Luận án tiến sĩ phân tích tín hiệu điện tim cho việc cải thiện trong chẩn đoán b

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN THANH NGHĨA PHÂN TÍCH TÍN HIỆU ĐIỆN TIM CHO VIỆC CẢI THIỆN TRONG CHẨN ĐOÁN BỆNH TIM LUẬN ÁN TIẾN SĨ NGÀNH: KỸ THUẬT ĐIỆN TỬ Tp. Hồ Chí Minh, tháng 06/2022 an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH NGUYỄN THANH NGHĨA PHÂN TÍCH TÍN HIỆU ĐIỆN TIM CHO VIỆC CẢI THIỆN TRONG CHẨN ĐOÁN BỆNH TIM NGÀNH: KỸ THUẬT ĐIỆN TỬ - 9520203 Hướng dẫn khoa học: PGS. NGUYỄN THANH HẢI Phản biện 1: Phản biện 2: Phản biện 3: Tp. Hồ Chí Minh, tháng 06/2022 an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm QUYẾT ĐỊNH GIAO ĐỀ TÀI QUYẾT ĐỊNH GIAO ĐỀ TÀI Trang – iii – an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm LÝ LỊCH CÁ NHÂN LÝ LỊCH CÁ NHÂN I.

THÔNG TIN CÁ NHÂN: Họ và tên: Nguyễn Thanh Nghĩa Giới tính: Nam Ngày, tháng, năm sinh: 14 -12-1984 Nơi sinh: Bình Định Địa chỉ nhà: số nhà 124/10 khu phố Đông B, phường Đông Hòa, thành phố Dĩ An, tỉnh Bình Dương. Điện thoại: 0901788455 E-mail: nghiant@hcmute.vn Cơ quan - nơi làm việc: Trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh. Địa chỉ cơ quan: 01 Võ Văn Ngân, Quận Thủ Đức, Thành Phố Hồ Chí Minh.

QUÁ TRÌNH ĐÀO TẠO: - Từ 2002 – 2007: Sinh viên ngành Kỹ thuật điện – điện tử, Truờng Đại học Sư phạm Kỹ thuật Tp. - Từ 2009 – 2012: Học viên cao học ngành Kỹ thuật điện tử, Truờng Đại học Sư phạm Kỹ thuật Tp. - Từ 2016 – nay: Nghiên cứu sinh ngành Kỹ thuật điện tử, Truờng Đại học Sư phạm Kỹ thuật Tp. QUÁ TRÌNH CÔNG TÁC: Thời gian Nơi công tác Công việc đảm nhiệm 03/2007 - 3/2010 Công Ty Wonderful Saigon Electrics Kỹ sư lập trình 4/2010 -10/2017 Trường Cao Đẳng Kỹ Thuật Cao Thắng Giảng viên Trường Đại Học Sư Phạm Kỹ Thuật Thành 11/2017- nay Giảng viên Phố Hồ Chí Minh Tp.

Hồ Chí Minh, ngày 10 tháng 06 năm 2022 NGUYỄN THANH NGHĨA Trang – iv – an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm LỜI CAM ĐOAN LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được công bố trong bất kỳ công trình nào khác Tp. Hồ Chí Minh, ngày 10 tháng 06 năm 2022 NGUYỄN THANH NGHĨA Trang – v – an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm LỜI CẢM TẠ LỜI CẢM TẠ Trước tiên, tôi xin gửi lời cảm ơn chân thành và sâu sắc đến Thầy PGS. Nguyễn Thanh Hải, người Thầy luôn rất nhiệt tình và tận tâm hướng dẫn tôi trong thời gian thực hiện luận án.

Hơn nữa, trong suốt quá trình thực hiện từ lúc lập đề cương cho đến khi thực hiện luận án, Thầy luôn có những góp ý và định hướng giúp tôi đạt được những kết quả tốt nhất. Tôi xin gửi lời cảm ơn đến Ban Giám Hiệu Trường Đại Học SPKT Tp. Cảm ơn Ban Chủ Nhiệm Khoa Điện – Điện tử, những Thầy/Cô và đồng nghiệp của tôi ở Khoa Điện – Điện tử đã hỗ trợ trong quá trình thực hiện luận án này. Cuối cùng, tôi cũng xin được gửi lời biết ơn sâu sắc đến gia đình tôi, những người đã luôn là chỗ dựa tinh thần, là nguồn động viên vô cùng to lớn trong những lúc khó khăn, giúp tôi có thể an tâm thực hiện công việc học tập và nghiêm cứu của mình trong suốt thời gian thực hiện luận án.

Xin chân thành cảm ơn! Tp. Hồ Chí Minh, ngày 10 tháng 06 năm 2022 NGUYỄN THANH NGHĨA Trang – vi – an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm TÓM TẮT TÓM TẮT Phân loại bệnh tim dựa vào tín hiệu điện tim với độ chính xác cao có thể giúp đỡ các bác sĩ chẩn đoán sớm và đưa ra các quyết định chính xác hơn nhằm chữa trị tốt nhất có thể cho bệnh nhân. Cụ thể, để nâng cao hiệu suất phân loại thì hệ thống phân loại có thể được xây dựng gồm tập dữ liệu, tiền xử lý và lọc nhiễu, trích đặc trưng và phân loại bệnh đều cần được xem xét và cải thiện. Luận án này sử dụng tập dữ liệu điện tim có sẵn đã được công bố trên website và được các nhà khoa học sử dụng để nghiên cứu.

Do đó, luận án tập trung vào nghiên cứu và đưa ra các giải pháp mới trong công đoạn tiền xử lý và lọc nhiễu, trích đặc trưng và phân loại bệnh để nâng cao hiệu suất phân loại bệnh tim. Trong những năm gần đây, đã có nhiều nghiên cứu liên quan đến hệ thống phân loại bệnh tim được thực hiện bởi các nhà khoa học trên thế giới sử dụng tập dữ liệu điện tim có sẵn trên webiste. Hơn nữa, các nghiên cứu này tập trung vào các phương pháp lọc nhiễu của tín hiệu điện tim, trích xuất những đặc trưng của tín hiệu nhịp tim, kiến nghị và áp dụng các bộ phân loại thực hiện phân loại và nâng cao hiệu xuất phân loại bệnh tim. Những nghiên cứu này cũng đã thu được những hiệu quả đáng kể và đóng góp đáng kể vào quá trình ứng dụng phân loại bệnh tim.

Từ đó, luận án này tiếp tục nghiên cứu, phát triển và đưa ra những phương pháp mới để nâng cao hơn nữa độ chính xác của việc phân loại bệnh tim dựa vào tín hiệu điện tim ECG. Tín hiệu điện tim có biên độ nhỏ và tồn tại nhiều loại nhiễu như nhiễu của đường dây điện từ nguồn cung cấp, nhiễu do lệch đường cơ và nhiều loại nhiễu khác. Do đó, luận án này kiến nghị giải thuật phân rã – lọc nhiễu – khôi phục (WDFR) để loại bỏ những thành phần nhiễu của tín hiệu điện tim. Cụ thể, trong giải thuật WDFR, tín hiệu điện tim được phân rã thành các thành phần sóng con với các dãi tần số khác nhau sử dụng biến đổi wavelet.

Sau đó, các thành phần sóng con đã được loại bỏ nhiễu sẽ được khôi phục lại thành tín hiệu điện tim. Tín hiệu điện tim sau khi được lọc nhiễu sẽ được xác định vị trí của các đỉnh R dùng thuật toán Pan-Tompskin để tách ra từng nhịp tim cho trích đặc trưng và phân loại chính xác hơn. Trang – vii – an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm TÓM TẮT Các đặc trưng trong tín hiệu nhịp tim cần được trích xuất tốt nhất để nâng cao hiệu suất phân loại bệnh tim. Luận án này đề xuất giải thuật trích đặc trưng tín hiệu nhịp tim dựa vào phương pháp phân tích thành phần chính của tín hiệu nhịp tim sau biến đổi wavelet và áp dụng kernel (wkPCA) nhằm nâng cao hiệu suất phân loại bệnh tim.

Trong giải thuật wkPCA, tín hiệu nhịp tim sau khi phân rã sẽ được ánh xạ sang miền không gian mới sử dụng kernel đồng thời trích được nhiều đặc trưng nhất có thể. Để đánh giá hiệu quả của phương pháp trích đặc trưng, một mạng truyền thẳng bốn lớp được xây dựng để phân loại bệnh tim từ các đặc trưng thu được dùng wkPCA. Độ chính xác bộ phân loại bệnh tim sử dụng phương pháp wkPCA là khá tốt, chứng tỏ phương pháp trích đặc trưng được đề xuất là phù hợp. Để nâng cao hơn nữa độ chính xác của hệ thống phân loại thì bộ phân loại cũng cần được nghiên cứu và phát triển.

Luận án này cũng nghiên cứu và kiến nghị để phát triển một mạng học sâu nhằm phân loại bệnh tim chính xác hơn. Cụ thể, luận án đề xuất phương pháp tính tham số kernel của các lớp tích chập trong mạng học sâu dựa vào các thành phần sóng con trong tín hiệu nhịp tim. Từ phương pháp tính kernel trong các lớp tích chập được đề xuất, mô hình mạng học sâu được cấu hình với những lớp tích chập phù hợp cho việc phân loại đạt hiệu suất cao. Cụ thể, với thuật toán cho xây dựng những kernel thì việc trích xuất gần như toàn bộ đặc trưng nhịp tim và điều này sẽ nâng cao độ chính xác của bộ phân loại bệnh tim.

Từ những kết quả này, bộ phân loại có thể được áp dụng để phân loại các loại bệnh tim từ xa sử dụng máy tính chủ. Bộ phân loại sẽ được cài đặt trên máy tính chủ và bác sĩ có thể tải tín hiệu điện tim của bệnh nhân lên hệ thống để thu nhận kết quả phân loại bệnh tim từ hệ thống. Hiệu quả của các phương pháp đề xuất đã được chứng minh qua các kết quả thực nghiệm. Phương pháp nghiên cứu và kết quả thu được trong luận án này đã được đăng trong các kỷ yếu hội thảo khoa học và tạp chí khoa học.

Kết quả nghiên cứu có thể làm tiền đề để phát triển và xây dựng một thiết bị đo và phân loại bệnh tim cầm tay hoặc một hệ thống máy tính chủ để phân loại bệnh tim từ xa. Trang – viii – an tien si luan an tien si1 TIEU LUAN MOI download : skknchat123@gm TÓM TẮT ABSTRACT Classifying heart disease based on ECG signals with high accuracy can help doctors to diagnose early and make more accurate decisions for effective treatment. In practice, for improving classification peroformance, a classification system can be built with heart disease datasets and processing methods such as, preprocessing and noise filtering, features extraction, and heart disease classification. This thesis uses ECG datasets with different heart diseases on the website for research.

In addition, from these datasets, the thesis focuses on proposing new methods for the objective of increasing the classification performance, particularly after preprocessing, the optimal methods of noise filtering, features extraction, and heart disease classification are proposed in this thesis. In recent years, there have been many studies related to heart disease classification systems using ECG datasets with different heart diseases. Furthermore, these studies focus on methods of filtering noises, extracting features, proposing and applying heart disease classifiers for the objective of improving the performance of heart disease classification. Therefore, there have been significant contributions for applying heart disease classification.

In this thesis, we developed and proposed new methods for further improving the accuracy of heart disease classification based on ECG signals. ECG signal has a small amplitude with many types of different noise and artifacts. Therefore, this thesis proposed a WDFR algorithm to remove unwanted components in the ECG signal. In particular, the ECG signal is decomposed into approximation and detail components with different frequency ranges using a wavelet transform.

Thus, the approximation and detail components without noises are restored to obtain the filtered ECG signal. From the filtered ECG signal, the position of the R peaks is determined using the Pan-Tompskin algorithm and then it is segmented to produce heartbeats for feature extraction.