1. Trang chủ
  2. » Luận Văn - Báo Cáo

Tóm tắt Luận án Tiến sĩ Cơ kĩ thuật: Nhận dạng tự động cụm tín hiệu QRS trong hệ thống điện tâm đồ gắng sức

30 13 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 30
Dung lượng 2,11 MB

Nội dung

Luận án trình bày các nội dung chính sau: Phát triển bộ lọc thích nghi cho tín hiệu ECG gắng sức; Đề xuất thuật toán tự động xác định vị trí phức bộ QRS và phân định các sóng thành phần của tín hiệu điện tâm đồ; Thử nghiệm thuật toán trên cơ sở dữ liệu điện tâm đồ gắng sức cũng như điện tâm đồ tĩnh và đánh giá kết quả đạt được; Ứng dụng các kết quả đạt được nhằm chẩn đoán chứng bệnh nhồi máu cơ tim sử dụng tín hiệu điện tâm đồ tần số cao.

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Hồng Văn Mạnh NHẬN DẠNG TỰ ĐỘNG CỤM TÍN HIỆU QRS TRONG HỆ THỐNG ĐIỆN TÂM ĐỒ GẮNG SỨC Chuyên ngành: Cơ kỹ thuật Mã số: 62 52 01 01 TÓM TẮT LUẬN ÁN TIẾN SĨ CƠ KỸ THUẬT Hà Nội - 2020 Cơng trình hồn thành tại: Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội Người hướng dẫn khoa học: PGS.TS Phạm Mạnh Thắng Phản biện: ……………………………………………… ……………………………………………… Phản biện: ……………………………………………… Phản biện: ……………………………………………… Luận án bảo vệ trước Hội đồng cấp Đại học Quốc gia chấm luận án tiến sĩ họp ……… vào hồi giờ ngày tháng năm 2020 Có thể tìm hiểu luận án tại: - Thư viện Quốc gia Việt Nam - Trung tâm Thông tin – Thư viện, Đại học Quốc gia Hà Nội MỞ ĐẦU Phân tích tín hiệu điện tâm đồ đặc biệt điện tâm đồ gắng sức một số cơng cụ quan trọng để chẩn đốn chứng bệnh liên quan tới tim mạch - nguyên nhân gây tử vong nước phát triển Đứng quan điểm lâm sàng, thơng tin hữu ích thu nhận từ tín hiệu điện tâm đồ bao gồm biên đợ sóng điểm quan trọng tín hiệu ECG Kết q trình xác định phức bợ QRS phân định sóng thành phần một tập giá trị mô tả điểm quan trọng tín hiệu điện tâm đồ Bợ giá trị sau sử dụng phương pháp đánh giá điện tâm đồ tự động Độ tin cậy kết đánh giá điện tâm đồ tự đợng phụ tḥc vào chất lượng thuật tốn phân định trước Thành phần quan trọng khơng thể thiếu thuật tốn phân định bợ dị phức bộ QRS chất lượng cao mà độ tin cậy ảnh hưởng tới đợ tin cậy việc phát hiện điểm quan trọng khác tín hiệu điện tâm đồ Hiệu suất thuật toán đánh giá so sánh dựa sở kết thu thử nghiệm sở liệu tín hiệu điện tâm đồ tiêu chuẩn Hiện có mợt số lượng lớn báo cáo nghiên cứu liên quan xuất rõ ràng vấn đề tương đối hấp dẫn khả cải thiện thuật tốn hiện có chưa khai thác hết Mục tiêu nghiên cứu: - Phát triển bợ lọc thích nghi cho tín hiệu ECG gắng sức - Đề xuất thuật tốn tự đợng xác định vị trí phức bợ QRS phân định sóng thành phần tín hiệu điện tâm đồ - Thử nghiệm thuật toán sở liệu điện tâm đồ gắng sức điện tâm đồ tĩnh đánh giá kết đạt - Ứng dụng kết đạt nhằm chẩn đoán chứng bệnh nhồi máu tim sử dụng tín hiệu điện tâm đồ tần số cao Đối tượng phạm vi nghiên cứu: - Đối tượng nghiên cứu: Tự động nhận dạng vị trí phức bợ QRS xác định điểm quan trọng tín hiệu ECG - Phạm vi nghiên cứu: • Nghiên cứu cải tiến phương pháp xử lý tín hiệu nhằm giảm ảnh hưởng nhiễu tới chất lượng tín hiệu ECG gắng sức • Phương pháp xác định vị trí phức bợ QRS, điểm quan trọng tín hiệu ECG gắng sức • Ứng dụng kết đạt vào chẩn đoán bệnh Ý nghĩa khoa học thực tiễn luận án: - Về ý nghĩa khoa học: Tại Việt Nam, hiện chưa có mợt nghiên cứu tổng thể đầy đủ việc nhận dạng tự động phức bộ QRS hệ thống điện tâm đồ gắng sức xác định điểm quan trọng tín hiệu ECG để từ góp phần hỗ trợ chẩn đốn bệnh liên quan tới tim mạch nhằm hướng tới việc triển khai ứng dụng thực tế sở y tế Luận án thực hiện mợt cách có hệ thống từ đề xuất phương án loại bỏ ảnh hưởng nhiễu, nhận dạng vị trí phức bợ QRS, phân định sóng thành phần ứng dụng kết vào việc chẩn đoán chứng bệnh nhồi máu tim sử dụng tín hiệu ECG - Về ý nghĩa thực tiễn: Xác định xác vị trí phức bợ QRS điểm quan trọng có ảnh hưởng tới kết chẩn đốn tình trạng sức khỏe người bệnh Vì vậy, đề xuất mợt giải pháp chất lượng nhằm nhận dạng tự đợng cụm tín hiệu QRS có ý nghĩa quan trọng thực tiễn, góp phần bổ sung vào giải pháp hỗ trợ cho trình chẩn đốn, xác định, điều trị theo dõi tình trạng bệnh bác sĩ Bố cục luận án: - Phần lý thuyết: Luận án trình bày ngắn gọn phương pháp tiếp cận quan trọng nhằm giảm ảnh hưởng nhiễu tín hiệu hữu ích, phát hiện vị trí phức bộ QRS, phân định sóng thành phần ứng dụng tín hiệu điện tâm đồ - Phần thực nghiệm: Đề xuất một phương pháp nhằm tự động phát hiện vị trí phức bợ QRS xác định điểm quan trọng của tín hiệu ECG, nguyên lý, kết so sánh với một số phương pháp khác - Phần kết luận: Đánh giá việc hoàn thành mục tiêu đề mô tả đóng góp luận án CHƯƠNG TỔNG QUAN NGHIÊN CỨU 1.1 Tiền xử lý tín hiệu Các tín hiệu ECG thường lọc bộ lọc thông dải từ 0.1 đến 100 Hz trước phân tích Một số dải tần khác sử dụng 0.05-40 Hz, 0.4-40 Hz Đầu bộ lọc thông tiếp tục đưa qua mợt bợ lọc trung bình để làm trơn tín hiệu Tiếp theo, mợt bợ lọc thông thấp sử dụng để loại bỏ ảnh hưởng nhiễu tần số cao giữ lại một lượng liệu cho q trình xử lý Mợt số bộ lọc thông thấp với tần số cắt khác sử dụng 11 Hz, 90 Hz, 30 Hz, 35 Hz… Bên cạnh đó, mợt số bộ lọc thông cao với tần số cắt 0.5 Hz, Hz, 2.2 Hz… lại sử dụng để loại bỏ nhiễu trôi đường sở Bộ lọc triệt dải thường sử dụng để loại bỏ nhiễu lưới điện gây tần số 50 hay 60 Hz Các bợ lọc thích nghi sử dụng để cải thiện hiệu suất so với thiết kế lọc thông thường Trong thực tế, bộ lọc thích nghi tuyến tính thường sử dụng Tuy nhiên, bợ lọc thích nghi phi tuyến có khả xử lý liệu tốt Các thông số bộ lọc thích nghi cập nhật liên tục luồng liệu qua 1.2 Đặc trưng P-QRS-T Các đặc trưng tổ hợp P-QRS-T mợt tín hiệu ECG tương ứng với vị trí, thời lượng, biên đợ hình dạng sóng đợ lệch cụ thể bên tín hiệu Bảng 1.1 Đặc trưng giá trị với nhịp đập 60 bpm người đàn ông khỏe mạnh Đặc trưng Giá trị bình thường Giới hạn cho phép Độ rộng P 110 ms ±20 ms Khoảng PR 160 ms ±40 ms Độ rộng QRS 100 ms ±20 ms Khoảng QTc 400 ms ±40 ms Biên độ P 0.15 mV ±0.05 mV Độ cao QRS 1.5 mV ±0.5 mV Mức ST mV ±0.1 mV Biên độ T 0.3mV ±0.2mV Trích xuất đặc trưng QRS địi hỏi phải phát hiện điểm quan trọng nên thuật toán phát hiện phức bộ QRS khác đề xuất tiếng thuật tốn Pan-Tompkins Ngồi nhiều phương pháp khác phát triển theo hướng sử dụng bộ vi phân, bộ lọc kỹ thuật số, biến đổi wavelet, mạng nơ ron biến đổi pha dựa Phức bợ QRS dạng sóng quan trọng tín hiệu điện tâm đồ Tình trạng hiện tim chẩn đốn thơng qua điểm quan trọng hình thái QRS việc xác định tự động nhịp tim, phân loại chu kỳ tim thuật toán nén liệu ECG Bên cạnh QRS, sóng P T tín hiệu điện tim quan trọng Rất khó phát hiện sóng biên đợ thấp, chồng lấn thay đổi hình thái tín hiệu Mợt số kỹ thuật khác đề xuất cho phát hiện sóng P T máy vector hỗ trợ (SVM), đợ dốc tín hệu ECG, mạng Bayer (Bayesian Regularization Neural Network) 1.3 Các lĩnh vực ứng dụng - Phân loại bệnh: Hầu hết nghiên cứu tập trung vào chứng bệnh rối loạn nhịp tim, rung nhĩ, phát hiện ngưng thở ngủ, phân loại mức độ nghiêm trọng bệnh Parkinson, phát hiện thiếu máu cục bộ, phát hiện nhồi máu tim, phát hiện sẹo tim, phát hiện xác định bệnh tim phì đại, phát hiện nhồi máu tim phân loại bệnh động mạch vành… - Phát loại nhịp tim: Nhằm phân loại loại nhịp ECG khác Đây một phần nỗ lực phân tích liệu ECG - Nhận dạng sinh trắc học: Nhận dạng mợt cá nhân mợt nhóm người sử dụng thông tin đặc trưng nhận từ tín hiệu ECG mợt cách tự đợng - Nhận dạng cảm xúc: Nhận dạng cảm xúc dựa ECG đề cập hạn chế nghiên cứu CHƯƠNG LỌC NHIỄU TÍN HIỆU 2.1 Thuật tốn EDNSS Hình 2.1 trình bày sơ đồ khối bợ lọc nhiễu thích nghi sử dụng thuật tốn EDNSS Tín hiệu đầu vào d(n) tổng tín hiệu mong muốn s(n) tín hiệu nhiễu khơng tương quan n0(n) Tín hiệu n0(n) khơng có tương quan với s(n) Tín hiệu vào tham chiếu x(n) một nguồn nhiễu khác n1(n) có tương quan với n0(n) khơng tương quan với s(n) Đầu ra, sai số phương trình trọng số bộ lọc, với w vector số bợ lọc thích nghi và, n tổng số mẫu tín hiệu L số lượng mẫu cố định chọn cho nhận đáp ứng thuật toán tối ưu Các tham số α µ chọn thủ cơng cho tốc đợ hợi tụ thuật tốn nhanh sai số bình phương trung bình nhỏ 2.2 Thuật tốn EDNSS sửa đổi Luận án đề xuất sửa đổi thay số lượng mẫu cố định L chiều dài tín hiệu n ‖𝑒𝐿 (𝑛)‖ thay ‖𝑒(𝑛)‖ Lúc phương trình trọng số thuật tốn cho biểu thức, với µ giá trị khởi tạo kích thước bước 2.3 Kết thảo luận Thuật tốn kiểm tra nhiễu mơ mức phương sai khác với giá trị trung bình khơng cho tín hiệu ECG Sau với tín hiệu nhiễu thực mức SNR đầu vào khác Kết thuật toán đo theo thuật ngữ sai số bình phương trung bình vượt (EMSE), sai số bình phương trung bình vượt trạng thái ổn định điều chỉnh sai (M) Giá trị EMSE bước thứ n định nghĩa bởi, với e1(n) = e(n) - s (n) sai số dư thừa L số chọn dựa sở thu nhận đáp ứng trơn tru Sai số bình phương trung bình vượt trạng thái ổn định (EMSEss) định nghĩa bởi, K tổng số lượng mẫu tín hiệu P số lượng mẫu sau thuật toán đặt trạng thái ổn định Sự điều chỉnh sai lệch (M) cho bởi, Hiệu suất thuật toán đánh giá cách thêm nhiễu Gausian trắng có giá trị trung bình khơng mức phương sai khác 0.001, 0.01, 0.1, 0.5 0.7 với tham số bộ lọc chiều dài tín hiệu K = 5000, chiều dài bợ lọc N = 10, L = 200, P = 1, α = 0.7 µ = 0.1 Kết rằng, thuật tốn EDNSS đề xuất có giá trị EMSEss M giảm nhiều so với thuật toán gốc Đặc biệt giá trị EMSEss giảm khoảng dB nhiễu có giá trị phương sai 0.7 giá trị M giảm khoảng 75% Kết nhấn mạnh thuật toán đề xuất cải thiện hiệu suất mức nhiễu cao Hiệu suất thuật tốn kiểm tra tín hiệu ECG tḥc sở liệu MIT-BIH Noise Stress Test Database với mức SNR đầu vào -6, 0, 6, 12, 18 24 dB Tín hiệu mẫu thử nghiệm lấy từ mẫu thứ 110000 tới mẫu 125000 với tham số bộ lọc K=15000, N=10 (chiều dài bợ lọc), L=200, P=1, α = 0.7 µ = 0.1 ms thuật tốn giữ lại đỉnh trước loại bỏ đỉnh phía sau - Bất kỳ đỉnh danh sách đỉnh nhận sau giai đoạn thứ hai có biên đợ nhỏ β lần giá trị trung bình tất liệu nằm hai đỉnh liền kề loại bỏ Các giá trị α công thức (3.11) β chọn dựa mợt q trình đào tạo cho phương pháp đề xuất thu nhận đợ xác cao hai sở liệu khác liệu điện tâm đồ tĩnh MIT-BIH Arrhythmia Database sở liệu điện tâm đồ gắng sức Glasgow University Database (GUDB) luận án chọn cặp giá trị α = 0.55 β = 0.97 cho hiệu suất cao hai sở liệu 3.2 Thử nghiệm đánh giá thuật toán Các tham số True Positive (TP), False Positive (FP), False Negative (FN), Sesitivity (Se), Positive Predictability (P+), Accuracy (Acc) Detection Error Rate (DER) sử dụng : 3.2.1 Thử nghiệm sở liệu MIT-BIH Hiệu suất thuật toán phát hiện vị trí phức bợ QRS kiểm tra dạng sóng ngân hàng liệu MIT-BIH Kết kiểm tra so sánh với thuật toán khác trình bày 3.7 14 3.2.2 Thử nghiệm sở liệu điện tâm đồ gắng sức GUDB Luận án thực hiện việc kiểm tra tính xác thuật tốn nhóm liệu thuộc sở liệu điện tâm đồ gắng sức GUDB University of Glasgow Database Kết thực hiện trình bày Bảng 3.8 15 CHƯƠNG ĐO CÁC THÀNH PHẦN SÓNG 4.1 Nguyên lý chung Các điểm quan trọng gồm thời điểm bắt đầu kết thúc sóng P, phức bợ QRS thời điểm kết thúc sóng T xác định Nguyên lý xác định thực hiện theo sơ đồ Hình 4.2 16 Trước tiên, tín hiệu ECG lọc nhiễu Tiếp sau đó, thuật tốn lấy vi phân bậc nhất, thực hiện phép biến đổi Hilbert Đây một hàm lẻ tạo một điểm zero-crossing ứng với điểm uốn tín hiệu ECG gốc Tiếp theo bước xác định vị trí, thời điểm bắt đầu thời điểm kết thúc phức bợ QRS Đầu bước vị trí khởi đầu kết thúc phức bợ QRS tìm Từ kết nhận được, vị trí thời điểm kết thúc sóng T xác định Cuối cùng, thuật toán xác định vị trí, thời điểm bắt đầu kết thúc sóng P Như đầu vào thuật tốn tín hiệu ECG từ chuyển đạo riêng biệt đầu vị trí điểm quan trọng tất chu kỳ nhịp tim chuyển đạo riêng biệt Thực tế hệ thống điện tâm đồ thường gồm chuyển đạo trực giao 12 chuyển đạo chuẩn Vì để nâng cao hiệu suất phát hiện đợ xác, luận án thực hiện việc xác định vị trí tồn cục cho điểm quan trọng tín hiệu ECG Hình 4.4 Phương pháp phân tích nhóm sử dụng nghiên cứu một phương pháp kết tụ phân cấp (hierarchical agglomerative) dựa đối tượng riêng lẻ phân nhóm liên tiếp chúng tạo cấu trúc phân cấp kết thúc mợt nhóm gồm tất đối tượng Việc phân nhóm đối tượng nhóm lớn dựa 17 việc đo lường tương đồng hay khoảng cách đối tượng Dữ liệu vào vị trí điểm quan trọng tìm từ chuyển đạo riêng biệt Phân cụm vị trí dựa phương pháp lân cận gần Tham số phân nhóm khoảng cách nhỏ hai đối tượng cấu trúc hình thành từ tập hợp nhóm đáp ứng tiêu chí khoảng cách hai nhóm liền kề nhỏ 100 ms Dữ liệu mợt nhóm cụm đại diện cho ứng viên vị trí tồn cục Các nhóm chứa vị trí một nửa so với số lượng chuyển đạo tín hiệu phân tích bị loại bỏ khỏi nhóm Vị trí tồn cục xác định từ vị trí cụm cịn lại 4.2 Xác định vị trí, thời điểm bắt đầu kết thúc phức QRS Đầu vào tín hiệu nhận sau phép biến đổi Hilbert Với vị trí QRS xác định trước đó, thuật tốn tìm kiếm vị trí điểm zero-crossing nằm mợt cửa sổ (tQRS_on QRSonset tQRS_off QRSoffset) Thời điểm khởi đầu phức bợ QRS vị trí điểm zerocrossing nằm trước vị trí phức bợ QRS thời điểm kết thúc phức bộ QRS chọn vị trí điểm zero-crossing thứ hai sau vị trí phức bợ QRS Thuật tốn có khả phân tích phức bợ QRS với hình dạng khơng bị ràng ḅc quy tắc hình thái 18 4.3 Xác định vị trí bắt đầu kết thúc sóng P Sóng P nằm khoảng điểm kết thúc một phức bộ QRS điểm bắt đầu phức bợ QRS Vị trí sóng P tìm kiếm mợt cửa sổ thời gian (tP1, tP2) Trước tiên, thuật tốn tìm tất điểm zero-crossing cặp cực trị trái dấu nằm hai bên zero-crossing Tiếp theo, thuật toán xác định điểm zero-crossing nằm một cặp cực trị trái dấu có giá trị tuyệt đối lớn ngưỡng 𝜉𝑃 Các điểm zero-crossing đại diện cho vị trí sóng P, sóng U sóng T Để xác định xác vị trí sóng P, thuật tốn tìm giá trị cực đại trị tuyệt đối liệu tín hiệu ECG gốc vị trí điểm zero-crossing tìm bước trước Vị trí sóng P chọn vị trí điểm zero-crossing có giá trị tín hiệu ECG gốc lớn sau vị trí điểm QRSonset_s Bước xác định thời điểm khởit đầu Ponset kết thúc Poffset sóng P Dữ liệu vào cho bước tín hiệu ECG nhận sau biến đổi Hilbert vị trí sóng P Trước tiên, thuật tốn tìm điểm zero-crossing bên trái (để tìm Ponset) bên phải (để tìm 19 Poffset) vị trí sóng P Vị trí khởi đầu kết thúc sóng P chọn vị trí điểm zero-crossing nằm trước (sau) vị trí sóng P Tương tự thuật tốn phân tích phức bợ QRS, thuật tốn phân tích sóng P khơng bị ràng ḅc quy tắc hình thái cho phép tìm kiếm phân tích sóng P có hình dạng 4.4 Xác định vị trí kết thúc sóng T Phát hiện vị trí sóng T thực hiện từ vị trí kết thúc mợt phức bợ QRS vị trí bắt đầu phức bợ QRS Trước tiên, thuật tốn tìm kiếm sóng T cửa sổ (tT1, tT2) Tiếp theo, điểm zero-crossing nằm một cặp cực trị trái dấu dấu lớn ngưỡng 𝜉𝑇 xác định Các điểm zero-crossing ứng viên 20 tiềm cho vị trí sóng T Để xác định xác vị trí sóng T tín hiệu, thuật tốn tìm giá trị cực đại trị tuyệt đối liệu tín hiệu ECG gốc vị trí điểm zero-crossing Vị trí sóng T chọn vị trí điểm zero-crossing có giá trị tín hiệu ECG gốc lớn Các vị trí điểm zero-crossing vị trí kết thúc sóng T, sóng U trí sóng P Tiếp theo, thuật tốn bắt đầu tìm kiếm từ điểm zero-crossing ứng với vị trí sóng T tiến sang phải Vị trí điểm kết thúc sóng T chọn điểm zerocrossing liền kề với điểm zero-crossing ứng với vị trí sóng T Giống phân tích phức bợ QRS sóng P, thuật tốn phân tích sóng T khơng bị giới hạn quy luật hình thái tín hiệu, cho phép tìm kiếm phân tích sóng T với mọi hình dạng 21 4.5 Kết đạt Thuật tốn thử nghiệm sở liệu 12 chuyển đạo chuẩn chuyển đạo trực giao Kết đạt đáp ứng tiêu chí đặt sở liệu cho điểm quan trọng so sánh trực tiếp với kết nghiên cứu khác Phiên Tham số Ponset Poffset QRSonset QRSonset Toffset Lagnuna al et m±s [ms] -0,1 ± 5,7 0,5 ± 8,3 -3,6 ± 4,2 0,1 ± 7,7 9,7 ± 16,5 chuyển đạo trực giao m±s [ms] -0,4 ± 7,9 -6,3 ± 6,6 2,7 ± 6,1 1,8 ± 7,2 -3,6 ± 11,4 12 chuyển đạo tiêu chuẩn m±s [ms] 1,0 ± 9,0 -7,4 ± 4,2 -0,3 ± 6,4 -1,4 ± 6,4 -4,7 ± 10,8 Tiêu chí [ms] 10,2 12,7 6,5 11,6 30,6 CHƯƠNG CHẨN ĐOÁN NHỒI MÁU CƠ TIM SỬ DỤNG TÍN HIỆU ECG TẦN SỐ CAO 5.1 ECG tần số cao Một số nghiên cứu lâm sàng khả sử dụng ECG tần số cao để chẩn đoán chứng bệnh nhồi máu tim Phân tích ECG tần số cao nhằm phân tích thành phần tần số khoảng từ 150 tới 250 Hz chủ yếu dùng để phân tích thành phần phổ tần số cao phức bộ QRS (HFQRS) HFQRS cung cấp thông tin tồn mức độ nghiêm trọng thiếu máu tim Thiếu máu tim phát hiện phân tích HFQRS bệnh nhân có phức hợp QRS rộng (QRS > 120 ms), máy tạo nhịp tim bệnh tim biểu hiện gây vết lõm (notch) đoạn gãy (break) đặc trưng thiếu máu cục bộ 22 Hai tham số sử dụng để định lượng thay đổi tín hiệu HFQRS RMS (Root Mean Square) RAZ (Reduced Amplitude Zone) Giá trị RMS tương ứng với tổng số lượng lưu trữ thành phần tần số cao phức bộ QRS Giá trị RMS người khỏe mạnh cao so với người mắc bệnh nhồi máu tim bệnh nhân mắc bệnh thiếu máu tim RAZ mợt số hình thái bệnh lý phát hiện Shimon Abboud et al vào năm 1987 Nó mơ tả đợ lõm xảy đường bao tín hiệu HFQRS bệnh nhân thiếu máu cục bộ nhồi máu tim 5.2 Chẩn đoán nhồi máu tim sử dụng ECG tần số cao Luận án sử dụng tham số RAZ để định lượng thay đổi hình thái tín hiệu HFQRS Nhồi máu tim định lượng HFMI nhằm xác định kích thước RAZ đường bao tín hiệu HFQRS HFMI xác định tỷ lệ phần trăm phần lõm hai cực đại liền kề (RAZ) so với nợi dung đường bao tín hiệu HFQRS Để tính RAZ, trước tiên đường cong phẳng xác định hình dạng phần lõm xác định hai đường parabol với giới hạn phía mợt đường, với i=1÷3 yi, xi tọa đợ điểm cho Nội dung parabol bị giới hạn đường thẳng tính theo, 23 Giá trị HFMI tính cơng thức sau: 5.3 Kết đạt Cơ sở liệu sử dụng Physikalisch-Technische Bundesanstalt (PTB) lấy từ PhysioNet Đây sở liệu với tổng cộng 549 ghi ghi chứa 15 tín hiệu (12 đạo trình chuẩn đạo trình trực giao Frank) Tần số lấy mẫu tín hiệu kHz Hiệu suất thuật toán đánh giá tham số độ nhạy (Se), độ đặc hiệu (Sp), giá trị tiên đoán dương (P+), giá trị tiên đoán âm (P-) đợ xác (Accuracy) 24 đó, TP số bệnh nhân chẩn đốn xác bị nhồi máu tim, FN số bệnh nhân bị chẩn đoán nhầm khỏe mạnh, TN số bệnh nhân chẩn đốn xác khỏe mạnh FP số bệnh nhân chẩn đoán nhầm mắc bệnh nhồi máu tim Hiệu suất thuật toán trình bày thơng qua ma trận nhần lẫn Hình 5.12 Thuật tốn sử dụng tham số HFMI để chẩn đoán mà chưa sử dụng tham số RMS do hiện khơng có thơng tin tồn một ngưỡng RMS gây nhồi máu tim Giá trị HFMI bệnh nhân nhồi máu tim cao một chút so với người khỏe mạnh Sự 25 khác biệt nhỏ thể hiện tương đồng hình thái tín hiệu HFQRS tần số cao đối tượng khỏe mạnh bệnh nhân nhồi máu tim KẾT LUẬN CHUNG Luận án đạt kết sau: • Đề xuất cải tiến thành cơng bợ lọc thích nghi EDNSS nhằm giảm ảnh hưởng nhiễu di chuyển người bệnh tới chất lượng tín hiệu hệ thống ECG gắng sức • Mợt phương pháp với cách tiếp cận nhằm phát hiện vị trí phức bợ QRS điểm quan trọng tín hiệu ECG thiết kế thực hiện Trong phương pháp xác định vị trí phức bợ QRS dựa đỉnh trợi lấy ngưỡng thích nghi thuật tốn xác định điểm quan trọng tín hiệu ECG dựa phép biến đổi Hilbert lấy ngưỡng Để hạn chế ảnh hưởng hiện tượng q đợ nhằm tăng hiệu suất thuật tốn, tín hiệu mở rợng hai đầu Các 26 thuật toán thiết kế cho chuyển đạo riêng biệt mở rộng nhờ sử dụng phương pháp phân tích nhóm quy tắc tồn cục thay cho quy tắc lựa chọn riêng lẻ phức tạp Điều cho phép xác định vị trí phức bợ điểm quan trọng ghi nhiều chuyển đạo Quy tắc toàn cục sử dụng luận án giá trị trung vị hoạt động hiệu với số lượng chuyển đạo tùy ý Các thuật toán đề xuất thử nghiệm sở liệu điện tâm đồ gắng sức điện tâm đồ tĩnh Kết đạt đáp ứng u cầu đặt Do đó, thuật tốn đề xuất sử dụng cho hệ thống ECG gắng sức tĩnh • Ứng dụng kết đạt thuật tốn đo sóng thành phần tín hiệu ECG vào chẩn đốn chứng bệnh nhồi máu tim dựa tín hiệu ECG tần số cao 27 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA TÁC GIẢ LIÊN QUAN ĐẾN ĐỀ TÀI LUẬN ÁN Hoang Van Manh, Ngoc-Viet Nguyen, Pham Manh Thang (2020), “An innovative method based on Shannon energy envelope and Summit navigation for detecting R peaks of Noise Stress Test Signals”, Journal of Electrocardiology, Accepted Hoang Van Manh, Pham Manh Thang (2020), “Adaptive Noise Filter for Real-Time Stress ECG Signal Analysis”, The Journal of Science & Technology of Technical Universities, No.147, pp 59-64 Hoang Van Manh, Pham Manh Thang (2020), “Automatic Detection of Myocardial Infarction Based on High-Frequency QRS Analysis”, VNU Journal of Science: Natural Sciences and Technology, Vol 36, No 1, pp 25-35 Manh Hoang Van, Viet Dang Anh, Quan Dang Hong and Thang Pham Manh (2019), “Automated the QRS complex detection for monitoring the electrical activity of the heart”, Proceedings of the 5th International Conference on Engineering Mechanics and Automation (ICEMA-5), pp 236-241 Manh Hoang Van, Viet Dang Anh, Tuan Ngo Anh, and Thang Pham Manh (2019), “Automatic detection of QRS complex based on wavelet transform and cluster analysis”, Proceedings of the 5th International Conference on Engineering Mechanics and Automation (ICEMA-5), pp 242-247 Thang Pham Manh, Manh Hoang Van, and Viet Dang Anh (2019), “Enhancing the stress test ECG signal for real-time QRS detector”, Proceedings of the 5th International Conference on Engineering Mechanics and Automation (ICEMA-5), pp 271276 28 ... nghi cho tín hiệu ECG gắng sức - Đề xuất thuật tốn tự đợng xác định vị trí phức bợ QRS phân định sóng thành phần tín hiệu điện tâm đồ - Thử nghiệm thuật tốn sở liệu điện tâm đồ gắng sức điện... nghiên cứu tổng thể đầy đủ việc nhận dạng tự động phức bộ QRS hệ thống điện tâm đồ gắng sức xác định điểm quan trọng tín hiệu ECG để từ góp phần hỗ trợ chẩn đoán bệnh liên quan tới tim mạch... tích liệu ECG - Nhận dạng sinh trắc học: Nhận dạng mợt cá nhân mợt nhóm người sử dụng thơng tin đặc trưng nhận từ tín hiệu ECG mợt cách tự động - Nhận dạng cảm xúc: Nhận dạng cảm xúc dựa

Ngày đăng: 16/09/2021, 15:54

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN