Download luận án tiến sĩ ngành kĩ thuật điều khiển với đề tài: Xây dựng mô hình nhận dạng kết hợp nhằm nâng cao độ chính xác phân loại tín hiệu điện tim loạn nhịp, cho các bạn làm luận văn tham khảo Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620 Tham khảo dịch vụ, bảng giá tại: https://baocaothuctap.net

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
PHẠM VĂN NAM
XÂY DỰNG MÔ HÌNH NHẬN DẠNG KẾT HỢP
NHẰM NÂNG CAO ĐỘ CHÍNH XÁC PHÂN LOẠI
TÍN HIỆU ĐIỆN TIM LOẠN NHỊP
LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA
Hà Nội – 2018

2. BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
PHẠM VĂN NAM
XÂY DỰNG MÔ HÌNH NHẬN DẠNG KẾT HỢP
NHẰM NÂNG CAO ĐỘ CHÍNH XÁC PHÂN LOẠI
TÍN HIỆU ĐIỆN TIM LOẠN NHỊP
Ngành: Kỹ thuật điều khiển và tự động hóa
Mã số: 9520216
LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA
NGƯỜI HƯỚNG DẪN KHOA HỌC:
1. PGS.TSKH. TRẦN HOÀI LINH
2. PGS. TS. NGUYỄN THỊ LAN HƯƠNG
Hà Nội - 2018

3. i
LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dựa trên những
hướng dẫn của PGS.TSKH. Trần Hoài Linh, PGS.TS. Nguyễn Thị Lan Hương và
các tài liệu tham khảo đã trích dẫn. Kết quả nghiên cứu là trung thực và chưa từng
được tác giả khác công bố.
Hà Nội, ngày 15 tháng 08 năm 2018
Tập thể Hướng dẫn Nghiên cứu sinh
PGS.TSKH. Trần Hoài Linh
PGS.TS. Nguyễn Thị Lan Hương
Phạm Văn Nam

4. ii
LỜI CẢM ƠN
Luận án này được hoàn thành tại Bộ môn Kỹ thuật đo và Tin học công nghiệp,
Viện Điện, Trường Đại học Bách Khoa Hà Nội dưới sự hướng dẫn của PGS.TSKH.
Trần Hoài Linh và PGS.TS. Nguyễn Thị Lan Hương.
Tôi xin bày tỏ lòng biết ơn đến PGS.TSKH. Trần Hoài Linh, PGS.TS. Nguyễn
Thị Lan Hương đã tận tình hướng dẫn về học thuật, kiến thức và kinh nghiệm trong
quá trình thực hiện luận án.
Tôi xin chân thành cảm PGS. TS. Nguyễn Quốc Cường và các Thầy giáo, Cô
giáo của Bộ môn Kỹ thuật đo và Tin học công nghiệp, Viện Điện, Trường Đại học
Bách Khoa Hà Nội đã có những ý kiến đóng góp quý báu và tạo các điều kiện thuận
lợi cho tôi trong quá trình hoàn thành luận án.
Tác giả luận án
Phạm Văn Nam

5. Mục lục
iii
MỤC LỤC
LỜI CAM ĐOAN............................................................................................................... i
LỜI CẢM ƠN...................................................................................................................ii
MỤC LỤC .....................................................................................................................iii
DANH MỤC CÁC TỪ VIẾT TẮT.................................................................................. vii
DANH MỤC CÁC BẢNG BIỂU ..................................................................................... ix
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ ............................................................................ x
MỞ ĐẦU.......................................................................................................................... 1
1. Tính cấp thiết của đề tài.............................................................................................. 1
2. Mục đích nghiên cứu .................................................................................................. 2
3. Đối tượng và phạm vi nghiên cứu............................................................................... 3
4. Ý nghĩa khoa học và thực tiễn của đề tài..................................................................... 4
5. Những đóng góp của luận án ...................................................................................... 4
6. Bố cục của luận án...................................................................................................... 4
CHƯƠNG I: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG
NHẬN DẠNG TÍN HIỆU ECG ...................................................................................... 6
1.1. Tổng quan về tín hiệu điện tim ECG........................................................................... 6
1.1.1 . Giới thiệu chung về các thông số và hình dạng của các sóng ECG................... 6
1.1.2 . Một số yếu tố ảnh hướng đến tín hiệu điện tim ................................................ 7
1.2. Tình hình nghiên cứu và phương pháp nâng cao chất lượng nhận dạng tín hiệu điện
tim ECG..................................................................................................................... 8
1.2.1 Tình hình nghiên cứu......................................................................................... 8
1.2.2. Một số giải pháp nâng cao chất lượng nhận dạng tín hiệu điện tim.................. 12
1.3. Định hướng nghiên cứu của luận án.......................................................................... 15
1.4. Cơ sở dữ liệu sử dụng trong luận án.......................................................................... 18
1.4.1. Cơ sở dữ liệu MIT-BIH................................................................................... 18
1.4.2 Cơ sở dữ liệu MGH/MF................................................................................... 18
1.5. Kết luận chương I..................................................................................................... 19

6. Mục lục
iv
CHƯƠNG II: THU THẬP, TIỀN XỬ LÝ VÀ TRÍCH CHỌN ĐẶC TÍNH TÍN HIỆU
ĐIỆN TIM ECG ............................................................................................................ 20
2.1. Thu thập và tiền xử lý tín hiệu điện tim..................................................................... 20
2.1.1. Lựa chọn bộ lọc thông thấp............................................................................. 21
2.1.2. Lựa chọn bộ lọc thông cao .............................................................................. 21
2.1.3. Lựa chọn bộ Notch 50Hz ................................................................................ 21
2.2. Trích chọn đặc tính................................................................................................... 23
2.2.1. Phát hiện đỉnh R.............................................................................................. 24
2.2.2. Phân tích phức bộ QRS theo các hàm Hermite cơ sở....................................... 28
2.3. Kết luận chương II.................................................................................................... 34
CHƯƠNG III. GIẢI PHÁP KẾT HỢP CÁC MÔ HÌNH NHẬN DẠNG ĐỂ CẢI
THIỆN CHẤT LƯỢNG................................................................................................ 35
3.1. Kết hợp kết quả bằng mô hình cây quyết định........................................................... 35
3.1.1. Đề xuất mô hình kết hợp................................................................................. 35
3.1.2. Quy trình xây dựng cây quyết định DT cho khối tổng hợp kết quả .................. 38
3.1.3. Cây quyết định................................................................................................ 39
3.2. Các mô hình nhận dạng đơn...................................................................................... 46
3.2.1. Mạng MLP .................................................................................................... 47
3.2.1.1. Cấu trúc mạng......................................................................................... 47
3.2.1.2. Thuật toán học theo bước giảm cực đại cho mạng MLP........................... 49
3.2.2. Mạng nơ-rôn mờ TSK..................................................................................... 51
3.2.2.1. Cấu trúc mạng......................................................................................... 51
3.2.2.2. Thuật toán học cho mạng TSK ................................................................ 53
3.2.3. Máy véc-tơ hỗ trợ SVM .................................................................................. 59
3.2.4. Rừng ngẫu nhiên RF ....................................................................................... 62
3.3. Đề xuất mô hình thiết bị có tích hợp chức năng nhận dạng........................................ 63
3.4. Kết luận chương III .................................................................................................. 64
CHƯƠNG IV: KẾT QUẢ TÍNH TOÁN VÀ MÔ PHỎNG......................................... 65
4.1. Xây dựng các bộ số liệu mẫu .................................................................................... 65
4.1.1. Cơ sở dữ liệu MIT-BIH................................................................................... 65

7. Mục lục
v
4.1.2.Cơ sở dữ liệu MGH/MF .................................................................................. 68
4.2. Cách đánh giá chất lượng mô hình nhận dạng tín hiệu điện tim................................. 70
4.3. Xây dựng mô hình nhận dạng đơn và kết quả............................................................ 71
4.3.1. Quy trình xây dựng các mô hình đơn .............................................................. 71
4.3.2. Kết quả của các mô hình nhận dạng đơn ......................................................... 74
4.3.2.1. Trên bộ cơ sở dữ liệu MIT-BIH............................................................... 74
4.3.2.2. Trên bộ cơ sở dữ liệu MGH/MF .............................................................. 77
4.4. Kết quả thử nghiệm với các mô hình kết hợp bằng cây quyết định....................................... 79
4.4.1. Thử nghiệm kết hợp giữa ba mạng cơ sở MLP, TSK và SVM......................... 79
4.4.2. Các thử nghiệm kết hợp khác.......................................................................... 82
4.5. Kết quả thử nghiệm trên thiết bị................................................................................ 85
4.4 Kết luận chương IV ................................................................................................... 91
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN..................................................................... 92
1. Các đóng góp của luận án......................................................................................... 92
2. Hướng phát triển của luận án.................................................................................... 93
DANH MỤC CÁC TÀI LIỆU THAM KHẢO................................................................. 94
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN .......................... .105
PHỤ LỤC..................................................................................................................... 106
Phân tích và thiết kế phần cứng ..................................................................................... 106

8. Danh mục các từ viết tắt
vii
DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết tắt Tiếng Anh Tiếng Việt
A Premature Atrial Contractions Ngoại tâm thu nhĩ
ADC Analog/Digital Converter Chuyển đổi tương tự /số
ARM Advanced RISC Machine Một loại cấu trúc vi xử lý
ART Adapvive Resonant Theory Mạng nơ-rôn ART
AV AtrioVentricular Nút nhĩ thất
CAM Configurable Analog Module Khối tương tự cấu hình được
DFT Discrete Fourier Transform Biến đổi Fourier rời rạc
DT Decision Tree Cây quyết định
BDT Binary Decision Tree Cây quyết định nhị phân
E Ventricular Escape Beat Tâm thất lỗi nhịp
ECG ElectroCardioGram Điện tâm đồ
FN False Negative Chẩn đoán âm tính sai
FP False Positive Chẩn đoán dương tính sai
FPAA Field Programable Analog Arrays
Mạng lưới các khối tương tự có
thể lập trình được
HDT Hybrid Decision Tree Hệ DT lai
I Ventricular Flutter Wave Rung thất
IC Intergrated Circuit Mạch tích hợp
ICA Independent Component Analysis Phân tích thành phần độc lập
L Left Bundle Branch Block Beat Block nhánh trái
LCD Liquid Crystal Display Màn hình tinh thể lỏng
LVQ Learning Vector Quantization Mạng nơ-rôn LVQ
MIT-BIH MIT-BIH Arrhythmia Database Cơ sở dữ liệu MIT-BIH
MGH/MF MGH/MF Waveform Database Cơ sở dữ liệu MGH/MF
MLP Multi-Layer Perceptron Network Mạng nơron truyền thẳng nhiều lớp
PC Personal Computer Máy tính cá nhân

9. Danh mục các từ viết tắt
viii
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
S Supraventricular Premature Beat Loạn nhịp thất trên
SD Secure Digital Thẻ nhớ SD
SVD Singular Value Decomposition Phân tích theo các giá trị kỳ dị
SVM Support Vector Machines Máy véc-tơ hỗ trợ
TSK Takaga - Sugeno - Kang Mạng nơ-rôn logic mờ TSK
V Premature Ventricular Contraction Ngoại tâm thu thất`

10. Danh mục các bảng biểu
ix
DANH MỤC CÁC BẢNG BIỂU
Bảng 3.1: Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp.................. 42
Bảng 3.2: Ví dụ số liệu cụ thể của sáu mẫu học (từ 1÷6) và ba mẫu kiểm tra (từ 7÷9)...... 42
Bảng 3.3: Ma trận phân bố kết quả nhận dạng ba loại mẫu nhịp bằng cây quyết định....... 43
Bảng 3.4: Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp.................. 44
Bảng 3.5: Bảng số liệu học và kiểm tra cho Ví dụ 2......................................................... 44
Bảng 3.6: Kết quả nhận dạng của Ví dụ 2........................................................................ 46
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.......................................................................................................... 66
Bảng 4.2: Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 2 loại nhịp.................. 66
Bảng 4.3: Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 3 loại nhịp.................. 69
Bảng 4.4: Bảng phân chia số lượng mẫu học và mẫu kiểm tra của 2 loại nhịp.................. 69
Bảng 4.5: Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng MLP.............. 75
Bảng 4.6: Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng TSK .............. 75
Bảng 4.7: Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mạng SVM ............. 76
Bảng 4.8: Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng RF .......................... 76
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................................. 76
Bảng 4.10: Ma trận phân bố kết quả nhận dạng 2 loại mẫu nhịp: Normal và abnormal..... 77
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 .............................. 77
Bảng 4.12: Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng MLP............ 77
Bảng 4.13: Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng TSK ............ 78
Bảng 4.14: Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng SVM ........... 78
Bảng 4.15: Ma trận phân bố kết quả nhận dạng 3 loại mẫu nhịp bằng mạng RF............... 78
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............................... 78

11. Danh mục các bảng biểu
x
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 ............................. 79
Bảng 4.18: Ma trận phân bố kết quả nhận dạng 7 loại mẫu nhịp bằng mô hình kết hợp
MLP, TSK, SVM ............................................................................................................ 79
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 ........................................... 79
Bảng 4.20: Bảng kết quả của các mô hình kết hợp kết quả của ba mô hình nhận dạng đơn
MLP-TSK-SVM.............................................................................................................. 81
Bảng 4.21: Kết quả nhận dạng 7 loại nhịp (CSDL MIT-BIH) bằng các mô hình đơn và các
mô hình kết hợp .............................................................................................................. 82
Bảng 4.22: Kết quả nhận dạng 2 loại nhịp (CSDL MIT-BIH) bằng các mô hình đơn và các
mô hình kết hợp .............................................................................................................. 83
Bảng 4.23: Kết quả nhận dạng 3 loại nhịp (CSDL MGH/MF) bằng các mô hình đơn và các
mô hình kết hợp .............................................................................................................. 83
Bảng 4.24: Kết quả nhận dạng 2 loại nhịp (CSDL MGH/MF) bằng các mô hình đơn và các
mô hình kết hợp .............................................................................................................. 84

12. Danh mục các hình vẽ, đồ thị
x
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 1.1: Hình dáng và thành phần chính của tín hiệu điện tim ECG................................. 7
Hình 1.2: Một số ví dụ tín hiệu ECG: (a) Bị ảnh hưởng của cử động của bệnh nhân, (b) bị
trôi dạt đường cơ sở do hệ hô hấp, (c) bị ảnh hưởng của điện lưới 50Hz. ........................... 8
Hình 1.3: Mô hình chung của hệ thống nhận dạng tín hiệu điện tim ECG .......................... 9
Hình 1.4: Sơ đồ chung của mô hình kết hợp .................................................................... 14
Hình 1.5: Hệ thống nhận dạng tín hiệu ECG đề xuất của luận án ..................................... 15
Hình 2.1: Sơ đồ khối quá trình lọc nhiễu tín hiệu điện tim ECG....................................... 20
Hình 2.2: Đáp ứng tần số-biên độ của bộ lọc thông thấp (a), bộ lọc Notch 50Hz (b), bộ lọc
thông cao (c) ................................................................................................................... 22
Hình 2.3: Tín hiệu điện tim sau các tầng lọc và phân bố phổ năng lượng: (a-1,a-2) tín hiệu
nhiễu, (b-1,b2) tín hiệu sau bộ lọc thông thấp, (c-1,c-2) tín hiệu sau bộ lọc Notch 50Hz, (d-
1,d-2) tín hiệu sau bộ lọc thông cao. ................................................................................ 23
Hình 2.4: Sơ đồ quy trình xây dựng véc tơ đặc tính cho tín hiệu điện tim......................... 24
Hình 2.5: Sơ đồ hoạt động của thuật toán phát hiện đỉnh R.............................................. 25
Hình 2.6: Phân bố phổ năng lượng của tín hiệu ECG [90]................................................ 25
Hình 2.7: Phân bố phổ năng lượng của tín hiệu ECG gốc (a), kết quả sau khi lọc (b)....... 26
Hình 2.8: Mối quan hệ giữa QRS (a) và tín hiệu lấy trung bình tín hiệu theo thời gian (b) .. 27
Hình 2.9: Ví dụ các bước phát hiện đỉnh R: (a) tín hiệu ECG gốc, (b) kết quả sau lọc, (c)
kết quả sau lấy đạo hàm, (d) kết quả sau lấy trị tuyệt đối, (e) kết quả sau khi lấy trung bình,
(f) kết quả phát hiện đỉnh R. ............................................................................................ 28
Hình 2.10: Đồ thị của hàm Hermite bậc n: a) n=0, b) n=1, c) n=3, d) n=10...................... 29
Hình 2.11: Xấp xỉ tín hiệu ECG bằng N hàm Hermite cơ sở đầu tiên: a) N=5; b) N=10; c)
N=12; d) N=16................................................................................................................ 32
Hình 2.12: Đồ thị khảo sát sai số xấp xỉ theo số lượng các hàm Hermite cơ sở ................ 32
Hình 2.13: Hình ảnh khai triển các loại nhịp tím khác theo 16 hàm Hermite đầu tiên....... 33
Hình 3.1: Sơ đồ chung của mô hình kết hợp sử dụng nhiều mô hình nhận dạng đơn ........ 36
Hình 3.2: Sơ đồ khối chung của hệ thống kết hợp song song nhiều mô hình đơn ............. 37
Hình 3.3: Sơ đồ nguyên lý quá trình tạo cây quyết định................................................... 39

13. Danh mục các hình vẽ, đồ thị
xi
Hình 3.4: Mô hình cây quyết định dạng nhị phân............................................................. 40
Hình 3.5: Chuyển một nút bậc cao (a) thành một nút nhị phân (b) ................................... 41
Hình 3.6: Cây quyết định xây dựng từ bộ số liệu có 90 mẫu (ví dụ 1) .............................. 43
Hình 3.7: Cấu trúc cây quyết định tạo ra từ bộ số liệu trong bảng 3.4............................... 45
Hình 3.8: Mạng MLP với một lớp ẩn............................................................................... 47
Hình 3.9: Mạng nơ–rôn mờ TSK..................................................................................... 52
Hình 4.1: Hình dáng mẫu phức bộ QRS của các loại nhịp A, E, L, R, I và V ................... 68
Hình 4.2: Hình dáng mẫu phức bộ QRS của các loại nhịp V, S, N ................................... 69
Hình 4.3: Quá trình xây dựng các SVM nhị phân............................................................. 73
Hình 4.4: Quá trình kiểm tra của mô hình SVM............................................................... 73
Hình 4.5: Quá trình xây dựng các cây quyết định thành phần........................................... 74
Hình 4.6: Quá trình kiểm tra của mô hình rừng ngẫu nhiên RF ........................................ 74
Hình 4.8: 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............................................. 80
Hình 4.9: Hình ảnh tín hiệu ECG, thu thập trước các bộ lọc (a), sau bộ lọc thông thấp và
thông cao (b), sau bộ lọc Notch 50Hz (c)......................................................................... 85
Hình 4.10: Sơ đồ khối cấu hình bên trong IC AN221F04................................................. 86
Hình 4.11: Hình ảnh của thiết bị đo kích thước (11,5cm x 10,5cm x 5cm) ....................... 87

14. Mở đầu
- 1 -
MỞ ĐẦU
1. Tính cấp thiết của đề tài
Trong cơ thể con người, các thông số hoạt động của hệ tim mạch là một trong
những thông tin rất quan trọng. Các bệnh lý liên quan đến tim mạch được phản ánh
chủ yếu trên tín hiệu điện tim ECG (ElectroCardioGram). Do đó, kiểm tra và phân
tích tín hiệu điện tim ECG là một trong những bước chẩn đoán căn bản để xác định
các bệnh lý về tim mạch, từ những loại bệnh tim thông dụng dễ phát hiện (như loạn
nhịp tim, thiếu máu cục bộ, tắc động mạch vành…), để chẩn đoán có thể dựa vào độ
lớn biên độ và hình dạng phức bộ QRS, sóng P, Q, R, S, T, hay số nhịp tim/phút,
cho đến những loại bệnh tim khó phát hiện hơn, trường hợp này các bác sĩ phải theo
dõi tín hiệu điện tim ECG của bệnh nhân trong một khoảng thời gian dài, ở nhiều
chuyển đạo hơn, kết hợp với các xét nghiệm phụ trợ để đưa ra chẩn đoán cuối cùng.
Do đó, việc nghiên cứu tín hiệu điện tim ECG là rất quan trọng đối với sức khỏe
con người nói chung và chẩn đoán chính xác các bệnh tim mạch nói riêng [1, 6].
Việc nghiên cứu điện tim ECG vẫn đang được quan tâm phát triển trong nước
và quốc tế vì một số lý do chính sau:
 Việc nghiên cứu tín hiệu điện tim ECG dùng cho việc chẩn đoán sớm và
chính xác các bệnh lý về tim mạch, có ảnh hướng lớn đến sức khỏe con
người;
 Bài toán nhận dạng tín hiệu điện tim vẫn chưa được giải quyết triệt để do tín
hiệu điện tim ECG có độ biến đổi rất mạnh về hình dáng và biên độ ở các
trường hợp bị bệnh lý, quá trình thu thập và theo dõi tín hiệu điện tim dễ bị
ảnh hưởng bởi các yếu tố bên ngoài, nên bài toán nhận dạng tín hiệu điện tim
ECG có yêu cầu về độ chính xác và độ tin cậy cao là một trong những bài
toán khó. Do đó, hiện nay vẫn có nhiều nhóm nghiên cứu ở trong nước và
quốc tế quan tâm, đầu tư phát triển các giải pháp mới để nâng cao chất lượng
nhận dạng tín hiệu điện tim ECG;
Hiện nay, xã hội đang có nhu cầu cao về các thiết bị y tế hiện đại để theo dõi
các thông số về sức khỏe, trong đó có hệ tim mạch, cụ thể:

15. Mở đầu
- 2 -
 Nhu cầu về các giải pháp nhận dạng tín hiệu điện tim có độ chính xác và tin
cậy cao, phân biệt được nhiều loại bệnh để áp dụng cho nhiều đối tượng bệnh
nhân, hỗ trợ các bác sĩ trong chuẩn đoán nhanh và chính xác các bệnh về tim
mạch;
 Nhu cầu về thiết bị đo điện tim thông minh, cầm tay, có chức năng nhận
dạng tự động tín hiệu điện tim ECG. Thiết bị này cần thiết đối với những
người có nguy cơ mắc bệnh cao (như người béo phì, người cao tuổi, người
nghiện hút thuốc…) giúp phát hiện sớm các bệnh lý về tim mạch. Ngoài ra,
đối với người đang điều trị cần có thiết bị đo gọn nhẹ để mang theo người để
theo dõi và lưu trữ liên tục tín hiệu điện tim. Thiết bị cần có phần mềm tiện
ích để hỗ trợ kết nối dễ dàng với bác sĩ, bệnh viện từ xa (ví dụ qua internet)
để thuận tiện trong quá trình theo dõi và chẩn đoán nhanh;
2. Mục đích nghiên cứu
Xuất phát từ các nhu cầu thực tế ở trên luận án sẽ tập trung nghiên cứu và phát
triển một giải pháp mới để nâng cao độ chính xác và tin cậy của kết quả nhận dạng
tín hiệu điện tim, sau đó triển khai tích hợp trên thiết bị đo điện tim, có khả năng
phát triển thành sản phẩm hoàn chỉnh để phục vụ các nhu cầu cấp thiết của đời sống
xã hội, các mục tiêu nghiên của luận án cứu như sau:
 Đề xuất xây dựng giải pháp nâng cao chất lượng nhận dạng tín hiệu điện tim
(giảm số mẫu nhận dạng sai, giảm số trường hợp chẩn đoán âm tính sai
FN);
 Đề xuất giải pháp phù hợp cho phép thực hiện thuật toán khai triển trên hệ vi
xử lý thông dụng (công suất tính toán nhỏ), để tiến tới phát triển và hoàn
thiện một thiết bị đo cầm tay có chức nhận dạng tự động tín hiệu điện tim có
độ chính xác cao.

16. Mở đầu
- 3 -
3. Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu của luận án:
 Tín hiệu điện tim ECG, những yếu tố ảnh hưởng đến tín hiệu điện tim;
 Các mô hình nhận dạng tín hiệu điện tim, các giải pháp nâng cao chất lượng
nhận dạng tín hiệu điện tim;
 Nghiên cứu các phương pháp đo và thu thập tín hiệu điện tim.
Phạm vi nghiên cứu của luận án:
 Nhiễu trong tín hiệu điện tim và các phương pháp lọc nhiễu: Nghiên cứu
tổng quan về các dạng nhiễu thường gặp và phương pháp loại bỏ nhiễu;
 Các thành phần đặc trưng của tín hiệu điện tim: Nghiên cứu về hình dạng và
các thông số của loại nhịp tín hiệu điện tim, tập trung vào phức bộ QRS, các
phương pháp trích chọn đặc tính;
 Các mô hình nhận dạng sử dụng trí tuệ nhân tạo và phương pháp xây dựng
của các mô hình này: Tập trung nghiên cứu các mô hình kinh điển như mạng
nơ-rôn MLP (Multi Layer Perceptron), logic mờ TSK (Takaga-Sugeno-
Kang), máy véc-tơ hỗ trợ SVM (Support Vector Machines) và rừng ngẫu
nhiên RF (Random Forest);
 Nghiên cứu mô hình cây quyết định DT (Decision Tree), khả năng ứng dụng
để kết hợp kết quả từ các mô hình đơn, đánh giá kết quả của giải pháp;
 Thiết bị đo và tiền xử lý tín hiệu điện tim: Tìm hiểu tổng quan về các mô
hình thiết bị đo đã được triển khai và ứng dụng trong thực tế, đánh giá ưu
nhược điểm, đề xuất giải pháp cho luận án. Đối với khối tiền xử lý, lựa chọn
và áp dụng các phương pháp lọc nhiễu phù hợp với thiết bị đo (nhỏ gọn, xách
tay, sử dụng các vi xử lý thông dụng). Nghiên cứu về khả năng triển khai mô
phỏng các mô hình trí tuệ nhân tạo và mô hình kết hợp được đề xuất trong
luận án trên thiết bị đo.
 Nghiên cứu các mô hình phối hợp từ nhiều mô hình nhận dạng đơn để nâng
cao chất lượng so với các mô hình đơn.

17. Mở đầu
- 4 -
4. Ý nghĩa khoa học và thực tiễn của đề tài
 Ý nghĩa khoa học: Luận án đề xuất được giải pháp nâng cao chất lượng (độ
chính xác) nhận dạng tín hiệu điện tim dựa trên việc sử dụng cây quyết định
để kết hợp song song nhiều mô hình nhận dạng đơn. Các đề xuất đã được
kiểm nghiệm trên hai bộ dữ liệu, bốn mô hình nhận dạng đơn và 20 phương
án kết hợp.
 Ý nghĩa thực tiễn: Mục tiêu nâng cao chất lượng nhận dạng điện tim vẫn
đang là vấn đề được quan tâm do các nhu cầu cấp thiết trong thực tế phục vụ
người bệnh. Các thuật toán đã được triển khai thử nghiệm trên các bộ mẫu số
liệu kinh điển của quốc tế để kiểm tra chất lượng, bước đầu đã thử nghiệm
trên các thiết bị tự xây dựng để kiểm tra tính đáp ứng thời gian thực, khả
năng áp dụng được vào các thiết bị thông minh nhỏ gọn phục vụ người bệnh
trong thực tế của các giải pháp là cao.
5. Những đóng góp của luận án
 Xây dựng một giải pháp nhận dạng tín hiệu điện tim mới: Kết hợp nhiều mô
hình nhận dạng đơn để cải thiện độ thêm chính xác của kết quả nhận dạng.
Các kết quả tính toán mô phỏng đã được kiểm chứng trên các tập số liệu mẫu
chuẩn của bộ cơ sở dữ liệu MIT-BIH và MGH/MF, đây là các bộ cơ sở dữ
liệu được nhiều nhóm nghiên cứu trong nước và quốc tế dùng để tham chiếu;
 Đề xuất giải pháp phù hợp cho phép thực hiện thuật toán khai triển tín hiệu
ECG theo các hàm Hermite để trích chọn được đặc tính của tín hiệu ngay
trên các hệ vi xử lý có công suất tính toán nhỏ.
6. Bố cục của luận án
Mở đầu: Trình bày các vấn đề chung của luận án, tóm tắt về nội dung nghiên
cứu, những đóng góp và bố cục của luận án.
Chương I: Trình bày tổng quan về tín hiệu điện tim ECG, một số yếu tố ảnh
hưởng đến tín hiệu ECG, tham khảo các công trình nghiên cứu và các phương pháp
nâng cao chất lượng nhận dạng tín hiệu điện tim ECG, chương này còn đề xuất định

18. Mở đầu
- 5 -
hướng nghiên cứu và trình bày khái quát các bộ cơ sở dữ liệu được sử dụng trong
luận án.
Chương II: Chương này sẽ trình bày chi tiết về các khối: Thu thập và tiền xử
lý, phương pháp trích chọn đặc tính.
Chương III: Đây là nội dung nghiên cứu chính của luận án, phần đầu trình bày
về giải pháp sử dụng cây quyết định (Decision Tree) để kết hợp kết quả của các hệ
thống nhận dạng đơn. Tiếp theo, trình bày về các mô hình nhận dạng đơn đó là
mạng nơ-rôn truyền thẳng nhiều lớp MLP (Multi-Layer Perceptron), mạng nơ-rôn
logic mờ TSK (Takagi–Sugeno–Kang), máy véc-tơ hỗ trợ SVM (Support Vector
Machines) và rừng ngẫu nhiên RF (Random Forest). Cuối cùng, đề xuất phương án
thiết kế phần cứng cho thiết bị đo tín hiệu điện tim.
Chương IV: Chương này trình bày về phương pháp tạo bộ dữ liệu học và kiểm
tra từ bộ hai cơ sở dữ liệu MIT-BIH và MGH/MF. Kết quả xây dựng mô hình nhận
dạng tín hiệu ECG, các kết quả thử nghiệm, đánh giải pháp đề xuất của luận án.
Phần cuối cùng, là kết luận và hướng phát triển, danh mục các tài liệu tham
khảo, các công trình đã công bố của luận án.

19. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 6 -
CHƯƠNG I: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP NÂNG
CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ECG
Chương này giới thiệu tổng quan về tín hiệu điện tim ECG, tầm quan trọng và
nhu cầu thực tiễn của việc nghiên cứu tín hiệu điện tim. Trình bày tổng quan về các
công trình nghiên cứu về lĩnh vực này trong nước và quốc tế, phân tích và đánh giá
từ đó đề xuất ra định hướng nghiên cứu của luận án.
1.1. Tổng quan về tín hiệu điện tim ECG
1.1.1 . Giới thiệu chung về các thông số và hình dạng của các sóng ECG
Tín hiệu điện tim ECG (ElectroCardioGram) chứa thông tin chủ yếu để xác
định các bệnh lý về tim mạch. Như trên hình 1.1 tín hiệu điện tim là một đường
cong ghi lại sự biến thiên của điện áp do tim sinh ra khi hoạt động, hình dáng chính
của tín hiệu điện tim ECG là tổng hợp của các sóng P, phức bộ QRS và sóng T.
Trong đó, phức bộ QRS chứa nhiều thông tin quan trọng nhất, cụ thể [4, 57]:
 Có 12 chuyển đạo được xây dựng dựa trên vị trí đặt các điện cực, trong đó
chuyển đạo tay trái – tay phải là chuyển đạo được quan tâm nhiều nhất vì nó
biểu hiện rõ nét nhất các pha co dãn của tim;
 Sóng P đại diện cho làn sóng khử cực lan truyền từ nút xoang sang tâm nhĩ.
Khoảng PR là khoảng thời gian cần thiết để xung điện đi từ nút xoang qua
nút nhĩ thất (AV) vào các tâm thất. Phức bộ QRS là quá trình khử cực tâm
thất. Sóng Q đại diện quá trình khử cực từ trái sang phải của vách ngăn liên
tâm thất. Sóng R đại diện quá trình khử cực sớm của tâm thất. Sóng S đại
diện quá trình khử cực muộn của tâm thất. Đoạn ST là thời điểm tâm thất
được khử cực hoàn toàn và đoạn này có điện thế trùng với đường đẳng điện.
Khoảng QT là thời gian xảy ra cả hai quá trình khử cực và tái cực tâm nhĩ.
Sóng T đại diện tái cực thất và thời gian kéo dài hơn so với quá trình khử
cực;
 Một tín hiệu ECG bình thường có các thông số cơ bản như sau:

20. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 7 -
- Số nhịp tim trung bình của một người bình thường là từ 50÷100
nhịp/phút;
- Biên độ (mV): Phức bộ QRS < 1,5; sóng P < 0,25; sóng Q bằng khoảng
25 % so với sóng R kế đó, cuối cùng sóng T có giá trị trong khoảng
0,1÷0,5;
- Thời gian tồn tại (ms): Phức bộ QRS là 50 ÷ 100, P-R là 120 ÷ 200, Q-
T là 350÷440, S-T là 50÷150, sóng P < 120.
Hình 1.1: Hình dáng và thành phần chính của tín hiệu điện tim ECG
1.1.2 . Một số yếu tố ảnh hướng đến tín hiệu điện tim
Tín hiệu điện tim thường có lẫn nhiều loại nhiễu khác nhau. Một số nguyên
nhân chính gây nhiễu trong quá trình thu thập tín hiệu điện tim ECG [48]:
 Ảnh hưởng do hệ hô hấp và cử động của người bệnh: Khi vận động bề
mặt da thường bị co dãn, do đó sẽ sinh ra một sự biến đổi trên bề mặt tiếp
xúc với điện cực đo điện tim nhất là khi điện cực được gắn trước ngực. Sự
thay đổi này làm cho điện trở tương đương và giá trị điện dung ký sinh trên
điện cực biến thiên, những ảnh hưởng này gây ra trôi dạt đường cơ sở, làm
thay đổi biên độ và hình dáng của tín hiệu điện tim;
 Ảnh hưởng do tâm lý: Khi bệnh nhân bị căng thẳng, lo sợ hoặc mất bình
tĩnh sẽ gây run cơ, tạo nhiễu sóng cơ. Dải tần của loại nhiễu này thường nằm
trong dải 20÷30Hz;

21. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 8 -
 Ảnh hưởng do nhiễu điện áp lưới: Tín hiệu điện tim có biên độ nhỏ (cỡ
một mV) nên rất dễ bị ảnh hưởng bởi nhiễu từ nguồn cung cấp thường vẫn có
thành phần tần số điện lưới 50Hz, làm cho bề rộng đường tín hiệu điện tim
lớn hơn, bao trùm lên các sóng P, Q, S, T của tín hiệu điện tim;
 Ảnh hưởng do nhiễu phát sinh ra từ các thiết bị điện tử: Các thiết bị điện
tử như điện thoại, máy tính, nguồn điện … khi để gần có thể gây ra hiện
tượng bão hòa tại các khối khuếch đại của thiết bị thu thập tín hiệu điện tim.
Hình 1.2: Một số ví dụ tín hiệu ECG: (a) Bị ảnh hưởng của cử động của bệnh nhân, (b) bị
trôi dạt đường cơ sở do hệ hô hấp, (c) bị ảnh hưởng của điện lưới 50Hz.
Phần tiếp theo, nghiên cứu sinh trình bày tóm tắt về một số công trình nghiên
cứu về tín hiệu điện tim của các tác giả trong nước và quốc tế, từ các phân tích và
đánh giá kết quả và giải pháp của các công trình làm cơ sở để đề xuất ra định hướng
nghiên cứu của luận án.
1.2. Tình hình nghiên cứu và phương pháp nâng cao chất lượng
nhận dạng tín hiệu điện tim ECG
1.2.1. Tình hình nghiên cứu
Mô hình chung của một hệ thống nhận dạng tín hiệu điện tim thể hiện trong
hình 1.3, gồm bốn khối chính: Thu thập, tiền xử lý, trích chọn đặc tính, nhận dạng.

22. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 9 -
Hình 1.3: Mô hình chung của hệ thống nhận dạng tín hiệu điện tim ECG
Một số công trình nghiên cứu về tín hiệu điện tim trong những năm vừa qua, có
thể tóm tắt lại như sau:
a) Tiền xử lý: Do tín hiệu điện tim ECG là một loại tín hiệu có biên độ rất nhỏ
(khoảng 1mV) nên rất dễ bị ảnh hưởng bởi các yếu tố gây nhiễu từ bên ngoài. Trong
[44] đã chỉ ra rằng tín hiệu điện tim có thể được coi như tổ hợp của các sóng có dải
tần từ 0→∞, thực tế theo các công trình nghiên cứu từ trước đến nay thì dải tần số ý
nghĩa trong việc chẩn đoán bệnh tim mạch là trong khoảng 0,1÷150Hz (trong một
số trường hợp có thể xét dải tần từ 0,05÷300Hz).. Sử dụng các bộ lọc thông thấp
với tần số cắt 150Hz, bộ lọc thông cao với tần số cắt 0,1Hz và bộ lọc Notch 50Hz
để loại các thành phần nhiễu nằm ngoài khoảng nghiên cứu trên và nhiễu nguồn
điện lưới. Nhưng để loại bỏ phần nhiễu có tần số ngẫu nhiên phủ chồng lên dải tần
của tín hiệu điện tim là một thách thức rất lớn, những công trình gần đây thường sử
dụng các bộ lọc phi tuyến như: Lọc thích nghi [3, 45, 46, 49, 51, 61], nội suy đa
thức, phân tích thành phần độc lập (ICA) [54], kỹ thuật tách mù, hay sử dụng thuật
toán biến đổi wavelet [27, 33, 34, 43, 69]. Trong nước, ví dụ như phương pháp loại
bỏ nhiễu sử dụng phương pháp ICA của TS. Vương Hoàng Nam năm 2010 [7], các
phương pháp lọc thích nghi của TS.Hoàng Mạnh Hà năm 2011 [3], kết quả mới
nhất sử dụng phương phương pháp xấp xỉ bằng wavelet để loại nhiễu trôi dạt đường
cơ sở do hô hấp của bệnh nhân trong luận án của TS. Nguyễn Đức Thảo năm 2016
[4]. Phương pháp wavelet cũng là phương pháp loại bỏ nhiễu được sử dụng nhiều
và cho kết quả tốt, đặc biệt hiệu quả để loại nhiễu trôi dạt đường cơ sở.
b) Trích chọn đặc tính: Đã có nhiều đề xuất như:
 Dùng biên độ các đỉnh P-Q-R-S-T, khoảng cách các sóng P-R, Q-T, S-T,
phức bộ QRS [32, 75];
 Thông số của biến đổi phổ tần số DFT [38];

23. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 10 -
 Phương pháp thông dụng hiện nay là sử dụng các hệ số khai triển phức bộ
QRS bằng wavelet [4, 22, 56] hay bằng các hàm Hermite cơ sở [4, 16, 42,
60, 74, 78, 86];
 Phương pháp ít sử dụng hơn là dùng mô hình Markov ẩn [90, 91], hay phân
tích tín hiệu điện tim theo các hàm cơ sở của Karhunen– Lowen [24].
c) Mô hình nhận dạng: Số lượng các giải pháp nhận dạng còn phong phú hơn so
với các giải pháp trích chọn đặc tính tín hiệu điện tim, cụ thể:
 Các nghiên cứu về các đặc trưng của tín hiệu ECG. Kết quả cho thấy các đặc
tính này chủ yếu nằm trong phức bộ QRS, trong đó đoạn QR chứa nhiều
thông tin hỗ trợ tốt hơn cho quá trình nhận dạng và phân loại tín hiệu. Nếu
chỉ dùng để phát hiện bệnh ngoại tâm thu thì có thể đạt tới độ chính xác 99%
trên các số liệu mẫu của MIT-BIH [40];
 Phát hiện một loại bệnh Myocardial ischemia bằng cách ước lượng năng
lượng đoạn ST để cân bằng giữa lượng oxy cấp và oxy nhu cầu của bệnh
nhân. Thiết bị đo bốn cực, có khả năng truyền thông sử dụng wireless [30];
 Thuật toán phân tích các độ dốc của đoạn QR và đoạn RS để phát hiện sự
biến đổi nhịp tim của bệnh nhân trong quá trình đang truyền máu. Kết quả
được kiểm chứng trên các số liệu mô phỏng [66];
 Nghiên cứu lý thuyết về phát hiện sớm hiện tượng tim ngừng đập thông qua
phân tích phổ Fourier của phức bộ QRS [67];
 Mạng nơ-rôn kinh điển MLP cũng thường xuyên được các nhóm tác giả sử
dụng làm công cụ nhận dạng như trong [8, 53, 55, 59, 73, 75, 78]. Bên cạnh
đó, các mạng nơ-rôn ít phổ biến hơn như ART (Adapvive Resonant Theory)
[13] cũng được các tác giả đề xuất thử nghiệm hay mạng nơ-rôn LVQ
(Learning Vector Quantization) đã được sử dụng để nhận dạng 5 loại bệnh
lý, kết quả thử nghiệm trên bộ cơ sở dữ liệu UCI ECG Arrhythmia Dataset
[9];
 Bên cạnh các mạng nơ-rôn thì các công cụ lô-gic mờ cũng dần trở nên phổ
biến và cũng có nhiều công trình đã sử dụng ví dụ như mạng TSK [4, 42, 74,
77, 78];

24. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 11 -
 Một công cụ mạnh là máy véc-tơ hỗ trợ SVM (Support Vector Machines)
cũng được rất nhiều tác giả áp dụng để xây dựng mô hình nhận dạng tín hiệu
điện tim [11, 18, 22, 78, 82, 84, 86, 105];
 Giải pháp rừng ngẫu nhiên RF (Random Forest) cũng là một phương pháp
khả thi để nhận dạng tín hiệu điện tim [56, 64, 72, 97] như trong [56] đã đưa
ra giải pháp nhận dạng 5 loại bệnh lý N, L, R, V, P trong cơ sở dữ liệu MIT-
BIH;
 Việc sử dụng các mạng nơ-rôn mới như dạng Deep learning cũng bước đầu
được ứng dụng [37, 65].
Không chỉ dừng lại ở các nghiên cứu lý thuyết, do nhu cầu thực tế rất cao về
các thiết bị đo điện tim có tích hợp chức năng tự động phát hiện loạn nhịp có độ
chính xác cao, nên hiện nay cũng được quan tâm đầu tư nghiên cứu, ví dụ như:
 Các thiết bị cầm tay đo từ 1 đến 4 chuyển đạo, các thiết bị cố định đo tới 12
chuyển đạo [29, 30, 50, 76];
 Một số thiết kế thiết bị có chức năng nén tín hiệu điện tim, truyền không dây
qua mạng Wifi [79, 92], Bluetooth [14, 39], ZigBee [64, 70, 101]…
 Dữ liệu điện tim thu thập và gửi tới điện thoại smart phones của người dùng
thông qua Bluetooth, wifi… một phần mềm Android chạy trên điện thoại có
chức năng lưu trữ và hiển thị [85, 104, 107];
 Hệ thống giám sát điện tim gọn nhẹ, di động, áp dụng cho những người chơi
thể thao [52];
 Các thiết bị nhỏ gọn hiển thị trên màn hình ngoài như trên máy tính hoặc trên
các màn hình kiểm soát tập trung của bệnh viện [1, 8, 20];
 Một số công trình nhận dạng online tín hiệu điện tim trên thiết bị [21].
Nhìn chung các thiết bị trên có chức năng chính là đo, giám sát, lưu trữ tín hiệu
điện tim nhằm trợ giúp các bác sĩ theo dõi quá trình điều trị các bệnh về tim mạch.
Thiết bị có ưu điểm nhỏ gọn, có thể cầm tay… Chức năng nhận dạng ít được tích
hợp vào thiết bị. Tuy nhiên hiện nay đã có nhiều công trình nghiên cứu về hướng

25. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 12 -
này, nhưng thường chỉ nhận dạng những bệnh tim thông dụng dễ phát hiện, hay
phát hiện hai loại: Không bình thường và bình thường…
1.2.2. Một số giải pháp nâng cao chất lượng nhận dạng tín hiệu điện tim
Như đã trình bày ở trên, hiện nay đang có nhu cầu cao về thiết bị đo điện tim
thông minh và phần mềm nhận dạng tín hiệu điện tim có độ chính xác cao nhằm hỗ
trợ bác sĩ trong chẩn đoán nhanh và chính xác các bệnh về tim mạch. Đã có nhiều
giải pháp được đề xuất để nâng cao chất lượng nhận dạng tín hiệu điện tim, cụ thể:
 Như ở khối tiền xử lý: Một số thuật toán lọc nhiễu cho tín hiệu đo được đề
xuất sử dụng kết hợp làm tăng độ chính xác của kết quả nhận dạng, như
nghiên cứu gần đây trong luận án của TS. Nguyễn Đức Thảo (năm 2016 [4])
sử dụng wavelet để loại bỏ ảnh hưởng của nhịp thở của bệnh nhân đã giảm
sai số xuống 11,43% khi thử nghiệm nhận dạng 7 loại bệnh tim trong bộ cơ
sở dữ liệu MIT-BIH và giảm sai số xuống 11,29% khi thử nghiệm nhận dạng
3 loại bệnh tim trong bộ cơ sở dữ liệu MGH/MF.
 Khối trích chọn đặc tính: Là khối ảnh hưởng lớn đến kết quả nhận dạng,
như đã trình bày ở trên thì có nhiều phương pháp trích chọn đặc tính, trong
đó phương pháp được nhiều nghiên cứu áp dụng là sử dụng các hệ số khai
triển phức bộ QRS bằng wavelet hay bằng các hàm Hermite cơ sở để tạo các
véc-tơ đặc tính.
 Hệ thống nhận dạng tín hiệu điện tim: Độ chính xác của kết quả nhận
dạng phụ thuộc lớn vào khối nhận dạng phi tuyến. Đã có nhiều nghiên cứu áp
dụng các loại mô hình nhận dạng phi tuyến để cải thiện chất lượng nhận dạng
tín hiệu điện tim, từ các mô hình nhận dạng kinh điển như nơ-rôn MLP
(Multi Layer Perceptron), mạng logic mờ TSK (Takaga-Sugeno-Kang), cho
đến đến các công cụ mới như máy véc-tơ hỗ trợ SVM (Support Vector
Machines) và rừng ngẫu nhiên RF (Random Forest), Deep Learning... cũng
đã được sử dụng, thông thường những mô hình nhận dạng phí tuyến mới có
chất lượng nhận dạng tốt hơn so với các mô hình cũ, ví dụ [78] các hệ thống
nhận dạng 7 loại nhịp tim sử dụng các hàm cơ sở Hermite để trích chọn đặc
tính, các kết quả thử nghiệm với mô hình TSK, SVM trên bộ cơ sở dữ liệu

26. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 13 -
MIT-BIH, kết quả sai số nhận dạng được giảm từ 3,26% khi dùng mạng TSK
xuống 1,96 % khi dùng SVM.
1.2.3. Nâng cao độ chính xác bằng mô hình kết hợp
Do kết quả chẩn đoán các bệnh về tim mạch ảnh hưởng trực tiếp đến sức khỏe
bệnh nhân, nên các hệ thống nhận dạng tự động tín hiệu điện tim có yêu cầu về độ
chính xác, ổn định, tin cậy ngày càng cao. Khi nhận dạng và kiểm tra một đối tượng
đầu vào thì mỗi một giải pháp sẽ có thuật toán xử lý riêng để đưa ra các kết quả
nhận dạng riêng. Các giải pháp khác nhau có thể đưa ra các kết quả khác nhau (nếu
nhiều mô hình đều đưa ra một kết quả thống nhất thì kết quả này thường có độ tin
cậy khá cao). Do đối với các bài toán thực tế, ta thường không có giải pháp nhận
dạng có độ chính xác tuyệt đối, nên bất cứ giải pháp đơn lẻ nào đều có xác suất gây
lỗi (mỗi giải pháp sẽ bị lỗi nhận dạng sai với một nhóm mẫu khác nhau). Từ nguyên
nhân chính này mà có nhiều tác giả đã đề xuất ra giải pháp “mô hình kết hợp” tức là
sử dụng đồng thời nhiều mô hình nhận dạng đơn và đưa thêm một khâu xử lý nữa,
nhiệm vụ của khâu xử lý thêm này là kết hợp các kết quả của các mô hình nhận
dạng đơn để đưa ra một kết luận cuối cùng. Một số ưu điểm của “mô hình kết hợp”:
 Mỗi “mô hình đơn” được coi như một chuyên gia độc lập, việc kết hợp nhiều
chuyên gia sẽ cho kết quả đáng tin cậy hơn, cũng như tận dụng được ưu điểm
của từng mô hình đơn;
 Sử dụng các đánh giá từ nhiều góc độ, từ nhiều phương pháp khác nhau nên
thông tin có thể phong phú hơn dẫn tới chất lượng quyết định sẽ cao hơn.
Ý tưởng của mô hình kết hợp đã được áp dụng ở trong các lĩnh vực khác như:
[68] Cho nhận dạng hình ảnh, [17] sinh trắc học như nhận dạng khuôn mặt, [89] áp
dụng cho hệ thống đo nồng độ khí đa năng,... Tuy nhiên, phương pháp kết hợp có
nhược điểm chính là làm hệ thống nhận cồng kềnh và phức tạp hơn, chỉ nên áp dụng
đối với các bài toán nhận dạng phức tạp, yêu cầu độ chính xác cao. Trên hình 1.4 là
sơ đồ khối tổng quát của hệ thống nhận dạng tín hiệu điện tim sử dụng mô hình kết
hợp, trong đó có M mô hình nhận dạng đơn, kết quả của các mô hình nhận dạng đơn
là yi, z là kết luận cuối cùng sau khối kết hợp kết quả.

27. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 14 -
Hình 1.4: Sơ đồ chung của mô hình kết hợp
Trong nghiên cứu [22] tác giả sử dụng mô hình kết hợp các ba mô hình nhận
dạng SVM đơn để nhận dạng sáu loại nhịp tim làm độ chính xác tăng khoảng 0,2%,
trong nghiên cứu [31] tác giả kết hợp 15 mô hình nhận dạng SVM đơn có độ chính
xác trong dải 98% ÷ 98,77%, kết quả của mô hình kết hợp có độ chính xác 98,65 %
tuy thấp hơn so với kết quả cao nhất của mô hình SVM đơn là 98,77 nhưng lại có
độ ổn định cao hơn, hay trong [12] tác giả đã sử dụng mạng nơ-rôn MLP làm mô
hình nhận dạng thành phần, thử nghiệm trên bộ cơ sở dữ liệu MIT-BIH có độ chính
xác tăng thêm khoảng 1,5%.
Xu hướng hiện nay là dùng các mô hình nhận dạng đơn lẻ sử dụng các thuật
toán khác nhau là phổ biến hơn so với việc sử dụng cùng loại như ở các ví dụ trên.
Xu hướng này khá hợp lý bởi vì nó sẽ nâng cao ưu điểm của từng mô hình nhận
dạng đơn lẻ. Như trong nghiên cứu [25] tác giả đã sử dụng hai thuật toán phân loại
khác nhau là SVM và PSO (Particles Swarm Optimization) gọi là hệ thống nhận
dạng PSO-SVM, kết quả thử nghiệm trên bộ cơ sở dữ liệu MIT-BIH có độ chính
xác tăng khoảng 4%, trong [23] tác giả kết hợp mạng logic mờ Fuzzy KNN (Fuzzy
K Nearest Neighbors) và mạng MLP cho kết quả có độ chính xác được cải thiện từ
97.3% lên 98%.
Một số giải pháp kết hợp kết quả đã được đề xuất như: Biểu quyết theo đa số
[22, 31], biểu quyết có trọng số [78, 103], tổng hợp theo xác suất điều kiện Bayes
[78]… Các giải pháp kết hợp này khá đơn giản, điều này cũng dễ hiểu do mô hình
kết hợp khá phức tạp vì phải dùng nhiều mô hình nhận dạng đơn, khối lượng tính
toán lớn nên ở khâu kết hợp các tác giả thường lựa chọn các giải pháp đơn giản, hay
dùng nhất là giải pháp biểu quyết theo đa số.

28. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 15 -
Về số lượng mô hình đơn, thực tế ít sử dụng kết hợp hai mô hình đơn vì khi xảy
ra mẫu thuẫn trong kết quả từ hai hệ đơn, ta không có cơ sở chắc chắn để kết luận
hệ đơn nào đúng, hệ đơn nào sai. Vì thế, đa số các mô hình kết hợp đều sử dụng số
lượng mô hình cơ sở từ ba hệ thành phần trở lên (nhiều công trình khuyến cáo sử
dụng số mô hình đơn là số lẻ để có thể đưa ra kết luận cuối cùng, nhất là trong
trường hợp biểu quyết theo đa số).
1.3. Định hướng nghiên cứu của luận án
Từ các phân tích ở trên, nghiên cứu sinh định hướng sử dụng mô hình kết hợp
để cải thiện chất lượng nhận dạng tín hiệu điện tim ECG. Các giải pháp đơn sẽ là
các giải pháp có chất lượng cao đã được sử dụng trong các nghiên cứu trước đây,
hình 1.5 là sơ đồ khối của mô hình đề xuất của luận án, trong đó Ci là các mô hình
nhận dạng cơ sơ (với i=1, 2,…, M), tương ứng với các kết quả nhận dạng yi.
Hình 1.5: Hệ thống nhận dạng tín hiệu ECG đề xuất của luận án
Trong luận án này NCS đề xuất thử nghiệm dùng các mô hình nhận dạng đơn
gồm ba mạng nơ-rôn kinh điển là mạng MLP (Multi Layer Perceptron), TSK
(Takagi – Sugeno – Kang) và SVM (Support Vectors Machines) và mô hình rừng
ngẫu nhiên RF (Random Forest) sử dụng cây quyết định nhị phân để thực hiện việc
phối hợp này. Các mô hình đơn này được lựa chọn do đã có các kết quả có độ chính
xác cao được công bố như trong [4, 5, 56, 64, 72, 78, 97], đồng thời ba mô hình đầu
tiên đươc thực hiện trên cùng một bộ số liệu đầu vào nên việc so sánh sẽ thuận tiện
hơn.
Với bốn mô hình nhận dạng cơ sở luận án sẽ thử nghiệm các trường hợp kết
hợp như sau: (1) MLP-TSK-SVM, (2) MLP-TSK-RF, (3) MLP-RF-SVM, (4) RF-

29. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 16 -
TSK-SVM, (5) MLP-TSK-SVM-RF, từ đó có thêm cơ sở đánh giá giải pháp đề
xuất của luận án.
Ý tưởng và giải pháp đề xuất cụ thể:
 Áp dụng cây quyết định DT (Decision Tree) để tổng hợp kết quả từ các kết
quả đầu ra của các mô hình nhận dạng cơ sở;
 Các mô hình nhận dạng cơ sở sử dụng chung các khối thu thập tín hiệu, tiền
xử lý và trích chọn đặc tính;
 Sử dụng bốn mô hình nhận dạng: Mạng nơ-rôn MLP (Multi-Layer
Perceptron), mạng logic mờ TSK (Takagi–Sugeno–Kang), máy véc-tơ hỗ trợ
SVM (Support Vector Machines) và rừng ngẫu nhiên RF (Random Forest) để
xây dựng thành các mô hình nhận dạng cơ sở;
 Lựa chọn các đặc tính của tín hiệu điện tim:
- Sử dụng các hàm cơ sở Hermite (Hermite Basis Functions) để khai
triển các phức bộ QRS, nhằm lấy các hệ số khai triển này làm đặc tính;
- Sử dụng thêm hai đặc tính về thời gian: Khoảng cách giữa hai đỉnh R
liên tiếp (R-R), giá trị trung bình của mười khoảng cách R-R cuối cùng.
 Thử nghiệm mô hình nhận dạng trên các bộ cơ sở dữ liệu mẫu MIT-BIH và
MGH/MF có thể tải về từ trang web http://physionet.org;
 Thiết kế, chế tạo thiết bị đo điện tim cầm tay, sử dụng công nghệ ARM đời
mới để chạy thử nghiệm chương trình nhận dạng, kiểm tra khả năng đáp ứng
được về mặt tốc độ tính toán theo thời gian thực.
Lý do lựa chọn các phương án trên:
(1) Về nguyên tắc, các mô hình đơn không bắt buộc phải sử dụng chung tín hiệu
đầu vào cũng như các thuật toán chuyển đổi, chuẩn hóa hay chung thuật toán
trích chọn đặc tính, nhưng luận án đề xuất sử dụng chung do định hướng
muốn triển khai toàn bộ các giải pháp trên cùng một thiết bị hoặc hệ thống
nên cần tinh giản bớt ở các khâu tiền xử lý để dành năng lực tính toán cho
khâu nhận dạng bằng nhiều mô hình đơn, sau đó tổng hợp bằng cây quyết
định;

30. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 17 -
(2) Về các mô hình nhận dạng đơn:
 Các mô hình đơn được lựa chọn sử dụng trong luận án là MLP, TSK, SVM.
Một mặt, đây là các mô hình rất kinh điển, đã được thử nghiệm nhiều lần với
các bài toán nhận dạng nói chung và các bài toán nhận dạng điện tim nói
riêng. Mặt khác, đây cũng là các mạng đã đưa ra các kết quả tốt, được công
bố ở các tạp chí quốc tế mà nghiên cứu sinh có thể có được các bộ số liệu
gốc để so sánh và kiểm chứng tương đối dễ dàng;
 Ngoài ra, nghiên cứu sinh khảo sát thêm mô hình rừng ngẫu nhiên RF, vì đây
cũng là mô hình áp dụng để nhận dạng tín hiệu điện tim có kết quả nhận
dạng cao [56, 64, 72, 97] và để có thêm nhiều trường hợp thử nghiệm, ví dụ
nếu mô hình kết hợp dùng nhiều hơn hai mô hình nhận dạng cơ sở thì với
bốn mô hình nhận dạng cơ sở ta sẽ tạo ra các trường hợp kết hợp như sau: (1)
MLP-TSK-SVM, (2) MLP-TSK-RF, (3) MLP-RF-SVM, (4) RF-TSK-SVM,
(5) MLP-TSK-SVM-RF, từ đó có thêm cơ sở đánh giá giải pháp đề xuất của
luận án.
(3) Về giải pháp trích chọn đặc tính:
 Phân tích tín hiệu điện tim theo hàm Wavelet và hàm Hermite là các phương
pháp khá phổ biến, đã được nhiều tác giả sử dụng, kết quả đưa ra đều tốt.
Luận án đã lựa chọn sử dụng hàm Hermite, qua thử nghiệm nghiên cứu sinh
thu được kết quả nhận dạng tốt, đặc biệt nghiên cứu sinh đã đưa ra phương
pháp khai triển Hermite tiết kiệm bộ nhớ và tốc độ có thể thực hiện trên thiết
bị;
 Ngoài ra, luận án sử dụng thêm hai đặc tính thời gian là khoảng cách R-R từ
đỉnh R đang xét tới đỉnh R liền trước và giá trị trung bình của 10 đoạn R-R
cuối cùng. Các đặc tính thời gian này cũng được khuyến cáo trong nhiều
công trình nghiên cứu về nhận dạng điện tim do đây là các đặc tính thể hiện
tương quan giữa các nhịp với nhau, đồng thời đối với bài toán phát hiện loạn
nhịp (E - tâm thất lỗi nhịp) thì khoảng cách giữa hai nhịp R-R là đặc biệt
quan trọng. Tuy nhiên cũng cần phải sử dụng khoảng cách trung bình của 10
đoạn R-R cuối cùng để tránh các ảnh hưởng của việc mất một nhịp QRS (do

31. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 18 -
thuật toán không tự phát hiện được, hoặc do bản thân nhịp tim bị loạn,…)
không gây ảnh hưởng mạnh tới hoạt động của các hệ nhận dạng;
1.4. Cơ sở dữ liệu sử dụng trong luận án
1.4.1. Cơ sở dữ liệu MIT-BIH
Để kiểm chứng chất lượng của các giải pháp đề xuất, luận án sử dụng cơ sở dữ
liệu chuẩn MIT-BIH [28] (http://physionet.org). Cơ sở dữ liệu về chứng loạn nhịp
tim MIT- BIH này được thực hiện bởi Phòng thí nghiệm Loạn nhịp tim BIH
(Boston's Beth Israel Hospital) từ năm 1975 đến 1979 và hiện nay là cơ sở dữ liệu
chuẩn phổ biến nhất được sử dụng trong các công trình nghiên cứu về nhận dạng tín
hiệu điện tim. Cơ sở dữ liệu MIT-BIH gồm 48 bản ghi có độ dài 30 phút được thu
thập từ 47 người gồm 25 nam có độ tuổi từ 32 đến 89 và 22 nữ có độ tuổi từ 23 đến
89, bản ghi 201 và 202 được thu thập từ cùng một người. Các bản ghi được số hóa ở
tần số lấy mẫu 360Hz và mỗi bản ghi có ít nhất là hai chuyên gia tim mạch độc lập
đánh dấu các mẫu bệnh, các chú thích được đánh dấu tại đỉnh R của từng nhịp tim
[4]. Luận án sử dụng lựa chọn sử dụng 19 bản ghi để xây dựng các mẫu gồm các
bản ghi số: 100, 105, 106, 109, 111, 114, 116, 118, 119,124, 200, 202, 207, 208,
209, 212, 214, 221 và 222 để xây dựng và kiểm nghiệm mô hình nhận dạng, chi tiết
về bộ mẫu được trình bầy trong mục 4.1 và phần phụ lục.
1.4.2. Cơ sở dữ liệu MGH/MF
Bộ cơ sở dữ liệu thứ hai là MGH/MF [4], bộ dữ liệu mẫu này gồm có 250 bản
ghi của tín hiệu ECG, thu thập từ 250 bệnh nhân tim mạch tại các phòng chăm sóc
đặc biệt, phòng mổ, phòng thí nghiệm thông tim,... tại Bệnh viện Đa khoa
Massachusetts. Luận án lựa chọn sử dụng các mẫu tín hiệu ECG của 20 bản ghi có
mã số là: 029, 030, 058, 105, 106, 107, 108, 110, 111, 114, 117, 119, 121, 123, 124,
125, 128, 131, 137, 142, lấy ra tổng 4500 mẫu với ba loại nhịp: bình thường (N-
Normal sinus rhythm), nhịp ngoại tâm thu thất (V- Premature ventricular
contraction) và loạn nhịp trên thất (S- Supraventricular premature beat), chi tiết về
bộ mẫu được trình bầy trong mục 4.1.

32. Chương I: Tổng quan về các phương pháp nâng cao chất lượng nhận dạng tín hiệu ECG
- 19 -
1.5. Kết luận chương I
Phần đầu của chương I, đã trình bày ngắn gọn về tín hiệu điện tim, về hình dạng
và các thông số chính của tín hiệu điện tim, tổng hợp một số yếu tố ảnh hưởng đến
tín hiệu điện tim. Trong phần tiếp theo, luận án tập trung phân tích, đánh giá ưu
điểm và nhược điểm của các giải pháp nâng cao chất lượng nhận dạng tín hiệu điện
tim, từ đó đề xuất định hướng nghiên cứu của luận án, đó là sử dụng mô hình kết
hợp để cải thiện chất lượng nhận dạng tín hiệu điện tim ECG.
Trong các chương tiếp theo, luận án sẽ lần lượt trình bày về các khối của hệ
thống nhận dạng trong hình 1.5. Cụ thể, trong chương II sẽ trình bày về khối thu
thập và tiền xử lý, khối trích chọn đặc tính và chương III trình bày về giải pháp kết
hợp kết quả bằng cây định, các mô hình nhận dạng cơ sở (MLP, TSK, SVM và RF).

33. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 20 -
CHƯƠNG II: THU THẬP, TIỀN XỬ LÝ VÀ TRÍCH CHỌN ĐẶC TÍNH
TÍN HIỆU ĐIỆN TIM ECG
Theo như mô hình nhận dạng tín hiệu điện tim đã đề xuất trong chương I (trong
hình 1.5), chương II sẽ nghiên cứu hai khối đầu tiên của hệ thống nhận dạng đó là
khối thu thập và tiền xử lý, khối trích chọn đặc tính. Trong đó phần thu thập và tiền
xử lý sẽ được trình bày ngắn gọn đây là khối thiết kế cho phần thiết bị (chi tiết được
trình bày trong phần phụ lục), phần lớn nội dung tập trung vào phần trích chọn đặc
tính vì là khối ảnh hưởng lớn đến kết quả nhận dạng.
2.1. Thu thập và tiền xử lý tín hiệu điện tim
Nhiệm vụ thứ nhất của khối là chuẩn hóa tín hiệu điện áp tương tự thu được từ
các điện cực ECG về dải biến thiên trong khoảng 0÷5V hoặc trong khoảng 0÷3,3V,
tín hiệu từ các điện cực ECG thường được xử lý tuần tự qua các khâu: Tiền khuếch
đại, khuếch đại và lọc tương tự. Trong luận án sử dụng công nghệ FPAA để thiết kế
các khối tiền khuếch đại, các bộ lọc tương tự. Nội dung chi tiết sẽ được trình bày ở
phần sau (mục 4.5) và trong phần Phụ lục.
Nhiệm vụ thứ hai của khối là loại bỏ nhiễu khỏi tín hiệu điện tim. Như đã trình
bày ở phần trên, dải tần số có nghĩa của tín hiệu điện tim thường nằm trong khoảng
từ 0,1Hz đến 150Hz (trong một số trường hợp có thể xét dải tần từ 0,05Hz đến
300Hz). Thiết kế các bộ lọc có thể triển khai như theo sơ đồ trong hình 2.1, thực
hiện theo các bước sau [48]:
 Bước 1: Loại bỏ các nhiễu nằm ngoài dải tần số điện tim quan tâm là
0,1÷100Hz, bằng các bộ lọc thông thấp có tần số cắt 100Hz và bộ lọc thông
cao có tần số cắt 0,1Hz.
 Bước 2: Loại bỏ các nhiễu do điện lưới gây ra bằng bộ lọc Notch 50Hz (bộ
lọc triệt tần 50Hz).
Hình 2.1: Sơ đồ khối quá trình lọc nhiễu tín hiệu điện tim ECG

34. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 21 -
Hàm truyền tổng như sau:
1 2 3
( )
( ) ( ) ( ) ( )
( )
Y z
H z H z H z H z
X z
   
(2.1)
trong đó ( )H z có dạng tổng quát là:
1
0 1
1
1
( ) ...
(z)
( ) 1 ...
n
k n
k n
k n
Y z b b z b z
H
X z a z a z
 
 
  
 
   (2.2)
Trong luận án, định hướng xây dựng các bộ lọc số có số bậc thấp để giảm được
thời gian tính toán, thích hợp với việc nhúng xuống vi xử lý thay vì chạy trên máy
tính. Cụ thể thiết kế các bộ lọc và kết quả thử nghiệm được trình bày tuần tự trong
các mục kế tiếp.
2.1.1. Lựa chọn bộ lọc thông thấp
Lựa chọn bộ lọc thông thấp Butterworth bậc bốn, tần số cắt 100Hz, có hàm
truyền như sau [48]:
1 2 3 4
1 1 2 3 4
0,4998 1,9993 2,9989 1,9993 0,4998
( )
1 2,6386 2,7693 1,3393 0,2498
z z z z
H z
z z z z
   
   
   

    (2.3)
2.1.2. Lựa chọn bộ lọc thông cao
Thiết kế bộ lọc thông cao Butterworth bậc bốn, tần số cắt 0,1Hz, có hàm truyền
như sau [48]:
1 2 3 4
2 1 2 3 4
0,9554 3,8217 5,7325 3,8217 0,9554
( )
1 3,9088 5,7305 3,7345 0,9128
z z z z
H z
z z z z
   
   
   

    (2.4)
2.1.3. Lựa chọn bộ Notch 50Hz
Lựa chọn thông số của bộ lọc như sau: Fnotch= 50Hz (tần số cần triệt),
Bandwidth: 4Hz (độ rộng của dải chặn), Apass: 3dB (độ suy giảm), có hàm truyền
như sau [48]:
1 2
3 1 2
0,9825 1,2631 0,9825
( )
1 1,2631 0,9651
z z
H z
z z
 
 
 

  (2.5)

35. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 22 -
Kết quả đáp ứng tần số-biên độ của ba bộ lọc thể hiện trong hình 2.2.
Hình 2.2: Đáp ứng tần số-biên độ của bộ lọc thông thấp (a), bộ lọc Notch 50Hz (b), bộ lọc
thông cao (c)
Trong hình 2.3 là ví dụ hiệu quả hoạt động của các bộ lọc đã nêu trên với tín
hiệu điện tim lấy từ bản ghi 100 trong bộ cơ sở dữ liệu MIT-BIH Arrhythmia
Database. Tín hiệu này có thêm các thành phần nhiễu có tần số 50Hz, tần số cao
120 và 130Hz, thành phần tần số thấp.
Việc xử lý nhiễu tín hiệu điện tim là một quá trình quan trọng. Qua kết quả thử
nghiệm với tín hiệu điện tim trong bộ cơ sở dữ liệu MIT-BIH, cho thấy hoàn toàn
có thể triển khai các bộ lọc số trên vi xử lý để thay thế các bộ lọc tương tự cổ điển,
bởi những ưu điểm nổi bật của nó về độ chính xác, dễ dàng thay đổi đặc tính của bộ
lọc. Tuy nhiên, để loại bỏ phần nhiễu phủ chồng lên dải tần số có nghĩa của tín hiệu
điện tim ECG là khá phức tạp. Định hướng nhúng xuống thiết bị cầm tay nên lựa
chọn các bộ lọc số cơ bản như đã xây dựng ở trên.

36. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 23 -
Hình 2.3: Tín hiệu điện tim sau các tầng lọc và phân bố phổ năng lượng: (a-1,a-2) tín hiệu
nhiễu, (b-1,b2) tín hiệu sau bộ lọc thông thấp, (c-1,c-2) tín hiệu sau bộ lọc Notch 50Hz, (d-
1,d-2) tín hiệu sau bộ lọc thông cao.
2.2. Trích chọn đặc tính để nhận dạng
Trích chọn đặc tính là quá trình tìm các giá trị đặc trưng của tín hiệu đầu vào
gốc, lượng thông tin của đặc tính tín hiệu tinh giản hơn nhiều so với tín hiệu gốc,
nên khối lượng tính toán của khối nhận dạng sẽ giảm. Việc lựa chọn loại đặc tính
thường dựa trên độ phân tách đối tượng của nó. Do đo, khâu phân tích và trích chọn

37. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 24 -
đặc tính đóng vai trò quan trọng, cho phép hỗ trợ việc đưa ra kết quả nhận dạng
được dễ dàng và chính xác hơn. Trong luận án, như đã trình bày trên Hình 1.5, các
mô hình cơ sở lựa chọn sử dụng chung một véc-tơ đặc tính để giảm khối lượng tính
toán cho các hệ xử lý thời gian thực tiếp sau. Véc-tơ đặc tính của mỗi nhịp (phức bộ
QRS) gồm 18 thành phần:
 16 hệ số khai triển ic  0,...,15i  của tín hiệu điện tim ECG theo các hàm
Hermite như sẽ trình bày ở phần tiếp theo,
 2 đặc tính trong miền thời gian của tín hiệu điện tim, là lastRR  khoảng
cách giữa đỉnh R của nhịp tim đang xử lý và đỉnh R liền trước (còn gọi là
khoảng cách R-R cuối), và meanRR  giá trị trung bình của 10 khoảng cách
R-R cuối cùng.
Các hàm Hermite để phân tích các tín hiệu ECG, do sự phù hợp về hình dạng
biến thiên tín hiệu của chúng đối với tín hiệu điện tim [16, 60, 74], và có chứa các
thành phần tần số khác nhau nên phù hợp cho việc mô tả các thành phần biến thiên
khác nhau của tín hiệu điện tim (chi tiết sẽ trình bày ở mục 2.2.2);
Các bước trích chọn đặc tính của luận án thể hiện trong hình 2.4 sau đây:
inx 18
x 
Hình 2.4: Sơ đồ quy trình xây dựng véc tơ đặc tính cho tín hiệu điện tim
Tiếp sau đây là phần mô tả chi tiết cho các khối trong Hình 2.4.
2.2.1. Phát hiện đỉnh R
Phức bộ QRS trong tín hiệu điện tim ECG tuy không chứa toàn bộ các thông tin
để đánh giá tín hiệu điện tim, nhưng cũng chứa đựng khá nhiều các thông tin hữu
ích và được nhiều tác giả trong nước và quốc tế sử dụng. Do đó, như đã trình bày ở
trên, luận án sử dụng số liệu phân tích từ phức bộ QRS và hai giá trị thời gian là
khoảng cách R-R, trung bình 10 khoảng cách R-R cuối cùng để làm cơ sở nhận
dạng. Theo khảo sát, phức bộ QRS kéo dài khoảng 100ms, tuy nhiên trong trường

38. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 25 -
hợp bệnh lý phức bộ này có thể kéo dài gấp vài lần. Vì vậy, luận án lựa chọn độ dài
250ms xung quanh đỉnh R là đủ rộng để chứa toàn bộ đoạn QRS, nếu tần số lấy
mẫu tín hiệu điện tim là 360Hz thì 250ms tương ứng với khoảng 91 giá trị xung
quanh đỉnh R (ta lấy 45 giá trị liền trước đỉnh và 45 giá trị từ đỉnh về phía sau).
Trong luận án, áp dụng thuật toán phát hiện đỉnh R đã được Pan và Tompkins
đưa ra vào năm 1985 [36] và được phát triển tiếp vào năm 1986 [62]. Năm 2002, tác
giả đã thay đổi một vài thông số để làm tăng độ chính xác và giảm được thời gian
tính toán, thích hợp với việc nhúng chương trình xuống vi xử lý thay vì chạy trên
máy tính. Lưu đồ hoạt động của thuật toán được trình bày trong hình 2.5.
[ ]nx [ ]ny [ ]nz
Hình 2.5: Sơ đồ hoạt động của thuật toán phát hiện đỉnh R
Tiếp theo, trình bày về các bước thực hiện thuật toán tách phức bộ QRS của
Hamilton và Tompkins, đã được áp dụng trong luận án.
Bước 1: Lọc số
Hình 2.6: Phân bố phổ năng lượng của tín hiệu ECG [98]
Theo [98] thì phức bộ QRS chủ yếu tập trung lân cận tần số 10Hz (như trên
hình 2.6). Trong thuật toán phát hiện QRS của Hamilton và Tompkins đã sử dụng

39. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 26 -
bộ lọc lấy dải trong khoảng tần số từ 5Hz đến 11Hz. Kết quả sau bộ lọc thông thấp
11Hz và thông cao 5Hz theo hình 2.7 đã không còn thành phần tần số thấp đặc
trưng của sóng P, T hay trôi dạt đường cơ bản, hay thành phần tín hiệu gây ra bởi
nhiễu điện lưới 50Hz và nhiễu có tần số cao. Hệ số của hai bộ lọc này đều là số
nguyên bởi vì: điều này cho phép thực hiện cả ở trên các bộ vi xử lý để đáp ứng tốc
độ xử lý nhanh theo thời gian thực. Hàm truyền của hai bộ lọc thông thấp và thông
cao, được thực hiện trên phần mềm Matlab, kết quả như sau:
 Hàm truyền của bộ lọc thông thấp, với tần số cắt là 11Hz:
           2 1 2 2 5 10y n y n y n x n x n x n        
(2.6)
 Hàm truyền của bộ lọc thông cao, với tần số cắt là 5Hz:
       1 32y n y n x n x n    
(2.7)
(a) (b)
Hình 2.7: Phân bố phổ năng lượng của tín hiệu ECG gốc (a), kết quả sau khi lọc (b)
Bước 2: Xác định cửa sổ thời gian có chứa đỉnh R
Theo thuật toán xác định R như hình 2.5 thì sau khi bước loại bỏ nhiễu bên
ngoài khoảng 5÷11Hz. Kết quả sau bộ lọc nhiễu sẽ được xử lý tiếp qua các bước
như sau:
 Lấy đạo hàm (d[ ]/dt): Tín hiệu điện tim ECG qua khâu xử lý này sẽ làm
nổi thêm phức bộ QRS, ngoài ra đạo hàm còn loại bỏ tiếp các sóng nhỏ và
thành phần biến thiên chậm như sóng T, P trong sóng ECG. Hình dạng của
sóng ECG sau bước này gần như chỉ còn các phức bộ QRS, nhiễu đã bị loại
bỏ, thể hiện trong hình 2.9-c.
         2 + x 1 3 2 4y n x n n x n x n     
(2.8)

40. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 27 -
 Lấy trị tuyệt đối: Để không triệt tiêu thông tin khi sử dụng phép toán lấy
trung bình ở bước kế tiếp thì phải làm dương giá trị. Năm 1986, Hamilton và
Tompkins [62] làm dương giá trị bằng phép toán bình phương, cách bình
phương này có thêm tác dụng làm nổi bật những giá trị có biên độ cao như
đỉnh R. Đến năm 2002 [63] tác giá đã thay bằng phép lấy trị tuyệt đối, nó có
ưu điểm làm giảm bớt thời gian tính toán mà vẫn đạt được mục đích. Kết quả
thể hiện trong hình 2.9-d.
   y n x n
(2.9)
 Lấy trung bình tín hiệu theo thời gian: Mục đích bước này là nhập các
đỉnh gần nhau lại thành một dạng liền nhau giống như trong hình 2.9e, sử
dụng kết quả của bước này để tìm cửa sổ thời gian có chứa đỉnh R. Kết quả
sau bước lấy trung bình tín hiệu theo thời gian thể hiện trong hình 2.9-e.
        1
15 + x 14 + +x
16
y n x n n n   
(2.10)
 Xác định cửa sổ thời gian có chứa đỉnh R: Dựa vào kết quả đầu ra của
bước lấy trung bình tín hiệu theo thời gian  nz (theo hình 2.5) để xác định
sơ bộ thời điểm và khoảng thời gian có chứa đỉnh R. Từ đó, tham chiếu trở
lại tín hiệu ECG sau lọc  ny (theo hình 2.5) trong khoảng thời gian đó áp
dụng thuật toán tìm Max để xác định đỉnh R. Trong hình 2.8 thể hiện mối
quan hệ lý tưởng giữa phức bộ QRS với tín hiệu lấy trung bình theo thời gian
 nz . Đỉnh R sẽ xuất hiện ở khoảng giữa sườn lên của xung trong tín hiệu
 nz . Từ thực nghiệm Hamilton và Tompkins lấy độ rộng của cửa sổ từ 150
đến 250 ms.
Hình 2.8: Mối quan hệ giữa QRS (a) và tín hiệu lấy trung bình tín hiệu theo thời gian (b)

41. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 28 -
Trích kết quả của thuật toán phát hiện phức bộ QRS, thử nghiệm với bản ghi
100 trong bộ cơ sở dữ liệu MIT-BIH, kết quả thể hiện trên hình 2.9-f.
Hình 2.9: Ví dụ các bước phát hiện đỉnh R: (a) tín hiệu ECG gốc, (b) kết quả sau lọc, (c)
kết quả sau lấy đạo hàm, (d) kết quả sau lấy trị tuyệt đối, (e) kết quả sau khi lấy trung
bình, (f) kết quả phát hiện đỉnh R.
2.2.2. Phân tích phức bộ QRS theo các hàm Hermite cơ sở
Phân tích tín hiệu điện tim theo hàm Hermite là một phương pháp khá phổ biến,
đã được nhiều tác giả sử, kết quả đưa ra đều tốt và phương pháp này cũng là lựa
chọn của luận án. Trong mục này, nghiên cứu sinh sẽ trình bày quy trình tạo véc-tơ
đặc tính của tín hiệu điện tim.
a) Hàm Hermite
Đa thức Hermite cho ở dạng đệ quy theo công thức sau:
1 1( ) 2 ( ) 2 ( )n n nH x x H x n H x     (2.11)
cho 1,n  với 0 1( ) 1; ( ) 2 .H x H x x 
Hàm Hermite được định nghĩa theo công thức sau:

42. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 29 -
 
2
1
22( ) 2 ! ( )
x
n
n nx n e H x 

  
(2.12)
Một số hình dạng của các hàm Hermite thể hiện trên hình 2.10.
Hình 2.10: Đồ thị của hàm Hermite bậc n: a) n=0, b) n=1, c) n=3, d) n=10.
Theo hình 2.10 ta thấy bậc của hàm Hermite càng cao thì tốc độ biến thiên của
hàm càng lớn, hay nói cách khác hàm sẽ chứa nhiều các thành phần bậc càng cao.
Đồng thời dáng điệu của các hàm cũng khá tương đồng với hình dạng các thành
phần cơ bản trong tín hiệu ECG. Đây chính là cơ sở của việc sử dụng hàm Hermite
để phân tích tín hiệu điện tâm đồ.
Để biểu diễn một tín hiệu s(n) theo N hàm Hermite cơ sở đầu tiên, cần tìm các
hệ số ci sao cho:
1
0
( ) ( )
N
i i
i
s t c t


 
(2.13)
Khi ta có tín hiệu đã được số hóa, thay cho hàm thời gian ( )s t , ta có một chuỗi
p giá trị của tín hiệu tại các thời điểm (lấy mẫu) 0 1 1, , , pt t t  , khi đó các hệ số ic
được chọn để thỏa mãn tốt nhất hệ phương trình sau:

43. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 30 -
0 0 0 1 1 0 1 1 0 0
0 0 1 1 1 1 1 1 1 1
0 0 1 1 1 1 1 1
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
... ... ...
( ) ( ) ( ) ( )
N N
N N
p p N N p p
c t c t c t s t
c t c t c t s t
c t c t c t s t
  
  
  
 
 
   
  
   


    (2.14)
với N=16, p=91. Hoặc chuyển sang dạng ma trận:
0 0 1 0 1 0 00
0 1 1 1 1 1 11
0 1 1 1 11
( ) ( ) ... ( ) ( )
( ) ( ) ... ( ) ( )
... ... ... ...
( ) ( ) ... ( ) ( )
N
N
p p N p pN
t t t s tc
t t t s tc
t t t s tc
  
  
  


  
    
    
     
    
    
       

(2.15)
Ta ký hiệu:
0 0 1 0 1 0 0 0
0 1 1 1 1 1 1 1
0 1 1 1 1 1 1 1
( ) ( ) ... ( ) ( )
( ) ( ) ... ( ) ( )
; ;
... ... ... ...
( ) ( ) ... ( ) ( )
N
N
p p N p p N
t t t s t c
t t t s t c
t t t s t c
  
  
  


     
     
     
       
     
     
        
A b x
 
Khi đó, hệ phương trình (2.16a) sẽ có dạng ma trận:
min
x
hay
 
 
A x b
A x b
(2.16)
Các hệ số ci thỏa mãn tốt nhất hệ phương trình trên tương đương với việc đạt
cực tiểu của hàm sai số min
x
 A x b . Thông thường, số liệu điểm lấy mẫu p=91
lớn hơn so với số đa thức N=16 sử dụng để xấp xỉ (𝑝 ≫ 𝑁) nên đây là hệ phương
trình có nhiều phương trình hơn số ẩn. Nghiệm tối ưu của hệ phương trình có thể
được xác định bằng việc sử dụng phương pháp phân tích theo các giá trị kỳ dị SVD
(Singular Value Decomposition).
b) Sử dụng phương pháp SVD để xác định đặc tính tín hiệu điện tim
Để tìm nghiệm tối ưu của hệ phương trình bậc nhất có số phương trình nhiều
hơn số ẩn  A x b, như đã trình bày ở trên. Theo phương pháp SVD, trước tiên
phân tích ma trận A thành tích của 3 ma trận đặc biệt:
T
p N p p p N N N     A S V D
(2.17)

44. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 31 -
với S và D là các ma trận trực giao, V là ma trận đường chéo. Khi đó, ma trận giả
nghịch đảo N p

A của ma trận A có thể được xác định theo công thức:
T
N p N N N p p p
 
     A D V S
(2.18)
với V+
là ma trận giả nghịch đảo của ma trận V, được xác định bằng cách thay các
phần tử trên đường chéo của ma trận V bằng giá trị nghịch đảo, sau đó chuyển vị
ma trận kết quả. Khi đã xác định được ma trận giả nghịch đảo A+
thì nghiệm x tối
ưu của hệ phương trình  A x b có thể được dễ dàng tính toán theo công thức:

 x A b (2.19)
Như đã trình bày ở phần trên, kết quả nghiệm x chính là các hệ số khai triển ci
của tín hiệu điện tim ECG sẽ sử dụng làm các giá trị của véc-tơ đặc tính. Tín hiệu
điện tim  t s bcó thể khôi phục lại theo công thức sau:
1
0
( )
N
i i
i
c t


    b b A x
(2.20)
Trên hình 2.11 là một số ví dụ phân tích phức bộ QRS theo các hàm Hermite.
Trong đó, mầu xanh thể hiện là tín hiệu gốc  ts , mầu đỏ thể hiện tín hiệu xấp xỉ b.
Do tín hiệu  ts là tổ hợp của các hàm Hermite, số bậc Hermite càng cao thì sẽ
biểu diễn được các thành phần biến thiên nhanh, ví dụ như hình 2.11-a khi sử dụng
ít hàm Hermite (N=5) thì chỉ biểu diễn được các thành phần biến thiên chậm và sai
lệch khá lớn, còn khi sử dụng được nhiều hàm Hermite hơn ví dụ như các trường
hợp N=10 (hình 2.11-b), N=12 (hình 2.11-c), N=16 (hình 2.11-d) thì biểu diễn tốt
hơn rất nhiều, đặc biệt với N=16 sự trùng khít tương đối cao.

45. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 32 -
Hình 2.11: Xấp xỉ tín hiệu ECG bằng N hàm Hermite cơ sở đầu tiên: a) N=5; b) N=10; c)
N=12; d) N=16.
Tuy nhiên việc lựa chọn số lượng hàm Hermite cũng cần phải khảo sát cụ thể,
vì nếu sử dụng quá ít sẽ khiến cho mô hình nhận dạng bị thiếu hụt thông tin nên kết
quả không chính xác, nếu sử dụng quá nhiều sẽ khiến cho mô hình trở nên cồng
kềnh, khối lượng tính toán lớn. Khảo sát sai số giữa tín hiệu gốc  ts và tín hiệu xấp
xỉ theo N hàm Hermite đầu tiên:
1
0
( ) ( ) ( )
N
i i
i
E t c t E t


    s s b
(2.21)
4 8 12 14 16
0
10
20
Số lượng hàm Hermite N
SaisốE
Hình 2.12: Đồ thị khảo sát sai số xấp xỉ theo số lượng các hàm Hermite cơ sở

46. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 33 -
Các biểu đồ khảo sát sai số E cho thấy khi tăng dần số lượng hàm Hermite để
phân tích tín hiệu điện tim thì sai số E càng giảm, tức là càng trùng khít với tín hiệu
gốc, trên hình 2.12 kết quả sai số ứng với số lượng hàm Hermite là N= 16 tiệm cận
min, nếu tiếp tục tăng số hàm Hermite thì sai số không giảm thêm được nhiều, do
vậy luận án đề xuất sử dụng trường hợp N=16.
Tiếp tục khảo sát khi khai triển sáu loại nhịp tim khác nhau theo 16 hàm
Hermite, thể hiện trên hình 2.13 cho sử dụng hàm Hermite vẫn xấp xỉ khá tốt.
Hình 2.13: Hình ảnh khai triển các loại nhịp tím khác theo 16 hàm Hermite đầu tiên
c) Tạo véc-tơ đặc tính của tín hiệu điện tim ECG
Theo quy trình trích chọn đặc tính tín hiệu điện tim ECG trong hình 2.4 ở mục
2.2, véc-tơ đặc tính   18
0 15, , , ,last meanc c RR RR x   của mỗi nhịp (phức bộ
QRS) gồm 18 thành phần:
 16 hệ số khai triển ic  0 15i   của tín hiệu điện tim ECG theo các hàm
Hermite như trong (2.14),
 2 đặc tính trong miền thời gian của tín hiệu điện tim là lastRR và .meanRR

47. Chương II: Thu thập, tiền xử lý và trích chọn đặc tính tín hiệu điện tim ECG
- 34 -
2.3. Kết luận chương II
Chương II đã trình bày về các khối thu thập và tiền xử lý, khối trích chọn đặc
tính. Đối với khối thu thập, nghiên cứu sinh đã sử dụng công nghệ FPAA để thay
thế cho mạch tương tự của khối thu thập và chuẩn hóa tín hiệu điện tim. Khối tiền
xử lý, nghiên cứu sinh xây dựng các bộ lọc số tuyến tính có tần số cắt cố định, có
bậc thấp phù hợp thực hiện trên vi xử lý, hai khối này thiết kế cho thiết bị đo nên
được trình bày chi tiết hơn trong mục 4.5 (kết quả thử nghiệm trên thiết bị đo) và
trong phần phụ lục. Khối trích chọn đặc tính, luận án sử dụng hàm Hermite để phân
tích tín hiệu ECG, lấy các hệ số phân tích được làm các giá trị đặc trưng, từ các kết
quả thực nghiệm luận án lựa chọn 16 hàm Hermite đầu tiên cho thấy sai số xấp xỉ
gần như đạt cực tiểu, ngoài ra luận án kết hợp thêm hai đặc tính về thời gian là
khoảng cách R-R từ đỉnh R đang xét tới đỉnh R liền trước và giá trị trung bình của
10 đoạn R-R cuối cùng tạo thành véc-tơ đặc tính của mỗi nhịp (phức bộ QRS) có 18
thành phần.
Phần trích chọn đặc tính và thiết kế thiết bị đã được báo cáo trong Hội Thảo
Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (2015), một bài
báo đăng trên tạp chí Khoa học và Công nghệ Đại học Thái Nguyên (2014), và một
bài báo đăng trên tạp chí ISI/SCI COMPEL: The International Journal for
Computation and Mathematics in Electrical and Electronic Engineering (2015).

48. Chương III: Giải pháp kết hợp các mô hình nhận dạng để cải thiện chất lượng
- 35 -
CHƯƠNG III. GIẢI PHÁP KẾT HỢP CÁC MÔ HÌNH
NHẬN DẠNG ĐỂ CẢI THIỆN CHẤT LƯỢNG
Định hướng của luận án là xây dựng giải pháp kết hợp kết quả từ nhiều hệ
thống nhận dạng đơn để nhằm mục đích đưa ra kết quả cuối cùng có độ chính xác
tốt hơn kết quả của các mô hình nhận dạng đơn ban đầu. Luận án đề xuất sử dụng
cây quyết định để thực hiện việc kết hợp này. Để kiểm nghiệm chất lượng của đề
xuất, luận án sử dụng kết quả các mô hình nhận dạng đơn MLP, TSK, SVM và RF
để tạo ra các mô hình kết hợp khác nhau. Như đã trình bày ở trên, các mô hình đơn
này được lựa chọn làm các mô hình nhận dạng cơ sở vì đây là các mô hình đã có
các kết quả đã được công bố trên các tạp chí và hội thảo quốc tế nên đảm bảo được
sự khách quan và tính chính xác, đồng thời cũng là những kết quả đươc thực hiện
trên cùng một bộ số liệu đầu vào nên việc so sánh sẽ thuận tiện và có tính thuyết
phục. Nếu giải pháp kết hợp có thể cải thiện được độ chính xác của các mô hình
đơn thì sẽ là minh chứng tốt cho đề xuất của luận án. Nội dung chính của chương III
gồm:
 Đầu tiên, trình bày về giải pháp nâng cao chất lượng (độ chính xác) nhận
dạng tín hiệu điện tim ECG dựa trên việc sử dụng cây quyết định DT để kết
hợp nhiều mô hình nhận dạng đơn;
 Tiếp theo, nghiên cứu sinh trình bày ngắn gọn về mặt lý thuyết các mô hình
nhận dạng đơn MLP, TSK, SVM và RF, vì những mô hình này khá kinh điển
và đã được nhiều tài liệu khác trình bày rất đầy đủ.
 Cuối cùng, đề xuất phương án thiết kế phần cứng cho thiết bị demo.
3.1. Kết hợp kết quả bằng mô hình cây quyết định
3.1.1. Đề xuất mô hình kết hợp
Hình 3.1 biểu diễn sơ đồ chung của mô hình kết hợp sử dụng nhiều mô hình
nhận dạng đơn, trong đó, M  số mô hình nhận dạng đơn, in x tín hiệu điện tim

49. Chương III: Giải pháp kết hợp các mô hình nhận dạng để cải thiện chất lượng
- 36 -
ECG đầu vào, i P là các khối tiền xử lý và trích chọn đặc tính, i C các khối phân
loại, z kết quả nhận dạng cuối cùng tương ứng với tín hiệu đầu vào inx .
Hình 3.1: Sơ đồ chung của mô hình kết hợp sử dụng nhiều mô hình nhận dạng đơn
Nhìn chung, các mô hình nhận dạng cơ sở làm việc độc lập với tín hiệu điện tim
đầu vào inx có thể từ các chuyển đạo khác nhau, các khối tiền xử lý và trích chọn
đặc tính Pi dùng các phương pháp khác nhau. Như đã trình bày ở phần mở đầu, định
hướng nghiên cứu của luận án là sử dụng chung một phương pháp tiền xử lý và
trích chọn đặc tính  1 2 M  P P P cho các mô hình nhận dạng đơn Ci (như đã
miêu tả trên hình 1.5).
Nếu bài toán nhận dạng K loại nhịp tim khác nhau, thì mỗi mô hình nhận dạng
đơn iC (với i=1, 2,…, M) sẽ có M kết quả iy (với i=1, 2,…, M) biểu diễn dưới dạng
véc-tơ (công thức 3.1), một véc-tơ yi lý tưởng khi có một giá trị bằng ‘1’ và tất cả
các giá trị còn lại đều bằng ‘0’, nhưng thông thường các giá trị của chúng thường
dao động trong khoảng [0, 1]. Trong luận án, các kết quả đầu ra iy từ các mô hình
nhận dạng cơ sở được hợp lại thành một véc-tơ tổng Y (có kích thước M K ) như
(3.2) và được tiếp tục xử lý tại khối kết hợp kết quả để đưa ra kết luận cuối cùng là
véc-tơ z (có kích thước K) tương ứng với mã của K loại nhịp tim khác nhau.
 Kết quả của mô hình nhận dạng đơn Ci (với i=1, 2,…, M):
 1 2 ...i i i iKy y yy
(3.1)
 Véc-tơ tổng hợp:

50. Chương III: Giải pháp kết hợp các mô hình nhận dạng để cải thiện chất lượng
- 37 -
 
 
1 2
11 12 1 21 22 2 1 2
M
K K M M MKy y y y y y y y y


y y yY 
   
(3.2)
 1 11 12 1... Ky y yy  1 2...M M M MKy y yy 2 21 22 2... Ky y yy
   1 2 11 12 1 21 22 2 1 2M K K M M MKy y y y y y y y y y y yY     
M K
Y 
  18
0 15, , , ,last meanc c RR RR x  
Hình 3.2: Sơ đồ khối chung của hệ thống kết hợp song song nhiều mô hình đơn
Một số giải pháp kết hợp kết quả thông dụng đã được nhiều nghiên cứu khác đề
xuất: Biểu quyết theo đa số [22, 31], biểu quyết có trọng số [78, 103], tổng hợp theo
xác suất điều kiện Bayes [78]… Nhìn chung các giải pháp này khá đơn giản, ổn
định, hiệu quả cao đối với các bài toán sử dụng nhiều mô hình nhận dạng đơn và
cùng một thuật toán, do đó khối lượng tính toán lớn nên ở khâu kết hợp các tác giả
thường lựu chọn các giải pháp kết hợp đơn giản, hay dùng nhất là giải pháp biểu
quyết theo đa số.
Luận án đề xuất sử dụng cây quyết định DT (Decision Tree). Như đã trình bày
ở trên, lựa chọn cây quyết định DT là để cân bằng với sự phức tạp của mô hình kết
hơp, bởi vì các mô hình nhận dạng phi tuyến cơ sở đã phức tạp do đó khối kết hợp