Một số phương pháp xử lý tín hiệu điện não hỗ trợ chuẩn đoán bệnh động kinh (tt)

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ================== NGUYỄN THỊ ANH ĐÀO MỘT SỐ PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU ĐIỆN NÃO HỖ TRỢ CHUẨN ĐỐN BỆNH ĐỘNG KINH Ngành: Công nghệ Điện tử – Viễn thông Chuyên ngành: Kỹ thuật Viễn thông Mã số: 62520208 TĨM TẮT LUẬN ÁN TIẾN SỸ CƠNG NGHỆ ĐIỆN TỬ - VIỄN THƠNG Hà Nội, 2018 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ, ĐẠI HỌC QUỐC GIA HÀ NỘI NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN LINH TRUNG Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng cấp sở Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội Vào hồi: ……h…… ngày…… tháng…… năm 2018 Có thể tìm hiểu luận án tại: - Thư viện Quốc gia - Thư viện Đại học Quốc gia Hà Nội MỞ ĐẦU Bối cảnh nghiên cứu Động kinh (epilepsy) rối loạn thần kinh đặc trưng xuất xung động kinh lặp lặp lại nhiều lần rối loạn nghiêm trọng phổ biến não Tỉ lệ bệnh động kinh chiếm 1% số bệnh tật tồn cầu Năm 2010, giới có khoảng 50 triệu người mắc bệnh động kinh, có khoảng gần 40 triệu người bị động kinh nước phát triển Việt Nam nước phát triển có tỉ lệ người mắc bệnh động kinh cao Theo báo cáo năm 2008 tỉ lệ số người mắc bệnh động kinh Việt Nam 0, 44% Một xét nghiệm lâm sàng quan trọng hay sử dụng để chẩn đoán theo dõi tiến triển bệnh động kinh đo điện não đồ bệnh nhân Điện não đồ (EEG – Electroencephalogram) cách sử dụng mũ điện cực ghi lại hoạt động điện não Dựa vào quan sát điện não đồ, bác sĩ chẩn đốn bệnh động kinh, thể loại động kinh khu vực não bị tổn thương, thông qua dấu ấn sinh học động kinh thể điện não đồ Dấu ấn sinh học động kinh gồm xung động kinh (epileptic seizures) số dạng sóng động kinh gai động kinh (epileptic spikes), sóng sắc (sharp wave), phức hợp gai sóng, đa gai Gai động kinh xuất trước sau động kinh Tại Việt Nam, việc chẩn đoán nhầm bệnh động kinh tuyến huyện tỉnh xảy phổ biến Việc chẩn đoán nhầm bệnh động kinh dẫn đến nhiều hệ lụy như: Có bệnh nhân bị động kinh thời gian đo ngắn, tín hiệu có nhiều nhiễu khơng xử lý lọc nhiễu nên bác sĩ không phát bệnh, dẫn đến trường hợp người bệnh bị bệnh động kinh không điều trị Bệnh động kinh có nhiều loại động kinh khác nhau, việc chẩn đốn khơng xác dẫn đến việc cho thuốc động kinh khơng loại gây tác dụng phụ khơng mong muốn có trường hợp làm bệnh trở thành nặng Trong gần 40 năm qua, có nhiều cơng trình nghiên cứu nhận biết dấu ấn sinh học (biomarkers) bệnh động kinh nhận biết xung động kinh (seizures) kết hợp với lâm sàng số xét nghiệm khác để chẩn đốn thể động kinh Ở Việt Nam đo giám sát 24{24, trừ bệnh nhân bị bệnh nặng cần phẫu thuật bỏ phần não tổn thương gây nên động kinh để điều trị Vì vậy, khó khăn để có liệu điện não đồ có chứa xung động kinh Việt Nam để nghiên cứu Mặt khác, bệnh nhân xuất xung động kinh tức trường hợp bệnh nhân bị bệnh nặng Ngoài ra, hoạt động khác não nhiễu (do điều kiện ghi điện não chưa theo chuẩn quốc tế) tạo gai khơng động kinh (giả gai) tín hiệu EEG, dễ gây nhầm lẫn cho bác sĩ dẫn đến tượng chẩn đốn nhầm bệnh Vì vậy, để hỗ trợ cho bác sĩ việc chẩn đoán, phát bệnh động kinh giai đoạn bệnh nhẹ, tức xuất gai động kinh tín hiệu điện não đồ, luận án đặt vấn đề nghiên cứu số phương pháp xử lý tín hiệu để nhận biết gai động kinh tự động, sử dụng kỹ thuật xử lý tín hiệu tiên tiến nhằm tăng tính khách quan độ xác việc phát gai động kinh Tổng quan nhanh hạn chế nhận biết gai động kinh tự động Do việc dò gai thủ cơng tốn nhiều thời gian bác sĩ nên việc xây dựng hệ thống để phát gai động kinh tự động hướng nghiên cứu quan tâm Việt Nam giới Việc tự động phát gai động kinh cung cấp thơng tin mật độ gai hội chứng bệnh động kinh Trong năm vừa qua, có nhiều cơng trình nghiên cứu tự động phát gai động kinh Trong nhiều thập kỷ qua, nhiều phương pháp khác đề xuất để giải vấn đề phát gai động kinh Ktonas (1974), Gotman (1976), Pfurtscheller (1978), Liu (2002), Acir (2005), Indiradevi (2008) có hệ thống đơn bước hệ thống đa bước Về bản, hệ thống đa bước có hiệu suất cao hệ thống đơn bước Các hệ thống đa bước hành chưa xử lý hiệu sử dụng nhiều tỉ lệ biến đổi sóng con, nhiều giả gai chưa khai thác mối liên hệ ga i gần Trong thực tế, khả xuất gai động kinh kênh gần thời điểm cao, nên phương pháp xử lý đa kênh đồng thời cho phép khai thác mối liên hệ theo không gian gai động kinh, tăng khả phát gai động kinh Hiện nay, có nhiều nghiên cứu sử dụng phân tích ten-xơ để phân tích tín hiệu điện não phát xung động kinh Cong (2015), Acar (2007), deburchgraeve (2009), Pippa (2016) Tuy nhiên, nhóm nghiên cứu chưa nghiên cứu nhận biết gai động kinh đa kênh, chưa khai thác mối liên hệ không gian gai động kinh kênh gần thời điểm Vấn đề nghiên cứu Xây dựng hệ thống phát gai động kinh tự động đơn kênh đề xuất phương pháp ước lượng đường cong ROC cho hệ thống đa bước Xây dựng hệ thống phát gai động kinh đa kênh dựa phân tích ten-xơ thông qua liên hệ không gian Mục tiêu nghiên cứu 4.1 Mục tiêu chung Nghiên cứu cải tiến phương pháp xử lý tín hiệu hỗ trợ nhận biết gai động kinh cách khai thác mối liên gai gần theo thời gian dựa phân tích liệu EEG đơn kênh khơng gian dựa phân tích liệu EEG đa kênh đồng thời 4.2 Mục tiêu cụ thể ˝ Xây dựng hệ thống đa bước thực nhận biết gai động kinh hiệu quả, khai thác mối liên hệ gai gần theo thời gian đề xuất phương pháp ước lượng đường cong ROC cho hệ thống đa bước sử dụng nhiều ngưỡng định (hệ thống xếp tầng) ˝ Xây dựng hệ thống nhận biết gai động kinh nhằm khai thác mối liên hệ gai gần theo không gian sử dụng phương pháp phân tích ten-xơ Đưa tốn cách giải toán xấp xỉ hạng thấp đồng thời cho ma trận, ten-xơ đưa thuật toán giải tốn xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho ten-xơ (SLMRAT) Hướng tiếp cận phương pháp ‚ Đối với mục tiêu 1, hướng tiếp cận khai thác liên hệ thời gian theo thơng tin hình thái học gai động kinh mà Boos (2011) đặt ra; cải tiến tiền xử lý, phương pháp trích xuất đặc trưng hệ thống đa bước để nâng cao hiệu phát gai động kinh ‚ Đối với mục tiêu 2, hướng tiếp cận khai thác thông tin đa kênh (không gian), tức mối liên hệ gai động kinh kênh gần thời điểm, sử dụng phương pháp phân tích ten-xơ, dựa phương pháp đề xuất pippa (2016) Phan (2010) Nội dung nghiên cứu Luận án tập trung nghiên cứu hai nội dung sau: 1) Cải tiến bước tiền xử lý, trích chọn đặc trưng, xây dựng hệ chuyên gia đơn giản khai thác thông tin gai động kinh gần Nghiên cứu phương pháp ước lượng đường cong ROC để đánh giá chất lượng hệ thống đa bước có nhiều ngưỡng định 2) Xây dựng hệ thống phát gai động kinh đa kênh sử dụng phương pháp phân tích ten-xơ Trong nội dung nghiên cứu, nội dung trình bày cụ thể chương nội dung trình bày chi tiết chương Đóng góp luận án Hai đóng góp luận án là: ‚ Xây dựng hệ thống đa bước phát gai động kinh dựa việc phân tích tín hiệu EEG đơn kênh, khai thác mối liên hệ theo thời gian gai động kinh gần kênh Cụ thể sau: - Cải tiến cải tiến bước tiền xử lý: cách sử dụng số lượng perceptron; bước trích xuất đặc trưng: cải tiến sử dụng số tỉ lệ biến đổi sóng con; hệ chuyên gia: khai thác mối liên hệ thời gian gai động kinh xuất gần - Để đánh giá chất lượng hệ thống đa bước: luận đề xuất phương pháp ước lượng ROC tổng thể cho hệ thống phân loại đa bước sử dụng nhiều ngưỡng định dựa hai phân bố phân bố Gaussian phân bố Logistic ‚ Xây dựng hệ thống đa bước để phát gai động kinh tự dựa việc phân tích tín hiệu EEG đa kênh, khai thác mối liên hệ theo không gian gai động kinh kênh gần Cụ thể sau: - Luận án đưa toán ước lượng hạng thấp đa tuyến tính cho ten-xơ đồng thời (SLMRAT) đưa thuật toán để giải toán SLMRAT sử dụng phương pháp phân tích ten-xơ Tucker-ALS phân tích Tucker với ràng buộc khơng âm (NTD) để tìm khơng gian đặc trưng gai động kinh Tính đắn thuật tốn đề xuất để giải toán SLMRAT trường hợp cụ thể HOSVD, Tucker-ALS NTD luận án chứng minh phần phụ lục - Trong bước lựa chọn đặc trưng hệ thống phát gai động kinh đa kênh, luận án đề xuất phương pháp lựa chọn đặc trưng kết hợp hai phương pháp lựa chọn đặc trưng thông dụng điểm Fisher trị số p cách sử dụng thuật tốn tìm chuỗi chung lớn Bố cục luận án Luận án trình bày gồm phần mở đầu chương Chương 1: trình bày kiến thức sở cho hai nội dung nghiên cứu mà luận án đưa như: điện não đồ; động kinh; gai động kinh; xung động kinh; ma trận đánh giá; đường cong ROC; chuẩn đo quốc tế 10 ´ 20; khái niệm ten-xơ; phân tích ten-xơ xấp xỉ hạng thấp đa tuyến tính cho ten-xơ Chương trình bày hệ thống đa bước tự động phát gai động kinh đơn kênh, kết mô phỏng, đánh giá hệ thống Chương trình bày hệ thống đa bước phát gai động kinh đa kênh dựa phân tích ten-xơ; mơ đánh giá; toán thuật toán giải toán xấp xỉ hạng thấp đa tuyến tính mở rộng cho ten-xơ Chương trình bày kết luận hướng phát triển, danh mục tài liệu tham khảo công trình cơng bố luận án CHƯƠNG CƠ SỞ VÀ TỔNG QUAN 1.1 Điện não đồ Điện não đồ (EEG) biểu đồ biểu diễn thay đổi hiệu điện tín hiệu ghi da đầu cách sử dụng điện cực Biên độ tín hiệu EEG nằm dải từ vài µV đến xấp xỉ 200 µV Tần số tín hiệu EEG nằm khoảng r0.5, 70s Hz Hình 1.1 minh họa liệu điện não đồ bệnh nhân bị động kinh tập liệu luận án sử dụng Hình 1.1 Dữ liệu điện não đồ bệnh nhân tập liệu luận án sử dụng EEG tổng hợp nhịp nhịp delta, theta, alpha, beta gamma Nhịp delta có tần số khoảng r0.5, 4s Hz, nhịp theta có tần số khoảng r4, 7.5s Hz, nhịp alpha có tần số khoảng r8, 13.5s Hz, nhịp beta có tần số khoảng r14, 30s Hz nhịp gamma có tần số lớn 30 Hz 1.2 Động kinh Động kinh hay gọi động kinh phong định nghĩa rối loạn não mãn tính đặc trưng xuất xung động kinh lặp lặp lại nhiều lần Xung động kinh kết phóng điện bất thường, đồng mức nơ-ron thần kinh não Đặc trưng động kinh biểu co giật, ý thức tạm thời Trong chẩn đoán động kinh, bác sĩ thường dựa vào dấu hiệu nhận biết điện não đồ người bệnh hình dạng, mật độ xuất dạng động kinh (gai động kinh, sóng nhọn, phức hợp sóng gai, đa gai sóng, phức hợp đa gai ) để xác định vị trí khởi phát dạng động kinh tình trạng bệnh người bệnh 1.3 Gai động kinh Gai động kinh (epileptic spike) dạng động kinh bác sĩ sử dụng phổ biến chẩn đoán bệnh động kinh Thời gian tồn gai động kinh ngắn, thường khoảng r20, 70s mili giây, đặc trưng đường dốc lên xuống đột ngột, tạo đỉnh nhọn Hình 1.2 minh họa điện não đồ có chứa gai động kinh Hình 1.2 Điện não đồ có chứa gai động kinh 1.4 Xung động kinh Xung động kinh (epileptic seizure) thường xuất xảy động kinh (cơn co giật) người bệnh Xung động kinh thường đo đo giám sát người bệnh 24{24 bệnh viện Hình 1.3 minh họa liệu điện não đồ chứa xung động kinh 1.5 Ma trận đánh giá Các xét nghiệm chẩn đoán y học thường sử dụng để phân loại bệnh nhân thành hai nhóm có bệnh hay khơng có bệnh tùy theo có hay khơng có Hình 1.3 Tín hiệu điện não đồ có chứa xung động kinh triệu chứng, dấu hiệu bị bệnh Trong luận án, thuật ngữ dương tính âm tính sử dụng để biểu diễn kết xét nghiệm có hay khơng có bệnh Để định lượng khả chẩn đoán xét nghiệm người ta thường sử dụng ma trận đánh giá Hai tham số quan trọng ma trận đánh giá thường sử dụng độ nhạy SEN độ đặc hiệu SPE Độ nhạy tỷ lệ dương tính thật độ đặc hiệu SPE tỷ lệ âm tính thật Với xét nghiệm, việc lựa chọn phương pháp có tỉ lệ dương tính thật (độ nhạy) cao hay tỉ lệ âm tính thật (độ đặc hiệu) cao tùy thuộc vào mục tiêu xét nghiệm tùy thuộc vào trả giá 1.6 Đường cong ROC Đường cong ROC (receiver operating characteristic) đồ thị hai chiều biểu diễn mối liên hệ tỉ lệ dương tính thật (SENθ ) tỉ lệ dương tính giả (1 ´ SPEθ ) hệ thống phân loại nhị phân ngưỡng phân loại thay đổi θ Diện tích đươi đường cong ROC, AUC số sử dụng để so sánh chất lượng phân loại hệ thống phân loại Các hệ thống phân loại có đường cong ROC khác đường cong có giá trị AUC chất lượng phân loại hệ thống 1.7 Chuẩn đo quốc tế 10-20 Các chuẩn đo quốc tế nói chung chuẩn đo quốc tế 10 ´ 20 nói riêng xây dựng phát triển nhằm tạo sở liệu thống theo chuẩn đo Điều mang đến nhiều lợi ích cho phép so sánh tín hiệu điện não CHƯƠNG HỆ THỐNG ĐA BƯỚC TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KÊNH ĐƠN KÊNH 2.1 Giới thiệu Tận dụng ưu điểm hệ thống đa bước, chương luận án đề xuất hệ thống đa bước tự động phát gai động kinh hiệu quả, khắc phục hạn chế hệ thống đa bước đề xuất Liu (2002) Acir (2005) Cấu trúc chương trình bày sau: mục 2.2 trình bày hệ thống đa bước tự động phát gai động kinh Mục 2.3 trình bày phương pháp ước lượng đường cong ROC tổng thể cho hệ thống đa bước Mục 2.4 trình bày kết mơ đánh giá cuối cùng, mục 2.5 trình bày kết luận chương 2.2 Hệ thống đa bước tự động phát gai động kinh đơn kênh Hình 2.1 Sơ đồ khối hệ thống đa bước tự động phát gai động kinh đơn kênh Sơ đồ khối mơ hình hệ thống đa bước phát tự động gai động kinh biểu diễn hình 2.1 Hệ thống gồm bước: tiền xử lý, trích xuất đặc trưng, phân loại hệ chuyên gia 11 ˝ Bước Tiền xử lý: đầu tiên, tín hiệu EEG ban đầu lọc nhiễu (nhiễu mắt, nhiễu nhiễu điện lưới gây ra) Sau đó, tất đỉnh nhỏ tín hiệu EEG sau lọc loại bỏ Tiếp theo, với đỉnh tương đối lớn cặp đặc trưng (hay đặc trưng) liên quan đến hình thái gai động kinh biên độ, thời gian độ dốc tính đưa vào ba perceptron khác để phân đỉnh thành hai nhóm sau: 1) gai gai động kinh (dương tính) 2) gai khơng động kinh (âm tính) ˝ Bước trích xuất đặc trưng: gai gai động kinh (dương tính) sau bước tiền xử lý phân tích cách sử dụng biến đổi sóng Với phép biến đổi sóng con, tỉ lệ ta thu đặc trưng gai (cả gai động kinh gai không động kinh) Luận án sử dụng tỉ lệ dải từ tỉ lệ đến tỉ lệ ˝ Bước phân loại: đặc trưng gai động kinh gai không động kinh đưa vào để huấn luyện mạng ANN để tạo tập đầu Các giá trị tập đầu nằm khoảng [0, 1] Nếu giá trị đầu mạng ANN gần với giá trị giá trị xác định gai động kinh gai không động kinh, tương ứng ˝ Bước hệ chuyên gia: để chắn gai phát mạng ANN gai động kinh, luận án sử dụng hệ chuyên gia áp dụng thuật toán đơn giản để loại bỏ gai khơng động kinh (giả gai) vị trí gần gai động kinh nhằm khai thác mối liên hệ thời gian gai động kinh gần 2.3 Ước lượng đường cong ROC tổng thể cho hệ thống đa bước Với hệ thống phân loại đa bước sử dụng nhiều ngưỡng định, tập hợp điểm (SEN, ´ SPEq số trường hợp tạo đường cong khơng có đặc trưng giống đường cong ROC cổ điển Vì vậy, cần phải ước lượng hàm không giảm biểu diễn đường cong ROC tổng thể hệ thống Vì đường cong ROC cổ điển thường hàm phi tuyến không giảm, luận án sử dụng phép ánh xạ không gian điểm Pi pSENi , ´ SPEi q vào không gian vectơ thông qua phép biến đổi phi tuyến h : R2 Ñ R2 Luận án sử dụng phép ánh xạ với mục tiêu điểm Pi pSENi , ´ SPEi q không gian tạo thành đường cong ROC có đặc 12 trưng giống đường cong ROC cổ điển cách sử dụng phương pháp hồi quy tuyến tính chung dựa vào hai phân bố gồm phân bố Gaussian phân bố Logistic 2.4 Mô đánh giá 2.4.1 Thu thập liệu Luận án sử dụng liệu điện não đồ ghi hệ thống ghi EEG theo chuẩn 10–20, gồm 19 kênh liệu, tốc độ lấy mẫu 256 Hz Thời gian ghi thay đổi ghi từ tới 28 phút Hệ thống ghi EEG có kèm theo máy ghi video đồng thời theo dõi chuyển động bệnh nhân, tạo điều kiện thuận lợi cho bác sĩ thần kinh phân biệt nhiễu trình đánh giá Tập liệu gồm 17 bệnh nhân chẩn đốn bị bệnh động kinh, có 11 bệnh nhân nam bệnh nhân nữ Tập đữ liệu chia thành hai tập liệu tập liệu sử dụng để huấn luyện gồm 12 bệnh nhân tập liệu sử dụng để kiểm tra (đánh giá chất lượng hệ thống) gồm bệnh nhân Dữ liệu thô sau thu được lọc nhiễu sử dụng lọc thơng dải có dải tần từ 0.5 đến 75 Hz, lọc triệt tần Notch 50 Hz để loại bỏ nhiễu điện lưới Q trình lọc nhiễu khơng loại bỏ gai động kinh tập liệu luận án sử dụng 2.4.2 Kết Các kết đánh giá chất lượng hệ thống đa bước tự động phát gai động kinh đơn kênh biểu diễn hình vẽ bảng thống kê Hình 2.2 minh họa kết hệ thống theo bước đoạn liệu EEG có độ dài 5.86 giây (tương đương với 1500 mẫu) Hình 2.2 (a) biểu diễn đoạn liệu EEG gốc; (b) tất đỉnh đoạn liệu; (c) đỉnh nhỏ; (d) đỉnh lại sau loại bỏ đỉnh nhỏ; (e) đỉnh gai động kinh cuối hình 2.2(f) biểu diễn đỉnh hệ thống xác định gai động kinh, so sánh gai động kinh xác định hệ thống gai động kinh đánh dấu bác sĩ Bảng 2.1 biểu diễn số lượng gai động kinh phát hệ thống theo bước tập liệu kiểm tra gồm bệnh nhân Tương ứng, tỉ lệ dương tính thật tỉ lệ âm tính thật biểu diễn Bảng 2.2 Ta thấy tỉ lệ dương tính thật 13 Hình 2.2 Kết hệ thống tự động phát gai động kinh theo bước Bảng 2.1 Kết phát gai động kinh hệ thống theo bước Bệnh nhân 5a 5b Tiền xử lý ANN Hệ chuyên gia all sig pos epil sure 1795728 1266464 3701808 2540528 1120848 1224816 1269227 477319 2388564 1829433 607211 979726 36885 6975 36361 24942 13251 14226 7160 945 4697 3913 3827 4589 6276 840 4357 3403 3144 3683 sig.“ đỉnh có ý nghĩa, pos “ đỉnh gai động kinh, epil “ gai động kinh Bảng 2.2 Tỉ lệ dương tính thật (SEN) tỉ lệ âm tính thật (SPE) Bệnh nhân 5a 5b Thời gian đo Gai TP FP 11 phút 24 giây 27 phút 13 giây 16 phút 16 giây phút 31 giây 27 phút 37 giây 27 phút 37 giây 16 351 12 19 14 323 12 18 6262 839 4034 3391 3126 3674 FN TN 30609 6135 28 32004 21539 10107 10543 SEN SPE 87.50 83.01 100.00 87.97 92.02 88.80 100.00 86.40 94.74 76.37 100.00 74.16 bệnh nhân khác (nhỏ 87.5% lớn 100%) Lý có khác đặc tính động kinh bệnh nhân, thấy rõ 14 bảng 2.2 thông qua độ dài ghi (Thời gian đo) số gai động kinh (Gai) Hình 2.3 Các điểm pSEN, ´ SPEq hệ thống đa bước tự động phát gai động kinh đơn kênh khơng gian ROC Hình 2.4 Đường cong ROC tổng thể hệ thống đa bước tự động phát gai động kinh Hình 2.3 biểu diễn tập kết hệ thống việc thay đổi hai ngưỡng định phân loại ANN hệ chuyên gia Tuy nhiên, quan sát hình 2.3 điểm (SEN, ´ SPEq đường cong không giảm khoảng r0, 1s giống đường cong ROC cổ điển, đường cong tập hợp tất điểm diện pSEN, p1 ´ SPEq hệ thống không biểu diễn hiệu suất hệ thống đa bước đề xuất tham số diện tích đường cong khơng sử dụng để đánh giá chất lượng hệ thống Do vậy, luận án đề xuất phương pháp 15 để ước lượng đường cong ROC tổng thể hệ thống đa bước.Đường cong ROC tổng thể biểu diễn hình 2.4 Như quan sát hình 2.4, hai đường cong ROC tổng hợp dựa theo hai phân bố phân bố Gaussian phân bố Logistic tuân theo điểm pSEN, ´ SPEq không gian ROC (đường cong ROC tổng hợp không giảm khoảng r0, 1s) Cả hai phương pháp ước lượng đường cong ROC tổng thể hệ thống đa bước đưa kết tương tự với lỗi nhỏ (ă 0.02) giá trị AUC « 0.94 Bảng 2.3 Kết ước lượng ROC tổng thể hệ thống đa bước Phương pháp Dựa phân bố Gaussian Dựa phân bố Logistic a b AUC Lỗi 0.24 3.8 0.9490 0.0157 0.1 3.9 0.9376 0.0093 2.5 Kết luận chương Chương giới thiệu hệ thống đa bước tự động phát gai động kinh đơn kênh, hỗ trợ cho chẩn đoán bệnh động kinh, đặc biệt hữu ích Việt Nam nơi mà điều kiện ghi liệu điện não bị hạn chế Các kết mô cho thấy biên độ gai động kinh lúc lớn biên độ tín hiệu liệu điện não đồ Trong thực tế, gai động kinh khó phân biệt với tín hiệu liệu điện não có biên độ nhỏ Đối với trường hợp này, hệ chuyên gia luận án loại bỏ nhầm gai động kinh số lượng giả gai lại sau hệ chuyên gia nhiều Đây hạn chế hệ thống đa bước phát gai động kinh đơn kênh, hạn chế tiếp tục nghiên cứu sau Ngoài ra, chương đề xuất phương pháp để đánh giá chất lượng hệ thống phân loại đa bước sử dụng nhiều ngưỡng định ước lượng đường cong ROC tổng hợp dựa phân bố Gaussian phân bố Logistic Phương pháp đề xuất chứng minh toán học thực nghiệm với hệ thống đa bước tự động phát gai động kinh đơn kênh sử dụng liệu thực 17 bệnh nhân bị động kinh Các kết thực nghiệm cho thấy phương pháp đề xuất đáng tin cậy Các nội dung liên quan chương cơng bố cơng trình [1, 2] danh mục cơng trình cơng bố 16 CHƯƠNG HỆ THỐNG ĐA BƯỚC PHÁT HIỆN GAI ĐỘNG KINH ĐA KÊNH DỰA TRÊN PHÂN TÍCH TEN-XƠ 3.1 Giới thiệu Hiện nay, hầu hết nghiên cứu để phát gai động kinh tập trung vào phân tích tín hiệu EEG đơn kênh, tức tín hiệu EEG thu từ điện cực (kênh) Tuy nhiên, ghi điện não đồ thu tín hiệu từ nhiều kênh đồng thời, tạo thành tín hiệu EEG đa kênh Do dấu hiệu động kinh thường gây vùng tổn thương não nên số kênh gần thu dấu hiệu động kinh khoảng thời gian Do đó, phân tích đa kênh tăng hiệu việc phát gai động kinh Do đó, luận án đặt vấn đề nghiên cứu hệ thống phân tích tín hiệu EEG đa kênh sử dụng phương pháp phân tích ten-xơ để trích xuất đặc trưng gai động kinh để phát gai động kinh tự động 3.2 Hệ thống đa bước phát gai động kinh đa kênh dựa phân tích ten-xơ Sơ đồ khối hệ thống đa bước phát gai động kinh đa kênh dựa phân tích ten-xơ biểu diễn hình 3.1 gồm bước: biểu diễn liệu, trích xuất đặc trưng, lựa chọn đặc trưng phân loại 3.2.1 Biểu diễn liệu Bước biểu diễn liệu nhằm xây dựng ten-xơ động kinh Xspike ten-xơ i không động kinh Xnonspike Từ liệu bệnh nhân bị động kinh, N đoạn j liệu chứa gai động kinh (mỗi đoạn liệu gồm I mẫu K kênh) sử dụng để xây dựng ten-xơ động kinh chiều Xspike sử dụng phép biến đổi sóng liên i tục J tỉ lệ Kết thu N ten-xơ chiều có kích thước X P RIˆJˆK với ` ba chiều thời gian (I ), tỉ lệ (J ) kênh (K ) Các ten-xơ không động kinh Xnonspike j xây dựng tương tự 17 Hình 3.1 Hệ thống phát gai động kinh đa kênh 3.2.2 Trích xuất đặc trưng Mục tiêu bước trích xuất đặc trưng tìm khơng gian đặc trưng, Fspike chứa gai động kinh, sau đó, chiếu ten-xơ động kinh ten-xơ không động kinh lên khơng gian để trích xuất đặc trưng gai động kinh gai không động kinh 3.2.3 Lựa chọn đặc trưng Mục tiêu bước lựa chọn đặc trưng lựa chọn tập nhỏ đặc trưng tập lớn đặc trưng trích xuất sau bước trích xuất đặc trưng Luận án đề xuất phương pháp lựa chọn đặc trưng mới, kết hợp phương pháp lựa chọn đặc trưng dựa vào điểm Fisher trị số p cách sử dụng thuật tốn tìm chuỗi chung lớn 3.2.4 Phân loại Luận án sử dụng ba mơ hình phân loại thông dụng SVM, KNN NB 3.3 Mô đánh giá 3.3.1 Biểu diễn liệu Từ liệu 17 bệnh nhân, luận án sử dụng 1442 đoạn liệu, đoạn gồm 56 mẫu liệu EEG chứa gai động kinh, từ mẫu thứ i ´ 25 đến mẫu i ` 30 (i vị trí đỉnh gai động kinh, vị trí bác sĩ đánh dấu) để xây dựng ten-xơ động 18 , Tiếp theo, để xây dựng ten-xơ không động kinh Xnonspike kinh chiều Xspike j i 6114 đoạn liệu lựa chọn ngẫu nhiên gồm 56 mẫu chứa gai không động kinh Kết quả, luận án xây dựng tập gồm 1442 ten-xơ động kinh (gọi lớp C1 ) 6114 ten-xơ không động kinh (gọi lớp C2 ) Tập ten-xơ động kinh ten-xơ không động kinh chia thành 10 tập để thực xác thực chéo, tập gồm 144 ten-xơ động kinh 611 ten-xơ khơng động kinh 3.3.1.1 Trích xuất đặc trưng Hình 3.2 Ma trận A P R56ˆ15 thu từ phép phân tích Tucker với ràng buộc khơng ` âm ten-xơ động kinh ten-xơ không động kinh Sau xác định hạng ten-xơ (tức số thành phần để phân tích ten-xơ), tenr ep P R56ˆ20ˆ19ˆ1442 phân tích sử dụng phương pháp phân tích xơ động kinh X ` Tucker với ràng buộc không âm để thu ma trận hệ số A P R56ˆ15 , B P R20ˆ5 , ` ` C P R19ˆ19 (lớp C1 ) Tương tự vậy, thu ma trận ` mode thời gian, tỉ lệ kênh ten-xơ khơng động kinh (lớp C2 ) Hình 3.2 biểu 19ˆ19 diễn đặc trưng lớp C1 lớp C2 Hình 3.3 biểu diễn ma trận C P R` ten-xơ động kinh thu từ phép phân tích Tucker với ràng buộc không âm.Quan sát ma trận A ta thấy thành phần ten-xơ động kinh định vị thời điểm định Trong đó, thành phần ten-xơ khơng động kinh bị phân tán thời điểm khác nhau, ngoại trừ thành phần #9, #11 #12 Hơn nữa, ma trận C gai động kinh định vị tốt số vùng đặc biệt đỉnh đầu 19 Hình 3.3 Ma trận C P R19ˆ19 thu từ phép phân tích Tucker với ràng buộc khơng ` âm ten-xơ động kinh 3.3.1.2 Lựa chọn đặc trưng Tập đặc trưng đầu sau bước trích xuất đặc trưng bao gồm 1425 p15ˆ5ˆ19q đặc trưng Để lựa chọn tập đặc trưng tập 1425 đặc trưng cho chứa không gian liệu, luận án đề xuất phương pháp kết hợp hai phương pháp điểm Fisher trị số p Sau đó, hiệu phương pháp đề xuất so sánh với phương pháp lựa chọn đặc trưng thông dụng khác phương pháp điểm Fisher, phương pháp điểm Laplacian, phương pháp lựa chọn đặc trưng phân biệt không giám sát (UDFS), phương pháp lựa chọn đặc trưng ẩn không giới hạn (ILFS), phương pháp lựa chọn đặc trưng để phân cụm dựa học địa phương (LLCFS) 3.3.1.3 Phân loại Để đánh giá khả phân biệt đặc trưng trích chọn, luận án sử dụng ba mơ hình phân loại đơn giản thông dụng k láng giềng gần (KNN), naive Bayes (NB), SVM.Chất lượng hệ thống trình bày bảng 3.1, 3.2 3.3 Bảng 3.1 biểu diễn ma trận đánh giá (SEN, SPE, AUC) hệ thống đa bước phát gai động kinh đa kênh dựa phân tích ten-xơ sử dụng phân loại SVM thực xác thực chéo 10 lần Có thể thấy rằng, 10 trường hợp, ma trận đánh giá SEN, SPE AUC có kết phân loại tốt 20 Bảng 3.1 Xác thực chéo 10 lần, với phân loại SVM, sử dụng 100 đặc trưng có ý nghĩa Trường hợp Gai động kinh 10 144 / 611 144 / 611 144 / 611 144 / 611 144 / 611 144 / 611 144 / 611 144 / 611 144 / 611 146 / 616 SEN SPE AUC 81.25% 96.73% 0.9579 81.94% 97.55% 0.9664 88.89% 93.94% 0.9594 80.56% 95.74% 0.9583 77.08% 97.22% 0.9588 81.25% 96.56% 0.9671 81.25% 96.73% 0.9657 83.33% 95.91% 0.9673 86.11% 96.73% 0.9707 86.30% 97.40% 0.9720 Trung bình: 82.80% 96.45% 0.9643 Bảng 3.2 Xếp chồng ten-xơ sử dụng phân loại SVM, KNN phân loại NB sử dụng 100 đặc trưng có ý nghĩa Ma trận đánh giá{Bộ phân loại SEN SPE AUC Phương pháp luận án đề xuất SVM KNN NB 82.80% 82.80% 82.80% 96.45% 97.96% 84.66% 0.9643 0.8806 0.9024 Phương pháp Phan-Cichocki đề xuất SVM KNN NB 76.24% 76.24% 76.24% 85.85% 87.09% 65.78% 0.8930 0.6991 0.8110 Bảng 3.3 So sánh phương pháp phát gai động kinh dựa phân tích ten-xơ sử dụng 100 đặc trưng lớn sử dụng phân loại SVM Metric SEN SPE AUC NTD TD 82.80% 54.75% 96.45% 90.47% 0.9643 0.8403 CP NCP 44.57% 90.98% 0.7679 77.38% 83.20% 0.8709 Bảng 3.2 minh họa so sánh phương pháp phân tích ten-xơ luận án đề xuất phương pháp đề xuất Phan Cichocki Rõ ràng, tất ma trận đánh giá ba phân loại huấn luyện với đặc trưng trích chọn có kết tốt từ 5% đến 20% so với phương pháp Phan-Cichocki Bảng 3.3 biểu diễn kết so sánh phương pháp luận án đề xuất phương pháp dựa phân tích ten-xơ khác Chúng ta thấy rằng, phương pháp dựa phân tích ten-xơ với ràng buộc khơng âm (tức là, phân tích Tucker với ràng buộc khơng âm phân tích CP với ràng buộc khơng âm) cho kết phân loại gai động kinh gai khơng động kinh với độ xác cao so với 21 phương pháp khác Kết là, hai phương pháp phân tích Tucker phân tích CP cho kết giá trị AUC thấp so với phương pháp phân tích Tucker phân tích CP với ràng buộc không âm 3.4 Phương pháp xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho cỏc ten-x I1 I2 ăăăIn , Bi toỏn SLMRAT: Cho tập gồm N ten-xơ bậc n, tXi uN i“1 , Xi P R r1 r2 ăăărn tỡm n ma trận chung tUk unk“1 , Uk P RIk ˆrk N ten-xơ lõi tGi uN i“1 , Gi P R cho Gi U1 U2 ă ă ă ˆn Un đưa xấp xỉ tốt ten-xơ Xi Luận án đề xuất thuật toán để giải phương trình (??), thuật tốn cho kết nghiệm tối ưu địa phương Algorithm 1: GSMLRAT: Xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho cỏc ten-x I1 I2 ăăăIn , hạng đa tuyến tính tr , r , , r u Input: N ten-xơ n-chiều tXi uN n i“1 , Xi P R n Output: Các ma trận chung tUk uk“1 , ten-xơ lõi tGi uN i“1 function Khởi tạo: Xây dựng ten-xơ xếp chồng pn ` 1q chiều X X1 X2 ă ă ă XN ; r pkq un mode ten-xơ sau Tính ma trận hiệp phương sai tR k“1 ř N T r pkq “ X X ; R i“1 i pkq i pkq p0q n r pkq khởi tạo cách chọn véc tơ riêng lớn R tU u k p0q k“1 Un`1 “ IN ; Phân tích Tucker (HOSVD, Tucker-ALS, NTD): p0q n`1 G, tUk un`1 k“1 “ decomposepX, tUk uk“1 q; Thu ten-xơ lõi: Gi “ Gp:, :, , iq 3.5 Kết luận chương Trong chương luận án trình bày hai nội dung chính, cụ thể sau: 1) Hệ thống đa bước phát gai động kinh đa kênh sử dụng phân tích ten-xơ 2) Đưa tốn SMLRAT đề xuất thuật toán để giải toán SMLRAT, nội dung trình bày mục 3.4 Thuật tốn SMLRAT áp dụng để trích xuất đặc trưng gai động kinh bước trích xuất đặc trưng hệ thống đa bước phát gai động kinh đa kênh trình bày mục 3.2 Nội dung liên quan chương công bố cơng trình [3] [4] danh mục cơng trình khoa học tác giả liên quan đến luận án 22 KẾT LUẬN VÀ KIẾN NGHỊ Kết luận luận án Trong bệnh não động kinh rối loạn phổ biến Hiện giới, loại bệnh tật bệnh động kinh chiếm 1% Việt Nam nước phát triển có số người bị bệnh động kinh cao, tình trạng tải bệnh viện thường xuyên xảy Vì vậy, thời gian làm xét nghiệm lâm sàng để chẩn đoán bệnh hạn chế, cụ thể thời gian đo điện não đồ ngắn, thường 10 phút (chuẩn quốc tế thời gian ngắn 20 phút), số lượng chuyên gia có kinh nghiệm thần kinh khơng nhiều dẫn đến tình trạng chẩn đốn nhầm bệnh hay xảy Vì việc xây dựng hệ thống phát gai động kinh tự động, hỗ trợ cho chẩn đoán bệnh động kinh cần thiết ngày nhận nhiều quan tâm nhà nghiên cứu Luận án đặt vấn đề nghiên cứu số phương pháp xử lý tín hiệu điện não hỗ trợ chẩn đốn bệnh động kinh, qua q trình thực hiện, luận án giải thu số kết cụ thể sau: ‚ Đề xuất hệ thống đa bước phát gai động kinh tự động đơn kênh Trong hệ thống này, luận án cải tiến cách chọn số lượng perceptron bước tiền xử lý, số lượng tỉ lệ biến đổi sóng bước trích xuất đặc trưng sử dụng hệ chuyên gia đơn giản để khai thác thông tin thời gian gai động kinh gần Để đánh giá chất lượng hệ thống tự động phát gai động kinh đơn kênh, luận án đề xuất phương pháp ước lượng ROC tổng hợp cho hệ thống đa bước sử dụng nhiều ngưỡng định (các hệ thống phân loại xếp tầng) dựa hai phân bố, phân bố Gauss phân bố Logistic ‚ Xây dựng hệ thống đa bước phát gai động kinh đa kênh dựa phân tích ten-xơ Trong hệ thống này, luận án đề xuất phương pháp trích xuất đặc trưng với mục tiêu tìm không gian đặc trưng gai động kinh để nhận biết gai 23 động kinh Mặt khác, luận án đưa toán SMLRAT đề xuất thuật toán để giải tốn GSMLRAT Tính đắn thuật toán chứng minh toán học phần phụ lục luận án Thuật toán SMLRAT áp dụng để trích xuất đặc trưng gai động kinh bước trích xuất đặc trưng hệ thống đa bước phát gai động kinh đa kênh Phương pháp trích chọn đặc trưng luận án sử dụng so sánh với cách trích chọn đặc trưng Phan Cichocki đề xuất [? ] Trong bước lựa chọn đặc trưng hệ thống, luận án kết hợp hai phương pháp phương pháp điểm Fisher phương pháp trị số p sử dụng thuật tốn tìm chuỗi chung lớn Như trình bày chương 3, kết cho thấy, phương pháp lựa chọn đặc trưng hiệu so với phương pháp lựa chọn đặc trưng khác phương pháp điểm Fisher, điểm Laplacian, UDFS Hướng nghiên cứu Phương pháp xử lý tín hiệu hỗ trợ chẩn đốn bệnh động kinh nhận nhiều quan tâm nhà nghiên cứu Một số hướng nghiên cứu phát triển luận án, là: 1) Định vị khu vực não bị tổn thương gây gai động kinh 2) Xây dựng hệ thống đa bước phát gai động kinh đơn kênh dựa phân tích ten-xơ 3) Nâng cao khả hệ chuyên gia, loại bỏ thêm giả gai động kinh hiệu chỉnh lại gai đoán nhầm sử dụng phân tích ten-xơ 24 DANH MỤC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN [1] Nguyen Thi Anh-Dao, Nguyen Linh-Trung, Nguyen Van Ly, Tran Duc-Tan, Nguyen The Hoang Anh, and B Boashash, “A multistage system for automatic detection of epileptic spikes,” REV Journal on Electronics and Communications, vol 8, no 1–2, pp 1–13, 2018 [2] Le Trung Thanh, Nguyen Thi Anh Dao, Nguyen Linh-Trung, and Ha Vu Le, “On the overall ROC of multistage systems”, International Conference on Advanced Technologies for Communications (ATC), IEEE, 2017 p 229-234 [3] Nguyen Thi Anh-Dao, Le Trung Thanh, Nguyen Linh-Trung, Ha Vu Le, “Nonnegative Tensor Decomposition for EEG Epileptic Spike Detection”, NAFOSTED Conference on Information and Computer Science (NICS), 11/2018 [4] Le Trung Thanh, Nguyen Thi Anh-Dao, Viet-Dung Nguyen, Nguyen LinhTrung, and Karim Abed-Meraim, “Multi-channel EEG epileptic spike detection by a new method of tensor decomposition”, Journal of Neural Engineering (major revise) 25 ... vậy, để hỗ trợ cho bác sĩ việc chẩn đoán, phát bệnh động kinh giai đoạn bệnh nhẹ, tức xuất gai động kinh tín hiệu điện não đồ, luận án đặt vấn đề nghiên cứu số phương pháp xử lý tín hiệu để nhận... thiệu kiến thức điện não đồ, động kinh số dấu hiệu nhận biết động kinh dựa vào quan sát điện não đồ gai động kinh xung động kinh Sau đó, chương giới thiệu chuẩn đo điện não quốc tế 10 ´ 20, chuẩn. .. phát dạng động kinh tình trạng bệnh người bệnh 1.3 Gai động kinh Gai động kinh (epileptic spike) dạng động kinh bác sĩ sử dụng phổ biến chẩn đoán bệnh động kinh Thời gian tồn gai động kinh ngắn,