Hệ Thống Xử Lý Tín Hiệu Điện Não Tự Động Phát Hiện Gai Động Kinh

Hà Nội - 2019

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

NGUYỄN THỊ ANH ĐÀO

HỆ THỐNG XỬ LÝ TÍN HIỆU ĐIỆN NÃO

TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH

LUẬN ÁN TIẾN SĨ CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG

Hà Nội - 2019

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

NGUYỄN THỊ ANH ĐÀO

HỆ THỐNG XỬ LÝ TÍN HIỆU ĐIỆN NÃO

TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG KINH

Chuyên ngành: Kỹ thuật Viễn thông

Mã số: 9510302.02

LUẬN ÁN TIẾN SĨ CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS. TS. NGUYỄN LINH TRUNG

i

LỜI CAM ĐOAN

Tôi xin cam đoan luận án do tôi thực hiện. Những kết quả từ các công trình của

các tác giả khác mà tôi sử dụng trong luận án đều được trích dẫn rõ ràng, cụ thể. Các

kết quả tính toán, mô phỏng là trung thực.

Nếu có gì sai trái, tôi xin hoàn toàn chịu trách nhiệm.

Hà Nội, ngày 5 tháng 11 năm 2019

Nghiên cứu sinh

Nguyễn Thị Anh Đào

ii

LỜI CẢM ƠN

Trước tiên, tôi xin bày tỏ sự trân trọng, lòng biết ơn sâu sắc đến thầy giáo, PGS.

TS. Nguyễn Linh Trung, người đã tận tình hướng dẫn và định hướng cho tôi thực hiện

công trình nghiên cứu này. Trong quá trình thực hiện đề tài, thầy là người luôn động

viên, hỗ trợ và tận tình giúp đỡ những lúc tôi cảm thấy khó khăn và giúp tôi vượt qua

trở ngại.

Tôi xin gửi lời cảm ơn chân thành tới GS. TS. Karim Abed-Meraim, GS. TS

Boualem Boashash và PGS. TS. Trần Đức Tân, Ths. Lê Trung Thành, TS. Nguyễn

Việt Dũng, Ths. Nguyễn Văn Lý, TS. Lê Vũ Hà, Ths. Đinh Văn Việt, Ths. Nguyễn

Thế Hoàng Anh, Ths. Trương Minh Chính, TS. Trần Thị Thúy Quỳnh những người

đã góp phần hỗ trợ tôi về chuyên môn trong quá trình làm luận án. Tôi xin bày tỏ lòng

biết ơn sâu sắc đến Bác sĩ, TS. Hoàng Cẩm Tú, người đã tận tâm hỗ trợ tôi hoàn thành

bộ dữ liệu sử dụng trong luận án.

Tôi xin trân trọng cảm ơn Ban Giám hiệu Nhà trường, Khoa Điện tử-Viễn thông,

phòng Đào tạo Trường Đại học Công nghệ, Đại học Quốc Gia Hà Nội, đã giảng dạy,

hướng dẫn và tạo điều kiện giúp đỡ tôi; đặc biệt là sự quan tâm, động viên của TS.

Nguyễn Hồng Thịnh, người đã thực sự quan tâm và đối xử với tôi như một thành viên

của Trường Đại học Công nghệ.

Tôi xin bày tỏ sự trân trọng, lòng biết ơn sâu sắc tới Đảng ủy, Ban Giám hiệu

Nhà trường, Khoa Điện tử viễn thông, Phòng tổ chức cán bộ Trường Đại học Kỹ thuật

Hậu cần Công an Nhân dân; đặc biệt là sự quan tâm, tạo điều kiện của PGS. TS.

Nguyễn Đăng Tiến, TS. Nguyễn Văn Căn, TS. Đặng Việt Xô, TS. Đặng Văn Tuyên,

TS. Phạm Thị Thúy Hằng và Ths. Phạm Xuân Cảnh đã hết sức hỗ trợ, tạo mọi điều

kiện thuận lợi cho tôi trong quá trình thực hiện đề tài.

Tôi xin cảm ơn những người thân trong gia đình, đặc biệt là chồng tôi đã hỗ trợ

tôi rất nhiều cả về vật chất và tinh thần để tôi có thể học tập đạt kết quả tốt và thực

hiện thành công luận án này.

iii

Luận án này được hỗ trợ bởi:

- Đề tài nghiên cứu khoa học mã số 102.02-2015.32 và đề tài mã số 102.04-

2019.14, Quỹ Phát triển khoa học và công nghệ Quốc gia (National Foundation for

Science and Technology Development - NAFOSTED)

- Dữ liệu điện não đồ sử dụng trong luận án được sử dụng từ kết quả của đề tài

nghiên cứu khoa học mã số QG.10.40, Đại học Quốc Gia Hà Nội

Tôi xin chân thành cảm ơn!

Hà Nội, ngày 5 tháng 11 năm 2019

Nguyễn Thị Anh Đào

iv

MỤC LỤC

Trang phụ bìa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i

Lời cam đoan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii

Lời cảm ơn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii

Mục lục . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

Danh mục ký hiệu và chữ viết tắt . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Danh mục các bảng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

Danh mục hình vẽ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

MỞ ĐẦU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

CHƯƠNG 1. CƠ SỞ VÀ TỔNG QUAN . . . . . . . . . . . . . . . . . . . . . 26

1.1. Giới thiệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

1.2. Điện não đồ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

1.3. Động kinh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1.4. Chuẩn đo quốc tế 10-20 . . . . . . . . . . . . . . . . . . . . . . . . . . 29

1.5. Cơ sở dữ liệu EEG sử dụng trong luận án . . . . . . . . . . . . . . . . . 30

1.5.1. Đo đạc và thu thập dữ liệu . . . . . . . . . . . . . . . . . . . . . 30

1.5.2. Tiền xử lý dữ liệu EEG . . . . . . . . . . . . . . . . . . . . . . . 32

1.5.3. Cơ sở dữ liệu EEG . . . . . . . . . . . . . . . . . . . . . . . . . 33

1.6. Ma trận đánh giá . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

1.7. Đường cong ROC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

1.8. Các khái niệm cơ bản về ten-xơ . . . . . . . . . . . . . . . . . . . . . . 38

1.9. Phân tích ten-xơ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

1.9.1. Phân tích CP . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

1.9.2. Phân tích Tucker . . . . . . . . . . . . . . . . . . . . . . . . . . 43

1.10.Xấp xỉ hạng thấp đa tuyến tính cho các ten-xơ . . . . . . . . . . . . . . 44

1.10.1. Phân tích CP . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

1.10.2. Phân tích Tucker . . . . . . . . . . . . . . . . . . . . . . . . . . 45

1.10.3. Phân tích ten-xơ với ràng buộc không âm . . . . . . . . . . . . 46

1.10.4. Phân tích CP với ràng buộc không âm . . . . . . . . . . . . . . 48

1.10.5. Phân tích Tucker với ràng buộc không âm . . . . . . . . . . . . 48

1

1.11.Kết luận chương 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

CHƯƠNG 2. HỆ THỐNG ĐA BƯỚC TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG

KINH ĐƠN KÊNH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

2.1. Giới thiệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

2.2. Hệ thống đa bước tự động phát hiện gai động kinh đơn kênh . . . . . . 52

2.2.1. Tiền xử lý . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

2.2.2. Trích xuất đặc trưng . . . . . . . . . . . . . . . . . . . . . . . . 57

2.2.3. Phân loại . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

2.2.4. Hệ chuyên gia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

2.3. Đường cong ROC tổng hợp cho hệ thống đa bước . . . . . . . . . . . . 62

2.3.1. Sự phụ thuộc của SEN và p1
SPEq vào ngưỡng quyết định . . 62

2.3.2. Ước lượng đường cong ROC tổng hợp cho hệ thống đa bước . . 66

2.4. Mô phỏng và thảo luận . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

2.4.1. Dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

2.4.2. Ma trận đánh giá . . . . . . . . . . . . . . . . . . . . . . . . . . 70

2.4.3. Kết quả mô phỏng và thảo luận . . . . . . . . . . . . . . . . . . 73

2.5. Kết luận chương 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

CHƯƠNG 3. HỆ THỐNG ĐA BƯỚC TỰ ĐỘNG PHÁT HIỆN GAI ĐỘNG

KINH ĐA KÊNH DỰA TRÊN PHÂN TÍCH TEN-XƠ . . . . . . . . . . . . 80

3.1. Giới thiệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

3.2. Phương pháp xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho

các ten-xơ (SMLRAT) . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

3.2.1. Mối liên hệ giữa SLRAM và phân tích ten-xơ . . . . . . . . . . 81

3.2.2. Xấp xỉ hạng thấp đa tuyến tính đồng thời mở rộng cho các ten-xơ 82

3.3. Hệ thống đa bước phát hiện gai động kinh đa kênh dựa trên phân tích

ten-xơ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

3.3.1. Biểu diễn dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . 86

3.3.2. Trích xuất đặc trưng . . . . . . . . . . . . . . . . . . . . . . . . 87

3.3.3. Lựa chọn đặc trưng . . . . . . . . . . . . . . . . . . . . . . . . . 91

3.3.4. Phân loại . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

3.4. Kết quả mô phỏng và thảo luận . . . . . . . . . . . . . . . . . . . . . . 92

3.4.1. Biểu diễn dữ liệu . . . . . . . . . . . . . . . . . . . . . . . . . . 93

2

3.4.2. Trích xuất đặc trưng . . . . . . . . . . . . . . . . . . . . . . . . 93

3.4.3. Lựa chọn đặc trưng . . . . . . . . . . . . . . . . . . . . . . . . . 96

3.4.4. Phân loại . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

3.5. Phương pháp lựa chọn đặc trưng mới cho hệ thống đa bước phát hiện

gai động kinh đa kênh dựa trên phân tích ten-xơ . . . . . . . . . . . . . 119

3.5.1. Phương pháp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

3.5.2. Mô phỏng và đánh giá . . . . . . . . . . . . . . . . . . . . . . . 122

3.6. Kết nối với các nghiên cứu liên quan . . . . . . . . . . . . . . . . . . . 123

3.6.1. Kết nối với phân tích thành phần đồng thời . . . . . . . . . . . . 125

3.6.2. Kết nối với phân tích không gian con đồng thời . . . . . . . . . 125

3.6.3. Kết nối với phân tích thành phần chính đa tuyến tính . . . . . . 126

3.7. Kết luận chương 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

KẾT LUẬN VÀ KIẾN NGHỊ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

DANH MỤC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN

LUẬN ÁN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

TÀI LIỆU THAM KHẢO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

PHỤ LỤC A. CHỨNG MINH ĐỊNH LÝ 3.1 . . . . . . . . . . . . . . . . . . . 146

PHỤ LỤC B. CHỨNG MINH HỆ QUẢ 3 . . . . . . . . . . . . . . . . . . . . . 147

PHỤ LỤC C. CHỨNG MINH HỆ QUẢ 5 . . . . . . . . . . . . . . . . . . . . . 148

3

DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT

Danh mục ký hiệu

STT Ký hiệu Giải thích

1 R Tập số thực

2 R

N Không gian véc-tơ thực N chiều

3 chữ thường, chữ in nghiêng

hoặc chữ hoa in hoa, ví dụ a, N

Đại lượng vô hướng

4 chữ thường in đậm, ví dụ a Đại lượng véc-tơ, các thành phần của véc-tơ a

được ký hiệu là ai

5 chữ in hoa in đậm, ví dụ U Ma trận, các thành phần của ma trận U được ký

hiệu là uij

6 chữ in hoa nghiêng in đậm, ví

dụ X

Ten-xơ, các thành phần của ten-xơ X được ký

hiệu là xi1i2...in

7  Tích ngoại

8 b Tích Kronecker

9 d Tích Khatri-Rao

10  Tích Hadamard

11 xX,Yy Tích nội của ten-xơ X và ten-xơ Y

12 pq# Giả nghịch đảo của ma trận pq

13 trpq Trace của ma trận pq

14 }A} Chuẩn của ten-xơ A

15 }X}F Chuẩn Frobenius của ten-xơ X

16 xA, By Tích nội của ten-xơ A và ten-xơ B có cùng kích

thước

17 A ` B Xếp chồng của ten-xơ A với ten-xơ B

18 pkq Mode (chế độ) của ma trận hoặc ten-xơ

4

19 Apkq của ten-xơ A bậc n Mode-k (chế độ k) của ten-xơ A, k ¤ n

20 A k U Phép nhân k-mode của ten-xơ A với ma trận U

21 xi1i2...iN Phần tử của ten-xơ X P R

I1I2...IN

22 λ Ten-xơ đường chéo

23 rankpUkq Hạng của ma trận Uk

24 G Ten-xơ lõi

25 tλiu

r

i1 Các phần tử đường chéo của ten-xơ lõi G

26 Λ Ma trận đường chéo

27 vecpUq Véc tơ hóa ma trận U

28 σ Độ lệch chuẩn

29 Σ Ma trận hiệp phương sai

30 γpfiq Điểm Fisher của đặc trưng fi

31 θ Ngưỡng quyết định

5

DANH MỤC CHỮ VIẾT TẮT

STT

Chữ Giải thích tiếng Anh Giải thích tiếng Việt viết tắt

1 2dLDA Two-dimensional Linear

Discriminant Analysis

Phân tích tuyến tính riêng biệt hai

chiều

2 CP/

PARAFAC

Canonical Polydadic/

Parallel Factor Analysis

Phân tích phần tử song song

3 CSA Concurrent Subspaces Analysis Phân tích không gian con đồng

thời

4 CWT Continuous Wavelet Transform Biến đổi sóng con liên tục

5 EEG Electroencephalogram Điện não đồ

6 FHWA First Half Wave Amplitude Biên độ cạnh trước

7 FHWD First Half Wave Duration Thời gian tồn tại cạnh trước

8 FHWS First Half Wave Slope Độ dốc cạnh trước

9 GLRAM Generalized Low Rank

Approximations Matrix

Xấp xỉ hạng thấp mở rộng của các

ma trận

10 GSLRAT Generalized Simultaneous

Multilinear LRA of Tensors

Xấp xỉ hạng thấp đa tuyến tính mở

rộng cho các ten-xơ đồng thời

11 HODA Higher Order Discriminant

Analysis

Phân tích phân biệt bậc cao

12 HOOI Higher-order Orthogonal

Iteration

Lặp trực giao bậc cao

13 HOSVD Higher-Order Singular Value

Decomposition

Phân tích giá trị riêng bậc cao

14 ILFS Infinite Latent Feature Selection Lựa chọn đặc trưng ẩn không giới

hạn

15 KMC K-means Clustering Phân cụm K-Means

16 LLCFS Feature Selection For Local

Learning-based Clustering

Lựa chọn đặc trưng để phân cụm

dựa trên học địa phương

17 LMRTA Low Multilinear Rank Tensor

Approximation

Xấp xỉ hạng thấp đa tuyến tính cho

ten-xơ

18 LRA Low Rank Approximation Xấp xỉ hạng thấp

19 LRAT Low-rank Approximation Of

Tensor

Xấp xỉ hạng thấp cho các ten-xơ

6

20 LRMA Low-rank Matrix

Approximation

Xấp xỉ hạng thấp cho các ma trận

21 M-PCA Multilinear Principal

Component Analysis

Phân tích các thành phần chính đa

tuyến tính

22 MR-NTD Manifold Regularization

Nonnegative Tucker

Decomposition

Phân tích Tucker chính tắc với

ràng buộc không âm

23 NCP Nonnegative CP Decomposition Phân tích CP với ràng buộc không

âm

24 NMF Nonnegative Matrix

Factorization

Hệ số hóa ma trận với ràng buộc

không âm

25 NTD Nonnegative Tucker

Decomposition

Phân tích Tucker với ràng buộc

không âm

26 NTF Nonnegative Tensor

Decomposition

Phân tích tensor với ràng buộc

không âm

27 PCA Principal Component Analysis Phân tích các thành phần chính

28 PNES Psychogenic Non-Epileptic

Seizure

Xung không động kinh tâm lý

29 ROC Receiver Operating

Characteristic

Đường cong đặc trưng hoạt động

của bộ thu nhận

30 SCA Simultaneous Component

Analysis

Phân tích thành phần đồng thời

31 SHWA Second Half Wave Amplitude Biên độ cạnh sau

32 SHWD Second Half Wave Duration Thời gian tồn tại cạnh sau

33 SHWS Second Half Wave Slope Độ dốc cạnh sau

34 SLMRA Simultaneous Low Multilinear

Rank Approximation

Xấp xỉ hạng thấp đa tuyến tính

đồng thời

35 SLRAM Simultaneous Low Rank

Approximation Of Multiple

Matrices

Xấp xỉ hạng thấp cho các ma trận

đồng thời

36 SLRAT Simultaneous Low Rank

Approximation Of Multiple

Tensors

Xấp xỉ hạng thấp cho các ten-xơ

đồng thời

37 SM-PCA Sparse Multilinear Principal

Component Analysis

Phân tích thành phần chính đa

tuyến tính thưa

7

38 SVD Singular Value Decomposition Phân tích giá trị riêng

39 SVM Support Vector Machine Máy vectơ hỗ trợ

40 UDFS Unsupervised Discriminative

Feature Selection

Lựa chọn đặc trưng phân biệt

không giám sát

41 UM-PCA Unconstrained Multilinear

Principal Component Analysis

Phân tích các thành phần chính đa

tuyến tính không ràng buộc

8

DANH MỤC CÁC BẢNG

Bảng 1.1: Tập dữ liệu EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Bảng 1.2: Kết quả xét nghiệm và tình trạng của bệnh. . . . . . . . . . . . . 34

Bảng 2.1: Tập dữ liệu huấn luyện . . . . . . . . . . . . . . . . . . . . . . . 70

Bảng 2.2: Tập dữ liệu kiểm tra . . . . . . . . . . . . . . . . . . . . . . . . . 71

Bảng 2.3: Kết quả phát hiện gai động kinh của hệ thống theo từng bước . . 73

Bảng 2.4: Tỉ lệ dương tính thật (SEN) và tỉ lệ âm tính thật (SPE) . . . . . . 73

Bảng 2.5: Tỉ lệ dương tính thật trung bình (SENtb) theo các phương pháp . 74

Bảng 2.6: Kết quả của hệ thống sau bộ phân loại ANN khi chưa sử dụng

hệ chuyên gia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

Bảng 2.7: Kết quả ước lượng ROC tổng hợp của hệ thống đa bước . . . . . 77

Bảng 3.1: Tập dữ liệu EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

Bảng 3.2: Hiệu suất phát hiện gai động kinh của mô hình CP-KNN sử

dụng xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . 102

Bảng 3.3: Hiệu suất phát hiện gai động kinh của mô hình NCP-KNN sử

dụng xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . 103

Bảng 3.4: Hiệu suất phát hiện gai động kinh của mô hình TD-KNN sử

dụng xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . 103

Bảng 3.5: Hiệu suất phát hiện gai động kinh của mô hình NTD-KNN sử

dụng xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . 104

Bảng 3.6: Hiệu suất phát hiện gai động kinh của mô hình CP-NB sử dụng

xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

Bảng 3.7: Hiệu suất phát hiện gai động kinh của mô hình NCP-NB sử dụng

xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

Bảng 3.8: Hiệu suất phát hiện gai động kinh của mô hình TD-NB sử dụng

xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

Bảng 3.9: Hiệu suất phát hiện gai động kinh của mô hình NTD-NB sử

dụng xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . 106

9

Bảng 3.10:Hiệu suất phát hiện gai động kinh của mô hình CP-DT sử dụng

xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

Bảng 3.11:Hiệu suất phát hiện gai động kinh của mô hình NCP-DT sử dụng

xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

Bảng 3.12:Hiệu suất phát hiện gai động kinh của mô hình TD-DT sử dụng

xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

Bảng 3.13:Hiệu suất phát hiện gai động kinh của mô hình NTD-DT sử

dụng xác thực chéo LOOC . . . . . . . . . . . . . . . . . . . . . . . . . 109

Bảng 3.14:Hiệu suất phát hiện gai động kinh của mô hình NTD-SVM dựa

trên phương pháp đề xuất bởi Phan-Cichocki . . . . . . . . . . . . . . . 110

Bảng 3.15:Hiệu suất phát hiện gai động kinh của mô hình NTD-KNN dựa

trên phương pháp được đề xuất bởi Phan-Cichocki . . . . . . . . . . . 111

Bảng 3.16:Hiệu suất phát hiện gai động kinh của mô hình NTD-NB dựa

trên phương pháp được đề xuất bởi Phan-Cichocki . . . . . . . . . . . 111

Bảng 3.17:Hiệu suất phát hiện gai động kinh của mô hình NTD-DT dựa

trên phương pháp được đề xuất bởi Phan-Cichocki . . . . . . . . . . . 112

Bảng 3.18:Hiệu suất phát hiện gai động kinh của mô hình NTD-SVM sử

dụng xác thực chéo LOOCV . . . . . . . . . . . . . . . . . . . . . . . 115

Bảng 3.19:Hiệu suất phát hiện gai động kinh sử dụng các mô hình học máy

khác nhau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

Bảng 3.20:Xếp chồng các ten-xơ, sử dụng các bộ phân loại SVM, KNN,

NB và DT với 500 đặc trưng có ý nghĩa nhất. . . . . . . . . . . . . . . . 117

10