Luận án Xây dựng mô hình nhận dạng kết hợp nhằm nâng cao độ chính xác phân loại tín hiệu điện tim loạn nhịp

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 
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 
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 
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 
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 
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 
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 
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 
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` 
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 
Danh mục  ... ai Pan; Tzung-Pei Hong; Hung-Chin Chen (2012), "ECG signal analysis by 
using Hidden Markov model", 2012 International Conference on Fuzzy Theory and 
it's Applications (iFUZZY), pp. 288-293. 
92. S.-L; Luo Chen, G.-A; Lin, T.-L (2013), "Efficient fuzzy-controlled and hybrid 
entropy coding strategy lossless ECG encoder VLSI design for wireless body sensor 
networks", Electronics Letters, vol. 49(17) , 2013, pp. 1058 - 1060. 
Danh mục các tài liệu tham khảo 
- 103 - 
93. S.A. Anapagamini, Rajavel, R (2013), "Removal of artifacts in ECG using Empirical 
mode decomposition", International Conference on Communications and Signal 
Processing (ICCSP), pp. 288-292. 
94. Swati Banerjee, Madhuchhanda Mitra (2014), "Application of Cross Wavelet 
Transform for ECG Pattern Analysis and Classification", IEEE Transactions on 
Instrumentation and Measurement, pp. 326 - 333. 
95. T. Hoai Linh, S. Osowski, K. Brudzewski (2004), "Neuro-fuzzy network for flavor 
recognition and classification", IEEE transactions on instrumentation and 
measurement, vol. 53, no. 3, pp. 638-644. 
96. T.R.G; Geetha Nair, A.P; Asharani, M (2013), "Adaptive wavelet based 
identification and extraction of PQRST combination in randomly stretching ECG 
sequence", IEEE China Summit and International Conference on Signal and 
Information Processing, pp. 278 - 282. 
97. Tea Marasović; Vladan Papić (2016), "Cardiac arrhythmia detection using DCT 
based compressive sensing and random forest algorithm”, 2016 International 
Multidisciplinary Conference on Computer and Energy Science (SpliTech) , pp. 1 - 6 
98. Valtino X. Afonso (1993), "ECG QRS Detection", Biomedical digital signal 
processing. 
99. Vijaya Kumar Can Ye, B.V.K. and Coimbra, M.T (2012), "Combining general multi-
class and specific two-class classifiers for improved customized ECG heartbeat 
classification", Proceedings of the 21st International Confe-rence on Pattern 
Recognition (ICPR 2012), Arlington, VA, USA, pp. 2428–2431. 
100. V. Vapnik (1998), "Statistical Learning Theory", Wiley, New York, NY. 
101. Wang Lee, Chen, Lin, Fang, Q (2014), "Implementation of a Wireless ECG 
Acquisition SoC for IEEE 802.15.4 (ZigBee) Applications", IEEE Journal of 
Biomedical and Health Informatics, vol. 19, Issue: 1, Jan. 2015), pp. 247 - 255 
102. Xin Liu; Jun Zhou; Yongkui Yang (2013), "A 457-nW cognitive multi-functional 
ECG processor", IEEE Asian Solid-State Circuits Conference (A-SSCC), pp. 141 -
 144. 
103. Yao Li, Qingning Zeng (2013), "ECG classification based on sparse constrained 
nonnegative-matrix factorization and decision tree", 2013 8th International ICST 
Danh mục các tài liệu tham khảo 
- 104 - 
Conference on Communications and Networking in China (CHINACOM), pp. 730-
733. 
104. Yun-Hong Noh; Jiunn Huei Yap; Do-Un Jeong (2013), "the Abnormal ECG 
Monitoring System Using Heartbeat Check Map Technique", 2013 International 
Conference on IT Convergence and Security (ICITCS), pp. 1-4. 
105. Y. Ying, Xiao-Long, W. and Bing-Quan, L (2004), "A gradual combining method for 
multi-SVM classifiers based on distance estimation,”Proceedings of the 3rd 
International Conference on Machine Learning and Cybernetics, Shanghai, China, 
pp. 3434–3438. 
106. Z. Yujin, Yihua, T., Haitao L. and Haiyan, G (2011), "A multi-classifier combined 
decision tree hierarchical classification method", Proceedings of the 2011 
International Symposium on Image and Data Fusion (ISIDF), Yunnan, China, pp. 1–
3. 
107. Zhenbo Wang; Wenfeng Zhang; An Luo Bobra (2013), "A high-quality, low-energy, 
small-size system-on-chip (SoC) solution enabling ECG mobile applications", 
Industrial Electronics Society, IECON 2013 - 39th Annual Conference of the IEEE, 
pp. 8406-8409. 
108. J. R. Quinlan (1986), "Induction of Decision Trees", Machine Learning 1, pp. 81-
106, 1986. 
109.  
110.  
Danh mục các công trình đã công bố của luận án 
- 105 - 
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 
1. Nguyễn Đức Thảo, Trần Hoài Linh, Phạm Văn Nam, Trương Tuấn Anh 
(2014), “Thiết kế thiết bị thu thập và tự động nhận dạng thông minh tín 
hiệu điện tim sử dụng các công nghệ vi mạch khả trình”, Tạp chí Khoa 
học và Công nghệ Đại học Thái Nguyên, tập 122, số 08, trang: 103-109. 
2. Trần Hoài Linh, Phạm Văn Nam, Vương Hoàng 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. 
3. Trần Hoài Linh, Phạm Văn Nam, Nguyễn Đức Thảo (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. 
4. Phạm Văn Nam, Trần Hoài Linh, (2015), "Công nghệ nhúng trong thiết 
kế thiết bị đo điện tim có chức năng phát hiện phức bộ QRS", Hội Thảo 
Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin 
(ECIT 2015), trang: 146 – 151. 
5. Phạm Văn Nam, Nguyễn Thị Lan Hương, Trần Hoài Linh (2017), “Ứng 
dụng cây quyết định cho giải pháp nâng cao chất lượng nhận dạng tín 
hiệu điện tim”, Tạp chí Khoa học và Công nghệ Đại học Thái Nguyên, 
Tập 169, số 09, Trang: 81-87. 
6. Phạm Văn Nam, Trần Hoài Linh, Nguyễn Thị Lan Hương (2017), “Ứng 
dụng cây quyết định để xây dựng mô hình phối hợp nâng cao chất lượng 
nhận dạng tín hiệu điện tim”, Chuyên san Đo lường, Điều khiển và Tự 
động hóa, số 20, Trang: 76-81. 
Phụ lục 
- 106 - 
PHỤ LỤC 
Phân tích và thiết kế phần cứng 
1. Khối thu thập và chuẩn hóa tín hiệu 
Tín hiệu điện tim có hình dạng cơ bản như trên hình PL.1. Tín hiệu có giá trị 
biên độ rất nhỏ, với sóng R có biên độ lớn nhất ở mức 1 đến 2,5mV. Tín hiệu ECG 
thường dễ bị ảnh hưởng của nhiều thành phần nhiễu khác nhau như: nhiễu do nguồn 
điện lưới, do các điện cực tiếp xúc kém với bề mặt cơ thể của bệnh nhân, do sự thay 
đổi cảm xúc của bệnh nhân, do quá trình hô hấp và chuyển động của bệnh nhân 
 Nhiệm vụ của khối này là: chuẩn hóa tín hiệu analog thu được từ các điện cực 
ECG về dải biến thiên từ 0÷5V, tín hiệu này thường được xử lý qua các khâu: 
khuếch đại tín hiệu khoảng 2000 lần, lọc analog. Như vậy đầu ra của khối này là tín 
hiệu điện tim ECG đã được loại bỏ một phần nhiễu từ các bộ lọc analog, có biến độ 
trong khoảng 0÷5V. Các chức năng này đều có thể được thực hiện bởi IC FPAA. 
Dòng chip lựa chọn trong thiết kế là AN221E04 (hình PL.2) của hãng Anadigm do 
IC AN221E04 có những tài nguyên phù hợp với việc thiết kế bộ lọc cho tín hiệu 
điện tim. 
Hình PL.1: Sơ đồ mạch thu thập tín hiệu điện tim sử dụng IC FPAA 
 Tất cả các thiết kế sau đây cho FPAA đều được thực hiện rất thuận tiện trên 
phần mềm Anadigm Designer tích hợp đi kèm theo IC. Người thiết kế chỉ cần thực 
hiện các công việc sau: 
- Lựa chọn chủng loại chip FPAA dựa trên tính chất của ứng dụng. 
- Chọn từ thư viện CAM các khâu chức năng analog đã được lập sẵn, ví dụ như 
các mạch khuếch đại, chỉnh lưu tích cực, lọc tích cực bậc cao... Người thiết 
kế chỉ cần xác định tham số cho các khối được chọn. Ví dụ giao diện dùng để 
thiết kế khối lọc và khuếch đại được thể hiện trên hình PL.4; 
Phụ lục 
- 107 - 
- Cấu hình sau khi thiết kế sẽ được xuất ra một file mã hex và ghi xuống bộ 
nhớ của vi xử lý (hoặc hệ số nói chung) để nạp cho FPAA mỗi khi khởi động. 
Sơ đồ ghép nối cho trường hợp sử dụng vi xử lý ngoài nạp cấu hình cho 
FPAA được giới thiệu trên hình PL.3. 
(a) (b) 
Hình PL.2: IC AN121E04 và AN221E04 (a) cùng sơ đồ bố trí chân của AN221E04 (b) 
Hình PL.3: Sơ đồ nguyên lý ghép nối FPAA với vi xử lý để nạp cấu hình cho FPAA 
Xây dựng cấu hình cho IC FPAA: 
 Xây dựng các bộ lọc: 
- Thiết kế khâu lọc thông thấp: Trong thư viện CAM của Anadigm Designer có 
khối CAM DC Blocking High Pass Filter with Optional LPF. Sử dụng khối 
Phụ lục 
- 108 - 
CAM này ta có thể lựa chọn được tần số cắt của bộ lọc thông thấp theo tần số 
hoặc theo giá trị tụ điện mắc nối tiếp tại đầu vào. Do yêu cầu của tín hiệu điện 
tim là thu thập toàn bộ phần tín hiệu có dải tần nằm trong khoảng 0,05Hz đến 
150Hz. Ta thiết lập tần số cắt cho tín hiệu ở 0,05Hz. Với tần số lấy mẫu tín 
hiệu của FPAA là 16 kHz thì giá trị tụ điện mắc phía ngoài là 740nF. Ta chọn 
tụ điện loại C105 (1000nF) khi đó tần số cắt của tín hiệu là 0,037Hz, đạt yêu 
cầu sử dụng. 
- Thiết kế khâu lọc thông cao: Sử dụng Biquadratic Filter làm khâu lọc thông 
thấp với tần số lấy mẫu tín hiệu là 16kHz (bằng với tần số lấy mẫu của khâu 
lọc thông cao), tần số cắt của khâu lọc cho phép đặt trong dải từ 0,032kHz 
đến 1,6kHz. Bằng cách thay đổi Quality Factor sẽ làm cho giới hạn về tần số 
cắt và hệ số khuếch đại của khâu lọc thay đổi. Với yêu cầu về tần số cắt của 
khâu lọc thông cao cho tín hiệu điện tim là 150Hz ta đặt Quality Factor là 5. 
- Thiết kế khâu lọc chặn dải: Với những thiết bị điện tim mini sử dụng nguồn 
một chiều thì sẽ ít bị ảnh hưởng bởi nhiễu do nguồn điện xoay chiều tạo ra. 
Tuy nhiên nếu thiết bị sử dụng với nguồn cắm trực tiếp vào điện lưới hoặc 
các dây điện cực cách ly kém thì cần thiết kế bộ lọc có khâu lọc chặn dải cho 
tần số điện lưới. Bộ lọc chặn dải được lựa chọn là bộ lọc Chebyshev. Công cụ 
Anadigm Filter sẽ tính toán chất lượng của khâu lọc và lượng tài nguyên của 
chip được sử dụng cho khâu lọc đó. Trên cơ sở tài nguyên của IC221E04 ta 
lựa chọn được các thông số sau: 
o Pass Band Ripple = 3dB, 
o Stop Band Attend = 30dB, 
o Center Frequency = 50Hz, 
o Stop Band Width = 2Hz. 
o Tần số lấy mẫu của bộ lọc = 8 kHz. 
Phụ lục 
- 109 - 
Hình PL.4: Sơ đồ thiết kế của mạch lọc và khuếch đại trên FPAA 
 Tính toán hệ số khuếch đại: 
 Như phân tích ở trên, nhu cầu cần khuếch đại các tín hiệu với hệ số khuếch đại 
là khoảng 2000, để thực hiện được hệ số này trên FPAA AN221E04 ta lựa chọn 
phương pháp mắc nối tiếp một số khâu. Sử dụng một bộ khuếch đại bên trong khối 
IO như trên hình PL.4, và thiết lập hệ số khuếch đại G1=16, đặt hệ số khuếch đại 
trong khâu lọc thông cao là G2=8, hệ số khuếch đại trong khâu lọc thông thấp là 
G3=16. Như vậy hệ số khuếch đại của toàn bộ các khâu sẽ là: 
G = G1xG2xG3 = 16x8x16 = 2048 
 Cấu hình của FPAA cần được nạp cho IC mỗi khi ta khởi động hệ thống. Cấu 
hình này có thể được nạp từ một bộ nhớ ngoài (nếu mạch không có vi xử lý khác) 
hoặc được truyền từ một vi xử lý trung tâm xuống FPAA theo chuẩn ghép nối SPI. 
Trong thiết kế này thì vi xử lý trung tâm PSoC sẽ nhận nhiệm vụ nạp cấu hình cho 
FPAA. Trên hình PL.5 là kết quả kiểm tra chất lượng hoạt động của mạch lọc được 
thiết kế trong FPAA. Có thể nhận thấy cho tín hiệu điện tim bị nhiễu các bộ lọc đã 
hoạt động tốt. 
Phụ lục 
- 110 - 
Hình PL.5: Kết quả chạy thử nghiệm các mạch lọc nhiễu cho tín hiệu ECG trên Anadigm 
Designer: tín hiệu gốc (trên) và tín hiệu sau khi lọc với các bộ lọc đã thiết kế (dưới) 
2. Khối vi xử lý 
Do yêu cầu về tốc độ tính toán nên thiết bị lựa chọn vi xử lý trung tâm sử dụng 
công nghệ ARM là STM32F103, tốc độ 72MHz, có thư viện hỗ trợ hầu hết các khối 
chức năng quan trọng như ADC, giao tiếp UART, LCD... 
3. Khối màn hình cảm ứng 
 Để hiển thị giao diện điều khiển của thiết bị cũng như có khả năng đưa thông 
tin về tín hiệu điện tim đo được tới người quan sát thì phần giao diện sẽ sử dụng 
màn hình HMI UART Nextion 2.4 Inch. Hình PL.6 là màn hình LCD thực tế đã lựa 
chọn. 
Phụ lục 
- 111 - 
Hình PL.6: Hình ảnh màn hình HMI UART Nextion 2.4 Inch 
4. Khối lưu trữ 
 Đối với các thiết bị đo thì nhu cầu lưu trữ dữ liệu đo được là rất quan trọng. Ở 
các thiết bị đo điện tim cổ điển thì việc lưu trữ dữ liệu được thể hiện qua cơ cấu ghi 
và cuộn giấy. Tuy nhiên với sự phát triển của ngành điện tử như hiện nay thì việc 
lưu trữ dữ liệu cần được thực hiện dưới dạng số hóa. Ta lựa chọn dạng thẻ nhớ SD 
cho thiết bị. Thẻ SD có khả năng lưu trữ tới 8 GB dữ liệu đo. Giao diện ghép nối thẻ 
nhớ vào mạch vi xử lý được giới thiệu trên hình PL.7. 
Hình PL.7: Giao diện của thẻ SD và mạch ghép nối giao tiếp thẻ SD với ARM 
 5. Khối nguồn 
 Do mục đích thiết kế đặt ra là một thiết bị di động nên ta sử dụng nguồn chính 
là các loại pin sạc nhiều lần. Một trong những loại pin có sẵn trên thị trường có điện 
áp làm việc là 3.6÷3.75V. Để chuyển đổi điện áp từ 3,7VDC sang 5VDC có thể 
dùng IC ADP3000-5V với sơ đồ nguyên lý được cho trên hình PL.8. 
Phụ lục 
- 112 - 
Hình PL.8: Sơ đồ nguyên lý ghép nối IC nguồn với pin 3,7V 
Phần mềm trên máy tính: Giao diện chính: Được thực hiện trên Visual C# Express 2010 
Hình PL.9: Giao diện phần mềm ECG Monitor 
6. Kết quả thi công phần cứng 
Hình PL.10: Mặt trên của mạch in 
Phụ lục 
- 113 - 
Hình PL.11: Mặt dưới của mạch in 
Hình PL.12: Hình ảnh của thiết bị trước khi đóng vỏ 
Ổ cắm điện cực
Hình PL.13: Thiết bị sau khi đóng vỏ (loại 1) 
Phụ lục 
- 114 - 
Một số phiên bản thiết bị khác: 
 Thiết bị có kích thước lớn: 12cm x 22cm x 30cm, 
Hình PL.14: Thiết bị sau khi đóng vỏ (loại 2) 
 Thiết bị kích thước nhỏ: 7cm x 6cm x 2cm, dùng để thu thập tín hiệu ECG 
Hình PL.15: Thiết bị sau khi đóng vỏ (loại 3) 
Phụ lục 
- 115 - 
Bảng PL.1: Thống kê số lượng các loại nhịp bệnh của 19 bệnh nhận 
trong bộ cơ sở dữ liệu MIT-BIH 
STT 
Record Nr N L R A V I E 
1 Record 100 2239 33 0 0 1 0 0 
2 Record 105 2526 0 0 0 41 0 0 
3 Record 106 1507 0 0 0 520 0 0 
4 Record 109 0 2492 0 0 38 0 0 
5 Record 111 0 2123 0 0 1 0 0 
6 Record 114 1820 0 0 10 43 0 0 
7 Record 116 2302 0 0 1 109 0 0 
8 Record 118 0 0 2166 96 16 0 0 
9 Record 119 1543 0 0 0 444 0 0 
10 Record 124 0 0 1531 2 47 0 0 
11 Record 200 1743 0 0 30 826 0 0 
12 Record 202 2061 0 0 36 19 0 0 
13 Record 207 0 1457 86 107 105 472 105 
14 Record 208 1586 0 0 992 0 0 
15 Record 209 2621 0 0 383 1 0 0 
16 Record 212 923 0 1825 0 0 0 0 
17 Record 214 0 2003 0 0 256 0 0 
18 Record 221 2031 0 0 0 396 0 0 
19 Record 222 2031 0 0 208 0 0 0 
Phụ lục 
- 116 - 
 Kết quả thử nghiệm thuật toán tiền xử lý và phát hiện đỉnh R trên thiết bị đo, thử 
nghiệm với 06 record 100, 101, 102, 103, 104, 105 trên bộ CSDL MIT-BIH. 
Bảng PL.2: Kết quả thử nghiệm thiết bị trên CSDL MIT-BIH 
Record Tổng số nhịp 
Số nhịp không 
phát hiện được 
Số nhịp 
phát hiện sai 
Sai số 
(%) 
100 1901 1 1 0.1 
101 1523 1 2 0.19 
102 1820 1 0 0.05 
104 1849 8 3 0.59 
105 2149 7 52 2.74 
 Kết quả đã thử nghiệm khả năng chạy chương trình nhận dạng trên thiết bị, với 
đầu vào là 3068 vectơ đặc tính các nhịp tim trên trích ra từ bộ CSDL MIT-BIH, thời 
gian nhận dạng chạy trên ARM (STM32F103, tốc độ 72MHz) mất khoảng 150 (ms), 
đã phần nào đáp ứng được thời gian thực. 
Bảng PL.3: Kết quả thử nghiệm chương trình nhận dạng trên thiết bị với bộ cơ sở dữ 
liệu MIT-BIH 
Loại nhịp 
(test) 
Số 
lượng 
Số nhịp 
nhận dạng sai 
Sai số 
(%) 
N 935 7 0.749 
L 561 4 0.713 
R 485 4 0.825 
A 398 15 3.769 
V 451 5 1.109 
I 201 3 1.493 
E 37 0 0.000