hình 3.11a: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc ở trạng thái thở thường .............................................................................................................................48 Hình 3.11b: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc ở trạng thái thở chậm................................................................................................................................48 Hình 3.11c: Tín hiệu nhịp thở thu được từ 3 trục của cảm biến gia tốc ở trạng thái thở nhanh...............................................................................................................................49 Hình 3.12: Tín hiệu tách ra từ 3 trục của cảm biến gia tốc bằng thành phần A8.................49 Hình 4.1: Xấp xỉ tín hiệu ECG bằng N bậc đầu tiên của hàm Hermite.............................53 Hình 4.2: Một số mẫu phức bộ QRS của các loại nhịp A, E, L, R, I và V của tín hiệu ECG ........................................................................................................................................56 Hình 4.3: Một số mẫu phức bộ QRS của các loại nhịp S và V của tín hiệu ECG..............57 Hình 4.4: Đồ thị biểu diễn kết quả khảo sát số luật TSK của các thử nghiệm MIT1616..61 Hình 4.5: Đồ thị biểu diễn kết quả khảo sát số luật TSK của các thử nghiệm MGH202064Mở đầu 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài Ngày nay cùng với sự phát triển mạnh mẽ của công nghệ thông tin và điện tử đã và đang đem lại nhiều hiệu quả trong đời sống xã hội. Trong y học, công nghệ thông tin và điện tử đã đem lại nhiều ứng dụng trong chăm sóc sức khỏe con người. Mặt khác các bác sĩ luôn cần có các thông tin càng chính xác càng tốt cho các công tác chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh. Tín hiệu nhịp thở và điện tim (ECG ElectroCardioGraph) là hai tín hiệu y sinh cơ bản và quan trọng được sử dụng để xác định tình trạng sức khỏe của một người 72. Tín hiệu ECG là nguồn thông tin quý giá để xác định các bệnh lý về tim mạch 98. Tuy nhiên với đặc thù tín hiệu ECG thường có biên độ nhỏ và dễ bị ảnh hưởng của nhiều thành phần nhiễu khác nhau như: nhiễu do nguồn điện lưới, do các điện cực tiếp xúc kém với bề mặt cơ thể của bệnh nhân, do sự thay đổi cảm xúc của bệnh nhân, do quá trình hô hấp và chuyển động của bệnh nhân… Hiện nay phương pháp thu thập tín hiệu ECG vẫn được thực hiện bằng cách đo sự chênh lệch điện áp của cặp điện cực gắn trên người bệnh. Vì vậy khi ta hít thở làm thay đổi thể tích của lồng ngực dẫn đến thay đổi trở kháng tiếp xúc giữa điện cực – bề mặt cơ thể của người bệnh và véctơ trục điện tim dẫn đến làm ảnh hưởng đến chất lượng tín hiệu ECG đưa về mạch thu thập 21, 27, 29, 31, 38, 40, 49, 56, 70, 94. Đồng thời lưu lượng không khí trong quá trình hít thở cũng làm thay đổi nồng độ Oxygen trong máu, từ đó dẫn tới các thay đổi trong tín hiệu ECG 47. Nhận dạng tín hiệu ECG là một trong những vấn đề kỹ thuật vẫn đang được tiếp tục quan tâm, đầu tư nghiên cứu hiện nay do đây là một vấn đề khó, yêu cầu độ chính xác và độ tin cậy ngày càng cao hơn. Một trong những nguyên nhân gây khó khăn cho nhận dạng tín hiệu ECG là sự ảnh hưởng bởi quá trình chuyển động của người bệnh đặc biệt là các hoạt động của quá trình hô hấp gây ra. Đã có nhiều nghiên cứu ở nước ngoài đề xuất loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG 10, 17, 21, 49, 61, 76, 94, 96. Tại Việt Nam cũng đã có một số công trình như trong luận án của TS. Hoàng Mạnh Hà đề xuất các phương pháp thích nghi trong lọc nhiễu tín hiệu ECG và luận án của TS. Vương Hoàng Nam đề xuất phương pháp phân tích thành phần độc lập để loại bỏ nhiễu trong tín hiệu ECG (tuy nhiên hai luận án này chưa đề cập đến ảnh hưởng của nhịp thở trong tín hiệu ECG và giải pháp loại bỏ sự ảnh hưởng này). Trong luận án của TS. Chử Đức Hoàng đề xuất thuật toán phân tích biến động khử khuynh hướng để phân tích chứng loại nhịp tim, các kết quả nghiên cứu mới chỉ dừng lại ở việc phân tích có bệnh hay không có bệnh còn trong luận án của TS. Phan Duy Hùng cũng như trong các công trình 72, 80 các tác giả đềMở đầu 2 xuất sử dụng một cảm biến gia tốc để đếm số nhịp thở đồng thời với quá trình thu thập tín hiệu ECG để chẩn đoán chứng ngừng thở của người bệnh. Vì vậy, đề xuất một giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG phù hợp làm ảnh hưởng nhỏ đến đặc tính của tín hiệu ECG để nâng cao độ tin cậy và độ chính xác kết quả nhận dạng tình trạng bệnh lý tim mạch của người bệnh hỗ trợ cho các bác sĩ trong công tác chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh là rất cần thiết. 2. Mục đích nghiên cứu Mục đích của luận án là tìm hiểu các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG từ đó đề xuất và lựa chọn một giải pháp phù hợp loại bỏ các ảnh hưởng của nhịp thở trong tín hiệu ECG. Trong trường hợp đo được tín hiệu nhịp thở đồng thời với tín hiệu ECG luận án đề xuất sử dụng thêm các đặc tính từ thông tin nhịp thở để cải thiện chất lượng nhận dạng tín hiệu ECG. Tín hiệu ECG sau khi đã được loại bỏ ảnh hưởng của nhịp thở hoặc sử dụng thêm các thông tin từ nhịp thở sẽ được đưa vào một số mô hình nhận dạng để kiểm chứng kết quả so với trước khi loại bỏ ảnh hưởng của nhịp thở hoặc không sử dụng thông tin từ nhịp thở. Luận án sẽ thử nghiệm nhận dạng với 4 kịch bản sau để so sánh: Kịch bản 1 (là kịch bản cơ sở để so sánh): Nhận dạng tín hiệu ECG trước khi loại bỏ ảnh hưởng của nhịp thở Kịch bản 2: Nhận dạng tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở (sử dụng chung một bộ đặc tính và một mô hình nhận dạng với kịch bản 1) Kịch bản 3: Nhận dạng tín hiệu ECG trước khi loại bỏ ảnh hưởng của nhịp thở nhưng có sử dụng thêm các đặc tính từ các thông tin của nhịp thở Kịch bản 4: Nhận dạng tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở và có sử dụng thêm các đặc tính từ các thông tin của nhịp thở Các kết quả tính toán, phân tích và nhận dạng sẽ được thực hiện trên phần mềm Matlab. 3. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu của luận án gồm: Giải phẫu sinh lý học hệ tim mạch hô hấp và sự ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG, Các giải pháp được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG,Mở đầu 3 Khả năng bổ sung các đặc tính từ nhịp thở để hỗ trợ nhận dạng tín hiệu ECG, Với các đối tượng nghiên cứu đã đề xuất ở trên, luận án sẽ được thực hiện với phạm vi nghiên cứu như sau: Tìm hiểu và lựa chọn một số dạng ảnh hưởng của nhịp thở tới tín hiệu ECG để tìm các giải pháp khắc phục các ảnh hưởng này, Khảo sát và lựa chọn họ wavelet với bậc phù hợp để loại bỏ ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG; Khảo sát và lựa chọn một số đặc tính từ nhịp thở tức thời để bổ sung cho véctơ đặc tính dùng trong nhận dạng tín hiệu ECG. Tìm hiểu và sử dụng một mô hình nhận dạng chung và các cơ sở dữ liệu mẫu để so sánh và kiểm chứng chất lượng khi áp dụng các giải pháp đề xuất trên, Tìm hiểu và phát triển các giải pháp xử lý tín hiệu trong luận án trên mạch phần cứng (để hướng tới tích hợp giải pháp trên thiết bị nhỏ gọn). 4. Phương pháp nghiên cứu Phối hợp lý thuyết với các mô hình thử nghiệm theo chu trình kín (đề xuất lý thuyết triển khai các thử nghiệm để kiểm nghiệm hiệu chỉnh lại mô hình lý thuyết ...) Các mô hình được phát triển theo hướng khối hóa, phân tích hệ thống theo chu trình từ tổng thể đến chi tiết. Các giải pháp sẽ được đánh giá bằng thực nghiệm, trên cơ sở tính toán độ tin cậy và độ cải thiện của các mô hình nhận dạng khi sử dụng các giải pháp đề xuất của luận án so với không sử dụng đề xuất của luận án. Giải pháp được lựa chọn là giải pháp có độ chính xác cao nhất khi kiểm tra với bộ số liệu mẫu mới, chưa được dùng khi xây dựng mô hình. 5. Tiêu chí chọn dữ liệu và phương pháp đánh giá kết quả Để đánh giá chất lượng của các giải pháp, luận án sẽ sử dụng các bộ số liệu mẫu đã có sẵn, được xây dựng bởi các nhóm chuyên gia thế giới và đã được nhiều tác giả sử dụng trong công trình nghiên cứu của họ. Cụ thể trong luận án này sẽ sử dụng 2 cơ sở dữ liệu mẫu là cơ sở dữ liệu MITBIH và cơ sở dữ liệu MGHMF được công bố tại địa chỉ www.physionet.org. Các tín hiệu ECG trong hai cơ sở dữ liệu này đã được các bác sỹ khảo sát và đánh dấu từng vị trí đỉnh R cho mỗi nhịp tim và phân loại từng nhịp tim trong đó. Ngoài ra cơ sở dữ liệu MGHMF còn có các tín hiệu nhịp thở đo đồng bộ với tín hiệu ECG nên rất phù hợp với mục tiêu sử dụng trong luận án.Mở đầu 4 Đối với mỗi mô hình nhận dạng, nghiên cứu sinh sẽ tạo một bộ mẫu đa dạng gồm nhiều loại nhịp bệnh với số lượng phân bố tương đối đều (theo khả năng đáp ứng của cơ sở dữ liệu) từ nhiều người bệnh khác nhau. Bộ mẫu đa dạng này sẽ giúp nâng cao khả năng tổng quát hóa khi nhận dạng của các mô hình đã được huấn luyện. Chất lượng của các giải pháp được đánh giá trên cơ sở so sánh trực tiếp về độ chính xác của quá trình nhận dạng các mẫu trong các bộ số liệu đã được xây dựng với cùng một mô hình nhận dạng và cùng một phương pháp trích chọn đối với các đặc tính dùng chung. Luận án sẽ tạo nhiều kịch bản để so sánh kiểm chứng trên nhiều bộ số liệu khác nhau nhằm nâng cao được độ tin cậy của các kết quả. Ngoài các so sánh sử dụng sai số tuyệt đối và sai số tương đối giữa các trường hợp, nghiên cứu sinh còn sử dụng thêm các test thống kê cho những trường hợp có chuỗi sai số cần đánh giá. 6. Ý nghĩa khoa học và thực tiễn của đề tài 6.1. Ý nghĩa khoa học Đề xuất một giải pháp phù hợp sử dụng wavelet loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG với ảnh hưởng nhỏ hơn đến hình dạng và đặc tính tín hiệu ECG, Đề xuất sử dụng hai đặc tính tức thời từ nhịp thở để bổ sung cho véctơ đặc tính của tín hiệu ECG để cải thiện độ chính xác của quá trình nhận dạng, Xây dựng nhiều kịch bản thử nghiệm để kiểm chứng chứng tỏ rằng khi loại bỏ ảnh hưởng của nhịp thở hoặc khi sử dụng thêm các thông tin trực tuyến của nhịp thở thì có thể cải thiện được chất lượng nhận dạng tín hiệu ECG. 6.2. Ý nghĩa thực tiễn Bài toán nhận dạng tín hiệu ECG có ý nghĩa thực tiễn cao, chất lượng nhận dạng có ảnh hưởng tới sức khỏe của người bệnh. Vì vậy đề xuất một giải pháp mới nhằm nâng cao chất lượng nhận dạng tín hiệu ECG có ý nghĩa quan trọng trong thực tiễn, góp phần bổ sung vào các giải pháp hỗ trợ cho quá trình chẩn đoán, xác định, điều trị và theo dõi bệnh của bác sĩ tuyến cơ sở. 7. Những đóng góp của luận án Đã khảo sát để đề xuất sử dụng họ wavelet phù hợp (cụ thể là wavelet họ Coiflets bậc 4) trong phân tích thành phần xấp xỉ bậc 8 (còn gọi là thành phần A8) tương ứng với dải tần số của nhịp thở làm cơ sở để loại bỏ ảnh hưởng của nhịp thở khi phân tích tín hiệu ECG. Đã đề xuất sử dụng hai đặc tính từ nhịp thở là biên độ tức thời của nhịp thở tại đỉnh R của nhịp tim và trung bình 10 chu kỳ cuối cùng của nhịp thở để cải thiện chất lượng nhận dạng,Mở đầu 5 Xây dựng các bộ số liệu phục vụ bài toán nhận dạng tín hiệu ECG có xét tới ảnh hưởng của nhịp thở. Xây dựng 4 kịch bản nhận dạng tín hiệu ECG để kiểm chứng mức độ ảnh hưởng của thông tin từ nhịp thở tới chất lượng nhận dạng. Kết quả kiểm chứng chất lượng nhận dạng: Việc loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG giúp cải thiện chất lượng của nhận dạng tín hiệu ECG, Việc sử dụng thông tin trực tuyến từ nhịp thở cũng giúp cải thiện chất lượng nhận dạng tín hiệu ECG. 8. Bố cục của luận án Luận án gồm phần Mở đầu, 4 chương chính, phần kết luận và danh mục các tài liệu tham khảo cũng như các công trình đã công bố của luận án. Chi tiết của các phần gồm như sau: Mở đầu: Trình bày các vấn đề chung của luận án, tóm tắt về nội dung nghiên cứu, những đóng góp của luận án và bố cục của luận án Chương 1: Trình bày tổng quan về hệ tim mạch hô hấp, một số ảnh hưởng của nhịp thở trong tín hiệu ECG và một số giải pháp đã được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Từ đó đề xuất các định hướng nghiên cứu của luận án và mô tả khái quát các cơ sở dữ liệu được sử dụng trong luận án. Chương 2: Trình bày tổng quan một số giải pháp sử dụng bộ lọc thông cao để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG, khảo sát mức độ ảnh hưởng đến hình dạng và đặc tính tín hiệu ECG làm cơ sở đề xuất sử dụng phương pháp phân tích tín hiệu bằng biến đổi wavelet để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Ngoài ra nội dung chương này còn trình bày lý thuyết tổng quát về biến đổi wavelet, phân tích tín hiệu bằng hàm Hermite và mạng nơron logic mờ TSK. Chương 3: Trình bày hai đề xuất của luận án là: 1. ứng dụng phép biến đổi wavelet để loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG như: trôi dạt đường cơ sở, điều chế biên độ tín hiệu ECG, 2. sử dụng các đặc tính từ nhịp thở tức thời nhằm năng cao chất lượng nhận dạng tín hiệu ECG. Đồng thời bước đầu tìm hiểu và xây dựng một giải pháp đo nhịp thở với kích thước gọn nhẹ sử dụng cảm biến gia tốc MMA8451Q. Chương 4: Trình bày phương pháp phân tích và trích chọn đặc tính tín hiệu ECG bằng hàm phân tích tín hiệu chuẩn Hermite phục vụ bài toán nhận dạng tín hiệu ECG; Ứng dụng mạng nơron logic mờ TSK xây dựng mô hình nhận dạng tín hiệu ECG kiểm chứng giải pháp đề xuất của luận án và Kết quả nhận dạng tín hiệu ECG. Phần cuối cùng là kết luận và hướng phát triển, danh mục các tài liệu tham khảo cũng như các công trình đã công bố của luận án.Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 6 CHƯƠNG I: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG Chương này trình bày tổng quan về hệ tim mạch hô hấp, một số ảnh hưởng của nhịp thở trong tín hiệu ECG và một số giải pháp đã được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Từ đó đề xuất các định hướng nghiên cứu của luận án và mô tả khái quát các cơ sở dữ liệu được sử dụng trong luận án. 1.1. Hệ tim mạch 1.1.1. Trái tim Trong cơ thể con người, trái tim đóng vai trò trung tâm của hệ tim mạch. Tim nằm trong lồng ngực giữa phổi phía sau xương ức, trên cơ hoành và hơi lệch sang trái. Tim có cấu trúc giải phẫu như trên hình 1.1 60, 87, tim gồm hai khối cơ rỗng, hình tháp đáy ở trên và đỉnh ở dưới. Vách nhĩ – thất chia tim thành hai phần là: Tim trái và tim phải. Hình 1.1: Cấu trúc giải phẫu của tim Tim phải chứa máu đỏ sẫm, nhiều Carbon dioxide. Tim trái chứa máu đỏ tươi, giàu Oxygen và dưỡng chất. Mỗi bên được chia thành 2 ngăn, tâm nhĩ ở trên, tâm thất ở dưới. Để kiểm soát dòng chảy của máu, trong tim tồn tại bốn van: Van hai lá, van ba lá, van động mạch chủ và van động mạch phổi. Giữa tâm nhĩ trái và tâm thất trái là van hai lá, giữa tâm nhĩ phải và tâm thất phải là van ba lá, van động mạch phổi nằm giữa tâm thất phải và động mạch phổi, van động mạch chủ nằm trong dòng chảy của tâm nhĩ phải. Giữa các động mạch và các tâm thất có van tổ chim ngăn không cho máu chảy ngược về tim.Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 7 Thành tim được hình thành từ các cơ tim (cơ nhĩ, cơ thất và những sợi cơ có tính kích thích, dẫn truyền đặc biệt), cơ tim chịu trách nhiệm về các hoạt động cơ học của tim (quá trình bơm máu). Quá trình co bóp của tim dẫn đến hình thành các xung điện, các xung điện này được gọi là điện thế hoạt động của tim và tạo nên các dạng sóng tín hiệu và khi xếp chồng các dạng sóng tín hiệu này ta thu được tín hiệu ECG như hình 1.4. 1.1.2. Hệ thống dẫn truyền của tim 1.1.2.1. Quá trình điện học của tim 4, 5 Quá trình điện học của tim là do sự biến đổi hiệu điện thế giữa mặt trong và mặt ngoài màng tế bào cơ tim. Sự biến đổi hiệu điện thế này bắt nguồn từ sự di chuyển của các ion K , Na , … từ ngoài vào trong tế bào và từ trong tế bào ra ngoài khi tế bào cơ tim hoạt động. Khi tế bào bắt đầu hoạt động (bị kích thích) điện thế mặt ngoài màng tế bào sẽ trở thành âm tính tương đối (bị khử mất cực dương) so với mặt trong, được gọi đó là hiện tượng khử cực (depolarization). Sau đó, tế bào dần dần lập lại thế thăng bằng ion lúc nghỉ, điện thế mặt ngoài trở lại dương tính tương đối (tái lập cực dương), được gọi đó là hiện tượng tái cực (repolarization). 1.1.2.2. Quá trình hình thành tín hiệu ECG Cơ tim có cấu tạo đặc biệt gồm những thớ cơ vân đan chằng chịt với nhau và chúng co bóp khi bị kích thích. Bên cạnh các sợi co bóp, còn có các sợi cơ đặc biệt có nhiệm vụ tạo ra và dẫn truyền xung điện đến các sợi cơ của tim. Hình 1.2: Hệ thống dẫn truyền của tim Tim hoạt động được là nhờ một xung điện truyền qua hệ thống thần kinh tự trị của tim. Xung điện được bắt đầu từ một hạch gọi là nút xoang nhĩ (SA sinoatrial) gồm các tế bào có khả năng tự tạo xung điện (Electric Impulse). Xung điện này truyền ra các cơ chung quanh làm co bóp hai tâm nhĩ (tạo nên sóng P). Sau đó dòng điện tiếp tục truyền theo 1 chuỗi tế bào đặc biệt tới một hạch khác gọi là nút nhĩ thất (AV Atrioventricular)Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 8 nằm gần khu tiếp giáp giữa các tâm thất rồi theo chuỗi tế bào sợi Purkinje chạy dọc theo vách chia hai tâm thất lan vào các cơ chung quanh làm hai tâm thất co bóp (tạo nên phức bộ QRS). Sau đó xung điện giảm đi, tâm thất dãn ra (tạo nên sóng T) 60. Để thu được tín hiệu ECG, người ta đặt các điện cực của máy ghi ECG lên cơ thể. Tùy theo vị trí đặt các điện cực mà hình dáng của tín hiệu ECG sẽ khác nhau. Hình 1.3: Mẫu các dạng sóng khác nhau hình thành nên tín hiệu ECG 1.1.3. Tín hiệu ECG Tín hiệu ECG đại diện cho một số sự kiện điện trong tim, chẳng hạn như tâm nhĩ khử cực, tâm nhĩ tái phân cực, tâm thất khử cực, tâm thất tái phân cực… Một tín hiệu ECG bình thường gồm các điểm và đoạn đặc trưng như hình 1.4 60, 93. Tín hiệu ECG là thông tin quan trọng trong chẩn đoán và theo dõi lâm sàng 10, 11, 66, 84, 86, 103. Hình 1.4: Mẫu tín hiệu ECG và các điểm đặc trưng chínhChương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 9 Sóng P: đại diện cho làn sóng khử cực lan truyền từ nút xoang sang tâm nhĩ, độ dài của sóng P thường từ 80ms đến 100ms. Khoảng PR: là khoảng thời gian cần thiết để xung điện đi từ nút xoang qua nút nhĩ thất (AV) vào các tâm thất, độ dài khoảng PR thường từ 120ms đến 200ms. Phức bộ QRS: là quá trình khử cực tâm thất, độ dài của phức bộ QRS bình thường là từ 80ms đến 100ms. Sóng Q: đại diện quá trình khử cực từ trái sang phải của vách ngăn liên tâm thất. Sóng R: đại diện quá trình khử cực sớm của tâm thất. Sóng S: đại diện quá trình khử cực muộn của tâm thất. Đoạn ST: là thời điểm tâm thất được khử cực hoàn toàn và đoạn này có điện thế trùng với đường đẳng điện. Khoảng QT: là thời gian xảy ra cả hai quá trình khử cực và tái cực tâm nhĩ, khoảng thời gian này có thể dao động từ 200ms đến 400ms tùy thuộc vào nhịp tim. Sóng T: đại diện tái cực thất và thời gian kéo dài hơn so với quá trình khử cực. 1.1.4. Các chuyển đạo ECG Cơ thể con người là một chất dẫn điện tốt, do đó hoạt động điện của tim có thể thu được bằng cách sử dụng các cặp điện cực gắn trên bề mặt cơ thể. Các điện cực ghi lại hình chiếu véctơ tổng hợp của các xung điện trong tim. Vị trí các điện cực khác nhau sẽ thu được hình dáng của tín hiệu ECG khác nhau. Một cặp điện cực được gọi là một chuyển đạo, hệ thống các chuyển đạo được sử dụng phổ biến nhất là hệ thống 12 chuyển đạo tiêu chuẩn được xác định bởi Einthoven 24, 28. Ba chuyển đạo lưỡng cực các chi (I, II, III) như hình 1.5 là các điện cực được đặt theo hình tam giác (cánh tay trái, cánh tay phải và chân trái) với tim ở trung tâm. Sự bố trí này được gọi là tam giác của Eithoven. Hình 1.5: Ba chuyển đạo I, II, III bố trí theo tam giác EithovenChương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 10 Ba chuyển đạo đơn cực các chi tăng cường (aVF, aVL, aVF) như hình 1.6 là các điện cực cũng có cùng vị trí như trong trường hợp của các chuyển đạo I, II và III. Sự khác biệt là cặp điện cực của các chuyển đạo là điện thế của một đỉnh tam giác và trung bình của hai đỉnh còn lại. Hình 1.6: Ba chuyển đạo đơn cực các chi tăng cường (aVF, aVL, aVF) Sáu chuyển đạo đơn cực trước tim được ký hiệu từ V1 đến V6 như hình 1.7 là các chuyển đạo được định nghĩa là sự khác biệt giữa điện thế của điện cực đặt trên ngực với điện cực trung tâm Wilson có điện thế bằng 0. Hình 1.7: Sáu chuyển đạo trước tim (V1, V2, V3, V4, V5, V6) Trong luận án sử dụng các mẫu tín hiệu ECG từ các cơ sở dữ liệu chuẩn đã được các trung tâm nghiên cứu quốc tế đo và thu thập từ các bệnh nhân thực tế. Tuy nhiên các cơ sở dữ liệu cũng không thu thập đủ 12 đường chuyển đạo mà chỉ có từ 1 đến 3 chuyển đạo (tùy theo lựa chọn của người đo và của từng bệnh nhân cụ thể). 1.2. Hệ hô hấp Phổi đóng vai trò trung tâm của hệ hô hấp, phổi đảm bảo việc hấp thụ Oxygen loại bỏ Carbon dioxide trong các tế bào máu. Oxygen được vận chuyển từ phổi đến các tế bào trong cơ thể thông qua các mạch máu. Hệ hô hấp thực hiện điều này thông qua hơi thở. KhiChương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 11 chúng ta hít thở làm thay đổi thể tích và áp suất trong lồng ngực và trong phế nang tạo dòng khí từ ngoài vào trong phế nang và từ phế nang ra ngoài. 1.2.1. Cấu trúc của phổi Phổi gồm có hai buồng phổi nằm trong lồng ngực được bao bọc bởi các xương sườn, phía dưới là cơ hoành. Giữa hai buồng phổi là khí quản (1). Khí quản phân ra hai nhánh phế quản chính (2) và (3). Hình 1.8: Cấu trúc giải phẫu của phổi 106 Buồng phổi bên trái có 2 thùy (tráitrên (5a), tráidưới (5b)), bên phải có 3 thùy (phảitrên (4a), phảigiữa (4b) và phảidưới (4c)). Mỗi buồng phổi có một phế quản chính, một động mạch (8) và hai tĩnh mạch – những ống dẫn này chia như nhánh cây chi chít từ lớn ở giữa ngực (trung thất) đến cực nhỏ phía ngoài cùng của buồng phổi – kèm theo là các dây thần kinh và mạch bạch huyết. Với các cấu trúc như đã trình bày ở trên, trong quá trình hô hấp (được mô tả ở phần tiếp theo), các chuyển động của lồng ngực sẽ làm thay đổi điều kiện và môi trường đo tín hiệu ECG dẫn tới gây ra các ảnh hưởng trong tín hiệu ECG thu thập được. 1.2.2. Các động tác của hệ hô hấp Hệ hô hấp có hai động tác chính là động tác hít vào và động tác thở ra. Động tác hít vào được thực hiện do các cơ hít vào co lại làm tăng kích thước của lồng ngực theo cả ba chiều: Chiều thẳng đứng, chiều trước sau và chiều ngang. Khi kích thước lồng ngực tăng lên, phổi được kéo giãn ra làm áp suất không khí ở phế nang thấp hơn áp suất ở khí quyển và không khí từ ngoài tràn vào phổi. Cuối chu kỳ hít vào, các cơ hít vào giãn ra và động tác thở ra được bắt đầu. Quá trình thở ra làm các xương sườn hạ xuống, cơ hoành lồi lên phía lồng ngực, thể tích của lồng ngực giảm đi, phổi co lại làm áp suất trong phế nang cao hơn áp suất khí quyển nên không khí từ phổi đi ra ngoài.Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 12 Hình 1.9: Các động tác của quá trình hô hấp Quá trình hít vào – thở ra đã làm thay đổi thể tích lồng ngực dẫn đến làm thay đổi trở kháng tiếp xúc giữa điện cực với bề mặt cơ thể và thay đổi góc của vectơ tim so với vectơ tham chiếu gây ra các ảnh hưởng trong tín hiệu ECG đưa về mạch thu thập. 1.3. Một số ảnh hưởng của nhịp thở trong tín hiệu ECG Phổi và tim được kết nối bởi các mạch máu để đảm bảo rằng tất cả các bộ phận trong cơ thể nhận được lượng Oxygen và dưỡng chất cần thiết. Phổi lần lượt đóng một vai trò chủ đạo trong việc hấp thụ Oxygen và giải phóng Carbon dioxide, các cơn co thắt của tim giúp lưu thông máu khắp cơ thể. Vì vậy dễ dàng nhận thấy rằng nhịp thở có ảnh hưởng tới các đặc tính của tín hiệu ECG và sự ảnh hưởng này được phân tích lần đầu tiên bởi hệ thống Einthoven 25. Các nghiên cứu của 70, 94 cũng đã chỉ ra rằng các hoạt động hô hấp dẫn đến sự thay đổi véctơ trục điện tim 94. Mặt khác khi ta hít thở làm cho thể tích của lồng ngực thay đổi dẫn đến làm thay đổi trở kháng tiếp xúc giữa bề mặt da của cơ thể với điện cực thu thập tín hiệu ECG 49 làm ảnh hưởng đến chất lượng tín hiệu ECG đưa về mạch thu thập 35, 39, 63 dẫn đến làm thay đổi các thông tin lâm sàng trong việc chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh 39, 52. Xét về mặt tín hiệu thì nhịp thở có dải tần từ 0,05 ÷1Hz tương ứng với vùng tần số thấp của tín hiệu ECG làm thay đổi chu kỳ RR, sóng P và sóng T trong tín hiệu ECG và gây ra ba ảnh hưởng trong tín hiệu ECG đó là rối loạn nhịp tim, điều chế biên độ tín hiệu ECG và trôi dạt đường cơ sở. 1.3.1. Rối loạn nhịp tim Rối loạn nhịp tim là hiện tượng khoảng thời gian (chu kỳ) RR của tín hiệu ECG bị thay đổi theo nhịp thở 17, 21, 23, 29, 38, 40, 47, 56, 75, cụ thể là khoảng RR rút ngắn trong thời gian hít vào và kéo dài trong thời gian thở ra như trên hình 1.10. Mặt khác đối với bài toán nhận dạng tín hiệu ECG khoảng RR của tín hiệu ECG là một đặc tính quan trọng 57, 68, 73, 74, 98 nên việc chu kỳ RR thay đổi sẽ làm ảnh hưởng tiêu cực tới chất lượng của quá trình nhận dạng tín hiệu ECG.Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 13 Hình 1.10: Tín hiệu ECG có khoảng RR thay đổi và tín hiệu nhịp thở 1.3.2. Điều chế biên độ tín hiệu ECG Điều chế biên độ tín hiệu ECG là một hiện tượng mà biên độ đỉnh R của tín hiệu ECG bị điều chế theo nhịp thở 49, 70, 94 như trên hình 1.11. Trong quá trình hít vào, cơ hoành dịch chuyển xuống dưới không khí được điền đầy vào trong phổi làm đỉnh tim được kéo dài về phía bụng, quá trình thở ra, nhờ chuyển động lên của cơ hoành khí được đẩy hết ra khỏi phổi nên đỉnh của tim dịch chuyển về phía ngực 20. Vì vậy quá trình hít thở đã làm thay đổi thể tích của lồng ngực dẫn đến sự thay đổi trở kháng của lồng ngực 49 và thay đổi góc của vectơ tim so với vectơ tham chiếu 94. Hình 1.11: Tín hiệu ECG bị điều chế biên độ và tín hiệu nhịp thở Đối với bài toán nhận dạng tín hiệu ECG, biên độ đỉnh R cũng là một đặc tính quan trọng của nhận dạng tín hiệu ECG 57, 68, 73, 74, 93, 98 nên việc điều chế đỉnh R của tín hiệu ECG cũng làm ảnh hưởng xấu tới kết quả nhận dạng. 1.3.3. Trôi dạt đường cơ sở Quá trình hít thở làm co dãn trên bề mặt cơ thể dẫn đến trở kháng tiếp xúc giữa các điện cực và bề mặt cơ thể bị thay đổi gây ra trôi dạt đường cơ sở trong tín hiệu ECG 10, 28, 36, 58, 61, 64, 69, 97, 103 được ví dụ như trên hình 1.12. Trôi dạt đường cơ sở làm thay đổi biên độ đỉnh R của tín hiệu ECG. Vì vậy việc điều chế này cũng làm ảnh hưởng xấu tới kết quả nhận dạng tín hiệu ECG.Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 14 Hình 1.12: Tín hiệu ECG bị trôi dạt đường cơ sở và tín hiệu nhịp thở 1.4. Một số phương pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Như đã trình bày ở mục 1.3 các hoạt động của quá trình hô hấp đã làm biến đổi hình dạng và đặc tính của tín hiệu ECG, do đó ảnh hưởng đến công tác chẩn đoán, xác định bệnh, điều trị bệnh và theo dõi diễn biến bệnh của bác sĩ. Vì vậy đã có một số công trình nghiên cứu đề xuất giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Trong số các phương pháp được sử dụng phổ biến để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG có thể kể tới các phương pháp sử dụng bộ lọc thông cao tĩnh hoặc các phương pháp sử dụng các bộ lọc thông cao thích nghi. Các tác giả trong 45, 48, 76, 84, 95 đề xuất sử dụng bộ lọc thông cao FIR (Finite Impulse Response) để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Trong 48 đề xuất sử dụng bộ lọc FIR bậc 56 và 100 tần số cắt 3,5Hz; trong 45, 84 đề xuất sử dụng bộ lọc FIR bậc 100, tần số cắt 3Hz; trong 76 đề xuất sử dụng bộ lọc IIR (Infinite Impulse Response) tần số cắt 0,5Hz và trong 95 đề xuất sử dụng bộ lọc FIR bậc 255 tần số cắt 0,8Hz để loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG. Phương pháp sử dụng bộ lọc thông cao có nhược điểm là tần số cắt của bộ lọc cố định trong khi đó ảnh hưởng của nhịp thở trong tín hiệu ECG là phi tuyến 17, 21, 49, 94 và phụ thuộc nhiều vào trạng thái của người bệnh. Vì vậy, nếu chọn tần số cắt của bộ lọc quá cao sẽ loại bỏ một số thông tin lâm sàng trong vùng tần số thấp của tín hiệu ECG còn nếu chọn tần số cắt quá thấp sẽ không loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG. Để khắc phục một số hạn chế này, các tác giả trong các công trình 17, 64, 69, 92, 96, 103 đề xuất sử dụng bộ lọc thích nghi. Các tác giả trong 69, 92 đề xuất sử dụng thuật toán lọc thích nghi LMS (Least Mean Squares); trong 64 đề xuất sử dụng bộ lọc thích nghi Kalman; trong 17, 96 đề xuất sử dụng bộ lọc số có đáp ứng xung hữu hạn FIR (Finite Impulse Response) kết hợp với thuật toán lọc thích nghi LMS để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG.Chương I: Tổng quan về ảnh hưởng của nhịp thở trong tín hiệu ECG 15 Các kết quả thực nghiệm trên cơ sở dữ liệu MITBIH đã khắc phục được hạn chế của phương pháp lọc sử dụng bộ lọc thông cao. Tuy nhiên phương pháp sử dụng bộ lọc thích nghi có nhược điểm là yêu cầu tín hiệu nhịp thở thực để tham chiếu và cập nhật hệ số của bộ lọc dẫn đến thời gian tính toán lớn. Các tác giả trong 78 đề xuất sử dụng thuật toán FastICA bằng phương pháp phân tích thành phần độc lập (ICA Independent Component Analysis) để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG; trong 21, 49 đề xuất sử dụng phương pháp phân tích theo thành phần chính (PCA Principal Component Analysis) và phân tích thành phần chính cốt lõi (kPCA Kernel PCA). Phương pháp phân tích thành phần độc lập có nhược điểm là tín hiệu ECG và thành phần do nhịp thở gây ra phải độc lập tuyến tính và phi Gauss; phương pháp PCA đặc biệt là kPCA có nhược điểm là thời gian tính toán lớn. Các tác giả trong 56, 65, 104 sử dụng phương pháp EMD (Empirical Mode Decomposition); trong 108 đề xuất sử dụng phương pháp EMD kết hợp bộ lọc thích nghi LMS; trong 36 đề xuất sử dụng bộ lọc trung bình trung tâm MEM (MeanMedian Filter) để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG. Các kết quả thực nghiệm trên bộ cơ sở dữ liệu MITBIH cho thấy phương pháp đã loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG nhưng làm ảnh hưởng đến đặc tính của tín hiệu ECG như sóng P, T và phân đoạn ST. 1.5. Định hướng của luận án Từ các phân tích ở trên cho thấy ảnh hưởng của nhịp thở đến tín hiệu ECG là gián tiếp, về mặt tín hiệu thì ảnh hưởng này là phi tuyến 17, 21, 49, 94 và gây ra rối loạn nhịp tim, điều chế biên độ và trôi dạt đường cơ sở trong tín hiệu ECG làm ảnh hưởng đến chất lượng n
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC THẢO NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ĐIỆN TIM DỰA TRÊN GIẢI PHÁP LOẠI BỎ ẢNH HƯỞNG TỪ NHỊP THỞ CỦA NGƯỜI BỆNH LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Hà Nội - 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC THẢO NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ĐIỆN TIM DỰA TRÊN GIẢI PHÁP LOẠI BỎ ẢNH HƯỞNG TỪ NHỊP THỞ CỦA NGƯỜI BỆNH Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số : 62520216 LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TSKH TRẦN HOÀI LINH Hà Nội - 2016 LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng dựa hướng dẫn PGS.TSKH Trần Hoài Linh tài liệu tham khảo trích dẫn Kết nghiên cứu trung thực chưa khác công bố công trình khác Hà nội, ngày……tháng……năm 2016 Người hướng dẫn khoa học Nghiên cứu sinh PGS.TSKH TRẦN HOÀI LINH NGUYỄN ĐỨC THẢO i LỜI CẢM ƠN Luận án hoàn thành Bộ môn Kỹ thuật đo Tin học công nghiệp Viện Điện Trường Đại học Bách Khoa Hà Nội hướng dẫn PGS.TSKH.Trần Hoài Linh Tác giả xin bày tỏ lòng cảm ơn sâu sắc tới PGS.TSKH.Trần Hoài Linh tận tình hướng dẫn học thuật, kiến thức kinh nghiệm trình thực luận án Tác giả xin chân thành cảm ơn GS.TS.Phạm Thị Ngọc Yến, PGS.TS.Nguyễn Quốc Cường Hội đồng Khoa học Bộ môn Kỹ thuật đo Tin học công nghiệp Viện Điện Trường Đại học Bách Khoa Hà Nội có ý kiến đóng góp quý báu tạo điều kiện thuận lợi cho tác giả trình hoàn thành luận án Tác giả xin chân thành cảm ơn thầy cô Bộ môn Kỹ thuật đo Tin học công nghiệp Viện Điện Trường Đại học Bách Khoa Hà Nội, đồng nghiệp khoa Điện tử Tin học Trường Đại học Sao Đỏ gia đình động viên tạo điều kiện thuận lợi cho tác giả trình hoàn thành luận án Tác giả xin chân thành cảm ơn Ban Giám hiệu Trường Đại học Sao Đỏ, Ban Giám hiệu Viện Đào tạo Sau đại học Trường Đại học Bách khoa Hà Nội tạo điều kiện tốt mặt để tác giả hoàn thành luận án Tác giả luận án Nguyễn Đức Thảo ii Mục lục MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC TỪ VIẾT TẮT vi DANH MỤC CÁC BẢNG BIỂU viii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ ix MỞ ĐẦU 1 Tính cấp thiết đề tài .1 Mục đích nghiên cứu Đối tượng phạm vi nghiên cứu .2 Phương pháp nghiên cứu Tiêu chí chọn liệu phương pháp đánh giá kết Ý nghĩa khoa học thực tiễn đề tài 6.1 Ý nghĩa khoa học 6.2 Ý nghĩa thực tiễn Những đóng góp luận án Bố cục luận án .5 CHƯƠNG I: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG 1.1 Hệ tim mạch 1.1.1 Trái tim .6 1.1.2 Hệ thống dẫn truyền tim 1.1.3 Tín hiệu ECG 1.1.4 Các chuyển đạo ECG .9 1.2 Hệ hô hấp 10 1.2.1 Cấu trúc phổi 11 1.2.2 Các động tác hệ hô hấp 11 1.3 Một số ảnh hưởng nhịp thở tín hiệu ECG 12 1.3.1 Rối loạn nhịp tim 12 iii Mục lục 1.3.2 Điều chế biên độ tín hiệu ECG 13 1.3.3 Trôi dạt đường sở 13 1.4 Một số phương pháp loại bỏ ảnh hưởng nhịp thở tín hiệu ECG 14 1.5 Định hướng luận án 15 1.5.1 Kịch (Kịch sở để so sánh) 18 1.5.2 Kịch .18 1.5.3 Kịch .18 1.5.4 Kịch .19 1.6 Các sở liệu sử dụng luận án 19 1.7 Kết luận chương 23 CHƯƠNG II: TỔNG QUAN PHƯƠNG PHÁP LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ VÀ NHẬN DẠNG TÍN HIỆU ECG 24 2.1 Tổng quan số phương pháp sử dụng lọc thông cao 24 2.2 Wavelet ứng dụng wavelet phân tích tín hiệu 28 2.2.1 Phép biến đổi wavelet 28 2.2.2 Thuật toán wavelet rời rạc 30 2.3 Hàm Hermite ứng dụng phân tích tín hiệu 31 2.4 Mạng nơron logic mờ TSK 32 2.4.1 Quy tắc suy luận TSK 32 2.4.2 Mô hình mạng Nơron logic mờ TSK 34 2.4.3 Thuật toán học mạng nơron mờ TSK .36 2.5 Kết luận chương 38 CHƯƠNG III: CÁC GIẢI PHÁP ĐỀ XUẤT LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG .39 3.1 Ứng dụng wavelets loại bỏ ảnh hưởng nhịp thở tín hiệu ECG 39 3.2 Sử dụng đặc tính từ nhịp thở tức thời nhằm cao chất lượng nhận dạng tín hiệu ECG 44 3.3 Thu thập tín hiệu nhịp thở .45 3.4 Kết luận chương 50 CHƯƠNG IV: TRÍCH CHỌN ĐẶC TRƯNG VÀ NHẬN DẠNG TÍN HIỆU ECG BẰNG MẠNG TSK 51 4.1 Cơ sở liệu 51 iv Mục lục 4.2 Ứng dụng SVD để phân tích tín hiệu ECG theo hàm Hermite 52 4.3 Ứng dụng mô hình nhận dạng TSK toán nhận dạng tín hiệu ECG 54 4.3.1 Xây dựng số liệu 54 4.3.1.1 Cơ sở liệu MITBIH 54 4.3.1.2 Cơ sở liệu MGH/MF .57 4.3.2 Xây dựng mô hình nhận dạng 59 4.3.3 Kết nhận dạng tín hiệu ECG 61 4.3.3.1 Các thử nghiệm dạng MIT/1616 cho kịch kịch 2: 61 4.3.3.2 Các thử nghiệm dạng MGH/2020 cho kịch nhận dạng: .63 4.3.3.3 Các thử nghiệm dạng MGH/155 cho kịch kịch 2: 68 4.3.3.4 Các thử nghiệm dạng MGH/191 cho kịch kịch 2: 69 4.4 Kết luận chương 71 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 72 DANH MỤC CÁC TÀI LIỆU THAM KHẢO 74 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 84 Phụ lục A: Kết tính toán thông số SNR, CORR, PRD TH1 sử dụng lọc thông cao loại bỏ ảnh hưởng nhịp thở 85 Phụ lục B: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình sử dụng lọc wavelet loại bỏ ảnh hưởng nhịp thở 87 v Danh mục từ viết tắt DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt A Premature Atrial Contractions Ngoại tâm thu nhĩ AV Atrioventricular Nút nhĩ thất BW Baseline Wander Trôi dạt đường sở CORR Crosscorelation Coeffcient Hệ số tương quan chéo CWT Continuous Wavelet Transform Biến đổi wavelet liên tục DWT Discrete Wavelet Transform Biến đổi wavelet rời rạc E Ventricular Escape Beat Tâm thất lỗi nhịp ECG Electrocardiogram Điện tim đồ EMD Empirical Mode Decomposition Phân tích thực nghiệm FastICA FastICA algorithm Thuật toán ICA nhanh FIR Finite Impulse Response Filter Bộ lọc có đáp ứng xung hữu hạn FN False Negative Chẩn đoán âm tính sai FP False Positive Chẩn đoán dương tính sai HD High Pass Filter for Decomposition Phân tích lọc thông cao HR High Pass Filter for Reconstruction Tổng hợp lọc thông cao PRD Percent Root Mean Square Difference Phần trăm trung bình bình phương sai lệch I Ventricular Flutter Wave Rung thất ICA Independent Component Analysis Phân tích thành phần độc lập IIR Infinite Impulse Response Filter Bộ lọc có đáp ứng xung vô hạn IMFs Intrinsic Mode Functions Kiểu hàm nội suy vi Danh mục từ viết tắt Từ viết tắt Tiếng Anh Tiếng Việt IWT Inverse Wavelet Transform Biến đổi Wavelet ngược kPCA Kernel Principal Component Analysis Thành phần cốt lõi L Left Bundle Branch Block Beat Block nhánh trái LD Low Pass Filter for Decomposition Phân tích lọc thông thấp LMS Least Mean Squares Trung bình bình phương nhỏ LR Low Pass Filter for Reconstruction Tổng hợp lọc thông thấp MEM MeanMedian Filter Bộ lọc trung bình trung tâm MIT-BIH MITBIH Arrhythmia Database Cơ sở liệu MITBIH MGH/MF MGH/MF Waveform Database Cơ sở liệu MGH/MF MLP MultiLayer Perceptron Network Mạng nơron truyền thẳng nhiều lớp PAP Pulmonary Arterial Pressure Áp suất động mạch phổi PCA Principal Component Analysis Phân tích theo thành phần QRS QRS Complex Phức QRS R Right Bundle Branch Block Beat Block nhánh phải RES Respiratory Impedance Trở kháng đường hô hấp RSA Respiratory Sinus Arrhythmia Rối loạn nhịp xoang S Supraventricular Premature Beat Loạn nhịp thất SA Sinoatrial Nút xoang nhĩ SNR Signal to Noise Ratio Tỉ số tín hiệu tạp âm SVD Singular Value Decomposition Phân tích theo giá trị kỳ dị TSK Takaga – Sugeno – Kang neuro fuzzy Mạng nơron logic mờ TSK network (Takaga – Sugeno – Kang) V Premature Ventricular Contraction vii Ngoại tâm thu thất Danh mục bảng biểu DANH MỤC CÁC BẢNG BIỂU Bảng 1.1 Các trường hợp thử nghiệm phục vụ kịch nhận dạng 22 Bảng 3.1: Tính toán tần số trung tâm để xác định mức phân tích phù hợp loại bỏ ảnh hưởng nhịp thở tín hiệu ECG tần số lấy mẫu 360Hz 40 Bảng 3.2: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình loại bỏ ảnh hưởng nhịp thở sử dụng thành phần A8 A9 sử dụng họ wavelet bậc lọc Butterworth_2 – Thử nghiệm 41 Bảng 3.3: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình loại bỏ ảnh hưởng nhịp thở sử dụng thành phần A8 A9 sử dụng họ wavelet bậc lọc Butterworth_2 – Thử nghiệm 41 Bảng 3.4 Kết đếm số nhịp thở 10 lần thử nghiệm 50 Bảng 4.1 Bảng phân chia số lượng mẫu học mẫu kiểm tra loại nhịp 55 Bảng 4.2 Bảng phân chia số lượng mẫu loại nhịp 58 Bảng 4.3 Bảng phân chia số lượng mẫu cho thử nghiệm dạng MGH/2020 .59 Bảng 4.4 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 1.1 62 Bảng 4.5 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 2.1 62 Bảng 4.6 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 1.2 64 Bảng 4.7 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 2.2 65 Bảng 4.8 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 3.2 65 Bảng 4.9 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 4.2 66 Bảng 4.10 Kết nhận dạng loại mẫu nhịp hai thử nghiệm dạng MGH/155 68 Bảng 4.11 Kết nhận dạng loại mẫu nhịp hai thử nghiệm dạng MGH/191 70 Bảng A.1: Kết tính toán thông số sử dụng lọc Butterworth_2 85 Bảng A.2: Kết tính toán thông số sử dụng lọc Kaiser_56 85 Bảng A.3: Kết tính toán thông số sử dụng lọc Kaiser_255 .86 Bảng A.4: Kết tính toán thông số sử dụng lọc Rectang _100 86 Bảng B.1.1: Kết tính toán thông số sử dụng họ Biorthogonal – Thử nghiệm 187 Bảng B.1.2: Kết tính toán thông số sử dụng họ Biorthogonal – Thử nghiệm 288 Bảng B.2.1: Kết tính toán thông số sử dụng họ Coiflets – Thử nghiệm .89 Bảng B.2.2: Kết tính toán thông số sử dụng họ Coiflets – Thử nghiệm .89 Bảng B.3.1: Kết tính toán thông số sử dụng họ Daubechies – Thử nghiệm 90 Bảng B.3.2: Kết tính toán thông số sử dụng họ Daubechies – Thử nghiệm 91 Bảng B.4.1: Kết tính toán thông số sử dụng họ Symlets – Thử nghiệm .92 Bảng B.4.2: Kết tính toán thông số sử dụng họ Symlets – Thử nghiệm .93 viii Danh mục Tài liệu tham khảo Extraction of RespiratorySignal from SingleChannel ECG: A Comparison” Sensor Journal, IEEE, Vol 13, N0 7, pp 26662674 57 Linh T H., Pham Van Nam, Vuong Hoang Nam (2014), “Multiple neural network integration using a binary decision tree to improve the ECG signal recognition accuracy”, International Journal of Applied Mathematics and Computer Science Volume 24, Issue 3, pp 647–655 58 Luong Duong Trong, Nguyen Duc Thuan, Trinh Quang Duc (2014), “Removal of baseline noise from Electrocardiography (ECG) signal based on time domain approach“, International Journal of Biomedical Science and Engineering, Published online, pp 1116 59 Malik M., A J Camm, (1995), “Heart Rate Variability”, Futura Publishing Company 60 Malmivuo J., Plonsey, R (1995), “Bioelectromagnetism principles and applications of bioelectric and biomagnetic fields” New York Oxford University Press 61 Martinez Vega G., AlvaradoSerrano C., LeijaSalas L (2011), “ECG baseline drift removal using discrete wavelet transform”, 8th International Conference on Electrical Engineering Computing Science and Automatic Control (CCE), pp 15 62 Mateo J., Sanchez C., Vaya C., Cervigon R (2007), “A new adaptive approach to remove baseline wander from ECG recordings using Madeline structure”, Computers in Cardiology, pp 533536 63 Min Dai, ShiLiu Lian (2009), “Removal of Baseline Wander from Dynamic Electrocardiogram Signals”, CISP '09 2nd International Congress on Image and Signal Processing, pp 14 64 Mneimneh M.A., Yaz E.E (2006), Johnson M.T., Povinelli, R.J ”An adaptive Kalman filter for removing baseline wandering in ECG signals”, Computers in Cardiology, pp 253256 65 Na Pan, Vai Mang I, Mai Peng Un, Pun Sio Hang (2007), “Accurate Removal of Baseline Wander in ECG Using Empirical Mode Decomposition”, Noninvasive Functional Source Imaging of the Brain and Heart and the International Conference on Functional Biomedical Imaging (NFSIICFBI 2007), pp 177180 66 Naga V Prudhvi Raj, Venkateswarlu, T (2011),“ECG signal denoising using Undecimated Wavelet Transform”, 3rd International Conference on Electronics Computer Technology (ICECT), pp 9498 67 Nayak S., Soni, D Bansal (2012), “Filtering techniques for ECG signal processing”, International Journal of Research in Engineering & Applied Sciences 79 Danh mục Tài liệu tham khảo 68 Osowski S., T Markiewicz , L Tran Hoai (2006), “Ensemble of neural networks for improved recognition and classification of arrhythmia”, XVIII IMEKO WORLD CONGRESS Metrology for a Sustainable Development, Brazil 69 Pablo Laguna, Raimon Jane, Pere Caminal (1992), “Adaptive Filtering of ECG Baseline Wander”, 14th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp.143146 70 PallasAreny R., ColominasBalague J., Rosell F.J (1989), “The Effect of RespirationInduced Heart Movements on the ECG”, IEEE Transactions on Biomedical Engineering, vol 36, no 6, pp 585590 71 Patil P.B., Chavan, M.S (2012), “A wavelet based method for denoising of biomedical signal", International Conference on Pattern Recognition, Informatics and Medical Engineering, pp 769772 72 Phan D H., S Bonnet, R Guillemaud, E Castelli, N Y Pham Thi (2008), “Estimation of respiratory waveform and heart rate using an accelerometer”, Annual International Conference of the IEEE Engineering in Medicine and Biology Society EMBC, pp 49164919 73 Phong Phan Anh , Kieu Quang Thien (2009), “Classification of Cardiac Arrhythmias Using Interval Type2 TSK Fuzzy System”, 2009 International Conference on Knowledge and Systems Engineering, pp 16 74 Ouelli A., Elhadadi B., Bouikhalene B (2014), “Multivariate autoregressive modeling for cardiac arrhythmia classification using multilayer perceptron neural networks”, International Conference on Multimedia Computing and Systems (ICMCS), pp 402606 75 Thérèse J.M Overbeek, Anton van Boxtel, Joyce H.D.M Westerink (2014), “Respiratory sinus arrhythmia responses to cognitive tasks: Effects of task factors and RSA indices”, Biological Psychology, vol 99, pp 1–14, Elsevier 76 Panda R., Pati U.C (2012), “Removal of artifacts from electrocardiogram using digital filter”, IEEE Students' Conference on Electrical, Electronics and Computer Science (SCEECS), pp 14 77 Patil H.T., Holambe R.S (2013), “New approach of threshold estimation for denoising ECG signal using wavelet transform”, Annual IEEE India Conference (INDICON), pp 14 78 Rashid A., Zahooruddin, Qureshi I.M., Saleem A (2011),“Electrocardiogram signal processing for baseline noise removal using blind source separation techniques: A comparative analysis”, International Conference on Machine Learning and Cybernetics (ICMLC), pp 17561761 80 Danh mục Tài liệu tham khảo 79 Ravindra Pratap Narwaria, Seema Verma, P K Singhal (2011), “Removal of Baseline Wander and Power Line Interference from ECG Signal A Survey Approach”, International Journal of Electronics Engineering, (1), pp 107– 111 80 Reinvuo T., Hannula M., Sorvoja H., Alasaarela E (2006), “Measurement of respiratory rate with highresolution accelerometer and emfit pressure sensor”, Proceedings of the 2006 IEEE Sensors Applications Symposium, pp 192195 81 Rouhani M., Soleymani R., (2009) “Neural Networks based Diagnosis of heart arrhythmias using chaotic and nonlinear features of HRV signals”, International Association of Computer Science and Information Technology Spring Conference, pp 545 – 549 82 Sargolzaei A., Faez K., Sargolzaei S (2009), “A new robust wavelet based algorithm for baseline wandering cancellation in ECG signals”, IEEE International Conference on Signal and Image Processing Applications (ICSIPA), pp 3338 83 Sawant C., Patii H.T (2014), “Wavelet based ECG signal denoising”, First International Conference on Networks & Soft Computing (ICNSC), pp 2024 84 Seema Rani, Amanpreet Kaur, J S Ubhi (2011), “Comparative study of FIR and IIR filters for the removal of baseline noises from ECG signal”, International Journal of Computation Science and Information Technology (IJCSIT), pp 3036 85 Seth Suppappola, Ying Sun (1994), “Nonlinear Transforms of ECG Signals for Digital QRS Detection: A Quantitative Analysis”, IEEE Transactions on Biomedical Engineering, vol 41, Issue: 4, pp 397 – 400 86 Sheng WANG Jie, ZHANG Yong, ZHANG Ping, SUN ShiFeng (2010), “Research on Denoising Algorithm for ECG Signals”, 29th Chinese Control Conference (CCC), pp 29362940 87 Shier, David (2002), “Hole's Human Anatomy & Physiology”, McGraw Hill 88 Shivajirao M Jadhav1, Sanjay L Nalbalwar2, Ashok A Ghatol., (2010), “Arrhythmia Disease Classification using Artificial Neural Network Model”, IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), pp 14 89 Singh, N.; Ayub, S.; Saini, J.P (2013),“Design of Digital IIR Filter for Noise Reduction in ECG Signal”, 5th International Conference on Computational Intelligence and Communication Networks (CICN), pp 171176 90 Sørensen J.S., Johannesen L., Grove U.S.L., Lundhus K.(2010), “A comparison of IIR and wavelet filtering for noise reduction of the ECG”, Computing in Cardiology, pp 489492 81 Danh mục Tài liệu tham khảo 91 Stantic Dejan, Jun Jo (2014), “Selection of Optimal Parameters for ECG Signal Smoothing and Baseline Drift Removal”, Computer and Information Science, pp 112119 92 Thakor N.V., YiSheng Zhu (1991), “Applications of Adaptive Filtering to ECG Analysis : Noise Cancellation and Arrhythmia Detection”, IEEE Transactions on Biomedical Engineering, pp 785794 93 Tran Hoai Linh, Stanisław Osowski, Maciej Stodolski (2003) “OnLine Heart Beat Recognition Using Hermite Polynomials and NeuroFuzzy Network”, IEEE Transactions on Instrumentation and Measurement, pp 165170 94 Travaglini A, C Lamberti, J DeBie, M Ferri (1998), “Respiratory Signal Derived from Eightlead ECG”, Computers in Cardiology, pp 65 68 95 Van Alsté JA, van Eck W, Herrmann OE (1985), “ECG Baseline Wander Reduction Using Linear Phase Filters”, Computers and Biomedical Research, pp 417427 96 Varanini M., M Emdin, F Allegri, M Raciti, F Conforti, A Macerata, A Taddei, R Francesconi, G Kraft, A.L Abbate, C Marchesi (1990), “ Adaptive filtering of ECG signal for deriving respiratory activity”, Conference Proceeding of Computers in Cardiology, pp 621624 97 Von Borries R F., J H Pierluissi, H Nazeran (2005), “Wavelet TransformBased ECG Baseline Drift Removal for Body Surface Potential Mapping”, 27th Annual International Conference of the Engineering in Medicine and Biology Society, pp 3891 – 3894 98 Wang ChienChih, ChengDing Chang (2010), “SVD and SVM based approach for congestive heart failure detection from ECG signal”, 40th International Conference on Computers and Industrial Engineering (CIE), pp 15 99 Wang K.Q., Xu L.S., Wang L., Li, Z.G (2003), “Pulse baseline wander removal using wavelet approximation”, Computers in Cardiology 100 Watanabe K., Watanabe T., Watanabe H., Ando H (2005), “Noninvasive measurement of heartbeat, respiration, snoring and body movements of a subject in bed via a pneumatic method”, IEEE Transactions on Biomedical Engineering, pp 21002107 101 Wei Zhang, Linlin Ge (2008), “A Method for Reduction of Noise in the ECG”, The 2nd International Conference on Bioinformatics and Biomedical Engineering, pp 21192122 102 John B West (2012), “Respiratory Physiological Phenomena”, Library of Congress CataloginginPublication Data 82 Danh mục Tài liệu tham khảo 103 Yu XiaoHua, Suranai Poungponsri (2013), “An adaptive filtering approach for electrocardiogram (ECG) signal noise reduction using neural networks”, Elsevier, pp 206213 104 Chazal P., Heneghan C., Sheridan E., Reilly R (2003), “Automated processing of the singlelead electrocardiogram for the detection of obstructive sleep apnoea”, IEEE Transactions on Biomedical Engineering, pp 686 696 105 ZhiDong Zhao; Yuquan Chen (2006), “A New Method for Removal of Baseline Wander and Power Line Interference in ECG Signals”, International Conference on Machine Learning and Cybernetics, pp 42434247 106 Zhao Zhidong; Liu Juan (2010), “Baseline Wander Removal of ECG Signals Using Empirical Mode Decomposition and Adaptive Filter”, 4th International Conference on Bioinformatics and Biomedical Engineering (iCBBE), pp 13 107 http://www.savingstudentsmoney.org/OLI/AnPpost.html 108 http://www.physionet.org/physiobank/database/mghdb/ 109 http://www.physionet.org/physiobank/database/mitdb/ 110 http://www.nxp.com/products/sensors/accelerometers/3axisaccelerometers/2g4g 8glowg14bitdigitalaccelerometer:MMA8451Q 83 Danh mục công trình công bố luận án DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN Trần Hoài Linh, Nguyễn Bá Biền, Phạm Văn Nam, Nguyễn Đức Thảo (2011), “Sử dụng công nghệ FPAA PSoC thiết kế mạch thu thập xử lý tín hiệu điện tim”, Tuyển tập báo cáo (CD) Hội nghị toàn quốc Điều khiển Tự động hoá (VCCA) Trần Hoài Linh, Nguyễn Đức Thảo, Phạm Văn Nam (2013), “Ứng dụng hàm Hermite định lựa chọn đặc tính tín hiệu điện tim phục vụ cho toán nhận dạng”, Tuyển tập báo cáo (CD) Hội nghị toàn quốc Điều khiển Tự động hoá (VCCA) Nguyễn Đức Thảo, Trần Hoài Linh, Phạm Văn Nam (2014), “Sử dụng cảm biến gia tốc thu thập tín hiệu nhịp thở,” Tuyển tập báo cáo (CD) Hội nghị toàn quốc Cơ điện tử (VCM) Nguyễn Đức Thảo, Dương Hòa An, Trần Hoài Linh (2015), “Thiết kế thiết bị thu thập nhịp thở thuật toán loại trừ ảnh hưởng tới nhịp tim”, Tạp chí Khoa học Công nghệ Đại học Thái Nguyên, Tập 132, số 02, Trang: 8793 Hoai Linh Tran, Van Nam Pham, Duc Thao Nguyen (2015), "A hardware implementation of intelligent ECG classifier", COMPEL: The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, vol 34, Iss: 3, pp 905 – 919 Nguyễn Đức Thảo, Trần Hoài Linh (2015), “Nâng cao chất lượng nhận dạng tín hiệu điện tim dựa giải pháp loại bỏ ảnh hưởng từ nhịp thở người bệnh”, Tạp chí Khoa học Công nghệ Đại học Thái Nguyên, Tập 140, số 10, Trang: 119 125 84 Phụ lục luận án Phụ lục A: Kết tính toán thông số SNR, CORR, PRD TH1 sử dụng lọc thông cao loại bỏ ảnh hưởng nhịp thở Bảng A.1: Kết tính toán thông số sử dụng lọc Butterworth_2 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 22.58 96.30 27.13 1.54 15.14 88.32 52.83 3.78 Record_2 21.31 95.73 29.15 1.87 14.93 88.25 63.74 4.92 Record_3 14.38 90.64 42.90 3.03 10.67 85.31 54.69 3.44 Record_4 10.87 86.19 51.83 4.01 17.72 91.57 41.23 4.78 Record_5 19.06 94.48 33.10 1.11 19.2 91.42 45.64 3.75 Record_6 18.31 93.97 34.62 1.08 14.9 90.8 43.56 7.11 Record_7 18.21 93.91 34.77 1.28 15.6 91.45 47.57 7.18 Record_8 18.55 94.13 34.14 1.27 14.39 84.99 51.74 2.74 Record_9 14.34 90.56 43.17 1.46 17.5 90.32 55.88 7.15 Record_10 13.57 89.78 44.76 3.21 11.14 86.2 52.62 2.66 Trung bình 17.12 92.57 37.56 1.99 15.12 88.86 50.95 4.75 Bảng A.2: Kết tính toán thông số sử dụng lọc Kaiser_56 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 9.89 85.91 51.42 9.82 4.12 79.19 61.1 17.19 Record_2 9.16 84.59 53.72 19.91 11.8 78.48 63.86 12.06 Record_3 6.03 81.72 57.63 28.05 4.02 76.13 61.18 15.64 Record_4 3.42 76.17 64.85 36.34 6.39 81.36 58.2 17.90 Record_5 9.13 85.34 52.21 9.02 8.82 83.06 45.48 11.60 Record_6 4.88 78.24 62.44 4.35 5.36 76.46 55.63 10.74 Record_7 5.17 78.47 62.21 4.39 8.94 83.44 56.08 20.67 Record_8 7.49 83.01 55.83 6.40 2.74 75.45 67.47 12.37 Record_9 5.07 79.86 60.20 8.37 10.75 82.43 48.63 9.33 Record_10 6.44 80.83 59.06 29.96 4.13 75.88 60.26 12.79 Trung bình 6.67 81.41 57.96 15.66 6.71 79.19 57.79 14.03 85 Phụ lục luận án Bảng A.3: Kết tính toán thông số sử dụng lọc Kaiser_255 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 15.72 91.93 39.93 11.04 2.99 54.17 88.61 18.24 Record_2 15.40 91.69 40.41 17.76 5.62 72.03 95.82 17.09 Record_3 19.75 95.25 30.44 25.49 5.00 66.32 81.42 17.81 Record_4 16.48 93.19 36.28 32.97 2.48 49.99 89.59 18.53 Record_5 17.84 93.80 34.86 8.91 6.73 73.51 87.99 17.04 Record_6 14.10 90.72 42.33 6.49 7.01 74.67 82.61 15.89 Record_7 13.61 90.14 43.62 7.41 1.7 42.19 98.16 19.00 Record_8 16.97 93.23 36.31 8.27 7.82 78.33 68.98 16.35 Record_9 17.97 94.18 33.62 9.68 9.74 82.28 65.19 15.88 Record_10 16.11 92.59 37.91 27.30 6.63 73.29 86.44 16.87 Trung bình 16.40 92.67 37.57 15.53 5.57 66.68 84.48 17.27 Bảng A.4: Kết tính toán thông số sử dụng lọc Rectang _100 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 11.13 87.43 48.82 1.77 6.32 80.98 58.77 9.30 Record_2 9.93 85.93 51.41 2.14 12.44 88.2 64.91 6.75 Record_3 7.34 83.77 54.61 3.42 5.84 80.97 58.7 8.63 Record_4 4.56 78.17 62.44 4.45 8.01 82.52 57.03 9.80 Record_5 10.28 86.97 49.42 1.34 13.3 90.33 42.95 6.66 Record_6 6.08 80.49 59.47 1.26 8.11 86.34 50.74 5.95 Record_7 6.33 80.71 59.22 1.53 9.4 83.29 57.43 11.47 Record_8 8.64 84.58 53.46 1.50 1.62 77.79 63.38 6.79 Record_9 6.48 81.73 57.65 1.66 11.81 88.57 46.55 5.41 Record_10 7.35 82.20 57.17 3.61 6.06 81.93 57.35 7.10 Trung bình 7.81 83.20 55.37 2.27 8.29 84.09 55.78 7.79 86 Phụ lục luận án Phụ lục B: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình sử dụng lọc wavelet loại bỏ ảnh hưởng nhịp thở Bảng B.1.1: Kết tính toán thông số sử dụng họ wavelet Biorthogonal Thử nghiệm BOIR SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 1.1 10.64 6.29 83.55 71.12 65.35 49.60 1.97 1.97 1.3 10.27 6.21 82.75 70.82 67.64 50.12 1.87 1.94 1.5 9.83 6.10 81.76 70.36 70.32 50.81 1.86 1.94 2.2 16.74 5.63 92.18 68.40 41.76 53.69 2.09 2.06 2.4 17.72 5.92 93.00 69.61 39.23 51.91 1.88 1.96 2.6 17.93 5.95 93.17 69.75 38.70 51.71 1.85 1.95 2.8 17.93 5.94 93.17 69.71 38.69 51.78 1.85 1.95 3.1 5.87 2.17 69.95 46.84 102.13 94.75 7.07 7.31 3.3 19.55 4.97 94.45 65.40 34.60 58.32 2.46 2.30 3.5 22.21 5.67 95.90 68.59 29.32 53.43 1.97 1.99 3.7 23.06 5.86 96.27 69.40 27.86 52.22 1.87 1.97 3.9 23.42 5.92 96.42 69.64 27.25 51.87 1.85 1.95 4.4 19.54 5.87 94.35 69.44 34.83 52.16 1.86 1.95 5.5 20.91 5.86 95.19 69.40 31.91 52.23 1.85 1.95 6.8 22.29 5.88 95.91 69.46 29.26 52.14 1.84 1.95 87 Phụ lục luận án Bảng B.1.2: Kết tính toán thông số sử dụng họ wavelet Biorthogonal Thử nghiệm BOIR SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 1.1 9.29 5.11 76.35 62.14 121.63 103.11 4.50 4.59 1.3 9.06 4.97 75.72 61.47 124.85 106.17 3.69 4.51 1.5 8.88 4.85 75.24 60.89 126.85 108.44 3.62 4.52 2.2 16.09 6.73 88.19 68.36 62.24 73.28 4.20 4.43 2.4 17.02 6.91 88.86 68.98 56.77 71.59 3.77 4.38 2.6 17.14 6.95 88.96 69.12 59.42 71.27 3.70 4.36 2.8 17.15 6.95 88.96 69.12 59.40 71.28 3.69 4.36 3.1 4.85 2.83 64.48 51.33 130.46 101.89 9.57 5.53 3.3 15.14 6.82 88.01 68.74 61.60 69.04 4.60 4.40 3.5 17.62 7.25 89.67 70.14 55.69 65.97 3.66 4.28 3.7 18.10 7.38 90.01 70.61 54.45 64.90 3.46 4.24 3.9 18.25 7.44 90.15 70.85 53.96 64.39 3.40 4.23 4.4 17.98 7.13 89.73 69.70 55.93 68.50 3.65 4.32 5.5 18.41 7.24 90.08 70.09 54.50 67.11 3.57 4.29 6.8 18.68 7.33 90.30 70.42 53.61 66.12 3.49 4.26 88 Phụ lục luận án Bảng B.2.1: Kết tính toán thông số sử dụng họ wavelet Coiflets Thử nghiệm COIF SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 10.89 5.38 84.02 62.28 64.35 63.45 1.88 1.95 14.36 6.05 89.54 61.57 49.46 64.68 1.84 1.95 17.03 6.22 92.40 61.36 41.10 65.05 1.84 1.95 19.27 7.58 94.17 61.27 35.45 65.19 1.84 1.95 21.17 8.20 95.33 61.24 31.39 65.25 1.84 1.95 Bảng B.2.2: Kết tính toán thông số sử dụng họ wavelet Coiflets Thử nghiệm COIF SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 14.23 6.24 85.59 66.63 74.02 82.37 3.01 4.52 17.45 6.98 89.22 69.20 57.94 70.44 2.81 4.37 18.39 7.24 90.04 70.07 54.62 67.22 2.69 4.30 18.79 7.37 90.35 70.53 51.31 65.79 2.61 4.25 19.00 7.45 90.51 70.84 52.63 64.91 2.55 4.22 89 Phụ lục luận án Bảng B.3.1: Kết tính toán thông số sử dụng họ wavelet Daubechies Thử nghiệm DB SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 10.64 6.29 83.55 71.12 65.35 50.58 1.97 1.97 13.71 6.14 88.69 70.51 51.83 51.34 1.88 1.95 15.60 6.01 90.99 70.00 45.32 51.52 1.86 1.95 17.16 5.98 92.51 69.88 40.73 51.50 1.85 1.95 18.79 5.98 93.82 69.89 36.58 51.76 1.85 1.95 20.10 5.94 94.71 69.71 33.61 52.06 1.83 1.95 21.00 5.89 95.24 69.51 31.73 51.97 1.83 1.95 22.15 5.91 95.83 69.58 29.51 51.76 1.84 1.94 23.52 5.94 96.45 69.72 27.11 51.86 1.84 1.94 10 24.27 5.92 96.76 69.65 25.87 52.14 1.83 1.95 11 24.70 5.88 96.91 69.46 25.19 52.13 1.83 1.95 12 25.74 5.88 97.26 69.47 23.65 51.91 1.83 1.95 13 26.94 5.92 97.62 69.61 21.99 51.89 1.84 1.94 14 27.18 5.92 97.69 69.63 21.67 52.12 1.83 1.95 15 27.22 5.88 97.70 69.47 21.61 52.20 1.83 1.95 16 28.19 5.87 97.94 69.42 20.40 52.03 1.83 1.95 17 29.27 5.90 98.18 69.54 19.12 51.92 1.84 1.94 18 29.14 5.91 98.16 69.61 19.27 52.07 1.83 1.95 19 28.89 5.89 98.10 69.51 19.56 52.22 1.83 1.95 20 29.76 5.87 98.28 69.41 18.57 50.58 1.83 1.95 90 Phụ lục luận án Bảng B.3.2: Kết tính toán thông số sử dụng họ wavelet Daubechies Thử nghiệm DB SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 9.29 5.11 76.35 62.14 121.63 103.11 3.37 4.59 13.96 6.29 85.50 66.80 74.76 81.66 2.92 4.50 16.22 6.69 87.99 68.16 62.86 74.86 2.90 4.44 17.09 6.98 88.98 69.30 54.69 69.84 2.82 4.37 17.50 7.24 89.56 70.17 56.53 66.69 2.68 4.30 18.07 7.33 90.08 70.32 54.83 66.42 2.63 4.27 18.55 7.30 90.23 70.27 53.99 66.59 2.65 4.28 18.51 7.36 90.13 70.59 53.97 65.44 2.63 4.26 18.41 7.50 90.26 71.02 53.60 64.17 2.55 4.21 10 18.71 7.56 90.59 71.10 52.68 64.13 2.50 4.19 11 19.05 7.50 90.67 70.97 52.27 64.57 2.52 4.21 12 18.96 7.49 90.47 71.05 52.63 64.21 2.53 4.20 13 18.75 7.60 90.45 71.36 52.69 63.33 2.49 4.17 14 18.92 7.68 90.73 71.50 51.98 63.04 2.43 4.15 15 19.24 7.62 90.86 71.38 51.52 63.42 2.43 4.16 16 19.20 7.57 90.66 71.32 51.92 63.48 2.46 4.17 17 18.96 7.64 90.54 71.52 52.23 62.89 2.45 4.15 18 19.02 7.73 90.76 71.72 51.70 62.44 2.39 4.12 19 19.32 7.71 90.96 71.66 51.12 62.62 2.38 4.13 20 19.36 7.63 90.81 71.53 51.41 62.89 2.42 4.14 91 Phụ lục luận án Bảng B.4.1: Kết tính toán thông số sử dụng họ wavelet Symlets Thử nghiệm SYM SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 13.71 6.14 88.69 70.51 51.83 50.58 1.88 1.95 15.60 6.01 90.99 70.00 45.32 51.34 1.86 1.95 17.19 5.96 92.53 69.80 40.66 51.63 1.85 1.95 18.79 5.96 93.83 69.80 36.59 51.64 1.84 1.95 19.90 5.90 94.58 69.55 34.03 52.00 1.84 1.95 21.14 5.94 95.31 69.70 31.45 51.78 1.84 1.94 22.16 5.88 95.84 69.46 29.50 52.14 1.84 1.95 23.33 5.92 96.38 69.64 27.41 51.88 1.83 1.96 10 24.06 5.87 96.67 69.42 26.20 52.19 1.84 1.95 11 25.20 5.93 97.08 69.67 24.44 51.82 1.84 1.95 12 25.62 5.87 97.22 69.41 23.82 52.21 1.83 1.95 13 26.67 5.93 97.54 69.66 22.35 51.84 1.84 1.95 14 26.92 5.87 97.61 69.41 22.01 52.21 1.83 1.95 15 27.94 5.91 97.88 69.60 20.70 51.94 1.84 1.95 16 27.99 5.87 97.89 69.41 20.64 52.21 1.83 1.95 17 28.73 5.92 98.07 69.62 19.74 51.90 1.83 1.95 18 29.06 5.86 98.14 69.40 19.37 52.23 1.83 1.95 19 29.75 5.89 98.28 69.52 18.58 52.05 1.84 1.94 20 29.57 5.87 98.25 69.41 18.78 52.22 1.83 1.95 92 Phụ lục luận án Bảng B.4.2: Kết tính toán thông số sử dụng họ wavelet Symlets Thử nghiệm SYM SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 9.29 5.11 76.35 62.14 121.63 103.11 3.90 4.50 13.96 6.29 85.50 66.80 74.76 81.66 3.87 4.44 16.22 6.69 88.99 68.16 54.86 74.86 3.79 4.38 17.09 6.98 88.90 69.30 58.69 69.84 3.55 4.30 17.50 7.24 89.56 70.17 56.53 66.69 3.63 4.31 18.07 7.33 90.08 70.32 54.83 66.42 3.54 4.27 18.55 7.30 90.23 70.27 53.99 66.59 3.51 4.26 18.51 7.36 90.13 70.59 53.97 65.44 3.34 4.21 10 18.41 7.50 90.26 71.02 53.60 64.17 3.42 4.23 11 18.71 7.56 90.59 71.10 52.68 64.13 3.34 4.19 12 19.05 7.50 90.67 70.97 52.27 64.57 3.36 4.21 13 18.96 7.49 90.47 71.05 52.63 64.21 3.28 4.16 14 18.75 7.60 90.45 71.36 52.69 63.33 3.29 4.18 15 18.92 7.68 90.73 71.50 51.98 63.04 3.28 4.16 16 19.24 7.62 90.86 71.38 51.52 63.42 3.25 4.16 17 19.20 7.57 90.66 71.32 51.92 63.48 3.19 4.13 18 18.96 7.64 90.54 71.52 52.23 62.89 3.27 4.16 19 19.02 7.73 90.76 71.72 51.70 62.44 3.25 4.14 20 19.32 7.71 90.96 71.66 51.12 62.62 3.20 4.14 93