Kết quả chạy với 10 mẫu tín hiệu tiếng tim lẫn phổi được cho trong bảng 3.1 cho thấy K tối ưu nằm trong khoảng (46-64), µ phụ thuộc K và 0.1013. Hình 3.1 thể hiện sự biến đổi của PSNR với 20 giá trị{0.101:0.001:0.12} với 1 mẫu tín hiệu khi K cố định bằng 54. Hình 3.2 thể hiện sự biến đổi của PSNR theo 11 giá trị K{50:5:100}với 1 mẫu tín hiệu khiµ cố định bằng 0.1013.
Hình 3.1. Sự biến đổi của PSNR theo µ
Hình 3.2. Sự biến đổi của PSNR theo K
Kết quả chạy với 10 mẫu tín hiệu tiếng tim lẫn phổi ở bảng 3.1 và hình 3.1, hình 3.2 cho thấy có sự ổn định của vùng tham số xung quanh bộ tham số (K, µ) tối ưu. Khi (K, µ) vượt ra khỏi khoảng giá trị tối ưu PSNR suy giảm rất
-500 -400 -300 -200 -100 0 100 1 2 3 4 5 6 7 8 9 1011121314151617181920 PSNR -400 -300 -200 -100 0 100 1 2 3 4 5 6 7 8 9 10 11 PSNR
nhanh như trong hình 3.1, 3.2. Giá trị K tối ưu nằm trong khoảng (46-64) trong khi giá trị µ tối ưu có thể xác định trung bình bằng 0.1013.
Bảng 3.1. Bộ tham số (K, µ) tối ưu với PSNR cực đại qua 10 mẫu thử nghiệm
STT K µ PSNR 1 52 0.1 17.629 2 54 0.101 17.628 3 50 0.1 17.628 4 56 0.102 18.124 5 60 0.101 17.535 6 58 0.103 19.451 7 62 0.1 18.562 8 48 0.102 17.478 9 64 0.101 20.056 10 46 0.103 18.972 Trung bình 0.1013 18.3063 3.3.2. Kết quả so sánh các phương pháp
Chúng tôi đã tiến hành so sánh phương pháp LMS chọn µ thích nghi biến đổi theo khung [4, 5] và phương pháp LMS chọn µ cố định sử dụng giá trị tối ưu đã ước lượng ở phần D thực nghiệm với 10 mẫu. Dạng sóng của tiếng tim nhiễu do tiếng phổi và tiếng tim đã được lọc nhiễu theo các phương pháp được vẽ trong hình 3.3.
Hình 3.3.Dạng sóng tiếng tim nhiễu và tiếng tim đã được triệt nhiễu
Kết quả so sánh PSNR của tiếng tim tách được theo hai phương pháp được cho trong bảng 3.2. Kết quả này cho thấy việc ước lượng µ cố định với giá trị tối ưu cho kết quả tương đương với ước lượng µ thích nghi biến đổi theo khung trong [4, 5]. Bảng 3.2. Kết quả so sánh Phương pháp Mean(PSNR) µ thay đổi theo khung [4, 5] 18.439 µ cố định 18.3063
Chúng tôi cũng đã tiến hành tính nhịp tim từ tín hiệu tiếng tim sạch, tín hiệu tiếng tim được tách bằng phương pháp đề xuất và phương pháp trong [4, 5].
Bảng 3.3. Kết quả so sánh tính nhịp tim từ các tín hiệu được triệt nhiễu
Loại tiếng tim Mean(MSE)
Tiếng tim nhiễu 0.25
Tiếng tim triệt nhiễu bằng µ thay đổi theo khung [4, 5]
0.112
Tiếng tim triệt nhiễu bằng µđề xuất 0.103
Kết quả từ bảng 3.3 cho thấy độ chính xác của hai phương pháp là tương đương trong khi phương pháp đề xuất giảm được chi phí tính toán do sử dụng cỡ bước µ cố định thay vì phải biến đổi theo khung như trong (5) [4, 5].
KẾT LUẬN
Nghiên cứu trong luận văn này cho thấy có thể tách tạp âm tiếng phổi không mong muốn ra khỏi tiếng tim lẫn tạp âm bằng cách sử dụng bộ lọc thích nghi ước lượng trung bình phương tối thiểu LMS vớiµ cố định ước lượng trước theo tín hiệu tham chiếu.
Nghiên cứu cũng cho thấy phương pháp đề xuất sử dụng bộ tham số thực nghiệm (K, µ) ước lượng trước theo tín hiệu tham chiếu cho kết quả tương đương với phương pháp sử dụng (K, µ) ước lượng thay đổi theo khung nhưng chi phí tính toán thấp hơn.
Kết quả nghiên cứu có thể được áp dụng để xây dựng các bộ thu, xử lý, phân tích tiếng tim tự động hỗ trợ chẩn đoán lâm sàng thời gian thực qua dữ liệu tiếng tim.
TÀI LIỆU THAM KHẢO
[1] Rangayyan, Rangaraj M, Biomedical Signal Analysis, New York, IEEE Press, 2002.
[2] Lilly Leonard, S. Braunwald's, Heart disease: a textbook of cardiovascular medicine, Vol. 1, Elsevier Health Sciences, 2012.
[3] Pasterkamp Hans, Steve S. Kraman, and George R. Wodicka. "Respiratory sounds: advances beyond the stethoscope", American Journal of Respiratory and Critical Care Medicine, 156.3, p. 974-987, 1997.
[4] Hoàng Mạnh Hà, Các phương pháp thích nghi trong lọc nhiễu tín hiệu điện tim, Luận án tiến sỹ toán học, Viện CNTT, 2011.
[5] K. Sathesh1, N.J.R. Muniraj, “Survey on Separation of Heart Sounds From Lung Sounds by Adaptive Filtering”, International Journal of Microsystems Technology and its Applications, Vol-1, No-1, 2012.
[6] Phùng Trung Nghĩa, Nguyễn Văn Tảo, Nguyễn Thành Trung, Nguyễn Thế Dũng, Đoàn Thị Hiền, Phương pháp lọc thích nghi ước lượng trung bình phương tối thiểu kích cỡ bước cố định trong tách tiếng tim và tiếng phổi, Kỷ yếu Hội nghị Quốc gia lần thứ VII về Nghiên cứu cơ bản và ứng dụng Công Nghệ thông tin (FAIR), 524-529.
[7] http://www.peterjbentley.com/heartchallenge/
[8] http://www.practicalclinicalskills.com/heart-lung-sounds-reference- guide.aspx
[9] Gomes. E.F, Bentley. P.J, Coimbra. M, Pereira. E, Deng. Y, “Classifying Heart Sounds: approaches and results for the PASCAL Challenge”, In Proc. 6th International Conference on Health Informatics, Spain, 2013.
[10] Deng, Y. and Bentley, P. J, “A Robust Heart Sound Segmentation and Classification Algorithm using Wavelet Decomposition and Spectrogram’, First PASCAL Heart Challenge Workshop, La Palma, 2012.
[11] Harris, R., Douglas M. Chabries, and F. Bishop. "A variable step (VS) adaptive filter algorithm", IEEE Transactions on Acoustics, Speech and Signal Processing, 34.2, p. 309-316, 1986.
[12] Choi, Samjin, and Zhongwei Jiang, "Comparison of envelope extraction algorithms for cardiac sound signal segmentation", Expert Systems with Applications, 34.2, p. 1056-1069, 2008.