Nâng cao chất lượng nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh

Nâng cao chất lượng nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh 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 văn tốt nghiệp thạc sĩ

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 HĨA NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TSKH TRẦN HỒI LINH Hà Nội - 2016 LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi dựa hướng dẫn PGS.TSKH Trần Hồi Linh tài liệu tham khảo trích dẫn Kết nghiên cứu trung thực chưa khác cơng bố cơng trình khác Hà nội, ngày Người hướng dẫn khoa học tháng năm 2016 Nghiên cứu sinh PGS.TSKH Trần Hoài Linh Nguyễn Đức Thảo ­i­ LỜI CẢM ƠN Luận án hồn thành Bộ mơn Kỹ thuật đo Tin học công nghiệp ­ Viện Điện ­ Trường Đại học Bách Khoa Hà Nội hướng dẫn PGS.TSKH.Trần Hồi Linh Tác giả xin bày tỏ lịng 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 ln động viên tạo điều kiện thuận lợi cho tác giả q trình hồn 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 v DANH MỤC CÁC BẢNG BIỂU vii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ viii 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 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 1.2 Hệ hô hấp 11 1.3 Một số ảnh hưởng nhịp thở tín hiệu ECG 12 1.3.1 Rối loạn nhịp tim 13 1.3.2 Điều chế biên độ tín hiệu ECG 13 1.3.3 Trôi dạt đường sở 14 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 .19 1.5.4 Kịch .19 ­ iii ­ Mục lục 1.6 Các sở liệu sử dụng luận án 19 1.7 Kết luận chương 22 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 số 24 2.2 Wavelet ứng dụng wavelet phân tích tín hiệu 28 2.3 Hàm Hermite ứng dụng phân tích tín hiệu 31 2.4 Mạng nơ­ron logic mờ TSK 32 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 43 3.3 Thu thập tín hiệu nhịp thở .44 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 4.2 Ứng dụng SVD để phân tích tín hiệu ECG theo hàm Hermite 52 4.3 Ứng dụng mơ hình nhận dạng TSK tốn nhận dạng tín hiệu ECG 54 4.3.1 Xây dựng số liệu 54 4.3.2 Xây dựng mơ hình nhận dạng 59 4.3.3 Kết nhận dạng tín hiệu ECG 61 4.4 Kết luận chương 72 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 73 DANH MỤC CÁC TÀI LIỆU THAM KHẢO 75 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN 85 Phụ lục A: Kết tính tốn thơng số SNR, CORR, PRD TH1 sử dụng lọc số 86 Phụ lục B: Kết tính tốn thơng số SNR, CORR, PRD TH1 trung bình sử dụng lọc wavelet 87 ­ iv ­ 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 đốn âm tính sai FP False Positive Chẩn đốn dương tính sai HD High Pass Filter for Decomposition Phân tích lọc thơng 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 vơ hạn IMFs Intrinsic Mode Functions Kiểu hàm nội suy ­v­ 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 thơng 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 ­ vi ­ 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 21 Bảng 2.1: Kết tính tốn thơng số SNR, CORR, PRD TH1 trung bình loại bỏ ảnh hưởng nhịp thở sử dụng lọc số 26 Bảng 3.1: Tính tốn 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 tốn thơng 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 41 Bảng 3.3 Kết đếm số nhịp thở 10 lần thử nghiệm 49 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 .58 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 63 Bảng 4.6 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 1.2 65 Bảng 4.7 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 2.2 66 Bảng 4.8 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 3.2 66 Bảng 4.9 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 4.2 67 Bảng 4.10 Kết nhận dạng loại mẫu nhịp hai thử nghiệm dạng MGH/15­5 69 Bảng 4.11 Kết nhận dạng loại mẫu nhịp hai thử nghiệm dạng MGH/19­1 71 Bảng A.1: Kết tính tốn thơng số SNR, CORR, PRD TH1 sử dụng lọc Butterworth_2 Rectang_100 86 Bảng A.2: Kết tính tốn thơng số SNR, CORR, PRD TH1 sử dụng lọc Kaiser_56 Kaiser_255 86 Bảng B.1: Kết tính tốn thơng số sử dụng họ wavelet Biorthogonal .87 Bảng B.2: Kết tính tốn thơng số sử dụng họ wavelet Coiflets .87 Bảng B.3: Kết tính tốn thơng số sử dụng họ wavelet Daubechies 88 Bảng B.4: Kết tính tốn thông số sử dụng họ wavelet Symlets .89 ­ vii ­ Danh mục hình vẽ, đồ thị DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1: Cấu trúc giải phẫu tim Hình 1.2: Hệ thống dẫn truyền tim .7 Hình 1.3: Mẫu dạng sóng khác hình thành nên tín hiệu ECG .8 Hình 1.4: Mẫu tín hiệu ECG điểm đặc trưng Hình 1.5: Ba chuyển đạo I, II, III bố trí theo tam giác Eithoven .9 Hình 1.6: Ba chuyển đạo đơn cực 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 phổi .11 Hình 1.9: Các động tác q trình hơ hấp 12 Hình 1.10: Tín hiệu ECG có khoảng R­R thay đổi tín hiệu nhịp thở 13 Hình 1.12: Tín hiệu ECG bị trơi dạt đường sở tín hiệu nhịp thở 14 Hình 1.13: Sơ đồ khối mơ hình tổng quát thực giải pháp đề xuất luận án 16 Hình 1.14: Sơ đồ khối kịch 1(kịch sở) nhận dạng tín hiệu ECG mạng TS 18 Hình 1.15: Sơ đồ khối kịch nhận dạng (bằng mạng TSK) tín hiệu ECG lọc wavelet 18 Hình 1.16: Sơ đồ khối kịch nhận dạng (bằng mạng TSK) tín hiệu ECG sử dụng thêm đặc tính từ nhịp thở (không lọc ECG wavelet) 19 Hình 1.17: Sơ đồ khối kịch nhận dạng (bằng mạng TSK) tín hiệu ECG lọc wavelet sử dụng thêm đặc tính từ nhịp thở .19 Hình 2.1: Tín hiệu ECG gốc (a), tín hiệu ECG bị ảnh hưởng nhịp thở (b) tín hiệu ECG loại bỏ ảnh hưởng nhịp thở lọc số (c,d,e,f) .27 Hình 2.2: Cấu trúc bước phân tích tín hiệu thành thành phần “chi tiết” “xấp xỉ“ 29 Hình 2.3: Đồ thị hàm Hermite bậc N khác .31 Hình 2.4: Mạng nơron mờ TSK đầu 35 Hình 3.1: Một số họ wavelet sử dụng để phân tích tín hiệu 39 ­ viii ­ Danh mục Tài liệu tham khảo DANH MỤC CÁC TÀI LIỆU THAM KHẢO TIẾNG VIỆT: Chử Đức Hồng (2014), “Phân tích tín hiệu loạn nhịp tim”, Luận án Tiến sĩ, Đại học Bách khoa Hà Nội Đinh Văn Nhượng (2010), “Phương pháp xây dựng hệ thống nhận dạng sử dụng logic mờ phân loại sản phẩm gạch ốp lát”, Luận án Tiến sĩ, Đại học Bách khoa Hà Nội Hoàng Mạnh Hà (2011), “Các phương pháp thích nghi lọc nhiễu tín hiệu điện tim”, Luận án Tiến sĩ, Viện Công nghệ Thông tin – Viện Khoa học Công nghệ Việt Nam Trần Đỗ Trinh (2003), “Hướng dẫn đọc điện tim”, Nhà xuất Y học Trịnh Bỉnh Dy, Phạm Thị Minh Đức, Phùng Xuân Bình, Lê Thu Liên, Hoàng Thế Long (2006,) “Sinh lý học” Tập 1, Nhà xuất Y học Hà Nội Trần Hoài Linh (2014), “Mạng Nơ­ron ứng dụng xử lý tín hiệu”, Nhà xuất Bách Khoa Hà Nội Trương Tuấn Anh (2014), “Nghiên cứu phương pháp xác định vị trí đường dây tải điện dựa mạng Nơ­ron MLP”, Luận án Tiến sĩ, Đại học Bách khoa Hà Nội Vương Hoàng Nam (2010), “Nghiên cứu, phát triển số giải thuật xử lý mù tín hiệu ứng dụng”, Luận án Tiến sĩ, Đại học Bách khoa Hà Nội TIẾNG ANH: Anmin J., Bin Y., Geert M., Haris D.,( 2009) “Performance evaluation of a tri­axial accelerome­try based respiration monitoring for ambient assisted living”, 31st Annual International Conference of the IEEE Engineering in Medicine and Biology Society EMBC pp: 5677−5680 10 Anapagamini, S.A., Rajavel, R (2013), “Removal of artifacts in ECG using Empirical mode decomposition”, International Conference on Communications and Signal Processing (ICCSP), pp 288­292 11 Agrawal, S., Gupta, A (2013), “Projection operator based removal of baseline wander noise from ECG signals”, Asilomar Conference on Signals Systems and Computers, pp 957­961 12 Bates A., Ling M.J., Arvind D.K (2010), “Respiratory rate and flow waveform estimation from tri­axial accelerometer data”, 2010 International Conference on Body Sensor Networks (BSN) Singapore, pp: 144−150 ­ 75 ­ Danh mục Tài liệu tham khảo 13 Bailón R, Sưrnmo L, Laguna P (2006), “A robust method for ecg­based estimation of the respiratory frequency during stress testing”, IEEE Transactions of Biomedical Engineering, pp 1273­1285 14 Benmalek, M.; Charef, A.; Abdelliche, F (2010), “Preprocessing of the ECG signals using the His­Purkinje fractal system”, 7th International Multi­Conference on Systems Signals and Devices (SSD), pp 1­5 15 Bianchi A.M., Scholz U.J., Mainardi L.T., Orlandini P., Pozza G., Cerutti S (1994), “Extraction of the respiration influence from the heart rate variability signal by means of lattice adaptive filter” Engineering Advances: New International Conference of the IEEE Engineering in Medicine and Biology Society; pp 121­122 16 Bhogeshwar S.S., Soni M.K., Bansal D (2014), “Design of Simulink Model to denoise ECG signal using various IIR & FIR filters”, International Conference on Optimization, Reliabilty, and Information Technology (ICROIT), pp 477­483 17 Cassani R., Mejia P., Tavares J.A.; Sanchez J.C (2011), “Adaptive filtering for respiration influence reduction on Heart Rate Variability”, 8th International Conference on Electrical Engineering Computing Science and Automatic Control (CCE), pp 1­5 18 Castells F., P Laguna, L Sornmo, A Bollmann, J.M Roig (2010), “Principal component analysis in ECG signal processing”, EURASIP Journal of Advanced Signal Processing, pp 98­118 19 Chan A.M., Ferdosi N., Narasimhan, R (2013), “Ambulatory respiratory rate detection using ECG and a triaxial accelerometer”, 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), pp 4058­4061 20 Ciara O’Brien, Conor Heneghan (2006), “Acomparison of algorithms for estimation of a respiratory signal from the surface electrocardiogram”, Computers in Biology and Medicine 37, pp 305 – 314, 2007 21 Devy Widjaja, Alexander Caicedo Dorado, Johan A.K Suykens and Sabine Van Huffel (2012), “Application of Kernel Principal Component Analysis for Single­ Lead­ECG­Derived Respiration”, IEEE Transactions on Biomedical engineering, Vol 59, No 4, pp 1169­1176 22 Dhillon S.S., Chakrabarti S (2001), “Power line interference removal from electrocardiogram using a simplified lattice based adaptive IIR notch filter”, Proceedings of the 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp 3407­3412 ­ 76 ­ Danh mục Tài liệu tham khảo 23 Eckberg, D.L (2003), “The human respiratory gate” The Journal of Physiology, 548(Pt 2), 339 24 Einthoven W (1908), “Weiteres über das Elektrokardiogram”, Pflüger Arch ges Physiol 122, pp 517­548 25 Einthoven W, Fahr G, de Waart A (1913), “Über die Richtung und die Manifeste Grösse der Potentialschwankungen im mennschlichen Herzen und über den Einfluss der Herzlage auf die form des Elektrokardiogramms” Pflüger Arch ges Physiol 150, pp 275­315 26 Faziludeen, S.; Sabiq, P.V., (2013), “ECG beat classification using wavelets and SVM”, IEEE Conference on Information & Communication Technologies (ICT), pp 815 ­ 818 27 Frey A.W., Hagenmiller C., Baumert J., Grueneis, F (1994), “The respiratory sinus arrhythmia as a function of breathing frequency revisited”, Computers in Cardiology, pp 41 – 44 28 Friesen G M., Jannett T.C., Jadallah M.A., Yates S.L., Quint S.R., Nagle H.T (1990), “A comparison of the noise sensitivity of nine QRS detection algorithms”, IEEE Transactions on Biomedical Engineering, vol 37, no 1, pp.85­98 29 Fumihiko Yasuma, Jun­ichiro Hayano, (2004), “Why does the Heartbeat Synchronize With Respiratory Rhythm?”, pp 683­690 30 Garg G., Gupta S., Singh V., Gupta, J.R.P (2010), “Identification of optimal wavelet­ based algorithm for removal of power line interferences in ECG signals”, India International Conference on Power Electronics 31 George B Moody, Roger G Mark, Andrea Zoccola, Sara Mantero (1985), “Derivation of Respiratory Signals from Multi­lead ECGs”, Computers in Cardiology, vol 12, pp 113­116 32 Glass, L (2001), “Synchronization and rhythmic processes in physiology”, Nature, 410(6825), 277­284 33 Goldberger A.L, Amaral L.A., Glass L., Hausdorff J.M., Ivanov P.C., Mark R.G., Mietus J.E., Moody G.B., Peng C.K., Stanley H.E (2000), “PhysioBank, PhysioToolkit, and PhysioNet: components of a new research resource for complex physiologic signals”, American Heart Association 34 Gradwohl J., R., Pottala Erik, W., Horton, M.R Bailey, James J (1988), “Comparison of two methods for removing baseline wander in the ECG”, Computers in Cardiology, pp 493­496 ­ 77 ­ Danh mục Tài liệu tham khảo 35 Qi Haibing, Liu Xiongfei, Pan Chao (2010), “Discrete Wavelet Soft Threshold Denoise Processing for ECG Signal”, International Conference on Intelligent Computation Technology and Automation (ICICTA), pp 126­129 36 Weituo Hao, Yu Chen, Yi Xin (2011), “ECG baseline wander correction by mean­ median filter and discrete wavelet transform”, Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC, pp 2712­2715 37 Hahnt, G., Sipinkova, I., Baischt, F., & Helliget G., “Changesin the thoracic impedance distributionunder different ventilatory conditions” Physiological measurment, 16(3A), A161 38 Helfenbein E., Firoozabadi R., Chien S., Carlson E., & Babaeizadeh S, (2014), “Development of three methods for extracting respiration from the surface ECG: A review”, Journal of elctrocardiogram, 47(6), pp: 819­825 39 Hargittai, S (2008), “Efficient and fast ECG baseline wander reduction without distortion of important clinical information”, Computers in Cardiology, pp 841­844 40 Hirsch J A., B Bishop (1981), “Respiratory sinus arrhythmia in humans: How breathing pattern modulates heart rate”, American Journal of Physiology ­ Heart and Circulatory Physiology, vol 241, pp 620­629 41 Kampouraki, A., Manis, G ; Nikou, C., (2009), “Heartbeat Time Series Classification With Support Vector Machines”, IEEE Transactions on Information Technology in Biomedicine, pp 512­518 42 Qi Huimin (2012), “Research and application of ECG signal pretreatment based on wavelet de­noising technology”, 2nd International Conference on Uncertainty Reasoning and Knowledge Engineering (URKE), 2012, pp 286­289 43 vIsa S.M., Noviyanto A., Arymurthy A.M (2011), “Optimal selection of wavelet thresholding algorithm for ECG signal denoising”, International Conference on Advanced Computer Science and Information System, pp 365­370 44 Jane R., Laguna P., Thakor N.V., Caminal P (1992), “Adaptive baseline wander removal in the ECG: Comparative analysis with cubic spline technique”, Proceedings of Computers in Cardiology, pp 143­146 45 Manpreet Kaur, Birmohan Singh, Seema (2011), “Comparisons of Different Approaches for Removal of Baseline Wander from ECG Signal”, IJCA Proceedings on International Conference and workshop on Emerging Trends in Technology, pp 30­34 46 Ruqaiya Khanam, Syed Naseem Ahmad (2013), “Selection of Wavelets for Evaluating SNR, PRD and CR of ECG Signal”, International Journal of Engineering Science and Innovative Technology (IJESIT) Volume 2, Issue 1, pp 112­119 ­ 78 ­ Danh mục Tài liệu tham khảo 47 Gennady V Krasnikov, Miglena Y Tyurina, Arina V Tankanag, Galina M Piskunova, Nikolai K Chemeris (2013), “Analysis of heart rate variability and skin blood flow oscillations under deep controlled breathing”, Respiratory Physiology & Neurobiology 185, pp 562– 570 48 R Lakhwani, S Ayub, JP Saini (2013), “Design and Comparison of Digital Filters for Removal of Baseline Wandering from ECG Signal”, 5th International Conference on Computational Intelligence and Communication Networks (CICN), pp 186­191 49 Langley Philip, Emma J Bowers, Alan Murray (2010), “Principal Component Analysis as a Tool for Analyzing Beat­to­Beat Changes in ECG Features: Application to ECG­Derived Respiration”, IEEE Transactions on Biomedical Engineering, vol 57, No 4, pp 821­829 50 Li Suyi, Guangda Liu, Zhenbao Lin (2009), “Comparisons of wavelet packet, lifting wavelet and stationary wavelet transform for de­noising ECG ”, 2nd IEEE International Conference on Computer Science and Information Technology (ICCSIT2009), pp 491­494 51 Li Suyi, Yanju Ji, Guangda Liu (2009), “Optimal Wavelet Basis Selection of Wavelet Shrinkage for ECG De­Noising”, International Conference on Management and Service Science, pp 1­4 52 Li X.Y., Wang T., Zhou P., Feng H.Q (2003), ”ST­T complex automatic analysis of the electrocardiogram signals based on wavelet transform”, Proceedings 29th Annual IEEE Conference of Bioengineering, pp 144­145 53 Lin Wan­hua, Wong M.Y., Li­Na Pu; Yuan­Ting Zhang (2010),“Comparison of median filter and discrete dyadic wavelet transform for noise cancellation in electrocardiogram”, Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 2010, pp 2395­2398 54 Hsin­Yi Lin, Sz­Ying Liang, Yi­Lwun Ho, Yen­Hung Lin (2013) “Discrete­ wavelet­transform­based noise reduction and R wave detection for ECG signals”, IEEE 15th International Conference on e­Health Networking, Applications & Services (Healthcom), pp 355­360 55 Hung P.D., Bonnnet S., Gillemaud R., Castelli E., Yen P.T.N (2008) “Estimation of respiratory waveform using an accelerometer", 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society Vancouver, Canada, pp: 1493− 1496 56 Labete, D., Foresta, F., Occhiuto, G., Morabito, F.D., Lay­Ekuakille, A., & Vergallo P (2013), “Empirical Mode Decomposition vs Wavelet Decomposition for the ­ 79 ­ 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 ­ 80 ­ 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 ­ 81 ­ 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 ­ 82 ­ 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 ­ 83 ­ 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 ­ 84 ­ Danh mục cơng trình cơng bố luận án DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG 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 hố (VCCA) Trần Hồi Linh, Nguyễn Đức Thảo, Phạm Văn Nam (2013), “Ứng dụng hàm Hermite định lựa chọn đặc tính tín hiệu điện tim phục vụ cho tốn 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 Hịa An, Trần Hồi 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 Cơng nghệ Đại học Thái Nguyên, Tập 140, số 10, Trang: 119­ 125 ­ 85 ­ Phụ lục luận án Phụ lục A: Kết tính tốn thơng số SNR, CORR, PRD TH1 sử dụng lọc số Bảng A.1: Kết tính tốn thơng số SNR, CORR, PRD TH1 sử dụng lọc Butterworth_2 Rectang_100 Butterworth_2 Rectang_100 Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 15.14 88.32 5.28 3.78 6.32 80.98 5.88 9.30 Record_2 14.93 88.25 6.37 4.92 12.44 88.2 6.49 6.75 Record_3 10.67 85.31 5.47 3.44 5.84 80.97 5.87 8.63 Record_4 17.72 91.57 4.12 4.78 8.01 82.52 5.70 9.80 Record_5 19.2 91.42 4.56 3.75 13.3 90.33 4.30 6.66 Record_6 14.9 90.8 4.36 7.11 8.11 86.34 5.07 5.95 Record_7 15.6 91.45 4.76 7.18 9.4 83.29 5.74 11.47 Record_8 14.39 84.99 5.17 2.74 1.62 77.79 6.34 6.79 Record_9 17.5 90.32 5.59 7.15 11.81 88.57 4.66 5.41 Record_10 11.14 86.2 5.26 2.66 6.06 81.93 5.74 7.10 Trung bình 15.12 88.86 5.09 4.75 8.29 84.09 5.58 7.79 Bảng A.2: Kết tính tốn thơng số SNR, CORR, PRD TH1 sử dụng lọc Kaiser_56 Kaiser_255 Kaiser_56 Kaiser_255 Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 4.12 79.19 6.11 17.19 2.99 54.17 8.86 18.24 Record_2 11.8 78.48 6.39 12.06 5.62 72.03 9.59 17.09 Record_3 4.02 76.13 6.12 15.64 5.00 66.32 8.14 17.81 Record_4 6.39 81.36 5.82 17.90 2.48 49.99 8.96 18.53 Record_5 8.82 83.06 4.55 11.60 6.73 73.51 8.80 17.04 Record_6 5.36 76.46 5.56 10.74 7.01 74.67 8.26 15.89 Record_7 8.94 83.44 5.61 20.67 1.7 42.19 9.82 19.00 Record_8 2.74 75.45 6.75 12.37 7.82 78.33 6.89 16.35 Record_9 10.75 82.43 4.86 9.33 9.74 82.28 6.52 15.88 Record_10 4.13 75.88 6.03 12.79 6.63 73.29 8.64 16.87 Trung bình 6.71 79.19 5.78 14.03 5.57 66.68 8.45 17.27 ­ 86 ­ Phụ lục luận án Phụ lục B: Kết tính tốn thơng số SNR, CORR, PRD TH1 trung bình sử dụng lọc wavelet Bảng B.1: Kết tính tốn thơng số sử dụng họ wavelet Biorthogonal SNR BIOR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 1.1 9.29 5.11 76.35 62.14 12.16 10.31 4.50 4.59 1.3 9.06 4.97 75.72 61.47 12.49 10.62 3.69 4.51 1.5 8.88 4.85 75.24 60.89 12.69 10.84 3.62 4.52 2.2 16.09 6.73 88.19 68.36 6.22 7.33 4.20 4.43 2.4 17.02 6.91 88.86 68.98 5.67 7.15 3.77 4.38 2.6 17.14 6.95 88.96 69.12 5.94 7.13 3.70 4.36 2.8 17.15 6.95 88.96 69.12 5.94 7.13 3.69 4.36 3.1 4.85 2.83 64.48 51.33 13.05 10.18 9.57 5.53 3.3 15.14 6.82 88.01 68.74 6.16 6.90 4.60 4.40 3.5 17.62 7.25 89.67 70.14 5.57 6.59 3.66 4.28 3.7 18.10 7.38 90.01 70.61 5.45 6.49 3.46 4.24 3.9 18.25 7.44 90.15 70.85 5.39 6.44 3.40 4.23 4.4 17.98 7.13 89.73 69.70 5.59 6.85 3.65 4.32 5.5 18.41 7.24 90.08 70.09 5.45 6.71 3.57 4.29 6.8 18.68 7.33 90.30 70.42 5.36 6.61 3.49 4.26 Bảng B.2: Kết tính tốn thơng số sử dụng họ wavelet Coiflets SNR COIF CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 14.23 6.24 85.59 66.63 7.40 8.23 3.01 4.52 17.45 6.98 89.22 69.20 5.79 7.04 2.81 4.37 18.39 7.24 90.04 70.07 5.46 6.72 2.69 4.30 18.79 7.37 90.35 70.53 5.13 6.57 2.61 4.25 19.00 7.45 90.51 70.84 5.26 6.49 2.55 4.22 ­ 87 ­ Phụ lục luận án Bảng B.3: Kết tính tốn thơng số sử dụng họ wavelet Daubechies SNR DB CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 9.29 5.11 76.35 62.14 12.16 10.31 3.37 4.59 13.96 6.29 85.50 66.80 7.48 8.17 2.92 4.50 16.22 6.69 87.99 68.16 6.29 7.49 2.90 4.44 17.09 6.98 88.98 69.30 5.47 6.98 2.82 4.37 17.50 7.24 89.56 70.17 5.65 6.67 2.68 4.30 18.07 7.33 90.08 70.32 5.48 6.64 2.63 4.27 18.55 7.30 90.23 70.27 5.39 6.66 2.65 4.28 18.51 7.36 90.13 70.59 5.39 6.54 2.63 4.26 18.41 7.50 90.26 71.02 5.36 6.42 2.55 4.21 10 18.71 7.56 90.59 71.10 5.27 6.41 2.50 4.19 11 19.05 7.50 90.67 70.97 5.23 6.46 2.52 4.21 12 18.96 7.49 90.47 71.05 5.26 6.42 2.53 4.20 13 18.75 7.60 90.45 71.36 5.27 6.33 2.49 4.17 14 18.92 7.68 90.73 71.50 5.20 6.30 2.43 4.15 15 19.24 7.62 90.86 71.38 5.15 6.34 2.43 4.16 16 19.20 7.57 90.66 71.32 5.19 6.34 2.46 4.17 17 18.96 7.64 90.54 71.52 5.22 6.29 2.45 4.15 18 19.02 7.73 90.76 71.72 5.17 6.24 2.39 4.12 19 19.32 7.71 90.96 71.66 5.11 6.26 2.38 4.13 20 19.36 7.63 90.81 71.53 5.14 6.28 2.42 4.14 ­ 88 ­ Phụ lục luận án Bảng B.4: Kết tính tốn thơng số sử dụng họ wavelet Symlets SNR SYM CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 9.29 5.11 76.35 62.14 12.16 10.31 3.90 4.50 13.96 6.29 85.50 66.80 7.48 8.17 3.87 4.44 16.22 6.69 88.99 68.16 5.48 7.48 3.79 4.38 17.09 6.98 88.90 69.30 5.87 6.98 3.55 4.30 17.50 7.24 89.56 70.17 5.65 6.67 3.63 4.31 18.07 7.33 90.08 70.32 5.48 6.64 3.54 4.27 18.55 7.30 90.23 70.27 5.39 6.66 3.51 4.26 18.51 7.36 90.13 70.59 5.39 6.54 3.34 4.21 10 18.41 7.50 90.26 71.02 5.36 6.41 3.42 4.23 11 18.71 7.56 90.59 71.10 5.27 6.41 3.34 4.19 12 19.05 7.50 90.67 70.97 5.22 6.46 3.36 4.21 13 18.96 7.49 90.47 71.05 5.26 6.42 3.28 4.16 14 18.75 7.60 90.45 71.36 5.27 6.33 3.29 4.18 15 18.92 7.68 90.73 71.50 5.19 6.30 3.28 4.16 16 19.24 7.62 90.86 71.38 5.15 6.34 3.25 4.16 17 19.20 7.57 90.66 71.32 5.19 6.34 3.19 4.13 18 18.96 7.64 90.54 71.52 5.22 6.29 3.27 4.16 19 19.02 7.73 90.76 71.72 5.17 6.24 3.25 4.14 20 19.32 7.71 90.96 71.66 5.11 6.26 3.20 4.14 ­ 89 ­ ... làm ảnh hưởng đến chất lượng nhận dạng tín hiệu ECG Một khó khăn việc loại bỏ ảnh hưởng nhịp thở tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG là: Các ảnh hưởng nhịp thở gây tín hiệu. .. bày giải pháp đề xuất luận án để loại bỏ ảnh hưởng nhịp thở tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG ­ 38 ­ Chương III: Các giải pháp đề xuất loại bỏ ảnh hưởng nhịp thở tín hiệu. .. phương pháp loại bỏ ảnh hưởng nhịp thở nhận dạng tín hiệu ECG a) b) c) d) e) f) Hình 2.1: Tín hiệu ECG gốc (a), tín hiệu ECG bị ảnh hưởng nhịp thở (b) tín hiệu ECG loại bỏ ảnh hưởng nhịp thở lọc