Nâng cao chất lượng nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh

- BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC THẢO NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ĐIỆN TIM DỰA TRÊN GIẢI PHÁP LOẠI BỎ ẢNH HƯỞNG TỪ NHỊP THỞ CỦA NGƯỜI BỆNH Chuyên ngành : Kỹ thuật điều khiển và Tự động hóa Mã số TÓM TÁT LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Hà Nội - 2016 1 Công trình được hoàn thành tại: Trường Đại học Bách Khoa Hà Nội Người hướng dẫn khoa học: PGS.TSKH.
- Tính cấp thiết của đề tài Tín hiệu nhịp thở và điện tim (ECG - ElectroCardioGraph) là hai tín hiệu y sinh cơ bản và quan trọng được sử dụng để xác định tình trạng sức khỏe của một người [72].
- Tín hiệu ECG là nguồn thông tin quý giá để xác định các bệnh lý về tim mạch [98].
- Phương pháp thu thập tín hiệu ECG vẫn được thực hiện bằng cách đo sự chênh lệch điện áp của cặp điện cực gắn trên người bệnh.
- Vì vậy khi ta hít thở làm thay đổi thể tích của lồng ngực dẫn đến thay đổi trở kháng tiếp xúc giữa điện cực – bề mặt cơ thể của người bệnh và véctơ trục điện tim dẫn đến làm ảnh hưởng đến chất lượng tín hiệu ECG đưa về mạch thu thập .
- Đã có nhiều nghiên cứu đề xuất giải pháp loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG nhưng còn làm ảnh hưởng lớn đến hình dạng và đặc tính tín hiệu ECG.
- Vì vậy, việc đề xuất một giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG phù hợp làm ảnh hưởng nhỏ đến đặc tính tín hiệu ECG để nâng cao chất lượng nhận dạng tín hiệu ECG hỗ trợ cho các bác sĩ trong công tác chẩn đoán, xác định bệnh, điều trị và theo dõi diễn biến của bệnh là rất cần thiết.
- Mục đích nghiên cứu Mục đích của luận án là tìm hiểu các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG từ đó đề xuất một giải pháp phù hợp loại ảnh hưởng của nhịp thở trong tín hiệu ECG.
- Trong trường hợp đo được tín hiệu nhịp thở đồng thời với tín hiệu ECG luận án đề xuất sử dụng thêm các đặc tính từ thông tin nhịp thở để cải thiện chất lượng nhận dạng tín hiệu ECG.
- Tín hiệu ECG sau khi đã được loại bỏ ảnh hưởng của nhịp thở hoặc sử dụng thêm các thông tin từ nhịp thở sẽ được đưa vào một số mô hình nhận dạng để kiểm chứng kết quả so với trước khi loại bỏ ảnh hưởng của nhịp thở hoặc không sử dụng thông tin từ nhịp thở.
- Kịch bản 1 (là kịch bản cơ sở để so sánh): Nhận dạng tín hiệu ECG trước khi loại bỏ ảnh hưởng của nhịp thở  Kịch bản 2: Nhận dạng tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở  Kịch bản 3: Nhận dạng tín hiệu ECG trước khi loại bỏ ảnh hưởng của nhịp thở nhưng có sử dụng thêm các đặc tính từ các thông tin của nhịp thở - 2.
- Kịch bản 4: Nhận dạng tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở và có sử dụng thêm các đặc tính từ các thông tin của nhịp thở 3.
- Giải phẫu sinh lý học của hệ tim mạch - hô hấp và sự ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG.
- Các giải pháp được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG.
- Khả năng bổ sung các đặc tính từ nhịp thở để hỗ trợ nhận dạng tín hiệu ECG, Với các đối tượng nghiên cứu đã đề xuất ở trên, luận án sẽ được thực hiện với phạm vi nghiên cứu như sau.
- Tìm hiểu và lựa chọn một số dạng ảnh hưởng của nhịp thở tới tín hiệu ECG để tìm các giải pháp khắc phục các ảnh hưởng này.
- Khảo sát và lựa chọn họ wavelet với bậc phù hợp để loại bỏ ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG.
- Khảo sát và lựa chọn một số đặc tính từ nhịp thở tức thời để bổ sung cho véc-tơ đặc tính dùng trong nhận dạng tín hiệu ECG.
- Tìm hiểu và phát triển các giải pháp xử lý tín hiệu trong luận án trên mạch phần cứng (để hướng tới tích hợp giải pháp trên thiết bị nhỏ gọn).
- Ý nghĩa khoa học  Đề xuất một giải pháp phù hợp sử dụng wavelet loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG với ảnh hưởng nhỏ hơn đến hình dạng và đặc tính tín hiệu ECG.
- Đề xuất sử dụng hai đặc tính tức thời từ nhịp thở để bổ sung cho véc-tơ đặc tính của tín hiệu để cải thiện độ chính xác của quá trình nhận dạng.
- Xây dựng nhiều kịch bản thử nghiệm để kiểm chứng chứng tỏ rằng khi loại bỏ ảnh hưởng của nhịp thở hoặc khi sử dụng thêm các thông tin trực tuyến của nhịp thở thì có thể cải thiện được chất lượng nhận dạng tín hiệu ECG.
- Ý nghĩa thực tiễn Bài toán nhận dạng tín hiệu ECG có ý nghĩa thực tiễn cao, chất lượng nhận dạng có ảnh hưởng tới sức khỏe của người bệnh.
- Vì vậy đề xuất một giải pháp mới nhằm nâng cao chất lượng nhận dạng tín hiệu ECG có ý nghĩa quan trọng trong thực tiễn, góp phần bổ sung vào các giải pháp hỗ trợ cho quá trình chẩn đoán, xác định, điều trị và theo dõi bệnh của bác sĩ tuyến cơ sở.
- Những đóng góp của luận án  Đã khảo sát để đề xuất sử dụng họ wavelet phù hợp (cụ thể là wavelet họ Coiflets bậc 4) trong phân tích thành phần xấp xỉ bậc 8 (còn gọi là thành phần A8) tương ứng với dải tần số của nhịp thở làm cơ sở để loại bỏ ảnh hưởng của nhịp thở khi phân tích tín hiệu ECG.
- Đã đề xuất sử dụng hai đặc tính từ nhịp thở là biên độ tức thời của nhịp thở tại đỉnh R của nhịp tim và trung bình 10 chu kỳ cuối cùng của nhịp thở để cải thiện chất lượng nhận dạng.
- Xây dựng các bộ số liệu phục vụ bài toán nhận dạng tín hiệu ECG có xét tới ảnh hưởng của nhịp thở.
- Xây dựng 4 kịch bản nhận dạng tín hiệu ECG để kiểm chứng mức độ ảnh hưởng của thông tin từ nhịp thở tới chất lượng nhận dạng.
- Chương 1 tổng quan về hệ tim mạch - hô hấp, các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG, tổng quan một số giải pháp đã được sử dụng để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG, đề xuất các định hướng của luận án.
- Chương 2 tổng quan một số giải pháp sử dụng bộ lọc số để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG, lý thuyết về wavelets, hàm Hermite trong phân tích tín hiệu và mạng nơ-ron logic mờ TSK.
- ứng dụng phép biến đổi wavelet để loại bỏ ảnh hưởng nhịp thở trong tín hiệu ECG, 2.
- sử dụng các đặc tính từ nhịp thở tức thời nhằm năng cao chất lượng nhận dạng tín hiệu ECG.
- Đồng thời bước đầu tìm hiểu và xây dựng một giải pháp đo nhịp thở với kích thước gọn nhẹ sử dụng cảm biến gia tốc Chương 4 trình bày ừng dụng hàm Hermite phân tích và trích chọn đặc tính tín hiệu ECG, ứng dụng mạng nơ-ron logic mờ nhận dạng tín hiệu ECG và kết quả nhận dạng tín hiệu ECG.
- CHƯƠNG I: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG 1.1.
- Các ảnh hưởng của nhịp thở trong tín hiệu ECG Khi ta hít thở làm cho thể tích của lồng ngực thay đổi dẫn đến làm thay đổi trở kháng tiếp xúc giữa bề mặt da của cơ thể với điện cực thu thập tín hiệu ECG [49] làm ảnh hưởng đến chất lượng tín hiệu ECG đưa về mạch thu thập [35,39,63].
- Xét về mặt tín hiệu nhịp thở gây ra ba ảnh hưởng trong tín hiệu ECG như sau: 1.2.1.
- Rối loạn nhịp tim Rối loạn nhịp tim là hiện tượng khoảng thời gian R-R của tín hiệu ECG bị thay đổi theo nhịp thở .
- Hình 1.1: Tín hiệu ECG có khoảng R-R thay đổi và tín hiệu nhịp thở 1.2.2.
- Điều chế biên độ tín hiệu ECG Điều chế biên độ tín hiệu ECG là hiện tượng mà đỉnh R của tín hiệu ECG bị điều chế theo nhịp thở [49,70,94].
- Hình 1.2: Tín hiệu ECG bị điều chế biên độ và tín hiệu nhịp thở 1.2.3.
- Trôi dạt đường cơ sở Trôi dạt đường cơ sở là hiện tượng đường cơ sở của tín hiệu ECG bị thay đổi theo tín hiệu nhịp thở .
- 6 - Hình 1.3: Tín hiệu ECG bị trôi dạt đường cơ sở và tín hiệu nhịp thở 1.3.
- Một số phương pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Các tác giả trong đề xuất sử dụng bộ lọc thông cao, trong để xuất bộ lọc thích nghi, trong [78] đề xuất sử dụng phương pháp phân tích thành phần độc lập (ICA - Independent Component Analysis), trong [21,49] đề xuất sử dụng phương pháp phân tích theo thành phần chính (PCA - Principal Component Analysis) và phân tích thành phần chính cốt lõi (kPCA - Kernel PCA)… để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG.
- Phương pháp sử dụng bộ lọc thông cao làm ảnh hưởng mạnh đến hình dạng và đặc tính tín hiệu ECG, phương pháp sử dụng bộ lọc thích nghi có nhược điểm là yêu cầu tín hiệu nhịp thở thực để tham chiếu và cập nhật hệ số của bộ lọc dẫn đến thời gian tính toán lớn.
- Phương pháp phân tích thành phần độc lập có nhược điểm là tín hiệu ECG và thành phần do nhịp thở gây ra phải độc lập tuyến tính.
- Định hướng của luận án Một trong những khó khăn trong việc loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG đó là: Các ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG là gián tiếp và phi tuyến .
- trong các trường hợp bệnh lý tín hiệu ECG thường biến thiên mạnh cả về biên độ và hình dạng.
- quá trình thu thập tín hiệu ECG và nhịp thở trên các bênh nhân thực tế gặp nhiều khó khăn, đặc biệt là các bệnh nhân tim mạch.
- Một số giải pháp đề xuất loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG làm ảnh hưởng mạnh đến hình dạng và đặc tính của tín hiệu ECG, yêu cầu tín hiệu nhịp thở thực để tham chiếu và thời gian tính toán lớn,… Vì vậy trong luận án này sẽ đề xuất giải pháp loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG khăc phục được một số nhược điểm trên.
- Các giải pháp đề xuất của luận án được kiểm chứng với các bộ mẫu là các véc-tơ đặc tính - 7 - của các đoạn tín hiệu trích từ các cơ sở dữ liệu ECG được các trung tâm nghiên cứu quốc tế xây dựng.
- Giải pháp đề xuất trong luận án được thực hiện tuần tự theo ba bước như sau: Trước tiên, tín hiệu ECG từ các bộ cơ sở dữ liệu ECG được loại bỏ ảnh hưởng của nhịp thở.
- Ở bước thứ hai, tín hiệu ECG sau khi được loại bỏ ảnh hưởng của nhịp thở được phân tích, trích chọn đặc trưng để xây dựng các véc-tơ đặc tính (đối với cơ sở dữ liệu ECG có tín hiệu nhịp thở tức thời được thu thập cùng với tín hiệu ECG, luận án đề xuất sử dụng thêm các đặc tính tức thời từ nhịp thở để xây dựng các véc-tơ đặc tính).
- Hình 1.1: Sơ đồ khối mô hình tổng quát thực hiện giải pháp đề xuất của luận án Cụ thể để có thể loại bỏ được ảnh hưởng của nhịp thở trong tín hiệu ECG, luận án đề xuất sử dụng phép phân tích tín hiệu theo các hàm cơ sở wavelet.
- Wavelet là một phương pháp được sử dụng phổ biến để phân tích tín hiệu bất định như tín hiệu ECG có thể khắc phục được một số hạn chế của các phương sử dụng bộ lọc thích nghi, ICA, PCA.
- Đặc biệt với tín hiệu ECG thì các họ wavelet có hình dạng càng tương đồng với tín hiệu ECG thì hiệu quả loại nhiễu càng tốt.
- Đã có nhiều nghiên cứu đề xuất sử dụng phép biến đổi wavelet để loại bỏ ảnh hưởng của nhiễu nói chung và nhịp thở nói riêng trong tín hiệu ECG .
- Khảo sát các họ wavelet với các bậc khác nhau để lựa chọn ra một họ wavelet và bậc phù hợp để loại bỏ ảnh hưởng của nhịp thở, đồng thời làm ảnh hưởng nhỏ đến hình dạng và đặc tính của tín hiệu ECG.
- Trong trường hợp có tín hiệu nhịp thở đo được đồng thời với tín hiệu ECG, đề xuất sử dụng thêm các đặc tính từ nhịp thở đo được này để nâng cao chất lượng nhận dạng tín hiệu ECG.
- Kiểm tra chất lượng lọc và các đặc tính dùng thêm khi sử dụng chung một mô hình nhận dạng (luận án đề xuất dùng mạng nơrơn TSK) theo 4 kịch bản như đã được trình bày ở mục 2 (Mục đích nghiên cứu) Luận án thực hiện với nhiều kịch bản nhận dạng nhằm kiểm chứng chất lượng lọc và chất lượng các thông tin sử dụng thêm từ nhịp thở tức thời.
- Kịch bản 1 (Kịch bản cơ sở để so sánh) Trong kịch bản cơ sở này, từ đường tín hiệu ECG ban đầu, mỗi nhịp tim được đặc trưng bởi 18 đặc tính gồm 16 hệ số khai triển đoạn QRS theo các hàm cơ sở Hermite và 2 đặc tính theo thời gian là chu kỳ giữa hai đỉnh R và trung bình của 10 chu kỳ giữa hai đỉnh R liên tiếp cuối cùng.
- Hình 1.2: Sơ đồ khối kịch bản 1(kịch bản cơ sở) nhận dạng tín hiệu ECG 1.4.2.
- Kịch bản 2 Trong trường hợp thử nghiệm này, trước khi trích chọn đặc tính theo cùng phương pháp như ở kịch bản 1, tín hiệu ECG được lọc bằng bộ lọc wavelet để loại bỏ ảnh hưởng của nhịp thở.
- Hình 1.3: Sơ đồ khối kịch bản 2 nhận dạng tín hiệu ECG đã lọc bằng wavelet 1.4.3.
- Kịch bản 3 Hình 1.4: Sơ đồ khối kịch bản 3 nhận dạng tín hiệu ECG sử dụng thêm 2 đặc tính từ nhịp thở (không lọc ECG bằng wavelet.
- 9 - Trong trường hợp thử nghiệm này, khi cơ sở dữ liệu có cả các kết quả đo nhịp thở đồng thời với nhịp tim thì ngoài các đặc tính đã sử dụng như ở kịch bản 1, luận án đề xuất sử dụng thêm 2 đặc tính tức thời từ nhịp thở là: biên độ tức thời của nhịp thở tại đỉnh R của tín hiệu ECG và trung bình của 10 chu kỳ thở liên tiếp cuối cùng.
- Kịch bản 4 Đây là kịch bản tổng hợp nhất, bao gồm cả hai đề xuất trong kịch bản 2 và 3 đồng thời, có nghĩa là trước tiên tín hiệu ECG được lọc bằng bộ lọc wavelet và sau đó 20 đặc tính sẽ đươc trích chọn (18 đặc tính như ở kịch bản 1 và 2, 2 đặc tính bổ sung như kịch bản 3) để phục vụ cho nhận dạng.
- Hình 1.5: Sơ đồ khối kịch bản 4 nhận dạng tín hiệu ECG đã được lọc bằng wavelet và sử dụng thêm 2 đặc tính từ nhịp thở Trong định hướng nghiên cứu của luận án, các kết quả tính toán, mô phỏng sẽ thể hiện các kịch bản 2 và 3 sẽ có kết quả tốt hơn kịch bản 1, còn kịch bản 4 sẽ có kết quả tốt nhất.
- Các trường hợp thử nghiệm phục vụ các kịch bản nhận dạng MIT/16-16 MGH/20-20 MGH/15-5 MGH/19-1 1 Không sử dụng giải pháp đề xuất Lọc wavelet Sử dụng nhịp thở - 3.2.
- 4 Lọc + Nhịp thở - 4.2.
- Đối với cơ sở dữ liệu MGH/MF có chứa tín hiệu nhịp thở tức thời được thu thập đồng thời cùng với tín hiệu ECG.
- Vì vậy trong luận án sử dụng tổng cộng 20 bản ghi xây dựng 8 trường hợp thử nghiệm với các bản ghi tín hiệu - 10 - ECG trước, sau khi loại bỏ ảnh hưởng của nhịp thở và có sử dụng thêm các thông tin từ nhịp thở để thử nghiệm với 4 kịch bản nhận dạng cụ thể như sau: 04 thử nghiệm theo 4 kịch bản cho bộ mẫu MGH/20-20, 02 thử nghiệm cho kịch bản 1 và 2 cho bộ mẫu MGH/15-5, 02 thử nghiệm cho kịch bản 1 và 2 cho bộ mẫu MGH/19-1 như bảng 1.1.
- CHƯƠNG II: TỔNG QUAN PHƯƠNG PHÁP LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ VÀ NHẬN DẠNG TÍN HIỆU ECG Chương này trình bày tổng quan một số giải pháp sử dụng bộ lọc số thông cao để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG.
- Để kiểm chứng hiệu quả loại bỏ ảnh hưởng của nhịp thở cũng như mức độ ảnh hưởng của nhịp thở trong tín hiệu ECG sau khi loại bỏ ảnh hưởng của nhịp thở của các bộ lọc này.
- Trong luận án nghiên cứu sinh kiểm chứng lại các bộ lọc trên với tín hiệu ECG bị ảnh hưởng của nhịp thở trong các cơ sở dữ liệu MIT-BIH và MGH/MF.
- Trên cơ sở so sánh về hình dạng tín hiệu ECG và tính toán các thông số: Tỷ số tín hiệu trên tạp âm (SNR), độ tương quan (CORR), phần trăm trung bình bình phương sai lệch (PRD) và tỉ lệ thành phần tần số dưới 1Hz trong tín hiệu (TH1) với hai thử nghiệm trên đã cho thấy bộ lọc Butterworth_2 (đề xuất trong [76]) là tốt hơn so với các bộ lọc còn lại như trên bảng 2.1 Bảng 2.1.
- Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình loại bỏ ảnh hưởng của nhịp thở sử dụng bộ lọc số Loại bộ lọc SNR CORR PRD TH1 Kaiser Kaiser Rectang Butterworth Bảng 2.1 trình bày các kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình cho thấy bộ lọc Butterworth_2 có chất lượng tốt hơn so với một số bộ lọc còn lại.
- Ngoài ra nội dung chương này còn trình bày lý thuyết tổng quát về biến đổi wavelet, phân tích tín hiệu bằng hàm Hermite và mạng nơ-ron logic mờ TSK.
- 11 - CHƯƠNG III: CÁC GIẢI PHÁP ĐỀ XUẤT LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG 3.1.
- Ứng dụng wavelets loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG Đã có nhiều nghiên cứu đề xuất sử dụng phép biến đổi wavelet để loại bỏ ảnh hưởng của nhiễu nói chung và nhịp thở nói riêng trong tín hiệu ECG .
- Trên cơ sở tính toán các thông số SNR, CORR, PRD và TH1 trung bình của các họ wavelet với nhiều bậc khác nhau cho thấy khi sử dụng thành phần xấp xỉ “A8” có kết quả tốt hơn thành phần xấp xỉ “A9” để loại bỏ ảnh hưởng của nhịp thở trong tin hiệu ECG.
- Vì vậy luận án đề xuất sử dụng họ wavelet Coiflet bậc 4 để loại bỏ ảnh hưởng của nhịp thở trong tín hiệu ECG bằng cách loại bỏ thành phần xấp xỉ “A8” trong quá trình phân tích tín hiệu ECG.
- Kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình loại bỏ ảnh hưởng của nhịp thở sử dụng thành phần A8 và A9 khi sử dụng các họ wavelet bậc 4 và bộ lọc Butterworth_2 Loại bộ lọc SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 Coif Db Sym Bior Butterworth Bảng 3.1 trình bày các kết quả tính toán các thông số SNR, CORR, PRD và TH1 trung bình khi sử dụng các họ wavelet bậc 4 đều có kết quả tốt hơn giải pháp Butterworth_2, và trong số các họ wavelet thì họ Coiflet là có kết quả tốt nhất.
- Sử dụng các đặc tính từ nhịp thở tức thời nhằm năng cao chất lượng nhận dạng tín hiệu ECG Từ các kết quả loại bỏ ảnh hưởng của nhịp thở gây ra trong tín hiệu ECG bằng họ wavelet Coiflet bậc 4 để loại bỏ ảnh hưởng của nhịp thở thì không làm thay đổi vị trí đỉnh R của tín hiệu ECG.
- Vì vậy việc lọc này sẽ không loại bỏ được tác động thứ 3 của nhịp thở gây ra rối loạn nhịp tim trong tín hiệu ECG làm khoảng R-R rút ngắn trong thời gian hít vào và kéo dài trong thời gian thở ra sự thay đổi này dễ bị nhầm lẫn với một số dạng bệnh lý như ngoại tâm thu nhĩ (A - Atrial premature beat), ngoại tâm thu thất (V - Ventricular premature beat).
- Vì vậy để hỗ trợ mô hình nhận dạng phân loại được việc thay đổi khoảng R-R là do thở hay do bệnh lý trong luận án nghiên cứu đề xuất sử dụng thêm 2 đặc tính tức thời từ nhịp thở là: biên độ tức thời của nhịp thở tại đỉnh R của nhịp tim đang nhận dạng và trung bình của 10 chu kỳ nhịp thở cuối cùng để hỗ trợ cho quá trình nhận dạng 3.3.
- Thu thập tín hiệu nhịp thở Với các định hướng của luận án (như trình bày ở mục 1.5 và 3.2), việc sử dụng các thông tin từ nhịp thở tức thời có thể giúp cải thiện chất lượng nhận dạng tín hiệu ECG.
- Tuy nhiên các thiết bị đo nhịp thở hiện dùng vẫn còn cồng kềnh, phức tạp trong sử dụng.
- Vì vậy luận án sẽ xây dựng thử nghiệm một giải pháp gọn nhẹ sử dụng cảm biến gia tốc để đo nhịp thở.
- Thiết bị được thiết kế có chức năng đo tín hiệu nhịp thở sử dụng cảm biến gia tốc, hiển thị và lưu dữ liệu đo trên máy tính hoặc máy đo ECG.
- Hình 3.1: Sơ đồ khối mạch thu thập tín hiệu nhịp thở Để triển khai giải pháp đã đề xuất với mô hình như trên hình 3.1.
- Luận án sử dụng cảm biến gia tốc ba trục MMA8451Q gắn trên ngực để thu thập tín hiệu nhịp thở.
- Hình 3.2 là tín hiệu nhịp thở thu được từ zcủa cảm biến gia tốc ở tư thế ngồi ít di chuyển với các trạng thái thở khác nhau: thở thường 60s, thở chậm - 13 - 60s và thở nhanh 30s được tách ra tương ứng với thành phần A8 khi phân tích bằng họ wavelet Coiflet bậc 4 Hình 3.2: Tín hiệu thu được từ trục z và tín hiệu tách ra bằng thành phần A8 Để đếm số nhịp thở luận án sử dụng thuật toán dịch một cửa sổ có độ rộng 200ms (đủ hẹp để phát hiện đỉnh max và min của nhịp thở nhanh tần số khoảng 1Hz) dọc theo đường tín hiệu.
- Kết quả tính toán số nhịp thở từ thành phần A8 được phân tích bằng wavelet của tín hiệu thu được bằng cảm biến gia tốc so với nhịp thở thực tế của người được thu thập trong 10 lần thử nghiệm đạt độ chính xác 100% trong trường hợp thở chậm và thở thường và đạt 98,35% trong trường hợp thở nhanh.
- CHƯƠNG IV: TRÍCH CHỌN ĐẶC TRƯNG VÀ NHẬN DẠNG TÍN HIỆU ECG BẰNG MẠNG TSK 4.1.
- Ứng dụng SVD để phân tích tín hiệu ECG theo các hàm Hermite Phân tích và trích chọn đặc tính là bước quan trọng trong bài toán nhận dạng, đặc biệt tín hiệu ECG thường chứa nhiều thành phần tần số khác nhau và biến thiên liên tục theo tình trạng sức khỏe, tâm lý.
- Các hàm phân tích tín hiệu chuẩn Hermite đã được nhiều nghiên cứu đề xuất sử dụng để khai triển tín hiệu ECG vì hình dạng khá tương đồng với tín hiệu ECG.
- Mặt khác cũng như trong [68,93] luận án sử dụng thêm hai đặc tính trong miền thời gian của tín hiệu ECG, đó là chu kỳ R-R tức thời và giá trị trung bình của 10 chu kỳ R-R cuối cùng.
- Tổng cộng véctơ đặc tính của tín hiệu ECG gồm 18 đặc tính.
- Ứng dụng mô hình nhận dạng TSK trong bài toán nhận dạng tín hiệu ECG Để kiểm chứng giải pháp đề xuất của luận án.
- Véctơ đặc tính đầu vào của mô hình nhận dạng được xây dựng trên cơ sở phân tích tín hiệu bằng hàm phân tích tín hiệu chuẩn Hermite

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt