Bối cảnh:

  + Nhu cầu theo dõi tim mạch tại nhà tăng cao, đặc biệt cho người cao tuổi hoặc bệnh nhân tim mạch.

  + ECG biến đổi mạnh theo bệnh lý, dễ nhiễu, khó nhận dạng tự động.

• Giải pháp:
•   + Phối hợp nhiều mô hình nhận dạng đơn → tổng hợp kết quả bằng cây quyết định nhị phân.
•   + Mô hình đơn: MLP (1 lớp ẩn, 20 nơ-ron), TSK (21 luật, 7 đầu ra), SVM (phân loại đa lớp theo “một chọi một”).
•   + Đầu vào cây quyết định: vector ghép kết quả các mô hình đơn.
•   + Thuật toán xây dựng cây: ID3.
• - Trích chọn đặc trưng:
•   + Khai triển QRS theo 16 hàm Hermite đầu tiên → hệ số khai triển làm đặc trưng.
•   + Thêm 2 đặc tính thời gian: RR hiện tại, RR trung bình 10 nhịp gần nhất.
•   + Dữ liệu: 19 bệnh nhân MIT-BIH, 7 loại nhịp (N, L, R, A, V, I, E).
• - Kết quả:
•   + Sai số kiểm tra: MLP 3,59%, TSK 3,26%, SVM 1,96%.
•   + Tích hợp 2 mô hình: sai số ~2,64–3,03%.
•   + Tích hợp 3 mô hình qua cây quyết định: sai số 1,24% (tốt nhất).
•   + So sánh với các phương pháp tổng hợp khác: majority voting 1,63%, weighted voting 1,37%, Kullback-Leibler 1,47%, Modified Bayes 1,56%.
•   + Lỗi chủ yếu giữa nhịp A và N do hình dạng tương tự.
• - Thiết bị đề xuất:
•   + Yêu cầu: đo 1 chuyển đạo ECG, tích hợp tiền xử lý, trích chọn đặc trưng, nhận dạng; cầm tay, pin sạc, màn hình LCD, lưu SD, kết nối PC.
•   + Phần cứng: FPAA AN221E04 (thu thập & chuẩn hóa), ARM STM32F103 (xử lý), LCD Nextion 2.4", thẻ SD, pin 3,7V.
•   + Thuật toán: phát hiện R (Pan–Tompkins cải tiến), khai triển Hermite (ma trận A+ tính trước), nhận dạng qua 3 mô hình + cây quyết định.
•   + Thời gian xử lý trên ARM 72 MHz: 310 ms/nhịp (đáp ứng ≤160 nhịp/phút).
• - Kết luận:
•   + Giải pháp phối hợp nhiều mô hình qua cây quyết định cải thiện rõ rệt độ chính xác nhận dạng ECG.
•   + Thuật toán đủ nhẹ để nhúng trên vi xử lý, hướng tới sản phẩm thương mại phục vụ theo dõi tim mạch tại nhà.