PHÂN TÍCH TÍN HIỆU ĐIỆN NÃO BẰNG PHƯƠNG PHÁP CỬA SỔ TRƯỢT ENTROPY MẪU (SAMPLE ENTROPY) HỖ TRỢ PHÁT HIỆN BỆNH ĐỘNG KINH
Kỹ thuật điều khiển và tự động hóa
Luận án này tập trung nghiên cứu và phát triển một hệ thống tự động hỗ trợ chẩn đoán bệnh động kinh thông qua phân tích tín hiệu điện não đồ (EEG), nhằm giải quyết thách thức về chẩn đoán hiện tại chủ yếu dựa vào phương pháp lâm sàng và tốn kém thời gian. Đề tài mang ý nghĩa thiết thực trong việc phát triển chuyên sâu về nghiên cứu điện não và sinh lý thần kinh.
Mục tiêu chính của luận án là xây dựng tiêu chí nhận biết và phát hiện những dị thường bệnh lý trên các bản ghi điện não đồ trong động kinh (trước, trong và sau cơn) dựa trên đặc trưng Entropy mẫu (Sample Entropy - SE). Luận án cũng phát triển thuật toán và hệ thống để tự động phát hiện cơn động kinh và vùng nghi ngờ khởi phát động kinh thông qua phân tích tín hiệu điện não đồ, đồng thời phân tích, đánh giá chất lượng của hệ thống đã xây dựng. Đối tượng nghiên cứu là các bản ghi tín hiệu điện não EEG, bao gồm cả trong và ngoài cơn động kinh. Phạm vi nghiên cứu đề cập đến điện não đồ trong các cơn động kinh, các phương pháp phân tích điện não đồ, nghiên cứu và xác định các tham số phi tuyến như vùng thu hút, kích thước tương quan, Entropy, cũng như mô phỏng tín hiệu điện não trong cơn động kinh.
Luận án sử dụng phương pháp nghiên cứu lý thuyết, thực nghiệm kết hợp mô phỏng kiểm chứng, áp dụng các bộ dữ liệu EEG chuẩn quốc tế từ đại học Bonn – Đức và "CHB-MIT scalp EEG database". Đóng góp mới của luận án bao gồm việc xây dựng thuật toán và hệ thống tự động xác định các cơn động kinh dựa trên cửa sổ trượt SE với tham số phù hợp, đưa ra thông số về điểm khởi đầu và kết thúc cơn với độ chính xác cao, và đề xuất thuật toán tách, ghép cơn trong bản ghi EEG. Đặc biệt, luận án phát triển thuật toán xử lý đa kênh tín hiệu EEG trên cơ sở cửa sổ trượt SE để xác định vùng nghi ngờ khởi phát cơn động kinh.
Kết quả nghiên cứu cho thấy thuật toán đề xuất có độ chính xác cao trong việc xác định các cơn động kinh trên bản ghi EEG đa kênh (96.5-97.25%), độ nhạy và độ đặc hiệu cao, sai số về thời điểm khởi phát và kết thúc cơn thấp (4.1-4.3 giây). Tốc độ xử lý nhanh cho phép ứng dụng xử lý dữ liệu online, hỗ trợ hiệu quả cho công tác chẩn đoán. Hướng phát triển tiếp theo bao gồm kiểm chứng và hoàn thiện thuật toán với dữ liệu y tế tại Việt Nam, cũng như sử dụng chỉ số SE để dự báo và cảnh báo sớm các cơn động kinh.