Ứng dụng cây quyết định để xây dựng mô hình phối hợp nâng cao chất lượng nhận dạng tín hiệu điện tim

Nội dung chính của bài viết này là đề xuất giải pháp nâng cao chất lượng (độ chính xác) nhận dạng tín hiệu điện tim ECG (ElectroCardioGraphy), dựa trên việc sử dụng cây quyết định nhị phân (Binary Decision Tree) để phối hợp nhiều mô hình nhận dạng đơn là các mạng nơron kinh điển MLP (Multi Layer Perceptron), mạng nơron logic mờ TSK (Takaga-Sugeno-Kang), máy học vectơ hỗ trợ SVM (Support Vectơ Machines) và rừng ngẫu nhiên RF (Random Forest).
Nội dung trích xuất từ tài liệu:
Ứng dụng cây quyết định để xây dựng mô hình phối hợp nâng cao chất lượng nhận dạng tín hiệu điện tim LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA Ứng dụng cây quyết định để xây dựng mô hình phối hợp nâng cao chất lượng nhận dạng tín hiệu điện tim Decision tree application to build a coordinated model to improve the quality of ECG signal recognition Đỗ Văn Đỉnh, Phạm Văn Kiên Email: dodinh75@gmail.com Trường Đại học Sao Đỏ Ngày nhận bài: 9/10/2019 Ngày nhận bài sửa sau phản biện: 23/12/2019 Ngày chấp nhận đăng: 31/12/2019 Tóm tắt Nội dung chính của bài báo này là đề xuất giải pháp nâng cao chất lượng (độ chính xác) nhận dạng tín hiệu điện tim ECG (ElectroCardioGraphy), dựa trên việc sử dụng cây quyết định nhị phân (Binary Decision Tree) để phối hợp nhiều mô hình nhận dạng đơn là các mạng nơron kinh điển MLP (Multi Layer Perceptron), mạng nơron logic mờ TSK (Takaga-Sugeno-Kang), máy học vectơ hỗ trợ SVM (Support Vectơ Machines) và rừng ngẫu nhiên RF (Random Forest). Sử dụng các hàm cơ sở Hermite (Hermite Basis Functions) để khai triển phức bộ QRS và hai đặc tính về thời gian là khoảng cách giữa hai đỉnh R liên tiếp (R-R), giá trị trung bình của 10 khoảng cách R-R cuối cùng. Các thuật toán đã được triển khai thử nghiệm trên các bộ mẫu số liệu kinh điển của quốc tế cơ sở dữ liệu MIT-BIH (Massachusetts Institute of Technology, Boston’s Beth Israel Hospital) và cơ sở dữ liệu MGH từ trang web http://physionet.org. Từ khóa: Mạng nơron; MLP; TSK; SVM; hệ thống tích hợp; cây quyết định; chức năng cơ sở Hermite; tín hiệu điện tâm đồ (ECG); IC FPAA; IC ARM. Abstract The paper presents a solution to improve the accuracy of arrhythmia recognition based on the integration of multiple classifiers using the binary decision tree. The solution uses as the single classifiers the classical MLP (Multi Layer Perceptron), neuro-fuzzy TSK network (Takaga-Sugeno-Kang), SVM (Support Vectơ Machines) and RF (Random Forest). The Hermite basis functions were used to generate the feature vectơs together with 2 time-based features: the last R-R period and the average of last 10 R-R periods. The proposed solution was tested with ECG signals taken from 2 databases MIT-BIH (Massachusetts Institute of Technology, Boston’s Beth Israel Hospital) and MGH available at http://physionet.org. Keywords: Neural network; MLP; TSK; SVM; Integrated System; Decision Tree; Hermite Basis Functions; Electrocardiogram (ECG) Signals; IC FPAA; IC ARM. CÁC CHỮ VIẾT TẮT IC Intergrated Circuit MIT-BIH MIT-BIH Arrhythmia Database ARM Advanced RISC Machine MGH/MF MGH/MF Waveform Database DT Decision Tree MLP Multi Layer Perceptron Network ECG ElectroCardioGram PC Personal Computer FN False Negative QRS QRS Complex FP False Positive RF Random Forest FPAA Field Programable Analog Arrays SD Secure Digital SVD Singular Value Decomposition Người phản biện: 1. PGS.TS. Trần Vệ Quốc SVM Support Vectơ Machines 2. PGS.TS. Bạch Long Giang Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, ISSN 1859-4190 Số 4 (67).2019 27 NGHIÊN CỨU KHOA HỌC 1. ĐẶT VẤN ĐẾ - Cần xây dựng phương pháp tổng hợp phù hợp, nếu phối hợp không tốt thì sẽ làm kết quả kém đi. Tín hiệu điện tim ECG có độ biến đổi rất mạnh cả về hình dáng, biên độ ở các trường hợp bệnh lý. y1 Mô hình Tín hiệu cũng dễ bị ảnh hưởng bởi nhiễu từ bên nhận dạng đơn 1 ngoài, tình trạng sức khỏe hay tâm lý của bệnh nhân. Nên nhận dạng ECG là một trong những bài Mô hình y2 Hệ thống z toán khó. Thực tế hiện nay có nhu cầu về thiết bị nhận dạng đơn 2 tổng hợp đo điện tim thông minh có chức năng nhận dạng kết quả tự động các trường hợp bệnh lý, yêu cầu giải pháp nhận dạng cần có độ chính xác cao và phân biệt ECG yM Mô hình được nhiều loại bệnh để có thể áp dụng cho nhiều nhận dạng đơn M đối tượng bệnh nhân,… Hình 1. Sơ đồ chung của mô hình phối hợp Xuất phát từ những nhu cầu thực tế trên, mục tiêu đặt ra của bài báo này là đề xuất một giải pháp để Sơ đồ khối tổng quát của giải pháp phối hợp được nâng cao chất lượng nhận dạng tín hiệu điện tim trình bày như trên hình 1, trong đó các hệ thống (giảm số mẫu nhận dạ ...