Xây dựng mô hình phối hợp các mạng Nơ-rôn nhận dạng tín hiệu điện tim (ECG)

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC SAO ĐỎ

NGUYỄN QUANG LONG

XÂY DỰNG MÔ HÌNH PHỐI HỢP CÁC MẠNG NƠ-RÔN NHẬN DẠNG TÍN HIỆU ĐIỆN TIM (ECG)

LUẬN VĂN THẠC SĨ

NGÀNH: KỸ THUẬT ĐIỆN TỬ

NGƯỜI HƯỚNG DẪN KHOA HỌC

TS. ĐỖ VĂN ĐỈNH

HẢI DƯƠNG – NĂM 2021

BỘ CÔNG THƯƠNG CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC SAO ĐỎ Độc lập – Tự do – Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: Nguyễn Quang Long Mã học viên: 1800997 Ngày, tháng, năm sinh: 18/8/1987 Nơi sinh: Hải Dương Ngành: Kỹ thuật điện tử Mã số: 8520203

1. Tên đề tài: Xây dựng mô hình phối hợp các mạng Nơ-rôn nhận dạng tín hiệu điện

tim (ECG)

2. Nội dung:

- Tổng quan về các phương pháp nhận dạng tín hiệu điện tim;

- Giới thiệu chung về mạng Nơ-rôn;

- Xây dựng mô hình phối hợp các mạng Nơ-rôn nhận dạng tín hiệu điện tim (ECG);

- Kết quả tính toán và mô phỏng.

3. Ngày giao nhiệm vụ: Tháng 9/2020

4. Ngày hoàn thành nhiệm vụ: Tháng 4/2021

5. Người hướng dẫn khoa học: TS. Đỗ Văn Đỉnh

Hải Dương, ngày 9 tháng 10 năm 2020

NGƯỜI HƯỚNG DẪN KHOA HỌC

(Ký, ghi rò họ tên)

TRƯỞNG BỘ MÔN

(Ký, ghi rò họ tên)

TS. Đỗ Văn Đỉnh

Nguyễn Thị Phương Oanh

TL. HIỆU TRƯỞNG

LỜI CAM ĐOAN

Tôi xin cam các kết quả nghiên cứu trong luận văn tốt nghiệp này là các kết quả thu được trong quá trình nghiên cứu của riêng học viên với sự hướng dẫn của TS. Đỗ Văn Đỉnh. Không sao chép kết quả nghiên cứu của các công trình nghiên cứu khác.

Nội dung nghiên cứu có tham khảo và sử dụng một số thông tin, tài liệu từ các nguồn tài liệu đã được liệt kê trong danh mục tài liệu tham khảo.

Nếu sai tôi xin chịu mọi hình thức kỷ luật theo quy định.

Hải Dương, ngày 31 tháng 3 năm 2021

Tác giả luận văn

Nguyễn Quang Long

LỜI CẢM ƠN

Với lòng kính trọng và biết ơn, đầu tiên em xin chân thành gửi lời cảm ơn tới TS. Đỗ Văn Đỉnh, Thầy đã tận tình giảng dạy, hướng dẫn, giúp đỡ tác giả trong quá trình học tập và hoàn thiện làm luận văn.

Tác giả xin chân thành cảm ơn các thầy, cô đã trực tiếp giảng dạy trong toàn khóa học; cám ơn tập thể các thầy cô giáo Khoa Điện, trường Đại học Sao Đỏ; lãnh đạo Trường Cao đẳng Cơ giới Xây dựng; tập thể khoa Điện - trường Cao đẳng Cơ giới Xây dựng đã quan tâm, tạo điều kiện và giúp đỡ tác giả trong quá trình học tập, nghiên cứu; cảm ơn anh, em, bạn bè, đồng nghiệp và gia đình đã động viên, hỗ trợ, đóng góp ý kiến giúp em hoàn thành luận văn này.

Dưới sự hướng dẫn của TS. Đỗ Văn Đỉnh và sự cố gắng, nỗ lực của bản thân đến nay Luận văn đã hoàn thành. Tuy nhiên, báo cáo của Luận văn không tránh khỏi những thiếu sót, rất mong nhận được sự góp ý của các thầy, cô và bạn đọc để Luận văn của tác giả được hoàn thiện hơn.

Xin trân trọng cảm ơn!

MỤC LỤC

Trang

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT vi

DANH MỤC CÁC BẢNG viii

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ x

MỞ ĐẦU 1

1. Lý do chọn đề tài 1

2. Tính cấp thiết của đề tài 1

3. Mục tiêu nghiên cứu 2

3.1. Mục tiêu tổng quát 2

3.2. Mục tiêu cụ thể 2

4. Nội dung nghiên cứu 2

5. Đối tượng và phạm vi nghiên cứu 2

5.1. Đối tượng nghiên cứu 2

5.2. Phạm vi nghiên cứu 2

6. Phương pháp nghiên cứu 2

7. Ý nghĩa khoa học và thực tiễn của đề tài 2

7.1. Ý nghĩa khoa học 2

7.2. Ý nghĩa thực tiễn 2

8. Cấu trúc đề tài 3

Chương 1. TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP 4

NHẬN DẠNG TÍN HIỆU ĐIỆN TIM 4

1.1. Đặt vấn đề 4

1.2. Tình hình nghiên cứu ngoài nước 6

1.3. Tình hình nghiên cứu trong nước 10

1.4. Định hướng nghiên cứu của đề tài 12

1.5. Kết luận chương 1 12

Chương 2. GIỚI THIỆU CHUNG VỀ MẠNG NƠ-RÔN 13

2.1. Trí tuệ nhân tạo 13

2.2. Nơ-rôn sinh học 16

2.3. Mạng nơ-rôn nhân tạo 17

2.3.1. Lịch sử hình thành và phát triển 17

2.3.2. Mô hình mạng nơ-rôn nhân tạo 18

2.3.3. Các hàm kích hoạt 21

2.3.4. Phân loại các mạng nơ-rôn 23

2.4. Huấn luyện mạng nơ-rôn 25

2.5. Một số ứng dụng của mạng nơ-rôn 25

2.6. Một số mạng nơ-rôn được đề xuất để ứng dụng nhận dạng tín hiệu điện tim ...27

2.6.1. Mạng MLP 27

2.6.2. Mạng nơ-rôn mờ TSK 30

2.6.3. Máy véc-tơ hỗ trợ SVM 37

2.6.4. Rừng ngẫu nhiên RF 38

2.7. Kết luận chương 2 39

Chương 3. XÂY DỰNG MÔ HÌNH PHỐI HỢP CÁC MẠNG NƠ-RÔN NHẬN DẠNG TÍN HIỆU ĐIỆN TIM 40

3.1. Trích chọn đặc tính tín hiệu điện tim ECG 40

3.1.1. Phát hiện đỉnh R 41

3.1.2. Phân tích phức bộ QRS theo các hàm Hermite cơ sở 44

3.2. Xây dựng các mô hình nhận dạng đơn 48

3.2.1. Quy trình xây dựng các mô hình đơn 48

3.2.2. Xây dựng mô hình mạng MLP 49

3.2.3. Xây dựng mô hình mạng TSK 49

3.2.4. Xây dựng mô hình véc-tơ hỗ trợ SVM 49

3.2.5. Mô hình rừng ngẫu nhiên RF 50

3.3. Phối hợp mạng nơ-rôn nhận dạng tín hiệu điện tim bằng mô hình cây quyết định 51

3.3.1. Đề xuất mô hình kết hợp 51

3.3.2. Quy trình xây dựng cây quyết định cho khối tổng hợp kết quả 53

3.3.3. Cây quyết định 54

3.4. Kết luận chương 3 60

Chương 4. KẾT QUẢ TÍNH TOÁN, MÔ PHỎNG 54

4.1. Xây dựng các bộ số liệu mẫu 54

4.1.1. Cơ sở dữ liệu MIT-BIH 54

4.1.2. Cơ sở dữ liệu MGH/MF 57

4.2. Các chỉ tiêu đánh giá chất lượng mô hình nhận dạng tín hiệu điện tim 58

4.3. Kết quả mô hình nhận dạng đơn 59

4.3.1. Trên bộ cơ sở dữ liệu MIT-BIH 59

4.3.2. Trên bộ cơ sở dữ liệu MGH/MF 62

4.4. Kết quả thử nghiệm mô hình kết hợp mạng nơ-rôn bằng cây quyết định 63

4.4.1. Thử nghiệm kết hợp giữa ba mạng cơ sở MLP, TSK và SVM 63

4.4.2. Các thử nghiệm kết hợp khác 66

4.5. Kết luận chương 4 69

KẾT LUẬN VÀ KIẾN NGHỊ 70

Kết luận 70

Kiến nghị 70

DANH MỤC CÁC KÝ HIỆU, CÁC TỪ VIẾT TẮT

Từ, cụm từ viết tắt

Tiếng Anh	Tiếng Việt
ANN	Artificial Neural Network	Mạng nơ-rôn nhân tạo
BPN	Back Propagation Network	Mạng lan truyền ngược
CHF	Congestive heart failure	Suy tim sung huyết
DNN	Deep Neural Networks	Mạng nơ-rôn sâu
DT	Decision Tree	Cây quyết định
ECG	ElectroCardioGram	Điện tâm đồ
ELM	Elaboration Likelihood Model	Xây dựng khả năng mô hình
FastICA	Independent Component Analysis	Phân tích thành phần độc lập
FFN	Feed Forward Network	Mạng truyền thẳng
FIR	Finite Impulse Response Filter	Bộ lọc có đáp ứng xung hữu hạn
FN	False Negative	Chẩn đoán âm tính sai
FP	False Positive	Chẩn đoán dương tính sai
ICA	Independent Component Analysis	Phân tích thành phần độc lập
KNN	K-nearest neighbors	Thuật toán học máy có giám sát
L	Left Bundle Branch Block Beat	Block nhánh trái
LVQ	Learning Vector Quantization	Học tập Vector sự lượng tử hóa
MGH/MF	MGH/MF Waveform Database	Cơ sở dữ liệu MGH/MF
MIT-BIH	MITBIH Arrhythmia Database	Cơ sở dữ liệu MITBIH
MLP	Multi-Layer Perceptron Network	Mạng nơ-rôn truyền thẳng nhiều lớp
PCA	Principal Components Analysis	Phép phân tích thành phần chính
PCA	Principal Component Analysis	Phân tích theo thành phần chính
QRS	QRS Complex	Phức bộ QRS
R	Right Bundle Branch Block Beat	Block nhánh phải
RF	Random Forest	Rừng ngẫu nhiên
RR	Relative Risk	Tỷ số nguy cơ tử vong
S	raventricular Premature Beat	Loạn nhịp thất trên
SNR	Signal-to-noise ratio	Tỷ lệ tín hiệu trên nhiễu
SVD	Singular Value Decomposition	Phân tích theo các giá trị kỳ dị