- Một vấn đề quan trọng nữa trong xử lý EEG, là tìm ra được các thông tin cần thiết ở trong tín hiệu giúp phát hiện động kinh. - Đây là quá trình trích chọn đặc trưng tín hiệu. - nhằm khai thác các thông tin “ẩn” chứa trong tín hiệu. - Các đặc trưng này có thể được trích chọn theo từng kênh tín hiệu (đơn biến) hoặc giữa các kênh tín hiệu với nhau (đa biến). - Trong luận văn này sẽ ngiên cứu về bệnh động kinh và tín hiệu điện não đồ ( EEG. - các đặc trưng của tín hiệu điện não đồ được sử dụng trong phát hiện chứng động kinh. - Từ đó đưa ra hướng nghiên cứu, phương pháp xử lý tín hiệu điện não đồ phát hiện chứng động kinh sử dụng phương pháp tiếp cận là phân loại bằng SVM nhằm xây dựng các thuật toán dùng phát hiện sớm cơn động kinh (co giật) và xây dựng một hệ thống phân tích tín hiệu EEG tối ưu nhằm cảnh báo sớm về cơn động kinh dựa vào các kết quả nghiên cứu. - 11 CHƯƠNG 1 - GIỚI THIỆU CHUNG VỀ BỆNH ĐỘNG KINH VÀ TÍN HIỆU ĐIỆN NÃO ĐỒ. - 13 1.2 Tín hiệu điện não đồ. - 14 1.3 Đặc điểm của tín hiệu điện não đồ. - 20 1.5 Động kinh trong tín hiệu EEG. - 25 CHƯƠNG 2 - CÁC ĐẶC TRƯNG CỦA TÍN HIỆU EEG ĐƯỢC SỬ DỤNG TRONG PHÁT HIỆN BỆNH ĐỘNG KINH. - 26 2.1.1 Đặc trưng thống kê (miền thời gian) của tín hiệu. - 30 2.1.5 Năng lượng phổ tín hiệu. - 33 2.3 Một số đặc trưng của các loại tín hiệu y sinh khác dùng trong chẩn đoán động kinh. - 36 2.3.1 Tín hiệu điện tâm đồ ECG. - 36 2.3.2 Tín hiệu cộng hưởng từ chức năng FMRI. - 48 CHƯƠNG 4 -PHƯƠNG PHÁP TIÊN TIẾN XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ NHẰM PHÁT HIỆN BỆNH ĐỘNG KINH. - 49 4.1.2 Tiền xử lý tín hiệu. - 56 5.1.1 Chọn kênh tín hiệu EEG. - trong tín hiệu EEG. - 20 Hình 1.5.1: Minh họa tín hiệu động kinh. - 23 Hình 1.5.5: Minh họa thiết bị phát hiện sớm động kinh sử dụng tín hiệu điện não. - 32 Hình 2.1.3: Minh họa thực hiện biến đổi DWT để thu được tín hiệu các băng cơ bản 33 Hình 2.2.1: Minh họa về biến thiên của đặc trưng đa biến MPC trước cơn động kinh 35 Hình 3.1.1: Mô hình nơ-ron sinh học. - 54 Hình 5.1.1: Một bản ghi dữ liệu đầy đủ với 27 kênh tín hiệu EEG và 2 kênh tín hiệu ECG (trong đó các vị trí EEG_ON và EEG-OFF đánh dấu vị trí bắt đầu và kết thúc một cơn động kinh. - 58 Hình 5.1.2: 22 đặc trưng đơn biến của kênh tín hiệu F7. - 64 Hình 5.2.3: Giao diện tạo đặc trưng tín hiệu: (a)- Chọn kênh (b)-Chọn đặc trưng. - 65 Hình 5.2.5: Mô tả một file đặc trưng tín hiệu. - 69 8 DANH SÁCH CÁC BẢNG Bảng 2.1: Một số đặc trưng đơn biến của tín hiệu EEG. - Xây dựng một hệ thống phân tích tín hiệu EEG tối ưu nhằm cảnh báo sớm về cơn động kinh dựa vào các kết quả nghiên cứu. - Ở các chư ơng tiếp theo, luận văn sẽ được trình bày theo cấu trúc như sau: 11 Chương 1: Trình bày tổng quan cơ sở lý thuyết của bệnh động kinh và tín hiệu điện não đồ EEG. - Chương 2: Chương này trình bày về phương pháp tạo các đặc trưng của tín hiệu EEG được sử dụng trong phát hiện động kinh. - Chương 3: Chương này nghiên cứu về các hệ thống dùng nhận dạng các trạng thái của tín hiệu động kinh bao gồm mạng trí tuệ nhân tạo và máy véc-tơ hỗ trợ SVM. - 12 Chương 1 - GIỚI THIỆU CHUNG VỀ BỆNH ĐỘNG KINH VÀ TÍN HIỆU ĐIỆN NÃO ĐỒ Trong chương này, những kiến thức cơ bản về bệnh động kinh và tín hiệu điện não đồ (electroencephalogram-EEG) sẽ được trình bày. - Mỗi kênh EEG là một tín hiệu điện đo được từ một điện cực cố định ngoài da (surface/scalp-EEG, sEEG) hoặc trong não (intracranial-EEG, iEEG). - Chúng ta có thể dùng các điện cực kim loại để đo và lấy tín hiệu. - Các băng thông của tín hiệu này từ dưới 1 Hz đến khoảng 70 Hz. - 1.3 Đặc điểm của tín hiệu điện não đồ Các đặc trưng (cơ bản) của tín hiệu EEG gồm có: tần số cơ bản (fundamental frequency), biên độ (amplitude), hình dạng (morphology), vị trí (localization). - 16 Phần dưới đây sẽ mô tả những hoạt động của tín hiệu EEG bình thường ở người lớn và trẻ em. - Tuy nhiên trong tín hiệu EEG loại sóng này chỉ chiếm một năng lượng nhỏ. - Dưới đây chúng ta sẽ khảo sát một số loại tín hiệu nhiễu. - 19 Hình 1.4.1: Minh họa nhiễu mắt EoG và nhiễu cơ EMG trong quá trình đo điện não Tín hiệu EOG có nhiều tính chất đặc trưng riêng, khác biệt với các tín hiệu điện não đồ thông thường. - tất cả các hoạt động đó điều tạo ra nhiễu cơ lên tín hiệu điện não. - 20 Hình 1.5.1: Minh họa tín hiệu EEG (đa kênh) xảy ra động kinh. - Trong đó tín hiệu EEG được chia thành các phần dữ liệu sau. - Ictal: được xác định đoạn tín hiệu gắn hoạt động động kinh trong não. - Inter-ictal: là đoạn tín hiệu không động kinh (bình thường), còn gọi là nằm trước trạng thái pre-ictal và nằm sau trạng thái post-ictal. - Hình (a) là mô hình hệ thống và hình (b) là các cảm biến để đo tín hiệu tim. - (a) (b) Hình 1.5.4: Một thiết bị phát hiện sớm động kinh đang được thử nghiệm Hình 1.5.5 minh họa một thiết bị phát hiện sớm động kinh sử dụng tín hiệu EEG trong sọ (intracranial). - (a) (b) Hình 1.5.5: Minh họa thiết bị phát hiện sớm động kinh sử dụng tín hiệu điện não 23 1.6 Cơ sở dữ liệu bệnh động kinh: CSDL Đại học Freiburg Bộ dữ liệu động kinh của Trung tâm Động kinh, Bệnh viện ĐH Freiburg, Đức. - Các tín hiệu được lấy mẫu ở tần số 400 (hoặc 256)Hz và số hóa 16 bit. - Các loại nhiễu thương gặp trong nghiên cứu tín hiệu điện não đồ gồm có: Nhiễu do thiết bị, mang tính hệ thống. - Nghiên cứu chứng bệnh động kinh sử dụng tín hiệu điện não đồ: Các nghiên cứu gần đây trên thế giới tập trung theo hướng dự đoán và phát hiện sớm cơn động kinh (dựa trên tín hiệu EEG) với mục tiêu tạo ra các thiết bị gắn kèm với người bệnh có khả năng phát hiện cơn co giật trước khi cơn xảy ra. - 25 Chương 2 - CÁC ĐẶC TRƯNG CỦA TÍN HIỆU EEG ĐƯỢC SỬ DỤNG TRONG PHÁT HIỆN BỆNH ĐỘNG KINH Chương này nhằm mục đích đưa ra các phương pháp trích chọn các đặc trưng (thông tin liên quan) của một bệnh nhân có triệu chứng động kinh và cơn động kinh từ bản ghi tín hiệu EEG của người bệnh này. - Các đặc trưng này được chia làm hai loại: đặc trưng đơn biến (univariate) được lấy từ một kênh dữ liệu EEG và đặc trưng lưỡng biến (bivariate) được tính toán dựa trên một cặp (hoặc nhiều hơn) kênh tín hiệu EEG. - Các đặc trưng đơn biến lấy từ tín hiệu EEG sẽ thể hiện được các thông tin về cả biên độ lẫn pha/tần số của từng kênh tín hiệu EEG. - (2.1) trong đó n là số mẫu và y là giá trị trung bình của tín hiệu. - (2.3) Kurtosis: thống kê bậc 4 của tín hiệu được xác định bởi. - Hàm tự tương quan sẽ đánh giá độ giống nhau (tương quan) giữa hai tín hiệu này. - Hàm tự tương quan được sử dụng để phát hiện tính tĩnh (ít biến động) theo thời gian của tín hiệu. - 2.1.4 Mô hình tự hồi quy AR Một phương pháp nữa thường được sử dụng trong phân tích tín hiệu EEG là mô hình tự hồi quy AR (auto-regressive). - trong đó P là tổng công suất tín hiệu. - Thông thường, đối với đặc trưng tín hiệu EEG thì x thường chọn là 50% (50% SEF hoặc median frequency. - Trong luận văn, chúng ta sẽ sử dụng phân tích wavelet rời rạc DWT (Discrete Wavelet Transform) để phân tách tín hiệu thành các băng tần số khác nhau. - Ở đây, chúng ta sẽ chọn biến đổi Daubechies bậc 4 (db4) để phát hiện các sự thay đổi trong tín hiệu EEG. - Hình 2.1.3 minh họa sử dụng DWT để phân tách tín hiệu EEG thành các tín hiệu băng con (từ tần số lấy mẫu 256Hz). - Tín hiệu qua các bộ lọc (thông cao HP, thông thấp LP) thu được tín hiệu EEG băng (0-64Hz) và tín hiệu băng cao gọi là phần dư (64-256 Hz). - Từ tín hiệu EEG chúng ta sử dụng các hàm wavelet để tách ra tín hiệu. - 32 Hình 2.1.3: Minh họa thực hiện biến đổi DWT để thu được tín hiệu các băng cơ bản Như vậy đầu ra quá trình này gồm tín hiệu 6 băng (băng 1- băng 6): phần dư (tần số cao) và( ),,,,γ βαθδ. - Trong trường hợp cổ điển, đồng bộ pha được định nghĩa như sự khóa pha của các tín hiệu. - ),xyttφφ các biến pha của hai tín hiệu. - ),mnφlà mối quan hệ giữa pha hai tín hiệu. - Tương quan chéo cực đại (maximum linear cross-correlation, MCC) là đại lượng dùng đánh giá sự tương đồng (similarity) giữa hai tín hiệu { }xi và { }yi. - 48 Chương 4 -PHƯƠNG PHÁP TIÊN TIẾN XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ NHẰM PHÁT HIỆN BỆNH ĐỘNG KINH Chương này sẽ trình bày về phương pháp tiên tiến xử lý tín hiệu điện não đồ(EEG) nhằm phát sớm hiện bệnh động kinh: phương pháp phân loại sử dụng máy véc-tơ hỗ trợ SVM(sử dụng đặc trưng đơn biến). - 4.1.2 Tiền xử lý tín hiệu Dùng để hạn chế và loại bỏ nhiễu trong tín hiệu điện não EEG. - thứ ba là nhận dạng và loại bỏ các tín hiệu nhiễu. - Khoảng thời gian đủ dài để “bắt” được các mẫu tín hiệu cụ thể. - Trong trường hợp này, chúng ta có thể phân làm 3 hoặc 4 nhóm (loại) tín hiệu. - Loại 3 đầu ra gồm: tín hiệu bình thường (thường ký hiệu là normal/inter-ictal), tiền động kinh (pre-ictal), động kinh (ictal). - Loại 4 đầu ra có thêm tín hiệu sau động kinh (thường ký hiệu non-preictal/ post-ictal). - Tín hiệu EEG được chia thành ba đoạn thời gian: inter-ictal (bình thường), pre-ictal và động kinh (xác định bởi chuyên gia). - Ở phần tiếp theo, luận văn sẽ tập trung nghiên cứu vào hai phương pháp phân loại sử dụng máy vector hỗ trợ SVM và phân loại theo ngưỡng tín hiệu. - 52 Hình 4.2.1: Mô hình phân loại sử dụng SVM Mỗi kênh EEG là một tín hiệu điện đo được từ một điện cực cố định ngoài da (surface-EEG, sEEG) hoặc trong não (intracranial-EEG, iEEG). - Tín hiệu này qua bộ lọc notch để loại bỏ nhiễu 50 (60) Hz sau đó sẽ được trích chọn các (một số) đặc trưng. - Khi trạng thái pre-ictal không được xác định và cơn động kinh xuất hiện ta có dự đoán Lấy đặc trưng theo từng kênh Ma trận đặc trưng Phân loại bởi SVM Hậu xử lý Phân tích kết quả Tín hiệu EEG đa kênh 53 âm tính giả FN (False Negative) và dự đoán âm tính thật TN (True Negative) xảy ra khi không xuất hiện cơn. - Việc chẩn đoán bệnh động kinh được thực hiện lần lượt theo các bước sau: thu thập dữ liệu, tiền xử lý tín hiệu, trích chọn các đặc trưng, phân loại và hậu xử lý tín hiệu. - Ngoài ra còn có 2 kênh dùng để ghi kèm dữ liệu tín hiệu điện tâm đồ ECG của người bệnh. - Do đó trong phần thực nghiệm, chúng tôi chỉ sử dụng tổ hợp gồm 6 kênh tín hiệu (để nghiên cứu) nhằm phát hiện sớm cơn động kinh. - Sáu kênh tín hiệu được chọn theo tiêu chí sau. - 5.1.2 Chọn các đặc trưng Chúng ta sử dụng một cửa sở trượt 5s để trích chọn đặc trưng cho 6 kênh tín hiệu đã được chọn, mỗi cửa sổ 5s này được xem là một mẫu phân loại thuộc một trong 4 trạng thái (inter-ictal, pre-ictal, ictal, post-ictal). - Như vậy tổng cộng 6 kênh sẽ gồm 7680 mẫu tín hiệu trong miền thời gian. - Hình 5.1.2: 22 đặc trưng đơn biến của kênh tín hiệu F7 Trong thực tế ệu điện não đồ có sự biến thiên nhiều (ngay cả đối với tín hiệu bình thường) về các đặc trưng cơ bản như tần số, biên độ, hình dạng và vị trí. - Điều đó có nghĩa không tồn tại bất kỳ một đặc trưng nào có mối quan hệ định lượng chính xác với các trạng thái tín hiệu EEG hoặc cơn động kinh. - Hình 5.1.2 minh họa 22 đặc trư ng đơn biến (mục 2.1) của kênh tín hiệu F7. - 5.1.3 Mạng SVM đa lớp Để xây dựng một hệ thống tự động phân biệt được các trạng thái của tín hiệu điện não đồ, chúng ta sử dụng máy vector hỗ trợ SVM (trình bày ở chương 3). - Hình 5.2.5 mô tả một file đặc trưng tín hiệu. - Hình 5.2.5: Mô tả một file đặc trưng tín hiệu. - Ở đây chúng ta tiến hành đánh giá dựa trên bộ dữ liệu đặc trưng của sáu kênh tín hiệu (F7, FZ, F8, T5, PZ và T6) vời khoảng thời gian pre-ictal được chọn là 30 phút trước cơn động kinh, post-ictal được chọn là 10 phút sau cơn động kinh. - Câu hỏi cuối cùng được đưa ra là liệu các đặc trưng (đơn biến) được chọn trong luận văn đã là tối ưu và tốt nhất? Trong thực tế, nhóm nghiên cứu đã chọn lựa ra các đặc trưng của tín hiệu EEG thường được sử dụng trong nhận diện/ phát hiện cơn động kinh. - Các thông số đưa vào mô phỏng gồm: kênh tín hiệu EEG( gồm 6 kênh tín hiệu được chọn), các đặc trưng của tín hiệu (22 đặc trưng), mạng phân loại SVM đa lớp(dùng phân loại 4 lớp đối tượng ứng với 4 trạng thái inter-ictal, pre-ictal, ictal và post-ictal)
Xem thử không khả dụng, vui lòng xem tại trang nguồn hoặc xem
Tóm tắt