Phương pháp phân tích phổ

Một phần của tài liệu Nhận dạng tự động cụm tín hiệu QRS trong hệ thống điện tâm đồ gắng sức (Trang 30 - 31)

1.3 Một số phương pháp tự động nhận dạng QRS và trích

1.3.2 Phương pháp phân tích phổ

Kỹ thuật sử dụng biến đổi wavelet: Đây là một trong những công cụ được sử dụng phổ biến trong lĩnh vực phân tích tín hiệu. Phép biến đổi wavelet chủ yếu được phân loại thành biến đổi wavelet liên tục (CWT) và biến đổi wavelet rời rạc (DWT). Đã có nhiều nỗ lực nghiên cứu sử dụng biến đổi wavelet vào nhận dạng phức bộ QRS được thực hiện. Một hệ thống dựa trên biến đổi wavelet đa phân giải để phát hiện các đỉnh P, Q, R, S và T được báo cáo trong nghiên cứu [57] với độ chính xác lên đến 100%. Martinez và cộng sự đã phát triển một hệ thống phân tích tín hiêu ECG và thử nghiệm trên một số cơ sở dữ liệu đã được chú thích thủ cơng như MIT-BIH, QT, European ST-T và CSE [49]. Nghiên cứu đã thu được độ nhạy 99,66% và giá trị dự đốn dương tính là 99,8% đối với cơ sở dữ liệu MIT-BIH. Phương pháp dựa trên DWT được đề xuất bởi nghiên cứu [80], trong đó DWT được sử dụng để trích xuất các đặc trưng ECG nhằm thực hiện q trình phân loại. DWT có thể mang tới độ phân giải tần số tối ưu vì nó sử dụng các kích thước cửa sổ khác nhau, hẹp ở các tần số cao và rộng ở các tần số thấp. Nhược điểm của DWT trong xử lý tín hiệu y sinh là một khi xác định được wavelet cơ sở thì wavelet này sẽ được sử dụng để thực hiện phân tích tồn

bộ tín hiệu. Kích thước cửa sổ được chọn cũng đóng một vai trị quan trọng ảnh hưởng đến độ phân giải và độ chính xác. Điều này hạn chế khả năng ứng dụng của DWT vào phân tích tín hiệu y sinh [3].

Kỹ thuật phân tích dạng kinh nghiệm và chuyển đổi Hilbert-Huang: Kỹ thuật này được đề xuất bởi Huang và cộng sự nhằm cải thiện việc phân tích các tín hiệu phi tuyến và khơng tĩnh [91]. Điểm cốt lõi của kỹ thuật này là chia nhỏ một tập dữ liệu phức tạp thành một lượng nhỏ và hữu hạn các hàm dạng (IMFs) theo các tiêu chí nhất định. Khi một tín hiệu ECG được phân tách thành các IMFs thì việc nhóm các IMFs lại sẽ tạo ra một tín hiệu có các phức bộ QRS được phân biệt rõ ràng hơn. Nghiên cứu [81] đã áp dụng phương pháp phân tích dạng kinh nghiệm (EMD) cho các tín hiệu ECG và sau đó là lấy ngưỡng. Thuật tốn cũng đã được áp dụng cho các tín hiệu ECG có điểm kỳ dị khi kết hợp cùng với phương pháp lấy ngưỡng [6]. Trong nghiên cứu này, các tác giả đã áp dụng bộ lọc thơng cao trước khi sử dụng EMD và sau đó là lấy ngưỡng. Phương pháp EMD có khả năng kháng nhiễu bởi các IMFs đầu tiên có thể loại bỏ nhiễu và bảo toàn phức bộ QRS đối với các thành phần tín hiệu khác. Độ phức tạp của kỹ thuật EMD cao hơn so với các thuật toán dựa trên phép lấy đạo hàm và bộ lọc số nhưng lại giúp giảm nhiễu hiệu quả hơn. Các tín hiệu y sinh thay đổi theo thời gian do trạng thái sinh lý và là loại tín hiệu phi tuyến, khơng cố định. Một trong những kỹ thuật phân tích phù hợp với loại tín hiệu này là phép biến đổi Hilbert-Huang (HHT). Với kỹ thuật này, tín hiệu được phân tách bởi EMD và sau đó biến đổi Hilbert sẽ chuyển đổi tất cả các IMFs được chọn sang miền tần số. Nghiên cứu [77] sử dụng HHT để phát hiện phức bộ QRS với độ nhạy và độ đặc hiệu lần lượt là 99,84% và 99,92%.

Một phần của tài liệu Nhận dạng tự động cụm tín hiệu QRS trong hệ thống điện tâm đồ gắng sức (Trang 30 - 31)

Tải bản đầy đủ (PDF)

(168 trang)