Thực tế khi chẩn đoán lâm sàng, các chuyên gia cũng sử dụng thông tin không gian để xác định gai động kinh. Do đó, giai đoạn cuối cùng của hệ thống cũng kết nối các đầu ra ở giai đoạn phân loại để xác định gai động kinh từ 2 hoặc nhiều hơn 2 kênh. Gai động kinh ở các kênh khác nhau có hình dạng tương tự nhau, nhưng đỉnh không thể xuất hiện chính xác cùng thời điểm, có thể trễ sẽ xảy ra giữa 2 đỉnh. Vì vậy, cần tổng hợp thông tin đa kênh để xác định vị trí gai động kinh.
Sau giai đoạn phân loại, vec-tơ 𝑎 với kích thước bằng 19 được dùng để tích hợp thông tin đa kênh. Với mỗi gai động kinh trên kênh bất kỳ, ta kết hợp với vec-tơ
𝑎, do đó 𝐾 vec-tơ 𝑎 bằng số gai động kinh có thể trên tất cả các kênh. Tập 𝑎𝑘 𝑘=1 𝐾 vec-tơ kết hợp với gai động kinh theo thuật toán sau:
1) Đặt gai động kinh có thể trên tất cả các kênh bởi chỉ số 𝑘 = 1, 2, … , 𝐾
2) Thiết lập 𝑘 = 1
3) Chọn gai động kinh có thể đầu tiên với chỉ số 𝑘 = 1
4) Nếu gai có thể đó ở kênh thứ 𝑖 thì thiết lập 𝑎𝑖𝑘 = 1
5) Lấy thời điểm (trên EEG gốc) tương ứng với đỉnh có thể là gai động kinh là trung tâm của cửa sổ.
6) Cửa sổ với 25 mẫu dữ liệu (100ms) từ bên trái và 25 mẫu từ bên phải với đỉnh trung tâm.
7) Thiết lập 𝑎𝑗𝑘 = 1 nếu gai động kinh có thể tồn tại ở kênh𝑗 (𝑗 = 1, 2, … , 19) Thiết lập 𝑎𝑗𝑘 = −1 nếu ngược lại.
8) Dừng nếu 𝑘 = 𝐾, ngược lại thì tăng 𝑘 lên 1 và quay lại bước 4. Vec-tơ 𝑎 = 𝑎1𝑎2… 𝑎19 𝑇 ∈ −1,1 19
Sau khi tích hợp thông tin đa kênh từ vec-tơ 𝑎, một ngưỡng được sử dụng để xác định sự tồn tại của gai động kinh.
(2.10)
𝜃 = 1 xuất hiện gai động kinh, 𝜃 = −1 không xuất hiện gai động kinh
𝜃 = 𝑠𝑖𝑔𝑛 19 𝑎𝑖
Hình 2. 8. Độ nhạy và độ chọn lọc của hệ thống ở mỗi giai đoạn
Từ hình 2.8 cho thấy, phương pháp RB-SVM cho kết quả thực hiện tốt nhất.