Luận án Phát triển phương pháp phân tích định lượng tín hiệu iemg chi trên hỗ trợ chẩn đoán bệnh lý

i 
BỘ GIÁO DỤC VÀ ĐÀO TẠO 
TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI 
PHẠM MẠNH HÙNG 
PHÁT TRIỂN PHƢƠNG PHÁP PHÂN TÍCH ĐỊNH LƢỢNG 
TÍN HIỆU iEMG CHI TRÊN HỖ TRỢ CHẨN ĐOÁN BỆNH LÝ 
LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ 
Hà Nội - 2016 
ii 
BỘ GIÁO DỤC VÀ ĐÀO TẠO 
TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI 
PHẠM MẠNH HÙNG 
PHÁT TRIỂN PHƢƠNG PHÁP PHÂN TÍCH ĐỊNH LƢỢNG 
TÍN HIỆU iEMG CHI TRÊN HỖ TRỢ CHẨN ĐOÁN BỆNH LÝ 
Chuyên ngành: Kỹ thuật điện tử 
Mã số: 62520203 
LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ 
NGƯỜI HƯỚNG DẪN KHOA HỌC: 
PGS.TS NGUYỄN VĂN KHANG 
Hà Nội - 2016 
iii 
LỜI CAM ĐOAN 
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu trong 
luận án này là trung thực và chƣa từng đƣợc công bố trong bất kỳ công trình nào khác. 
Giáo viên hƣớng dẫn 
PGS.TS Nguyễn Văn Khang 
Tác giả 
 Phạm Mạnh Hùng 
Tiếng việt: [1], [2], [3], [4], [5], [6]. 
Tiếng anh: A [7], [8], [9], [10], [11], B [12], [13], [14] C [15], [16], [17], [18], 
[19], [20], [21], [22], D [23], [24], [25], [26], [27], [28], [29], [30], [31], [32], [33], E 
[34], [35], [36], [37], [38], [39], [40], [41], [42], F [43], [44], [45], [46], G [47], [48], 
[49], [50], H [51], I [52], J [53], [54], [55], [56], K [57], [58], [59], [60], [61], L [62].., 
M [63], [64], [65], [66], N [67], [68], O [69], P [70], Q .., R [71], [72], [73], [74], S 
[75], [76], [77], [78], [79], T [80], [81], [82], [83], [84], U [85], [86], V [87], Y .., W 
[88]. 
iv 
LỜI CẢM ƠN 
Đầu tiên tôi xin bày tỏ lòng biết ơn chân thành và sâu sắc của mình tới thầy 
hƣớng dẫn khoa học PGS.TS. Nguyễn Văn Khang. Thầy là ngƣời đã định hƣớng cho 
tôi triển khai các ý tƣởng khoa học, luôn tận tình hƣớng dẫn tôi trong suốt thời gian 
thực hiện luận án. 
Tôi cũng xin chân thành cảm ơn GS.TS. Nguyễn Đức Thuận, các Anh, Chị, em 
và các bạn đồng nghiệp thuộc Bộ môn Công nghệ Điện tử & Kỹ thuật y sinh, Viện 
Điện Tử - Viễn Thông trƣờng Đại học Bách Khoa Hà Nội đã tạo điều kiện, định 
hƣớng, giúp đỡ và động viên để tôi hoàn thành công trình nghiên cứu này. 
Đặc biệt tôi xin cảm ơn Bộ môn Công nghệ Điện tử & Kỹ thuật Y sinh, Bộ môn 
Điện tử & Kỹ thuật máy tính viện Điện Tử - Viễn Thông trƣờng Đại học Bách Khoa 
Hà Nội và Phòng xét nghiệm Điện cơ đồ Bệnh viện Lão Khoa Trung Ƣơng đã giúp đỡ 
tôi rất nhiều về cơ sở vật chất, trang thiết bị nghiên cứu và các góp ý định hƣớng 
nghiên cứu để tôi hoàn thành tốt công trình nghiên cứu của mình. 
Tôi cũng xin trân trọng cảm ơn tới Ban Giám hiệu, Viện Đào tạo Sau đại học và 
viện Điện Tử - Viễn Thông trƣờng Đại học Bách Khoa Hà Nội đã tạo điều kiện cho 
tôi trong quá trình học tập và nghiên cứu. 
Tôi cũng xin cảm ơn các thành viên trong nhóm nghiên cứu EMGLabvn đã hỗ 
trợ và tham gia với tôi trong việc triển khai các thí nghiệm đo lƣờng, phân tích tín hiệu 
tại các cơ sở y tế và phòng thí nghiệm. 
Cuối cùng, tôi xin chân thành cảm ơn gia đình, những ngƣời thân luôn động viên 
về tinh thần, thời gian và vật chất để tôi có động lực trong công việc và nghiên cứu 
khoa học. 
 Hà Nội, ngày tháng năm 2016 
Tác giả 
Phạm Mạnh Hùng 
v 
MỤC LỤC 
DANH MỤC CÁC KÝ HIỆU VIẾT TẮT.......................................... ix 
DANH MỤC BẢNG ........................................................................... xi 
DANH MỤC HÌNH ........................................................................... xii 
MỞ ĐẦU ...............................................................................................1 
Mục đích của nghiên cứu.................................................................................... 1 
Mục tiêu nghiên cứu của luận án .................................................................... 3 
Các vấn đề cần giải quyết của luận án ........................................................... 3 
Phạm vi nghiên cứu của luận án ......................................................................... 4 
Phƣơng pháp nghiên cứu .................................................................................... 4 
Cấu trúc luận án .................................................................................................. 5 
Ý nghĩa khoa học và thực tiễn của luận án ......................................................... 6 
Các đóng góp chính của luận án ......................................................................... 6 
CHƢƠNG 1. TÍN HIỆU ĐIỆN CƠ - ỨNG DỤNG LÂM SÀNG .......8 
1.1. Sinh lý đơn vị vận động và nguồn gốc tín hiệu điện cơ .............................. 8 
1.1.1. Tóm lược giải phẫu hệ thần kinh - cơ ................................................... 8 
1.1.2. Tóm lược về giải phẫu cơ vân ............................................................... 9 
1.1.3. Tóm lược về giải phẫu của thần kinh vận động .................................. 11 
1.1.4. Đơn vị vận động .................................................................................. 12 
1.1.5. Nguồn gốc của tín hiệu điện cơ .......................................................... 14 
1.1.5.1. Phản ứng hóa điện của synap thần kinh - cơ ........................................ 14 
1.1.5.2. Điện thế màng tế bào ............................................................................ 15 
1.2. Ứng dụng điện cơ đồ trong lâm sàng ........................................................ 16 
1.2.1. Bệnh yếu cơ ......................................................................................... 16 
1.2.2. Xét nghiệm điện cơ đồ......................................................................... 17 
1.2.3. Các khái niệm của tín hiệu iEMG dùng trong chẩn đoán .................. 19 
1.2.3.1. Điện thế kim đâm ................................................................................. 19 
vi 
1.2.3.2. Điện thế tự phát .................................................................................... 20 
1.2.3.3. Điện thế hoạt động của đơn vị vận động .............................................. 21 
1.2.3.4. Tín hiệu kết tập điện thế hoạt động ...................................................... 22 
1.2.4. Dấu hiệu bệnh lý trong tín hiệu iEMG ở các chi ................................ 23 
1.3. Phƣơng pháp phân tích định lƣợng tín hiệu điện cơ ................................. 24 
1.3.1. Các kỹ thuật QEMG đang được ứng dụng hiện nay .......................... 24 
1.3.2. Nhiệm vụ của nghiên cứu này ............................................................. 28 
1.4. Kết chƣơng ................................................................................................ 29 
CHƢƠNG 2. LỰA CHỌN GIẢI PHÁP PHÙ HỢP ĐỂ TIỀN XỬ LÝ 
TÍN HIỆU iEMG CHI .........................................................................30 
2.1. Thu nhận và các thông số cơ bản của tín hiệu điện cơ .............................. 30 
2.1.1. Phương pháp thu nhận tín hiệu EMG ................................................. 30 
2.1.1.1. Thu nhận tín hiệu sEMG ...................................................................... 31 
2.1.1.2. Thu nhận tín hiệu iEMG ....................................................................... 32 
2.1.2. Đặc tính của tín hiệu EMG ................................................................. 32 
2.2. Các yếu tố gây suy giảm chất lƣợng tín hiệu EMG .................................. 34 
2.2.1. Nhiễu ................................................................................................... 34 
2.2.2. Suy giảm chất lượng do mạch thu nhận ............................................. 34 
2.3. Các giải pháp tăng cƣờng tín hiệu EMG bằng phần cứng ........................ 35 
2.4. Khảo sát khả năng triệt nhiễu của mạch đo ............................................... 36 
2.4.1. Mô tả thiết kế của mạch đo khảo sát tín hiệu EMG ........................... 37 
2.4.1.1. Khối khuếch đại và triệt nhiễu đồng pha .............................................. 38 
2.4.1.2. Khối các bộ lọc tƣơng tự ...................................................................... 39 
2.4.1.3. Khối chuyển đổi tƣơng tự - số tín hiệu ................................................. 41 
2.4.1.4. Khối cách ly nguồn với đối tƣợng đo ................................................... 41 
2.4.2. Khảo sát sự ảnh hưởng của nhiễu lên tín hiệu đo ............................. 42 
2.5. Giải pháp tiền xử lý tín hiệu iEMG số ...................................................... 44 
2.5.1. Phân tích lựa chọn loại bộ lọc số ....................................................... 44 
2.5.2. So sánh giải pháp lựa chọn với giải pháp thường dùng ..................... 47 
vii 
2.6. Kết chƣơng ................................................................................................ 49 
CHƢƠNG 3. PHÁT TRIỂN PHƢƠNG PHÁP PHÂN TÍCH ĐỊNH 
LƢỢNG TÍN HIỆU iEMG CHI .........................................................51 
3.1. Đặt vấn đề .................................................................................................. 51 
3.2. Phát triển phƣơng pháp tự động xác định các thành phần có ý nghĩa trong 
tín hiệu iEMG chi ............................................................................................. 55 
3.2.1. Một số giải pháp phân tách các APS đã được giới thiệu ................... 56 
3.2.2.1. Phƣơng pháp 1: Phân tách APS sử dụng cửa sổ cố định ...................... 56 
3.2.2.2. Phƣơng pháp 2: Phân tách APS sử dụng tín hiệu Trigơ ....................... 57 
3.2.2.3. Phƣơng pháp 3: Phân tách APS sử dụng biến đổi Wavelet .................. 58 
3.2.2.4. Phƣơng pháp 4: Phân tách APS sử dụng tín hiệu biến động ................ 59 
3.2.2.5. Đánh giá các phƣơng pháp phân tách đã đƣợc giới thiệu .................... 60 
3.2.2. Phương pháp tự động xác định các thành phần có ý nghĩa chẩn đoán 
được phát triển .............................................................................................. 61 
3.2.2.1. Tự động xác định các APS ................................................................... 62 
3.2.2.2. Tự động xác định các điểm uốn trên sóng tín hiệu iEMG.................... 65 
3.2.2.3. Tự động lấy các APS có ý nghĩa chẩn đoán ......................................... 68 
3.3. Đề xuất bộ thông số định lƣợng tín hiệu iEMG chi .................................. 70 
3.3.1. Các thông số định lượng tính từ các tham số APS ............................. 71 
3.3.2. Thông số định lượng tín hiệu iEMG trên đồ thị Poincaré .................. 73 
3.3.3. So sánh với một số phương pháp QEMG hiện có............................... 74 
3.4. Đánh giá giá trị của bộ thông số định lƣợng đƣợc đề xuất ....................... 76 
3.4.1. Tập dữ liệu mẫu .................................................................................. 77 
3.4.2. Mô tả tập dữ liệu các thông số định lượng iEMG thu được ............... 78 
3.4.3. Kiểm định sự khác biệt thống kê của mỗi thông số ............................ 82 
3.4.3.1. Kiểm định U-test .................................................................................. 82 
3.4.3.2. Kết quả kiểm định U-test đối với tập dữ liệu mẫu. .............................. 84 
3.4.4. Kiểm định sự tương quan giữa các thông số ...................................... 85 
3.4.4.1. Kiểm định Spearman ............................................................................ 86 
3.4.4.2. Kết quả kiểm định sự tƣơng quan giữa các thông số ........................... 87 
viii 
3.5. Kết chƣơng ................................................................................................ 89 
CHƢƠNG 4. ĐỀ XUẤT PHƢƠNG PHÁP SỬ DỤNG CÁC THÔNG 
SỐ ĐỊNH LƢỢNG TÍN HIỆU CÓ ĐƢỢC ĐỂ PHÂN LOẠI TÍN 
HIỆU iEMG CHI THEO CÁC NHÓM BỆNH LÝ ............................92 
4.1. Đặt vấn đề .................................................................................................. 92 
4.2. Phƣơng pháp phân loại dựa trên kỹ thuật học máy ................................... 95 
4.2.1. Mạng Artifical Neural Network (ANN) .............................................. 96 
4.2.2. Phân loại tín hiệu theo bệnh lý sử dụng mạng ANN .......................... 97 
4.2.2.1. Tập dữ liệu dùng để huấn luyện mạng ANN ........................................ 97 
4.2.2.2. Thiết lập mạng ANN cho bài toán phân loại tín hiệu ......................... 100 
4.2.2.3. Kết quả thực nghiệm ........................................................................... 102 
4.3. Phƣơng pháp phân loại dựa trên kỹ thuật phân tích thống kê ................. 103 
4.3.1. Phân tích hồi quy Logistic ................................................................ 104 
4.3.2. Lựa chọn thông số sử dụng cho các biểu thức ............................ 106 
4.3.3. Phân loại tín hiệu theo các giá trị xác suất bệnh lý ......................... 108 
4.3.3.1. Xây dựng biểu thức tính xác suất tín hiệu thuộc nhóm ALS ............. 108 
4.3.3.2. Xây dựng biểu thức tính xác suất tín hiệu thuộc nhóm MYO ............ 110 
4.3.3.3. Bộ phân loại tín hiệu theo các nhóm bệnh lý ..................................... 112 
4.4. Kết chƣơng .............................................................................................. 114 
KẾT LUẬN VÀ KIẾN NGHỊ .......................................................... 116 
CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN .................. 118 
TÀI LIỆU THAM KHẢO ................................................................ 119 
PHỤ LỤC ......................................................................................... 126 
1. Chế tạo mạch đo khảo sát tín hiệu EMG .................................................... 126 
2. Xây dựng công cụ phân tích định lƣợng tín hiệu iEMG ............................ 128 
ix 
DANH MỤC CÁC KÝ HIỆU VIẾT TẮT 
Ach Acetylcholine Chất dẫn truyền thần kinh Ach 
ALS Amyotrophic Lateral Sclerosis Hội chứng teo cơ xơ cột bên 
ANN Artifical Neural Network Mạng nơron nhân tạo 
ANN-BP ANN- Back Propagation Mạng ANN lan truyền ngƣợc 
APS Active Potential Segment Đoạn điện thế tích cực 
AR AutoRegressive Tự hồi quy 
AUC Area Under the Curve Diện tích dƣới đƣờng cong ROC 
CAD Computer Aided Diagnosis Hệ thống hỗ trợ chẩn đoán 
CMAP Compound muscle action potential Điện thế co cơ toàn phần của bắp cơ 
CMRR Common-mode rejection ratio Tỷ số nén nhiễu đồng pha 
DWT Discrete Wavelet Transform Biến đổi wavelet rời rạc 
ECG Electrocardiography Tín hiệu điện tim 
EEG Electroencephalography Tín hiệu điện não 
EMD Empirical Mode Decomposition Phân giải mô hình thực nghiệm 
EMG Electromyography Tín hiệu điện cơ 
FIR Finite impulse response Đáp ứng xung hữu hạn 
HPF High Pass Filter Bộ lọc thông cao 
IEEE 
Institute of Electrical and 
Electronics Engineers 
Viện kỹ thuật điện và điện tử quốc tế 
iEMG intramuscular Electromyography Tín hiệu điện cơ kim 
IIR Infinite impulse response Đáp ứng xung không giới hạn 
LPF Low Pass Filter Bộ lọc thông thấp 
MEP Miniature Endplate Potential Điện thế thu nhỏ tâm tận cùng 
MU Motor Unit Đơn vị vận động 
MUAP Motor Unit ... 982), "A procedure for decomposing the 
myoelectric signal into its constituent action potentials:part I, execution 
and test for accuracy. Technique, theory and implementation", IEEE 
Trans Biomed Eng, pp. 29:149-57. 
[21]. C.S Pattichis, C.N Schizas, L.T Middleton (1995), "Neural Network 
Models in EMG Diagnosis”, IEEE Transactions on Biomedical 
Engineering, vol. 42, no. 5, pp. 486-496. 
[22]. C.S. Pattichis, MS. Pattichis (1999), "Time-scale analysis of cmotor unit 
action potentials”, IEEE Transactions on Biomedical Engg, vol. 46, no. 
11, pp. 1320-1329, 1999. 
[23]. D. Katsis, Themis P. Exarchos, Costas Papaloukas, Yorgos Goletsis, 
Dimitrios I. Fotiadis, Ioannis Sarmasg Christos (2007), "A two-stage 
121 
method for MUAP classification based on EMG decomposition", 
Computers in Biology and Medicine, vol. 37, no. 9, pp. 1232–1240. 
[24]. D.C. Preston, B.E. Shapiro (2002) "Needle electromyography 
Fundamentals, normal and abnormal patterns", in Neurol Clin N Am 20, 
Bashar Katirj, Ed., pp. 361–396. 
[25]. Dan Stashuk (2001), "EMG signal decomposition: how can it be 
accomplished and used?”, Journal of Electromyography and Kinesiology, 
pp. 151–173. 
[26]. Desmedt (1990), Computer Aided Electromyography and Expert Systems 
(Clinical Neurophysiology Updates).: Hardcover. 
[27]. De Luca, Gianluca (2003), Fundamental Concepts in EMG Signal 
Acquisition.: DelSys Inc. 
[28]. D.W. Stashuk H. Parsaei (2012), "EMG Signal Decomposition Using 
Motor Unit Potential Train Validity", Neural Systems and Rehabilita, vol. 
21, no. 2, pp. 265-274. 
[29]. David W. Hosmer (2013), Applied Logistic regression, 3rd ed. New 
Jersey: John Wiley & Son. 
[30]. Demuth Mark Beale, Martin Hagan Howard (2015), Neural Network 
Toolbox 6 - User Guide.: MATLAB. 
[31]. Dr. Scott Day (2003), Important Factors in Surface EMG Measurement.: 
Bortec Biomedical Ltd. 
[32]. Dowling., Fitch, Willison (1968), "Clinical and laboratory notes. A 
special purpose digital computer (Biomac 500) used in the analysis of the 
human electromyogram", Electroenceph. clin. Neurophysiol, vol. 25, pp. 
570-573. 
[33]. Dutoit Thierry (2009), Applied Signal Processing: A MATLAB-based 
Proof of Concept. [Online]. http:/ /users.abo.fi/htoivone/courses/.. 
/aspchapter1.pdf 
[34]. E. Barkhaus, MD Paul. (14/10/2015), EMG Evaluation of the Motor Unit 
- Electrophysiologic Biopsy. [Online].  
[35]. E-Health Lab (9/2015), Database Needle EMG: MUAP Time Domain 
Features. [Online].  
[36]. Eli Billauer (10/2015), Peakdet: Peak detection using MATLAB. [Online]. 
122 
[37]. EMGlab (10/2015), Signals. [Online].  
[38]. Elaine N.Marieb, Katja Hoehn (2015), Ch09: Muscles and Muscle tissue. 
[Online].  
[39]. Emran Mohd Tamil, M. H. Noor, Z. Razak, N. M. Noor, A. M. Tamil, 
(2008), "A Review on Feature Extraction & Classification Techniques for 
Biosignal Processing (Part III: Electromyogram)", in IFMBE 
Proceedings Vol. 21, Verlag Berlin Heidelberg, pp. 117–121. 
[40]. Ercan Gokgoz, Abdulhamit Subasi (2014), "Effect of multiscale PCA de-
noising on EMG signal classification for diagnosis of neuromuscular 
disorders”, Med Syst, pp. 31-38. 
[41]. Eric Abel, Hongying Meng, Alan Forste, David Holder (2006), 
"Singularity characteristics of needle EMG IP signals”, Biomedical 
Engineering, IEEE Transactions on (Volume:53 , Issue: 2), vol. 53, no. 2, 
pp. 219 – 225. 
[42]. Eric K. Richfield, et al (1981), "Review of Quantitative and Automated 
Needle Electromyographic Analyses", IEEE Transactions on Biomedical 
Engineering, vol. BME-28, no. 7, pp. 506-514. 
[43]. Farlex. (2015) The free Dictionary. [Online]. 
dictionary.thefreedictionary.com/motor+neuron(e)+(motoneuron(e)) 
[44]. Finsterer Josef (2001), "Review: EMG-interference pattern analysis", 
Journal of Electromyography and Kinesiology, vol. 11, pp. 231–246. 
[45]. Fuglsang-Frederiksen, Jorgensen (1981), "Turns-amplitude analysis at 
different sampling frequencies", Electroencephalography and clinical 
Neurophysiology, vol. 81, pp. 1-7. 
[46]. Fuglsang-Frederiksen (2006), "The role of different EMG methods in 
evaluating myopathy", Clinical Neurophysiology, vol. 117, pp. 1173–
1189. 
[47]. Gerd Fabian Volk, Rudolf Hagen, Claus. (2012), "Laryngeal 
electromyography: a proposal for guidelines of the European 
Laryngological Society", European Archives of Oto-Rhino-Laryngology 
and Head & Neck. 
[48]. Goen Anjana, (2014) "Classification of EMG Signals for Assessment of 
Neuromuscular Disorders", International Journal of Electronics and 
Electrical Engineering, vol. 2, no. 3, pp. 242-248. 
123 
[49]. Golińska Kitlas (2013), "Poincaré Plots in Analysis of Selected 
Biomedical Signals", Studies in Logic, Grammar and Rhetoric, vol. 35, 
pp. 117-127. 
[50]. Gurmanik Kaur, Ajat Shatru Arora, V.K. Jain (2009), "Comparison of 
The Techniques Used for Segmentation of EMG Signals", Mathematical 
and Computational Methods, pp. 124-129. 
[51]. Henning Schmalbruch (1985), Skeletal Muscle.: Springer-Verlag Berlin 
Heidelberg. 
[52]. ISEK. (5/2015) International Society of Electromyography and 
Kinesiology. [Online].  
[53]. J. Litchy, M.D. William (2010), "Quantitative EMG”, Department of 
Neurology Health Partners Minneapolis. 
[54]. John A. Cadwell, Richard A. Villarreal (2012), "Electrophysiologic 
Equipment and Electrical Safety”, in Aminoff’s Electrodiagnosis in 
Clinical Neurology.: Elsevier Inc., ch. 2, pp. 15-33. 
[55]. John G. Webster, John W. Clark, Micheal R. Neuman (1995), Medical 
Instrumentation Application and Design, 2nd ed., Jonh G. Webster, Ed.: 
John Wilay & Son. 
[56]. Jun Kimura (2001), Electrodiagnosis in Diseases of Nerve and Muscle, 
3rd ed.: Oxford University Press, Inc. 
[57]. K.C. McGill, KL Cummins, LJ Dorfman (1985), "Automatic 
Decomposition of the Clinical Electromyogram", IEEE Transactions on 
Biomedical Engineering, vol. BME-32, no. 7, pp. 470-477. 
[58]. K.C. McGill, Z. C. Lateva, and H. R. Marateb (2005) "EMGLAB: An 
interactive EMG decomposition program", J Neurosci Methods, vol. 149, 
no. 2, pp. 121-133. 
[59]. Katirji Bashar (2007), Electromyography in clinical practice: a case study 
approach, 2nd ed. Philadelphia, USA: Elsevier Inc. 
[60]. KR. Mills (2005), "The basics of electromyography", J Neurol Neurosurg 
Psychiatry, vol. 76, no. 2, pp. 32-35. 
[61]. Konrad (2005), The ABC of EMG: A Practical Introduction to 
Kinesiological Electromyography. USA: Noraxon Inc. 
[62]. Lyons Richard G. (2011), Understanding Digital Signal Processing. 3rd 
Ed., Prentice Hall. 
124 
[63]. M. Nikolic, J.A Sorensen, K. Dahl, C. Krarup, (1997), "Detailed Analysis 
of Motor Unit Activity”, in Proceedings - 19th International Conference - 
IEEE/EMBS, Chicago, IL. USA, 1997, pp. 1257-1260. 
[64]. M. Nikolic, C. Krarup (2011), "EMGTools, an adaptive and versatile tool 
for detailed EMG analysis", IEEE Trans Biomed Eng, vol. 58, no. 10, pp. 
2707-2718. 
[65]. MathWorks. (10/2015) Zero-phase digital filtering. [Online]. 
[66]. Miki Nikolic (2001), Detailed Analysis of Clinical Electromyography 
Signals, A Ph.D. Dissertation Submitted to the University of Copenhagen, 
the Faculty of Health Science. 
[67]. National Institute of Neurological Disorders and Stroke. (6/2015) 
Muscular Dystrophy: Hope Through Research. [Online]. 
[68]. Nitin Jain, Ashish Parikh Mukesh Patidar (2013), "Classification of 
Normal and Myopathy EMG Signals using BP Neural Network”, 
International Journal of Computer Applications, vol. 69, no. 6, pp. 12-16. 
[69]. O. Smith, Julius (2015), Introduction to Digital Filtes with Audio 
Application.: Department of Music, Stanford University, Stanford, 
California 94305 USA, [Online].  
[70]. Physionet. (6/2015) Examples of Electromyograms. [Online]. 
[71]. R. Beale, T Jackson (1990), Neural Computing: An Introduction. Bristol, 
Philadelphia and New York: Adam Hilger. 
[72]. Roberto Merletti, Marco Pozzo, Dario Farina (2004), "Electromyography: 
Detection, Processing, and Applications", in BIOMEDICAL 
TECHNOLOGY AND DEVICES HANDBOOK, George Zouridakis 
James Moore, Ed.: CRC PRESS, ch. 4, pp. 70-135. 
[73]. Roberto Merletti, Dario Farina (2009), "Analysis of intramuscular 
electromyogram signals”, Phil. Trans. R. Soc. A, pp. 367-371. 
[74]. Rosa Thomas, Roland D., Albert J. (2001), The Analysis and Design of 
Linear Circuits. USA: John Wiley and Sons Inc. 
125 
[75]. Sivarit Sultornsanee, Ibrahim Zeida, Sagar Kamarthia (2011), 
"Classification of Electromyogram Using Recurrence Quantification 
Analysis”, Procedia Computer Science 6, pp. 375–380. 
[76]. Smith K.C., Sedra A.S. (1998), Microelectronics Circuits, 4th ed. New 
York: Oxford University Press. 
[77]. Soona Shabani, Hossein Parsaei, Afshin Shaabany (2012), "Classification 
of EMG Signals using Empirical Mode Decomposition”, International 
Journal of Computer Applications (0975 – 8887), vol. 56, no. 18, pp. 23-
28. 
[78]. Sta'lberg Erik (1997), "The role of electromyography in neurology”, 
Electroencephalography and clinical Neurophysiology 103, pp. 579-598. 
[79]. Stalberg E, Chu J, Bril V, Nandedkar S, Stalberg S, Ericsson M. (1983) 
"Automatic Analysis of The EMG Interference Patern”, 
Electroencephalograph and clinical Neurophysiology, vol. 56, pp. 672-
681. 
[80]. Tameem Adel, Dan Stashuk (2013), "Clinical Quantitative 
Electromyography”, in Electrodiagnosis in New Frontiers of Clinical 
Research, Hande Turker, Ed., ch. 5, pp. 89-112. 
[81]. Texas Instruments (2015), ADS1294 Analog Front End datasheet. 
[82]. Texas Instruments (2015), INA129 Instrumentation Amplifier datasheet. 
[83]. Texas Instruments. (2015), ISO7231M Triple Digital Isolators datasheet. 
[84]. Texas Instruments (2015), MSP430F5510 Mixed Signal Microcontroller 
datasheet. 
[85]. University of Wisconsin Madison. (2015) Neuroscience Resource Page. 
[Online].  
[86]. U.S. Department of Health & Human Services. (2015) Muscular 
Dystrophy. [Online].  
[87]. Vijay R. Mankar (2011), "EMG Signal Noise Removal Using Neural 
Netwoks", in Advances in Applied Electromyography, Joseph Mizrahi, 
Ed., ch. 5. 
[88]. Walck Christian (2007), Hand-book on STATISTICAL DISTRIBUTIONS 
for experimentalists, Particle Physics Group, Ed. Stockholm: University 
of Stockholm. 
126 
PHỤ LỤC 
1. Chế tạo mạch đo khảo sát tín hiệu EMG 
Dựa theo yêu cầu thiết kế cụ thể và áp dụng các giải pháp đã đƣợc đề xuất, tác 
giả đã sử dụng các công cụ nhƣ: phần mềm Filter Pro của Texas Instrusments (TI) và 
ORCAD PSPICE để chạy mô phỏng các mạch xử lý tín hiệu tƣơng tự. Ngoài việc hỗ 
trợ mô phỏng, các công cụ hỗ trợ lựa chọn các giá trị linh kiện thụ động (RC) phù 
hợp, theo các tiêu chuẩn thƣơng mại hiện có, mắc trong cách khối mạch xử lý tín hiệu 
tƣơng tự. 
Các linh kiện chính đƣợc sử dụng cho các khối chức năng trong mạch là linh 
kiện của hãng TI. Trong đó, một số linh kiện là các vi mạch (IC) tƣơng tự và số mới 
đƣợc hãng này phát triển và thƣơng mại. Cụ thể là: 
 Mạch khuếch đại đệm và khuếch đại vi sai: mạch khuếch đại đệm sử dụng 
IC TL072 và mạch khuếch đại vi sai sử dụng IC INA129 mắc theo khuyến 
nghị của hãng. Các IC này có trở kháng vào lớn, tiêu thụ dòng nhỏ với độ 
dịch áp nhỏ, hệ số CMRR lớn [82]. 
 Mạch lọc thông thấp, thông cao và Notch: sử dụng IC TL072, mắc theo sơ 
đồ nguyên lý ở trên. Giá trị của các linh kiện đƣợc chọn khi mô phỏng yêu 
cầu chỉ tiêu thiết kế mạch. 
 Mạch chuyển đổi ADC: sử dụng IC ADS1294, là linh kiện mới của TI, nó 
có một số đặc tính nổi bật nhƣ: (1) có bộ khuếch đại nội với hệ số khuếch 
đại có thể thay đổi bằng phần mềm, (2) có khả năng chuyển đổi tín hiệu có 
cực tính (dải chuyển đổi ± 2,5 V), (3) sử dụng phƣơng pháp lấy mẫu kiểu 
delta-sigma, (4) độ phân giải tín hiệu là 24 bít, (5) tần số lấy mẫu lên đến 
32 Kbps, (6) dữ liệu đầu ra theo chuẩn SPI và (7) hỗ trợ nhiều kênh đo 
[81]. 
 Mạch truyền cách ly tín hiệu: sử dụng IC ISO7231M, là phần tử cách ly 
quang tín hiệu số của TI hỗ trợ truyền giao thức SPI. Phần tử này có các 
thông số nổi bật là: (1) tốc độ truyền tối đa 150 Mbps, (2) điện áp cách ly 
4kV ESD [83]. 
 MCU: sử dụng IC MSP430F5510, là phần tử có hỗ trợ truyền thông SPI, 
USB, UART. MCU đƣợc lập trình để nhận tín hiệu EMG số từ ADC (theo 
chuẩn SPI qua mạch cách ly quang) để truyền lên máy tính (theo chuẩn 
USB, UART) [84]. 
127 
 Nguồn cách ly: sử dụng môđun A0512D, là loại nguồn DC-DC cách ly 1 
KVDC, đầu vào 5V (có thể lấy từ máy tính qua cổng USB), đầu ra ±12V, 
công suất 1W, hiệu suất chuyển đổi 80%. Nguồn này cung cấp cho phần xử 
lý tƣơng tự và chuyển đổi ADC. Điện áp tham chiếu (± 2,5V) đƣợc tạo ra 
từ các mức điện áp ±12V, bằng cách sử dụng IC TPS7A4901 và 
TPS7A3001, là các IC tạo nguồn tham chiếu chuyên dụng chất lƣợng cao 
của TI. 
Hình 5.1. Hình ảnh mạch đo tín hiệu EMG chế thử (kích thước 7x10cm2). 
Mạch đƣợc chế tạo theo hai bƣớc, đó là: (1) chế tạo từng khối mạch chức năng 
riêng rẽ, (2) chế tạo tích hợp các khối mạch trên một bo mạch. Ở mỗi bƣớc, các mạch 
đều đƣợc đo và hiệu chỉnh các thông số hoạt động theo chỉ tiêu thiết kế mong muốn. 
Thiết bị sử dụng để đo kiểm gồm có bộ thiết bị NI-ELVIS II của National 
Instrumment, ôxilô DSO-X 2002A của Agilent Technologie và thiết bị TeraOhm 5KV 
Insulation Tester của Duncan Instruments. Trong đó, bộ thiết bị NI-ELVIS II đƣợc sử 
dụng để: 
 Tổng hợp các loại tín hiệu dùng cho kiểm thử, tín hiệu này có thành phần tần 
số và độ lớn tùy chọn khác nhau theo mục đích thử. Tín hiệu này đƣợc đƣa vào 
đầu vào của các khối mạch xử lý tƣơng tự. 
 Thu lại tín hiệu đáp ứng của các mạch xử lý tƣơng tự, phân tích phổ tín hiệu 
thu đƣợc và vẽ đặc tuyến vào ra của các mạch. 
Các phép đo đƣợc thực hiện trong phòng thí nghiệm ở điều kiện thƣờng, với 
mức độ chống nhiễu trung bình, theo các quy trình đo thông số đã đƣợc chuẩn hóa. 
128 
2. Xây dựng công cụ phân tích định lƣợng tín hiệu iEMG 
Công cụ QEMG_BK có các chức năng chính nhƣ: (1) Xử lý đƣợc nhiều các loại 
tệp dữ liệu iEMG từ nhiều nguồn khác nhau; (2) Quá trình tiền xử lý tín hiệu iEMG có 
thể đƣợc tùy chỉnh; (3) Quá trình phân tách các MUAP, xác định các tham số chính 
của các MUAP, phân nhóm các MUAP theo đặc điểm bệnh lý và tính các thông số 
của iEMG đƣợc thực hiện tự động/bán tự động dựa trên các thông số đƣợc thiết lập 
mặc định hoặc tùy chỉnh; (4) Kết quả định lƣợng tạo ra có thể đƣợc thể hiện ở nhiều 
dạng khác nhau nhƣ: dạng đồ thị, dạng số, dạng ký tự, dạng âm thanh và tệp tin số 
liệu. Nó có giao diện ngƣời dùng không khó để học cách sử dụng. QEMG_BK.exe 
đƣợc tạo ra trong nghiên cứu này có thể cài đặt và chạy trên các PC có cấu hình phổ 
biến hiện nay (nhƣ: 2 Duo CPU @ 2,93GHz, RAM 2GB, hệ điều hành Windows XP 
hoặc cao hơn), có cài/không cài đặt Matlab. Công cụ QEMG_BK có nhiều ƣu điểm 
khi sử dụng để định lƣợng các loại dữ liệu tín hiệu iEMG. 
Hình 5.2. Giao diện và một số chức năng của công cụ QEMG_BK