Header Page of 89 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC THẢO NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ĐIỆN TIM DỰA TRÊN GIẢI PHÁP LOẠI BỎ ẢNH HƯỞNG TỪ NHỊP THỞ CỦA NGƯỜI BỆNH LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Hà Nội - 2016 Footer Page of 89 Header Page of 89 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI NGUYỄN ĐỨC THẢO NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TÍN HIỆU ĐIỆN TIM DỰA TRÊN GIẢI PHÁP LOẠI BỎ ẢNH HƯỞNG TỪ NHỊP THỞ CỦA NGƯỜI BỆNH Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số : 62520216 LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TSKH TRẦN HOÀI LINH Hà Nội - 2016 Footer Page of 89 Header Page of 89 LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng dựa hướng dẫn PGS.TSKH Trần Hoài Linh tài liệu tham khảo trích dẫn Kết nghiên cứu trung thực chưa khác công bố công trình khác Hà nội, ngày……tháng……năm 2016 Người hướng dẫn khoa học Nghiên cứu sinh PGS.TSKH TRẦN HOÀI LINH NGUYỄN ĐỨC THẢO Footer Page of 89 ­i­ Header Page of 89 LỜI CẢM ƠN Luận án hoàn thành Bộ môn Kỹ thuật đo Tin học công nghiệp ­ Viện Điện ­ Trường Đại học Bách Khoa Hà Nội hướng dẫn PGS.TSKH.Trần Hoài Linh Tác giả xin bày tỏ lòng cảm ơn sâu sắc tới PGS.TSKH.Trần Hoài Linh tận tình hướng dẫn học thuật, kiến thức kinh nghiệm trình thực luận án Tác giả xin chân thành cảm ơn GS.TS.Phạm Thị Ngọc Yến, PGS.TS.Nguyễn Quốc Cường Hội đồng Khoa học Bộ môn Kỹ thuật đo Tin học công nghiệp ­ Viện Điện ­ Trường Đại học Bách Khoa Hà Nội có ý kiến đóng góp quý báu tạo điều kiện thuận lợi cho tác giả trình hoàn thành luận án Tác giả xin chân thành cảm ơn thầy cô Bộ môn Kỹ thuật đo Tin học công nghiệp ­ Viện Điện ­ Trường Đại học Bách Khoa Hà Nội, đồng nghiệp khoa Điện tử ­ Tin học ­ Trường Đại học Sao Đỏ gia đình động viên tạo điều kiện thuận lợi cho tác giả trình hoàn thành luận án Tác giả xin chân thành cảm ơn Ban Giám hiệu Trường Đại học Sao Đỏ, Ban Giám hiệu Viện Đào tạo Sau đại học Trường Đại học Bách khoa Hà Nội tạo điều kiện tốt mặt để tác giả hoàn thành luận án Tác giả luận án Nguyễn Đức Thảo Footer Page of 89 ­ ii ­ lục Header Page 5Mục of 89 MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC TỪ VIẾT TẮT vi DANH MỤC CÁC BẢNG BIỂU viii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ ix MỞ ĐẦU 1 Tính cấp thiết đề tài .1 Mục đích nghiên cứu Đối tượng phạm vi nghiên cứu .2 Phương pháp nghiên cứu Tiêu chí chọn liệu phương pháp đánh giá kết Ý nghĩa khoa học thực tiễn đề tài 6.1 Ý nghĩa khoa học 6.2 Ý nghĩa thực tiễn Những đóng góp luận án Bố cục luận án .5 CHƯƠNG I: TỔNG QUAN VỀ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG 1.1 Hệ tim mạch 1.1.1 Trái tim .6 1.1.2 Hệ thống dẫn truyền tim 1.1.3 Tín hiệu ECG 1.1.4 Các chuyển đạo ECG .9 1.2 Hệ hô hấp 10 1.2.1 Cấu trúc phổi 11 1.2.2 Các động tác hệ hô hấp 11 1.3 Một số ảnh hưởng nhịp thở tín hiệu ECG 12 1.3.1 Rối loạn nhịp tim 12 Footer Page of 89 ­ iii ­ lục Header Page 6Mục of 89 1.3.2 Điều chế biên độ tín hiệu ECG 13 1.3.3 Trôi dạt đường sở 13 1.4 Một số phương pháp loại bỏ ảnh hưởng nhịp thở tín hiệu ECG 14 1.5 Định hướng luận án 15 1.5.1 Kịch (Kịch sở để so sánh) 18 1.5.2 Kịch .18 1.5.3 Kịch .18 1.5.4 Kịch .19 1.6 Các sở liệu sử dụng luận án 19 1.7 Kết luận chương 23 CHƯƠNG II: TỔNG QUAN PHƯƠNG PHÁP LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ VÀ NHẬN DẠNG TÍN HIỆU ECG 24 2.1 Tổng quan số phương pháp sử dụng lọc thông cao 24 2.2 Wavelet ứng dụng wavelet phân tích tín hiệu 28 2.2.1 Phép biến đổi wavelet 28 2.2.2 Thuật toán wavelet rời rạc 30 2.3 Hàm Hermite ứng dụng phân tích tín hiệu 31 2.4 Mạng nơ­ron logic mờ TSK 32 2.4.1 Quy tắc suy luận TSK 32 2.4.2 Mô hình mạng Nơ­ron logic mờ TSK 34 2.4.3 Thuật toán học mạng nơron mờ TSK .36 2.5 Kết luận chương 38 CHƯƠNG III: CÁC GIẢI PHÁP ĐỀ XUẤT LOẠI BỎ ẢNH HƯỞNG CỦA NHỊP THỞ TRONG TÍN HIỆU ECG .39 3.1 Ứng dụng wavelets loại bỏ ảnh hưởng nhịp thở tín hiệu ECG 39 3.2 Sử dụng đặc tính từ nhịp thở tức thời nhằm cao chất lượng nhận dạng tín hiệu ECG 44 3.3 Thu thập tín hiệu nhịp thở .45 3.4 Kết luận chương 50 CHƯƠNG IV: TRÍCH CHỌN ĐẶC TRƯNG VÀ NHẬN DẠNG TÍN HIỆU ECG BẰNG MẠNG TSK 51 4.1 Cơ sở liệu 51 Footer Page of 89 ­ iv ­ lục Header Page 7Mục of 89 4.2 Ứng dụng SVD để phân tích tín hiệu ECG theo hàm Hermite 52 4.3 Ứng dụng mô hình nhận dạng TSK toán nhận dạng tín hiệu ECG 54 4.3.1 Xây dựng số liệu 54 4.3.1.1 Cơ sở liệu MIT­BIH 54 4.3.1.2 Cơ sở liệu MGH/MF .57 4.3.2 Xây dựng mô hình nhận dạng 59 4.3.3 Kết nhận dạng tín hiệu ECG 61 4.3.3.1 Các thử nghiệm dạng MIT/16­16 cho kịch kịch 2: 61 4.3.3.2 Các thử nghiệm dạng MGH/20­20 cho kịch nhận dạng: .63 4.3.3.3 Các thử nghiệm dạng MGH/15­5 cho kịch kịch 2: 68 4.3.3.4 Các thử nghiệm dạng MGH/19­1 cho kịch kịch 2: 69 4.4 Kết luận chương 71 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 72 DANH MỤC CÁC TÀI LIỆU THAM KHẢO 74 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 84 Phụ lục A: Kết tính toán thông số SNR, CORR, PRD TH1 sử dụng lọc thông cao loại bỏ ảnh hưởng nhịp thở 85 Phụ lục B: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình sử dụng lọc wavelet loại bỏ ảnh hưởng nhịp thở 87 Footer Page of 89 ­v­ Header Page 8Danh of 89.mục từ viết tắt DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt A Premature Atrial Contractions Ngoại tâm thu nhĩ AV Atrioventricular Nút nhĩ thất BW Baseline Wander Trôi dạt đường sở CORR Cross­corelation Coeffcient Hệ số tương quan chéo CWT Continuous Wavelet Transform Biến đổi wavelet liên tục DWT Discrete Wavelet Transform Biến đổi wavelet rời rạc E Ventricular Escape Beat Tâm thất lỗi nhịp ECG Electrocardiogram Điện tim đồ EMD Empirical Mode Decomposition Phân tích thực nghiệm FastICA FastICA algorithm Thuật toán ICA nhanh 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 HD High Pass Filter for Decomposition Phân tích lọc thông cao HR High Pass Filter for Reconstruction Tổng hợp lọc thông cao PRD Percent Root Mean Square Difference Phần trăm trung bình bình phương sai lệch I Ventricular Flutter Wave Rung thất ICA Independent Component Analysis Phân tích thành phần độc lập IIR Infinite Impulse Response Filter Bộ lọc có đáp ứng xung vô hạn IMFs Intrinsic Mode Functions Kiểu hàm nội suy Footer Page of 89 ­ vi ­ Header Page 9Danh of 89.mục từ viết tắt Từ viết tắt Tiếng Anh Tiếng Việt IWT Inverse Wavelet Transform Biến đổi Wavelet ngược kPCA Kernel Principal Component Analysis Thành phần cốt lõi L Left Bundle Branch Block Beat Block nhánh trái LD Low Pass Filter for Decomposition Phân tích lọc thông thấp LMS Least Mean Squares Trung bình bình phương nhỏ LR Low Pass Filter for Reconstruction Tổng hợp lọc thông thấp MEM Mean­Median Filter Bộ lọc trung bình trung tâm MIT-BIH MIT­BIH Arrhythmia Database Cơ sở liệu MIT­BIH MGH/MF MGH/MF Waveform Database Cơ sở liệu MGH/MF MLP Multi­Layer Perceptron Network Mạng nơron truyền thẳng nhiều lớp PAP Pulmonary Arterial Pressure Áp suất động mạch phổi PCA Principal Component Analysis Phân tích theo thành phần QRS QRS Complex Phức QRS R Right Bundle Branch Block Beat Block nhánh phải RES Respiratory Impedance Trở kháng đường hô hấp RSA Respiratory Sinus Arrhythmia Rối loạn nhịp xoang S Supraventricular Premature Beat Loạn nhịp thất SA Sinoatrial Nút xoang nhĩ SNR Signal to Noise Ratio Tỉ số tín hiệu tạp âm SVD Singular Value Decomposition Phân tích theo giá trị kỳ dị TSK Takaga – Sugeno – Kang neuro fuzzy Mạng nơ­ron logic mờ TSK network (Takaga – Sugeno – Kang) V Premature Ventricular Contraction Footer Page of 89 ­ vii ­ Ngoại tâm thu thất Header Page 10 of 89 Danh mục bảng biểu DANH MỤC CÁC BẢNG BIỂU Bảng 1.1 Các trường hợp thử nghiệm phục vụ kịch nhận dạng 22 Bảng 3.1: Tính toán tần số trung tâm để xác định mức phân tích phù hợp loại bỏ ảnh hưởng nhịp thở tín hiệu ECG tần số lấy mẫu 360Hz 40 Bảng 3.2: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình loại bỏ ảnh hưởng nhịp thở sử dụng thành phần A8 A9 sử dụng họ wavelet bậc lọc Butterworth_2 – Thử nghiệm 41 Bảng 3.3: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình loại bỏ ảnh hưởng nhịp thở sử dụng thành phần A8 A9 sử dụng họ wavelet bậc lọc Butterworth_2 – Thử nghiệm 41 Bảng 3.4 Kết đếm số nhịp thở 10 lần thử nghiệm 50 Bảng 4.1 Bảng phân chia số lượng mẫu học mẫu kiểm tra loại nhịp 55 Bảng 4.2 Bảng phân chia số lượng mẫu loại nhịp 58 Bảng 4.3 Bảng phân chia số lượng mẫu cho thử nghiệm dạng MGH/20­20 .59 Bảng 4.4 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 1.1 62 Bảng 4.5 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 2.1 62 Bảng 4.6 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 1.2 64 Bảng 4.7 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 2.2 65 Bảng 4.8 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 3.2 65 Bảng 4.9 Ma trận phân bố kết nhận dạng loại mẫu nhịp thử nghiệm 4.2 66 Bảng 4.10 Kết nhận dạng loại mẫu nhịp hai thử nghiệm dạng MGH/15­5 68 Bảng 4.11 Kết nhận dạng loại mẫu nhịp hai thử nghiệm dạng MGH/19­1 70 Bảng A.1: Kết tính toán thông số sử dụng lọc Butterworth_2 85 Bảng A.2: Kết tính toán thông số sử dụng lọc Kaiser_56 85 Bảng A.3: Kết tính toán thông số sử dụng lọc Kaiser_255 .86 Bảng A.4: Kết tính toán thông số sử dụng lọc Rectang _100 86 Bảng B.1.1: Kết tính toán thông số sử dụng họ Biorthogonal – Thử nghiệm 187 Bảng B.1.2: Kết tính toán thông số sử dụng họ Biorthogonal – Thử nghiệm 288 Bảng B.2.1: Kết tính toán thông số sử dụng họ Coiflets – Thử nghiệm .89 Bảng B.2.2: Kết tính toán thông số sử dụng họ Coiflets – Thử nghiệm .89 Bảng B.3.1: Kết tính toán thông số sử dụng họ Daubechies – Thử nghiệm 90 Bảng B.3.2: Kết tính toán thông số sử dụng họ Daubechies – Thử nghiệm 91 Bảng B.4.1: Kết tính toán thông số sử dụng họ Symlets – Thử nghiệm .92 Bảng B.4.2: Kết tính toán thông số sử dụng họ Symlets – Thử nghiệm .93 Footer Page 10 of 89 ­ viii ­ mục Tài liệu tham khảo Header Page 91Danh of 89 Extraction of RespiratorySignal from Single­Channel ECG: A Comparison” Sensor Journal, IEEE, Vol 13, N0 7, pp 2666­2674 57 Linh T H., Pham Van Nam, Vuong Hoang Nam (2014), “Multiple neural network integration using a binary decision tree to improve the ECG signal recognition accuracy”, International Journal of Applied Mathematics and Computer Science Volume 24, Issue 3, pp 647–655 58 Luong Duong Trong, Nguyen Duc Thuan, Trinh Quang Duc (2014), “Removal of baseline noise from Electrocardiography (ECG) signal based on time domain approach“, International Journal of Biomedical Science and Engineering, Published online, pp 11­16 59 Malik M., A J Camm, (1995), “Heart Rate Variability”, Futura Publishing Company 60 Malmivuo J., Plonsey, R (1995), “Bioelectromagnetism ­ principles and applications of bioelectric and biomagnetic fields” New York Oxford University Press 61 Martinez Vega G., Alvarado­Serrano C., Leija­Salas L (2011), “ECG baseline drift removal using discrete wavelet transform”, 8th International Conference on Electrical Engineering Computing Science and Automatic Control (CCE), pp 1­5 62 Mateo J., Sanchez C., Vaya C., Cervigon R (2007), “A new adaptive approach to remove baseline wander from ECG recordings using Madeline structure”, Computers in Cardiology, pp 533­536 63 Min Dai, Shi­Liu Lian (2009), “Removal of Baseline Wander from Dynamic Electrocardiogram Signals”, CISP '09 2nd International Congress on Image and Signal Processing, pp 1­4 64 Mneimneh M.A., Yaz E.E (2006), Johnson M.T., Povinelli, R.J ”An adaptive Kalman filter for removing baseline wandering in ECG signals”, Computers in Cardiology, pp 253­256 65 Na Pan, Vai Mang I, Mai Peng Un, Pun Sio Hang (2007), “Accurate Removal of Baseline Wander in ECG Using Empirical Mode Decomposition”, Noninvasive Functional Source Imaging of the Brain and Heart and the International Conference on Functional Biomedical Imaging (NFSI­ICFBI 2007), pp 177­180 66 Naga V Prudhvi Raj, Venkateswarlu, T (2011),“ECG signal denoising using Undecimated Wavelet Transform”, 3rd International Conference on Electronics Computer Technology (ICECT), pp 94­98 67 Nayak S., Soni, D Bansal (2012), “Filtering techniques for ECG signal processing”, International Journal of Research in Engineering & Applied Sciences Footer Page 91 of 89 ­ 79 ­ mục Tài liệu tham khảo Header Page 92Danh of 89 68 Osowski S., T Markiewicz , L Tran Hoai (2006), “Ensemble of neural networks for improved recognition and classification of arrhythmia”, XVIII IMEKO WORLD CONGRESS Metrology for a Sustainable Development, Brazil 69 Pablo Laguna, Raimon Jane, Pere Caminal (1992), “Adaptive Filtering of ECG Baseline Wander”, 14th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, pp.143­146 70 Pallas­Areny R., Colominas­Balague J., Rosell F.J (1989), “The Effect of Respiration­Induced Heart Movements on the ECG”, IEEE Transactions on Biomedical Engineering, vol 36, no 6, pp 585­590 71 Patil P.B., Chavan, M.S (2012), “A wavelet based method for denoising of biomedical signal", International Conference on Pattern Recognition, Informatics and Medical Engineering, pp 769­772 72 Phan D H., S Bonnet, R Guillemaud, E Castelli, N Y Pham Thi (2008), “Estimation of respiratory waveform and heart rate using an accelerometer”, Annual International Conference of the IEEE Engineering in Medicine and Biology Society ­ EMBC, pp 4916­4919 73 Phong Phan Anh , Kieu Quang Thien (2009), “Classification of Cardiac Arrhythmias Using Interval Type­2 TSK Fuzzy System”, 2009 International Conference on Knowledge and Systems Engineering, pp 1­6 74 Ouelli A., Elhadadi B., Bouikhalene B (2014), “Multivariate autoregressive modeling for cardiac arrhythmia classification using multilayer perceptron neural networks”, International Conference on Multimedia Computing and Systems (ICMCS), pp 402­606 75 Thérèse J.M Overbeek, Anton van Boxtel, Joyce H.D.M Westerink (2014), “Respiratory sinus arrhythmia responses to cognitive tasks: Effects of task factors and RSA indices”, Biological Psychology, vol 99, pp 1–14, Elsevier 76 Panda R., Pati U.C (2012), “Removal of artifacts from electrocardiogram using digital filter”, IEEE Students' Conference on Electrical, Electronics and Computer Science (SCEECS), pp 1­4 77 Patil H.T., Holambe R.S (2013), “New approach of threshold estimation for denoising ECG signal using wavelet transform”, Annual IEEE India Conference (INDICON), pp 1­4 78 Rashid A., Zahooruddin, Qureshi I.M., Saleem A (2011),“Electrocardiogram signal processing for baseline noise removal using blind source separation techniques: A comparative analysis”, International Conference on Machine Learning and Cybernetics (ICMLC), pp 1756­1761 Footer Page 92 of 89 ­ 80 ­ mục Tài liệu tham khảo Header Page 93Danh of 89 79 Ravindra Pratap Narwaria, Seema Verma, P K Singhal (2011), “Removal of Baseline Wander and Power Line Interference from ECG Signal ­ A Survey Approach”, International Journal of Electronics Engineering, (1), pp 107– 111 80 Reinvuo T., Hannula M., Sorvoja H., Alasaarela E (2006), “Measurement of respiratory rate with high­resolution accelerometer and emfit pressure sensor”, Proceedings of the 2006 IEEE Sensors Applications Symposium, pp 192­195 81 Rouhani M., Soleymani R., (2009) “Neural Networks based Diagnosis of heart arrhythmias using chaotic and nonlinear features of HRV signals”, International Association of Computer Science and Information Technology ­ Spring Conference, pp 545 – 549 82 Sargolzaei A., Faez K., Sargolzaei S (2009), “A new robust wavelet based algorithm for baseline wandering cancellation in ECG signals”, IEEE International Conference on Signal and Image Processing Applications (ICSIPA), pp 33­38 83 Sawant C., Patii H.T (2014), “Wavelet based ECG signal de­noising”, First International Conference on Networks & Soft Computing (ICNSC), pp 20­24 84 Seema Rani, Amanpreet Kaur, J S Ubhi (2011), “Comparative study of FIR and IIR filters for the removal of baseline noises from ECG signal”, International Journal of Computation Science and Information Technology (IJCSIT), pp 30­36 85 Seth Suppappola, Ying Sun (1994), “Nonlinear Transforms of ECG Signals for Digital QRS Detection: A Quantitative Analysis”, IEEE Transactions on Biomedical Engineering, vol 41, Issue: 4, pp 397 – 400 86 Sheng WANG Jie, ZHANG Yong, ZHANG Ping, SUN Shi­Feng (2010), “Research on Denoising Algorithm for ECG Signals”, 29th Chinese Control Conference (CCC), pp 2936­2940 87 Shier, David (2002), “Hole's Human Anatomy & Physiology”, McGraw­ Hill 88 Shivajirao M Jadhav1, Sanjay L Nalbalwar2, Ashok A Ghatol., (2010), “Arrhythmia Disease Classification using Artificial Neural Network Model”, IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), pp 1­4 89 Singh, N.; Ayub, S.; Saini, J.P (2013),“Design of Digital IIR Filter for Noise Reduction in ECG Signal”, 5th International Conference on Computational Intelligence and Communication Networks (CICN), pp 171­176 90 Sørensen J.S., Johannesen L., Grove U.S.L., Lundhus K.(2010), “A comparison of IIR and wavelet filtering for noise reduction of the ECG”, Computing in Cardiology, pp 489­492 Footer Page 93 of 89 ­ 81 ­ mục Tài liệu tham khảo Header Page 94Danh of 89 91 Stantic Dejan, Jun Jo (2014), “Selection of Optimal Parameters for ECG Signal Smoothing and Baseline Drift Removal”, Computer and Information Science, pp 112­119 92 Thakor N.V., Yi­Sheng Zhu (1991), “Applications of Adaptive Filtering to ECG Analysis : Noise Cancellation and Arrhythmia Detection”, IEEE Transactions on Biomedical Engineering, pp 785­794 93 Tran Hoai Linh, Stanisław Osowski, Maciej Stodolski (2003) “On­Line Heart Beat Recognition Using Hermite Polynomials and Neuro­Fuzzy Network”, IEEE Transactions on Instrumentation and Measurement, pp 165­170 94 Travaglini A, C Lamberti, J DeBie, M Ferri (1998), “Respiratory Signal Derived from Eight­lead ECG”, Computers in Cardiology, pp 65 ­ 68 95 Van Alsté JA, van Eck W, Herrmann OE (1985), “ECG Baseline Wander Reduction Using Linear Phase Filters”, Computers and Biomedical Research, pp 417­427 96 Varanini M., M Emdin, F Allegri, M Raciti, F Conforti, A Macerata, A Taddei, R Francesconi, G Kraft, A.L Abbate, C Marchesi (1990), “ Adaptive filtering of ECG signal for deriving respiratory activity”, Conference Proceeding of Computers in Cardiology, pp 621­624 97 Von Borries R F., J H Pierluissi, H Nazeran (2005), “Wavelet Transform­Based ECG Baseline Drift Removal for Body Surface Potential Mapping”, 27th Annual International Conference of the Engineering in Medicine and Biology Society, pp 3891 – 3894 98 Wang Chien­Chih, Cheng­Ding Chang (2010), “SVD and SVM based approach for congestive heart failure detection from ECG signal”, 40th International Conference on Computers and Industrial Engineering (CIE), pp 1­5 99 Wang K.Q., Xu L.S., Wang L., Li, Z.G (2003), “Pulse baseline wander removal using wavelet approximation”, Computers in Cardiology 100 Watanabe K., Watanabe T., Watanabe H., Ando H (2005), “Noninvasive measurement of heartbeat, respiration, snoring and body movements of a subject in bed via a pneumatic method”, IEEE Transactions on Biomedical Engineering, pp 2100­2107 101 Wei Zhang, Linlin Ge (2008), “A Method for Reduction of Noise in the ECG”, The 2nd International Conference on Bioinformatics and Biomedical Engineering, pp 2119­2122 102 John B West (2012), “Respiratory Physiological Phenomena”, Library of Congress Cataloging­in­Publication Data Footer Page 94 of 89 ­ 82 ­ mục Tài liệu tham khảo Header Page 95Danh of 89 103 Yu Xiao­Hua, Suranai Poungponsri (2013), “An adaptive filtering approach for electrocardiogram (ECG) signal noise reduction using neural networks”, Elsevier, pp 206­213 104 Chazal P., Heneghan C., Sheridan E., Reilly R (2003), “Automated processing of the single­lead electrocardiogram for the detection of obstructive sleep apnoea”, IEEE Transactions on Biomedical Engineering, pp 686 ­ 696 105 Zhi­Dong Zhao; Yu­quan Chen (2006), “A New Method for Removal of Baseline Wander and Power Line Interference in ECG Signals”, International Conference on Machine Learning and Cybernetics, pp 4243­4247 106 Zhao Zhidong; Liu Juan (2010), “Baseline Wander Removal of ECG Signals Using Empirical Mode Decomposition and Adaptive Filter”, 4th International Conference on Bioinformatics and Biomedical Engineering (iCBBE), pp 1­3 107 http://www.savingstudentsmoney.org/OLI/AnPpost.html 108 http://www.physionet.org/physiobank/database/mghdb/ 109 http://www.physionet.org/physiobank/database/mitdb/ 110 http://www.nxp.com/products/sensors/accelerometers/3­axis­accelerometers/2g­4g­ 8g­low­g­14­bit­digital­accelerometer:MMA8451Q Footer Page 95 of 89 ­ 83 ­ mục công trình công bố luận án Header Page 96Danh of 89 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN Trần Hoài Linh, Nguyễn Bá Biền, Phạm Văn Nam, Nguyễn Đức Thảo (2011), “Sử dụng công nghệ FPAA PSoC thiết kế mạch thu thập xử lý tín hiệu điện tim”, Tuyển tập báo cáo (CD) Hội nghị toàn quốc Điều khiển Tự động hoá (VCCA) Trần Hoài Linh, Nguyễn Đức Thảo, Phạm Văn Nam (2013), “Ứng dụng hàm Hermite định lựa chọn đặc tính tín hiệu điện tim phục vụ cho toán nhận dạng”, Tuyển tập báo cáo (CD) Hội nghị toàn quốc Điều khiển Tự động hoá (VCCA) Nguyễn Đức Thảo, Trần Hoài Linh, Phạm Văn Nam (2014), “Sử dụng cảm biến gia tốc thu thập tín hiệu nhịp thở,” Tuyển tập báo cáo (CD) Hội nghị toàn quốc Cơ điện tử (VCM) Nguyễn Đức Thảo, Dương Hòa An, Trần Hoài Linh (2015), “Thiết kế thiết bị thu thập nhịp thở thuật toán loại trừ ảnh hưởng tới nhịp tim”, Tạp chí Khoa học Công nghệ Đại học Thái Nguyên, Tập 132, số 02, Trang: 87­93 Hoai Linh Tran, Van Nam Pham, Duc Thao Nguyen (2015), "A hardware implementation of intelligent ECG classifier", COMPEL: The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, vol 34, Iss: 3, pp 905 – 919 Nguyễn Đức Thảo, Trần Hoài Linh (2015), “Nâng cao chất lượng nhận dạng tín hiệu điện tim dựa giải pháp loại bỏ ảnh hưởng từ nhịp thở người bệnh”, Tạp chí Khoa học Công nghệ Đại học Thái Nguyên, Tập 140, số 10, Trang: 119­ 125 Footer Page 96 of 89 ­ 84 ­ Header Page 97Phụ of lục 89 luận án Phụ lục A: Kết tính toán thông số SNR, CORR, PRD TH1 sử dụng lọc thông cao loại bỏ ảnh hưởng nhịp thở Bảng A.1: Kết tính toán thông số sử dụng lọc Butterworth_2 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 22.58 96.30 27.13 1.54 15.14 88.32 52.83 3.78 Record_2 21.31 95.73 29.15 1.87 14.93 88.25 63.74 4.92 Record_3 14.38 90.64 42.90 3.03 10.67 85.31 54.69 3.44 Record_4 10.87 86.19 51.83 4.01 17.72 91.57 41.23 4.78 Record_5 19.06 94.48 33.10 1.11 19.2 91.42 45.64 3.75 Record_6 18.31 93.97 34.62 1.08 14.9 90.8 43.56 7.11 Record_7 18.21 93.91 34.77 1.28 15.6 91.45 47.57 7.18 Record_8 18.55 94.13 34.14 1.27 14.39 84.99 51.74 2.74 Record_9 14.34 90.56 43.17 1.46 17.5 90.32 55.88 7.15 Record_10 13.57 89.78 44.76 3.21 11.14 86.2 52.62 2.66 Trung bình 17.12 92.57 37.56 1.99 15.12 88.86 50.95 4.75 Bảng A.2: Kết tính toán thông số sử dụng lọc Kaiser_56 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 9.89 85.91 51.42 9.82 4.12 79.19 61.1 17.19 Record_2 9.16 84.59 53.72 19.91 11.8 78.48 63.86 12.06 Record_3 6.03 81.72 57.63 28.05 4.02 76.13 61.18 15.64 Record_4 3.42 76.17 64.85 36.34 6.39 81.36 58.2 17.90 Record_5 9.13 85.34 52.21 9.02 8.82 83.06 45.48 11.60 Record_6 4.88 78.24 62.44 4.35 5.36 76.46 55.63 10.74 Record_7 5.17 78.47 62.21 4.39 8.94 83.44 56.08 20.67 Record_8 7.49 83.01 55.83 6.40 2.74 75.45 67.47 12.37 Record_9 5.07 79.86 60.20 8.37 10.75 82.43 48.63 9.33 Record_10 6.44 80.83 59.06 29.96 4.13 75.88 60.26 12.79 Trung bình 6.67 81.41 57.96 15.66 6.71 79.19 57.79 14.03 Footer Page 97 of 89 ­ 85 ­ Header Page 98Phụ of lục 89 luận án Bảng A.3: Kết tính toán thông số sử dụng lọc Kaiser_255 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 15.72 91.93 39.93 11.04 2.99 54.17 88.61 18.24 Record_2 15.40 91.69 40.41 17.76 5.62 72.03 95.82 17.09 Record_3 19.75 95.25 30.44 25.49 5.00 66.32 81.42 17.81 Record_4 16.48 93.19 36.28 32.97 2.48 49.99 89.59 18.53 Record_5 17.84 93.80 34.86 8.91 6.73 73.51 87.99 17.04 Record_6 14.10 90.72 42.33 6.49 7.01 74.67 82.61 15.89 Record_7 13.61 90.14 43.62 7.41 1.7 42.19 98.16 19.00 Record_8 16.97 93.23 36.31 8.27 7.82 78.33 68.98 16.35 Record_9 17.97 94.18 33.62 9.68 9.74 82.28 65.19 15.88 Record_10 16.11 92.59 37.91 27.30 6.63 73.29 86.44 16.87 Trung bình 16.40 92.67 37.57 15.53 5.57 66.68 84.48 17.27 Bảng A.4: Kết tính toán thông số sử dụng lọc Rectang _100 Thử nghiệm Thử nghiệm Record Nr SNR CORR PRD TH1 SNR CORR PRD TH1 Record_1 11.13 87.43 48.82 1.77 6.32 80.98 58.77 9.30 Record_2 9.93 85.93 51.41 2.14 12.44 88.2 64.91 6.75 Record_3 7.34 83.77 54.61 3.42 5.84 80.97 58.7 8.63 Record_4 4.56 78.17 62.44 4.45 8.01 82.52 57.03 9.80 Record_5 10.28 86.97 49.42 1.34 13.3 90.33 42.95 6.66 Record_6 6.08 80.49 59.47 1.26 8.11 86.34 50.74 5.95 Record_7 6.33 80.71 59.22 1.53 9.4 83.29 57.43 11.47 Record_8 8.64 84.58 53.46 1.50 1.62 77.79 63.38 6.79 Record_9 6.48 81.73 57.65 1.66 11.81 88.57 46.55 5.41 Record_10 7.35 82.20 57.17 3.61 6.06 81.93 57.35 7.10 Trung bình 7.81 83.20 55.37 2.27 8.29 84.09 55.78 7.79 Footer Page 98 of 89 ­ 86 ­ Header Page 99Phụ of lục 89 luận án Phụ lục B: Kết tính toán thông số SNR, CORR, PRD TH1 trung bình sử dụng lọc wavelet loại bỏ ảnh hưởng nhịp thở Bảng B.1.1: Kết tính toán thông số sử dụng họ wavelet Biorthogonal Thử nghiệm BOIR SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 1.1 10.64 6.29 83.55 71.12 65.35 49.60 1.97 1.97 1.3 10.27 6.21 82.75 70.82 67.64 50.12 1.87 1.94 1.5 9.83 6.10 81.76 70.36 70.32 50.81 1.86 1.94 2.2 16.74 5.63 92.18 68.40 41.76 53.69 2.09 2.06 2.4 17.72 5.92 93.00 69.61 39.23 51.91 1.88 1.96 2.6 17.93 5.95 93.17 69.75 38.70 51.71 1.85 1.95 2.8 17.93 5.94 93.17 69.71 38.69 51.78 1.85 1.95 3.1 5.87 2.17 69.95 46.84 102.13 94.75 7.07 7.31 3.3 19.55 4.97 94.45 65.40 34.60 58.32 2.46 2.30 3.5 22.21 5.67 95.90 68.59 29.32 53.43 1.97 1.99 3.7 23.06 5.86 96.27 69.40 27.86 52.22 1.87 1.97 3.9 23.42 5.92 96.42 69.64 27.25 51.87 1.85 1.95 4.4 19.54 5.87 94.35 69.44 34.83 52.16 1.86 1.95 5.5 20.91 5.86 95.19 69.40 31.91 52.23 1.85 1.95 6.8 22.29 5.88 95.91 69.46 29.26 52.14 1.84 1.95 Footer Page 99 of 89 ­ 87 ­ Phụoflục Header Page 100 89.của luận án Bảng B.1.2: Kết tính toán thông số sử dụng họ wavelet Biorthogonal Thử nghiệm BOIR SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 1.1 9.29 5.11 76.35 62.14 121.63 103.11 4.50 4.59 1.3 9.06 4.97 75.72 61.47 124.85 106.17 3.69 4.51 1.5 8.88 4.85 75.24 60.89 126.85 108.44 3.62 4.52 2.2 16.09 6.73 88.19 68.36 62.24 73.28 4.20 4.43 2.4 17.02 6.91 88.86 68.98 56.77 71.59 3.77 4.38 2.6 17.14 6.95 88.96 69.12 59.42 71.27 3.70 4.36 2.8 17.15 6.95 88.96 69.12 59.40 71.28 3.69 4.36 3.1 4.85 2.83 64.48 51.33 130.46 101.89 9.57 5.53 3.3 15.14 6.82 88.01 68.74 61.60 69.04 4.60 4.40 3.5 17.62 7.25 89.67 70.14 55.69 65.97 3.66 4.28 3.7 18.10 7.38 90.01 70.61 54.45 64.90 3.46 4.24 3.9 18.25 7.44 90.15 70.85 53.96 64.39 3.40 4.23 4.4 17.98 7.13 89.73 69.70 55.93 68.50 3.65 4.32 5.5 18.41 7.24 90.08 70.09 54.50 67.11 3.57 4.29 6.8 18.68 7.33 90.30 70.42 53.61 66.12 3.49 4.26 Footer Page 100 of 89 ­ 88 ­ Phụoflục Header Page 101 89.của luận án Bảng B.2.1: Kết tính toán thông số sử dụng họ wavelet Coiflets Thử nghiệm COIF SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 10.89 5.38 84.02 62.28 64.35 63.45 1.88 1.95 14.36 6.05 89.54 61.57 49.46 64.68 1.84 1.95 17.03 6.22 92.40 61.36 41.10 65.05 1.84 1.95 19.27 7.58 94.17 61.27 35.45 65.19 1.84 1.95 21.17 8.20 95.33 61.24 31.39 65.25 1.84 1.95 Bảng B.2.2: Kết tính toán thông số sử dụng họ wavelet Coiflets Thử nghiệm COIF SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 14.23 6.24 85.59 66.63 74.02 82.37 3.01 4.52 17.45 6.98 89.22 69.20 57.94 70.44 2.81 4.37 18.39 7.24 90.04 70.07 54.62 67.22 2.69 4.30 18.79 7.37 90.35 70.53 51.31 65.79 2.61 4.25 19.00 7.45 90.51 70.84 52.63 64.91 2.55 4.22 Footer Page 101 of 89 ­ 89 ­ Phụoflục Header Page 102 89.của luận án Bảng B.3.1: Kết tính toán thông số sử dụng họ wavelet Daubechies Thử nghiệm DB SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 10.64 6.29 83.55 71.12 65.35 50.58 1.97 1.97 13.71 6.14 88.69 70.51 51.83 51.34 1.88 1.95 15.60 6.01 90.99 70.00 45.32 51.52 1.86 1.95 17.16 5.98 92.51 69.88 40.73 51.50 1.85 1.95 18.79 5.98 93.82 69.89 36.58 51.76 1.85 1.95 20.10 5.94 94.71 69.71 33.61 52.06 1.83 1.95 21.00 5.89 95.24 69.51 31.73 51.97 1.83 1.95 22.15 5.91 95.83 69.58 29.51 51.76 1.84 1.94 23.52 5.94 96.45 69.72 27.11 51.86 1.84 1.94 10 24.27 5.92 96.76 69.65 25.87 52.14 1.83 1.95 11 24.70 5.88 96.91 69.46 25.19 52.13 1.83 1.95 12 25.74 5.88 97.26 69.47 23.65 51.91 1.83 1.95 13 26.94 5.92 97.62 69.61 21.99 51.89 1.84 1.94 14 27.18 5.92 97.69 69.63 21.67 52.12 1.83 1.95 15 27.22 5.88 97.70 69.47 21.61 52.20 1.83 1.95 16 28.19 5.87 97.94 69.42 20.40 52.03 1.83 1.95 17 29.27 5.90 98.18 69.54 19.12 51.92 1.84 1.94 18 29.14 5.91 98.16 69.61 19.27 52.07 1.83 1.95 19 28.89 5.89 98.10 69.51 19.56 52.22 1.83 1.95 20 29.76 5.87 98.28 69.41 18.57 50.58 1.83 1.95 Footer Page 102 of 89 ­ 90 ­ Phụoflục Header Page 103 89.của luận án Bảng B.3.2: Kết tính toán thông số sử dụng họ wavelet Daubechies Thử nghiệm DB SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 9.29 5.11 76.35 62.14 121.63 103.11 3.37 4.59 13.96 6.29 85.50 66.80 74.76 81.66 2.92 4.50 16.22 6.69 87.99 68.16 62.86 74.86 2.90 4.44 17.09 6.98 88.98 69.30 54.69 69.84 2.82 4.37 17.50 7.24 89.56 70.17 56.53 66.69 2.68 4.30 18.07 7.33 90.08 70.32 54.83 66.42 2.63 4.27 18.55 7.30 90.23 70.27 53.99 66.59 2.65 4.28 18.51 7.36 90.13 70.59 53.97 65.44 2.63 4.26 18.41 7.50 90.26 71.02 53.60 64.17 2.55 4.21 10 18.71 7.56 90.59 71.10 52.68 64.13 2.50 4.19 11 19.05 7.50 90.67 70.97 52.27 64.57 2.52 4.21 12 18.96 7.49 90.47 71.05 52.63 64.21 2.53 4.20 13 18.75 7.60 90.45 71.36 52.69 63.33 2.49 4.17 14 18.92 7.68 90.73 71.50 51.98 63.04 2.43 4.15 15 19.24 7.62 90.86 71.38 51.52 63.42 2.43 4.16 16 19.20 7.57 90.66 71.32 51.92 63.48 2.46 4.17 17 18.96 7.64 90.54 71.52 52.23 62.89 2.45 4.15 18 19.02 7.73 90.76 71.72 51.70 62.44 2.39 4.12 19 19.32 7.71 90.96 71.66 51.12 62.62 2.38 4.13 20 19.36 7.63 90.81 71.53 51.41 62.89 2.42 4.14 Footer Page 103 of 89 ­ 91 ­ Phụoflục Header Page 104 89.của luận án Bảng B.4.1: Kết tính toán thông số sử dụng họ wavelet Symlets Thử nghiệm SYM SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 13.71 6.14 88.69 70.51 51.83 50.58 1.88 1.95 15.60 6.01 90.99 70.00 45.32 51.34 1.86 1.95 17.19 5.96 92.53 69.80 40.66 51.63 1.85 1.95 18.79 5.96 93.83 69.80 36.59 51.64 1.84 1.95 19.90 5.90 94.58 69.55 34.03 52.00 1.84 1.95 21.14 5.94 95.31 69.70 31.45 51.78 1.84 1.94 22.16 5.88 95.84 69.46 29.50 52.14 1.84 1.95 23.33 5.92 96.38 69.64 27.41 51.88 1.83 1.96 10 24.06 5.87 96.67 69.42 26.20 52.19 1.84 1.95 11 25.20 5.93 97.08 69.67 24.44 51.82 1.84 1.95 12 25.62 5.87 97.22 69.41 23.82 52.21 1.83 1.95 13 26.67 5.93 97.54 69.66 22.35 51.84 1.84 1.95 14 26.92 5.87 97.61 69.41 22.01 52.21 1.83 1.95 15 27.94 5.91 97.88 69.60 20.70 51.94 1.84 1.95 16 27.99 5.87 97.89 69.41 20.64 52.21 1.83 1.95 17 28.73 5.92 98.07 69.62 19.74 51.90 1.83 1.95 18 29.06 5.86 98.14 69.40 19.37 52.23 1.83 1.95 19 29.75 5.89 98.28 69.52 18.58 52.05 1.84 1.94 20 29.57 5.87 98.25 69.41 18.78 52.22 1.83 1.95 Footer Page 104 of 89 ­ 92 ­ Phụoflục Header Page 105 89.của luận án Bảng B.4.2: Kết tính toán thông số sử dụng họ wavelet Symlets Thử nghiệm SYM SNR CORR PRD TH1 A8 A9 A8 A9 A8 A9 A8 A9 9.29 5.11 76.35 62.14 121.63 103.11 3.90 4.50 13.96 6.29 85.50 66.80 74.76 81.66 3.87 4.44 16.22 6.69 88.99 68.16 54.86 74.86 3.79 4.38 17.09 6.98 88.90 69.30 58.69 69.84 3.55 4.30 17.50 7.24 89.56 70.17 56.53 66.69 3.63 4.31 18.07 7.33 90.08 70.32 54.83 66.42 3.54 4.27 18.55 7.30 90.23 70.27 53.99 66.59 3.51 4.26 18.51 7.36 90.13 70.59 53.97 65.44 3.34 4.21 10 18.41 7.50 90.26 71.02 53.60 64.17 3.42 4.23 11 18.71 7.56 90.59 71.10 52.68 64.13 3.34 4.19 12 19.05 7.50 90.67 70.97 52.27 64.57 3.36 4.21 13 18.96 7.49 90.47 71.05 52.63 64.21 3.28 4.16 14 18.75 7.60 90.45 71.36 52.69 63.33 3.29 4.18 15 18.92 7.68 90.73 71.50 51.98 63.04 3.28 4.16 16 19.24 7.62 90.86 71.38 51.52 63.42 3.25 4.16 17 19.20 7.57 90.66 71.32 51.92 63.48 3.19 4.13 18 18.96 7.64 90.54 71.52 52.23 62.89 3.27 4.16 19 19.02 7.73 90.76 71.72 51.70 62.44 3.25 4.14 20 19.32 7.71 90.96 71.66 51.12 62.62 3.20 4.14 Footer Page 105 of 89 ­ 93 ­ ... làm ảnh hưởng đến chất lượng nhận dạng tín hiệu ECG Một khó khăn việc loại bỏ ảnh hưởng nhịp thở tín hiệu ECG nhằm nâng cao chất lượng nhận dạng tín hiệu ECG là: Các ảnh hưởng nhịp thở gây tín hiệu. .. mức độ ảnh hưởng thông tin từ nhịp thở tới chất lượng nhận dạng  Kết kiểm chứng chất lượng nhận dạng:  Việc loại bỏ ảnh hưởng nhịp thở tín hiệu ECG giúp cải thiện chất lượng nhận dạng tín hiệu. .. hưởng nhịp thở  Kịch 2: Nhận dạng tín hiệu ECG sau loại bỏ ảnh hưởng nhịp thở (sử dụng chung đặc tính mô hình nhận dạng với kịch 1)  Kịch 3: Nhận dạng tín hiệu ECG trước loại bỏ ảnh hưởng nhịp thở