Do đó, tất cả mẫu dương có đầu ra mong muốn trong khoảng 0.55 đến 1. Tương tự, với mẫu âm: đầu ra cực đại 𝑁𝑚𝑎𝑥 và đầu ra cực tiểu 𝑁𝑚𝑖𝑛, đầu ra mong muốn:
(2.27)
Sau đó, mạng được huấn luyện lặp lại sử dụng đầu ra mong muốn mới.
Thuật toán “twice-learning” cải thiện được hiệu quả huấn luyện. Sau hai bước, mạng có khả năng xấp xỉ sóng với dạng động kinh. Tất cả các sóng có xấp xỉ lớn hơn 0.35 sẽ được giữ lại để phân tích hệ chuyên gia.
2.2.4. Hệ chuyên gia:
Hệ chuyên gia sẽ khai thác thông tin không gian và bối cảnh để loại nhiễu. Một vài luật dò tìm được áp dụng để phân biệt nhiễu với sóng động kinh. Sau đó, các sóng phân tách được tái cấu trúc tạo thành phức hợp gai-sóng chậm hoặc phức hợp sóng nhọn-sóng chậm. Cuối cùng quyết định sóng nào là sóng động kinh.
1) Điều chỉnh gai – sóng chậm hoặc sóng nhọn – sóng chậm kế hợp thành dạng phức hợp.
2) Sóng chậm trên Fp1 và Fp2 như là cử động mắt.
3) Sóng động kinh thường không đạt được đỉnh chính xác ở cùng thời điểm trên tất cả các kênh.
4) Sóng động kinh không xuất hiện duy nhất,
5) Sóng 𝛼 thường dễ lẫn lộn với sóng nhọn, nó chỉ xảy ra ở O1 và O2, có thể xuất hiện liên tiếp với sóng nhọn.
6) Phức hợp K-complex trong suốt giấc ngủ là một loại sóng chậm nhưng được gối chồng lên bởi các “spindle”.
7) Sóng chậm thông thường trong giấc ngủ thường không phán đoàn sai.
Tổng hợp thông tin nhiều scale:
Thành phần tần số khác nhau được phân tách thành những scale khác nhau sau biến đổi Wavelet. Do đó, ta cần tổng hợp sóng từ các scale. Tất cả sóng với đầu ra từ mạng nơ-ron vượt quá ngưỡng 0.35 được xếp vào hàng đợi, các sóng liền kề được nối tạo thành dạng phức hợp, các dạng sóng gối chồng lên nhau được phân loại.
Tổng hợp thông tin không gian:
Sóng động kinh trên các kênh khác nhau có thể tương tự nhau về hình dạng nhưng thời điểm xuất hiện đỉnh sẽ không cùng nhau, thời gian trễ có thể xuất hiện giữa
𝑃𝑂𝑦 = 𝑦 − 𝑃𝑚𝑖𝑛
𝑃𝑚𝑎𝑥 − 𝑃𝑚𝑖𝑛 × 0.45 + 0.55
𝑁𝑂𝑦 = 𝑦 − 𝑁𝑚𝑖𝑛
2 đỉnh. Vì vậy, cần phân biệt xung gây nên bởi sự di chuyển các điện cực và xung động kinh thực sự. Sự di chuyển điện cực sẽ tạo nên sóng tương tự như sóng nhọn trên nhiều kênh, nhưng đỉnh lại xuất hiện trên các kênh cùng một thời điểm. Như vậy, ta có thể thấy xung quanh nó sẽ không có xung động kinh, thì nó sẽ được loại bỏ như nhiễu.
Nếu sóng có hình dạng tương tự trên nhiều kênh thì xấp xỉ của nó tăng 0.2, ngược lại, sóng không có hình ảnh trên các kênh thì xấp xỉ của nó giảm 0.2. Sự tăng giảm phụ thuộc quyết định của huấn luyện, chọn 0.2 cho dữ liệu huấn luyện.
Một vài sóng 𝛼 chồng lên sóng nhọn trong miền tần số gây nên sự lộn xộn. Tuy nhiên, sóng này chỉ xuất hiện ở kênh O1 và O2, vì vậy khi nhiều hơn 3 sóng nhọn liền kề trên hai kênh và xấp xỉ của nó không lớn thì ta nên loại bỏ.
Sử dụng bối cảnh:
Xấp xỉ của sóng sẽ tăng nếu bối cảnh của nó tồn tại, ngược lại thì nó giảm. Nếu gai có xấp xỉ nhỏ, theo sau là sóng chậm với xấp xỉ lớn hơn thì xấp xỉ của gai tăng 0.2 lần.
Nếu sóng nhọn hoặc gai xuất hiện đơn nhất và không có sóng động kinh trước và sau khoảng 1s thì xấp xỉ sóng này giảm 0.2 lần.
Nếu sóng chậm ở vùng trung tâm phía trước có biên độ cao, khoảng thời gian tồn tại dài với dạng sóng “biphasic” với những sóng chậm nhỏ liên tục, ta sẽ chọn sóng chậm này như phức hợp K trong giấc ngủ và loại khỏi sóng động kinh.
Suốt thời gian ngủ của bệnh nhân, ngưỡng cho sóng được thiết lập là 0.95 vì sóng chậm là bình thường trong giấc ngủ.
Hình 2. 14. Kết quả thực hiện của hệ thống