Xây dựng mô hình phối hợp các mạng Nơ-rôn nhận dạng tín hiệu điện tim (ECG) - 2

Từ, cụm từ viết tắt

Tiếng Anh	Tiếng Việt
SVM	Support Vector Machine	Máy vectơ hỗ trợ
TN	True Negative	Số trường hợp chẩn đoán âm tính đúng
TP	True Positive	Số trường hợp chẩn đoán dương tính đúng
TSK	Takaga – Sugeno – Kang neuro fuzzy network	Mạng nơ-rôn logic mờ TSK
TTNT	Artificial intelligence	Trí tuệ nhân tạo
V	Premature Ventricular Contraction	Ngoại tâm thu thất

Có thể bạn quan tâm!

• Xây dựng mô hình phối hợp các mạng Nơ-rôn nhận dạng tín hiệu điện tim (ECG) - 1
• Tổng Quan Về Các Phương Pháp Nhận Dạng Tín Hiệu Điện Tim‌
• Định Hướng Nghiên Cứu Của Đề Tài
• Một Số Mạng Nơ-Rôn Được Đề Xuất Để Ứng Dụng Nhận Dạng Tín Hiệu Điện Tim

Xem toàn bộ 98 trang tài liệu này.

DANH MỤC CÁC BẢNG

Trang

Bảng 3.1. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp 56

Bảng 3.2. Ví dụ số liệu cụ thể của sáu mẫu học (từ 6) và ba mẫu kiểm tra (từ 9)

.......................................................................................................................................56

Bảng 3.3. Ma trận phân bố kết quả nhận dạng ba loại mẫu nhịp bằng cây quyết định.57 Bảng 3.4. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp 57

Bảng 3.5. Bảng số liệu học và kiểm tra cho ví dụ 2 58

Bảng 3.6. Kết quả nhận dạng của Ví dụ 2 60

Bảng 4.1. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 7 loại rối loạn nhịp tim từ CSDL MIT-BIH 55

Bảng 4.2. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 2 loại nhịp 55

Bảng 4.3. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp 57

Bảng 4.4. Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 2 loại nhịp 57

Bảng 4.5. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng MLP 59

Bảng 4.6. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng TSK 60

Bảng 4.7. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng SVM 60

Bảng 4.8. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng RF 60

Bảng 4.9. Các thông số đánh giá chất lượng của bốn mô hình cơ sở MLP, TSK, SVM và RF khi nhận dạng 7 loại nhịp, thử nghiệm trên bộ CSDL MIT-BIH 61

Bảng 4.10. Ma trận phân bố kết quả nhận dạng 2 loại mẫu nhịp: Normal và abnormal

.......................................................................................................................................61

Bảng 4.11. Các thông số đánh giá chất lượng của bốn mô hình cơ sở MLP, TSK, SVM và RF khi nhận dạng hai loại nhịp, thử nghiệm trên bộ CSDL MIT-BIH 62

Bảng 4.12. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng MLP 62

Bảng 4.13. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng TSK 62

Bảng 4.14. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng SVM 62

Bảng 4.15. Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng RF 63

Bảng 4.16. Các thông số đánh giá chất lượng của bốn mô hình cơ sở MLP, TSK, SVM và RF khi nhận dạng ba loại nhịp, thử nghiệm trên bộ CSDL MGH/MF 63

Bảng 4.17. Các thông số đánh giá chất lượng của bốn mô hình cơ sở MLP, TSK, SVM và RF khi nhận dạng hai loại nhịp, thử nghiệm trên bộ CSDL MGH/MF 63

Bảng 4.18. Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mô hình kết hợp MLP, TSK, SVM 64

Bảng 4.19. Các thông số đánh giá chất lượng của bốn mô hình cơ sở MLP, TSK, SVM và mô hình kết hợp MLP-TSK-SVM khi nhận dạng 7 loại nhịp 64

Bảng 4.20. Bảng kết quả của các mô hình kết hợp kết quả của ba mô hình nhận dạng

đơn MLP-TSK-SVM 65

Bảng 4.21. Kết quả nhận dạng 7 loại nhịp (CSDL MIT-BIH) bằng các mô hình đơn và

các mô hình kết hợp 66

Bảng 4.22. Kết quả nhận dạng 2 loại nhịp (CSDL MIT-BIH) bằng các mô hình đơn và

các mô hình kết hợp 67

Bảng 4.23. Kết quả nhận dạng 3 loại nhịp (CSDL MGH/MF) bằng các mô hình đơn và

các mô hình kết hợp 67

Bảng 4.24. Kết quả nhận dạng 2 loại nhịp (CSDL MGH/MF) bằng các mô hình đơn và

các mô hình kết hợp 68

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Trang

Hình 1.1. Tín hiệu điện tim và các phân tích cơ bản từ tín hiệu điện tim 5

Hình 1.2. Hình dáng và thành phần chính của tín hiệu điện tim ECG 6

Hình 1.3. Mô hình chung của hệ thống nhận dạng tín hiệu điện tim ECG 6

Hình 1.4. Sơ đồ khối của bộ phân tích tín hiệu ECG 7

Hình 1.5. Sơ đồ khối hệ thống phân tích ECG dựa trên mạng nơ-rôn 7

Hình 1.6. Các khối xử lý tín hiệu 11

Hình 2.1. Các quá trình phát triển của trí tuệ nhân tạo [37]. 14

Hình 2.2. Ảnh hưởng của TTNT tới các lĩnh vực[37] 14

Hình 2.3. Mô hình xử lý ngôn ngữ điển hình của TTNT [37] 15

Hình 2.4. Mô hình mạng nơ-rôn sinh học 16

Hình 2.5. Mô hình một nơ-rôn nhân tạo 18

Hình 2.6. Hình hàm đồng nhất 21

Hình 2.7. Hàm bước nhị phân (Binary step function) 22

Hình 2.8. Hàm Sigmoid 22

Hình 2.9. Hàm sigmoid lưỡng cực 22

Hình 2.10. Mô hình mạng nơ-rôn một lớp 23

Hình 2.11. Mô hình mạng nơ-rôn 3 lớp truyền thẳng 24

Hình 2.12. Mô hình mạng nơ-rôn 3 lớp hồi quy 24

Hình 2.13. Mô hình học có thầy (Supervised learning model) 25

Hình 2.14. Mạng MLP với một lớp ẩn 27

Hình 2.15. Mạng nơ–rôn mờ TSK 31

Hình 2.16. Vùng dữ liệu 37

Hình 2.17. SVM phân tách dữ liệu bằng dải bóng mờ chia các quan sát thành hai

nhóm. Đường thẳng ở giữa dải bóng mờ là đường biên (boundary) 38

Hình 3.1. Sơ đồ quy trình xây dựng véc tơ đặc tính cho tín hiệu điện tim 41

Hình 3.2. Sơ đồ hoạt động của thuật toán phát hiện đỉnh R 41

Hình 3.3. Phân bố phổ năng lượng của tín hiệu ECG 42

Hình 3.4. Phân bố phổ năng lượng của tín hiệu ECG gốc (a), kết quả sau khi lọc (b) .42 Hình 3.5. Mối quan hệ giữa QRS (a) và tín hiệu lấy trung bình tín hiệu theo thời gian (b)

.......................................................................................................................................43

Hình 3.6. Ví dụ các bước phát hiện đỉnh R: 44

Hình 3.7. Đồ thị của hàm Hermite bậc n: 45

Hình 3.8. Xấp xỉ tín hiệu ECG bằng N hàm Hermite cơ sở đầu tiên: 47

Hình 3.9. Đồ thị khảo sát sai số xấp xỉ theo số lượng các hàm Hermite cơ sở 47

Hình 3.10. Hình ảnh khai triển các loại nhịp tím khác theo 16 hàm Hermite đầu tiên .48 Hình 3.11. Quá trình xây dựng các cây quyết định thành phần 50

Hình 3.12. Quá trình kiểm tra của mô hình rừng ngẫu nhiên RF 50

Hình 3.13. Sơ đồ chung của mô hình kết hợp sử dụng nhiều mô hình nhận dạng đơn 51

Hình 3.14. Sơ đồ khối chung của hệ thống kết hợp song song nhiều mô hình đơn 52

Hình 3.15. Sơ đồ nguyên lý quá trình tạo cây quyết định 53

Hình 3.16. Mô hình cây quyết định dạng nhị phân [3] 54

Hình 3.17. Chuyển một nút bậc cao (a) thành một nút nhị phân (b) [3] 55

Hình 3.18. Cây quyết định xây dựng từ bộ số liệu có 90 mẫu (ví dụ 1) 56

Hình 3.19. Cấu trúc cây quyết định tạo ra từ bộ số liệu trong bảng 3.5 59

Hình 4.1. Hình dáng mẫu phức bộ QRS của các loại nhịp A, E, L, R, I và V 57

Hình 4.2. Hình dáng mẫu phức bộ QRS của các loại nhịp V, S, N 58

Hình 4.3. So sánh số mẫu nhận dạng sai, chẩn đoán âm tính sai FN, chẩn đoán dương

tính sai FP của ba mô hình nhận dạng cơ sở và mô hình kết hợp 64

MỞ ĐẦU

1. Lý do chọn đề tài

Ngày nay, cùng với sự phát triển mạnh mẽ của công nghệ kỹ thuật điện tử, công nghệ thông tin và trí tuệ nhân tạo đã mở ra nhiều ứng dụng hữu ích và đem lại hiệu quả kinh tế cao trong đời sống xã hội. Trong y học, công nghệ thông tin và điện tử đã đem lại nhiều ứng dụng trong việc chăm sóc, bảo vệ sức khỏe con người. Mặt khác, các bác sĩ luôn cần có các thông tin chính xác phục vụ công tác chuẩn đoán, xác định bệnh, điều trị, tư vấn và theo dòi diễn biến bệnh của bệnh nhân.

Tín hiệu điện tim (ECG) là tín hiệu y sinh cơ bản và quan trọng được sử dụng để xác định tình trạng sức khỏe của một người. Tín hiệu ECG là nguồn thông tin quý giá để xác định các bệnh lý về tim mạch.

Nhận dạng tín hiệu ECG là một trong những vấn đề mà khoa học và công nghệ hiện nay đang được tiếp tục quân tâm, đầu tư nghiên cứu, đây là một vấn đề khó, yêu cầu độ chính xác và độ tin cậy cao. Một trong những nguyên nhân gây khó khăn cho nhận dạng tín hiệu ECG là sự ảnh hưởng bởi quá trình chuyển động của người bệnh đặc biệt là các hoạt động của quá trình hô hấp gây ra.

Đã có nhiều nghiên cứu về phương pháp nhận dạng tín hiệu điện tim dùng mạng Nơ-rôn như: mạng Nơ-rôn mờ STK, mạng Nơ-rôn kinh điểm MLP, mạng Nơ- rôn tích chập…. Để nâng cao chất lượng, độ chính xác khi nhận dạng tín hiệu điện tim Luận văn đề xuất phối hợp nhiều mạng Nơ-rôn khác nhau.

2. Tính cấp thiết của đề tài

Tim là một bộ phận quan trọng trong hệ tuần hoàn cơ thể của con người cũng như cơ thể của động vat. Việc hoạt động của tim rất quan trọng đối với cơ thể, khi có bất cứ tổn thương nào tới tim sẽ có thể ảnh hưởng tới sự sống. Chính vì vậy việc kiểm tra sức khoẻ của tim thường xuyên là yếu tố hàng đầu giúp đánh giá tình trạng sức khỏe của mỗi người.

Hoạt động của tim được thể hiện qua nhiều yếu tố khác nhau, trong đó những tín hiệu điện sinh học do tim phát ra là một trong những yếu tố quan trọng nhất để đánh giá hoạt động của tim. Thông qua những tín hiệu điện tim dưới dạng sóng hay điện tâm đồ các bác sĩ có thể chuẩn đoán được một số vấn đề liên quan đến tim như: dị tật bẩm sinh ở tim, bênh van tim, loạn nhịp tim, tiểu đường, đái tháo đường,…

Đã có nhiều công trình nghiên cứu về nhận dạng tín hiệu điện tim ECG sử dụng mạng nơ-rôn cho kết quả chính xác. Tác giả để xuất giải pháp kết hợp/phối hợp nhiều mô hình mạng nơ-rôn sử dụng cây quyết định. Việc phối hợp nhiều mạng Nơ-rôn nhận dạng tín hiệu điện tim ECG giúp tín hiệu nhận dạng được chính xác hơn từ đó hỗ trợ bác sĩ chuyên khoa chẩn đoán bệnh lý cũng như theo dòi tình trạng sức khỏe của bệnh nhân, đồng thời đưa ra pháp đồ điều trị cho các bệnh về tim phù hợp hơn.

3. Mục tiêu nghiên cứu

3.1. Mục tiêu tổng quát

Nghiên cứu, áp dụng mạng Nơ – rôn để xây dựng mô hình dự báo cho bài toán phi tuyến

3.2. Mục tiêu cụ thể

- Xây dựng mô hình nhận dạng tín hiệu điện tim dựa trên hình ảnh bộ tín hiệu điện tim mẫu.

- Đề xuất mô hình nhận dạng tín hiệu điện tim sử dụng mô hình phối hợp các mạng Nơ – rôn

4. Nội dung nghiên cứu

- 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.

- Kết quả tính toán, mô phỏng.

5. Đối tượng và phạm vi nghiên cứu

5.1. Đối tượng nghiên cứu

- Bộ tín hiệu mẫu tín hiệu điện tim

- Các mô hình mạng Nơ-rôn (MLP, TSK, SVM, RF, và mô hình phối hợp giữa các mạng MPL-TSK-SVM, MLP-TSK-RF, MLP-RF-SVM, RF-TSK-SVM, MLP- TSK-SVM-RF).

5.2. Phạm vi nghiên cứu

Nghiên cứu, nhận dạng tín hiệu điện tim từ bộ tín hiệu mẫu.

6. Phương pháp nghiên cứu

- Nghiên cứu tài liệu: Các mô hình, phương pháp nhận dạng tín hiệu điện tim đã được công bố trên sách, tạp chí,...

- Nghiên cứu thực nghiệm: tính toán, mô phỏng trên phần mềm Matlab kết quả nhận dạng tín hiệu điện tim ECG.

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

7.1. Ý nghĩa khoa học

Đề xuất mô hình phối hợp các mạng Nơ-rôn nhận dạng tín hiệu điện tim để tăng độ chính xác.

7.2. Ý nghĩa thực tiễn

Bài toán nhận dạng tín hiệu ECG có ý nghĩa thực tiễn cao, chất lượng nhận dạng tín hiệu điện tim sẽ hỗ trợ bác sĩ chuyên khoa chẩn đoán tình trạng sức khỏe của người

bệnh. Vì vậy, đề xuất một giải pháp 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 dòi bệnh của bác sĩ tuyến cơ sở.

8. Cấu trúc đề tài

Cấu trúc của luận văn gồm 04 chương, ngoài ra còn mục lục, danh sách các ký hiệu, từ viết tắt; bảng/hình vẽ, đồ thị; các tài liệu tham khảo; cụ thể:

Chương 1: Tổng quan về các phương pháp nhận dạng tín hiệu điện tim Chương 2: Giới thiệu chung về mạng nơ-rôn

Chương 3: Xây dựng mô hình phối hợp các mạng nơ-rôn nhận dạng tín hiệu điện tim

Chương 4: Kết quả tính toán, mô phỏng Kết luận và khuyến nghị

Xem tất cả 98 trang.