Nhận dạng hoạt động gõ tay thông qua phân tích tín hiệu quang phổ cận hồng ngoại (NIRS) dùng giải thuật hồi quy

v


TÓM TT

Trong nhng thp k gần đơy, các nghiên cu v vic não giao tip máy tính
phc v cho mc đích chẩn đoán vƠ phc hi chc năng không ngng phát trin.
Oxy trên vỏ nƣo vƠ lu lng máu trên các vùng ca nƣo ngi có th đo bằng
phng pháp không xơm nhp ậ quang ph cn hng ngoi fNIRS (functional Near
InfraRed Spectroscopy). Trong đ tƠi nƠy, ngi thực hin xây dựng gii thut đ
nhn dng mt ngi đang gõ tay trái hay tai phi dựa trên tín hiu nƣo đo đc. D
liu còn nhiu thu thp t nhiu kênh s đi qua b tin x lý dùng b lọc Savitzky-
Golay đ có đc tín hiu phẳng hn. Đc tính ca tín hiu sau lọc trong quá trình
gõ tay trái và phi đc trích ra thông qua hi quy đa thc. H s hi quy tng ng
vi lng tp trung oxy- hemoglobin s đc dùng cho vic nhn dng. Sau cùng,
công c vector h tr - SVM đc áp dng đ huấn luyn và nhn dng tay trái hay
tay phi đang đc gõ. Song song đó, mng n-ron nhân to cũng đc s dng đ
huấn luyn và nhn dng, cho thấy tín hiu qu ca các đc trng đƣ có. Các kt qu
thí nghim trên 3 ngi vi nhiu lần gõ tay đƣ cho thấy đ tin cy ca gii thut đƣ
đ xuất.

vi


ABSTRACT

Researches of human Brain Computer Interface (BCI) for the objective of diagnosis
and rehabilitation have been recently increased. Cerebral oxygenation and blood flow on
particular regions of human brain can be measured using a non-invasive technique ậ fNIRS
(functional Near Infrared Spectroscopy). In this thesis, a study of recognition algorithm
will be described for recognition whether one taps his/her left hand or right hand. Data
with noises and artifacts collected from a multi-channel system will be pre-processed using
a Savitzky- Golay filter for getting more smoothly data. Characteristics of the filtered
signals during left and right hand tapping process will be extracted using a polynomial
regression algorithm. Coefficients of the polynomial, which correspond to Oxygen-
Hemoglobin (Oxy- Hb) concentration, will be applied for the recognition of hand tapping.

Then Support Vector Machines (SVM) will be employed to validate the obtained
coefficient data for hand tapping recognition. In addition, for the objective of comparison,
Artificial Neural Networks (ANN) was also applied to recognize hand tapping side with
the same topology. Experimental results have been done many trials on 3 subjects to
illustrate the effectiveness of the proposed method.

vii

MC LC
Trang
Quyt định giao đ tài i
Lý lịch khoa học ii
Li cam đoan iii
Li cm n iv
Tóm tắt v
Abstract vi
Mc lc vii
Danh sách bng ix
Danh sách hình x
Chng 1
TNG QUAN 1
1.1 Tng Quan V Lĩnh Vực Nghiên Cu 1
1.2 Mc Đích Ca Đ Tài 2
1.3 Nhim V Và Gii Hn Ca Đ Tài 2
1.3.1 Nhim V 2
1.3.2 Gii Hn 3
1.4 Phng Pháp Nghiên Cu 3
1.5 Tóm Tắt Đ Tài 3
Chng 2
C S LÝ THUYT 5
2.1 Phng Pháp Tái Hin Hình nh Và Tín Hiu Nƣo Ngi 5
2.1.1 Phng pháp EEG 5
2.1.2 Phng Pháp MRI 7
2.1.3 Phng Pháp Quang Ph Cn Hng Ngoi fNIRS 8
2.2 C S Lý Thuyt 10

Chng 3
THU THP D LIU NÃO NGI S DNG K THUT QUANG PH CN
HNG NGOI - fNIRS 15
3.1 Các Vùng Chc Năng Nƣo Ngi 15
3.2 Thit Bị Và Tín Hiu fNIRS 17
3.2.1 Thit Bị 17
3.2.2 Tín Hiu fNIRS 19
3.3 Thit Lp Thí Nghim Thu D Liu Cho Hot Đng Gõ Tay 21
Chng 4
TIN X LÝ D LIU 25
4.1 B Lọc Savitzky ậ Golay 25
4.2 Áp Dng B Lọc Trên Tín Hiu NIRS 31
Chng 5
TRệCH ĐC TRNG DÙNG HI QUY ĐA THC 36
5.1 Mô Hình Hi Quy Tuyn Tính Nhiu Bin 36
5.2 Mô Hình Hi Quy Đa Thc 38

viii

5.3 Tính Chất c Lng Bình Phng Ti Thiu 40
5.4 Trích Đc Trng Dùng Hi Quy Đa Thc Trên Tín Hiu NIRS 40
Chng 6
THUT TOÁN NHN DNG PR- SVM 48
6.1 Siêu Phẳng - Hyperplane 48
6.2 SVM Tuyn Tính 49
6.3 Các Điu Kin Karush-Kuhn-Tucker (KKT) 50
6.4 Gii Thut SMO 51
6.5 Thut Toán Nhn Dng PR - SVM 53
Chng 7
THUT TOÁN NHN DNG PR-ANN 58

7.1 Mng Lan Truyn Ngc 58
7.2 Thut Toán Nhn Dng PR-ANN 61
Chng 8
KT LUN 65
8.1 Kt Lun 65
8.2 Hng Phát Trin Đ Tài 66
TÀI LIU THAM KHO 67
PH LC 69

ix

DANH SÁCH BNG

Bng 3. 1. D liu đo đc trong 1.4 giơy đầu tiên trên bán cầu não trái khi gõ tay
trái trên kênh 1 20

Bng 5. 1. Tp d liu đ tìm các h s hi quy 37

Bng 6. 1. Sắp xp các h s hi quy t các kênh (2, 5, 6, 9 và 12, 15, 16, 19) trong
mt lần gõ tay 54
Bng 6. 2. Gii thut kim tra chéo- nhn dng gõ tay phi và trái 55
Bng 6. 3. Đ chính xác thu đc trên ch th th 1 vi thut toán PR- SVM 55
Bng 6. 4. Đ chính xác thu đc trên ch th th 2 vi thut toán PR- SVM 56
Bng 6. 5. Đ chính xác thu đc trên ch th th 3 vi thut toán PR- SVM 56

Bng 7. 1. Gii thut cp nht trọng s cho mng lan truyn ngc 3 lp 61
Bng 7. 2. Kt qu trên ch th 1 vi thut toán PR- ANN 63
Bng 7. 3. Kt qu trên ch th 2 vi thut toán PR- ANN 63
Bng 7. 4. Kt qu trên ch th 3 vi thut toán PR- ANN 63

Bng 8. 1. Đ chính xác trung bình trên các ch th vi thut toán PR-SVM 65
Bng 8. 2. Đ chính xác trung bình trên các ch th vi thut toán PR-ANN 65

x

DANH SÁCH HÌNH

Hình 1. 1. Tóm tắt các phng pháp đo tín hiu não 1
Hình 1. 2. Sự thay đi Hemoglobin (Hb): Oxy-Hb, deOxy-Hb, total-Hb 2

Hình 2. 1. B trí đin cực trong phép đo EEG[2] 5
Hình 2. 2. Bn loi sóng c bn trong phép đo EEG : sóng delta, theta, alpha, beta
[3] 6
Hình 2. 3. Quá trình tác đng lên nguyên t hydro trong phng pháp MRI [4] 7

Hình 2. 4. nh MRI có đc theo phng pháp T1 vƠ T2 (t trái sang) [5] 8
Hình 2. 5. Di bc sóng t tia Gamma đn vô tuyn 8
Hình 2. 6. Tác đng tia cn hng ngoi vào vỏ não 9
Hình 2. 7. Ph hấp th hemoglobin đi vi các bc sóng khác nhau 9
Hình 2. 8. Đng thẳng hi quy có đc trên nƣo trái (đng lin xanh) và não
phi (đng nét đt đỏ) khi gõ tay trái (a)) và gõ tay phi (b)) 12
Hình 2. 9. Biu din vector SVM ca đáp ng huyt đng thu đc t NIRS (a)) và
mô hình phân loi SVM ca d liu NIRS (b)) 13
Hình 2. 10. D liu fNIRS thô vi các loi nhiu (đng mƠu đỏ). Nhiu vt (trái)
và nhiu Gauss (phi) 13
Hình 2. 11. Tín hiu NIRS có artifact (đng màu xanh) và tín hiu đƣ loi bỏ nhiu
(đng mƠu đỏ) bằng phng pháp đ xuất trong [16] 14

Hình 3. 1. Phân chia các thùy trên vỏ não 15
Hình 3. 2. Vị trí vùng điu khuyn chuyn đng motor control [17] 16
Hình 3. 3. Các chc năng liên quan trong vùng motor control 16
Hình 3. 4. Máy fNIRS : FOIRE-3000 17
Hình 3. 5. Các kiu b trí Holder khác nhau 17
Hình 3. 6. Các thành phần ca Holder khi tháo ri 18
Hình 3. 7. B trí Holder vƠ các đầu đo (a)) cho thí nghim trên máy FOIRE-3000
cùng phần mm fNIRS (b)). 18
Hình 3. 8. Thit lp các thông s trên máy fNIRS dùng phần mm fNIRS 19
Hình 3. 9. Tín hiu OxyHb, DeOxyHb, và TotalHb ca kênh 1 trong 1,4 giơy đầu
tiên 21
Hình 3. 10. B trí các đầu đo trên hai bán cầu não ca ch th tham gia thí nghim
21
Hình 3. 11. Hot đng gõ tay trong thí nghim 22
Hình 3. 12. Giao thc thi gian cho mt lần gõ tay 22
Hình 3. 13. Vị trí các đầu đo (đầu phát ậ đỏ, đầu thu - xanh ), kênh đo trên khu vực
motor control ca bán cầu não trái 23

Hình 3. 14. Vị trí các đầu đo, kênh đo (mƠu vƠng) trên khu vực motor control ca
bán cầu não phi 23
Hình 3. 15. Các kênh 2, 5, 6, 9 trên bán cầu não trái và 12, 15, 16, 19 trên bán cầu
não phi đc chọn đ lấy d liu 23

xi

Hình 3. 16. Tín hiu thu đc t các kênh 2, 5, 6, 9 trên bán cầu não trái 24
Hình 3. 17. Tín hiu thu đc t các kênh 12, 15, 16, 19 trên bán cầu não phi 24

Hình 4. 1. Làm phẳng tín hiu vi bc ca đa thc lần lt d =0, 1, 2 25
Hình 4. 2. Đáp ng biên đ ca lọc Savitzky- Golay vi ca s N=5, bc d= 3 30
Hình 4. 3. Đáp ng biên đ ca lọc Savitzky- Golay vi ca s N=11, bc d= 3 30
Hình 4. 4. Đáp ng biên đ ca lọc Savitzky- Golay vi ca s N=11, bc d= 5 31
Hình 4. 5. Tín hiu kênh 6 trc và sau khi lọc vi b lọc Savitzky- Golay có ca s
5, bc 3 32
Hình 4. 6. Tín hiu kênh 6 trc và sau khi lọc vi b lọc Savitzky- Golay có ca s
11, bc 3 32
Hình 4. 7. Phân tích tín hiu sau lọc. Các đng nét đt mƠu đen th hin sự phân
chia vùng tín hiu theo thi gian khi thực hin mt lần gõ tay. Trong khi đó đng
màu lc là sự th hin tng ng vic tăng vƠ gim oxy-Hb trên lý thuyt 33
Hình 4. 8. Áp dng đi vi tín hiu trên các kênh  não trái. Tín hiu gc ậ Origin
signal, tín hiu đc làm phẳng Smooth signal 34
Hình 4. 9. Áp dng đi vi tín hiu trên các kênh  não phi 34
Hình 4. 10. Tín hiu NIRS thô (đng lin xanh) và tín hiu sau lọc (đng nét đt
đỏ). Các gai nhọn đt bin - artifacts (hai gai đin hình đc khoanh tròn) bị loi bỏ
bi b lọc Savitzky-Golay ca s 11 35

Hình 5. 1. Hi quy tín hiu theo đa thc bc 3 41
Hình 5. 2. Hi quy tín hiu theo đa thc bc 5 41

Hình 5. 3. Hi quy tín hiu theo đa thc bc 15 42
Hình 5. 4. Hi quy tín hiu theo đa thc bc 20 42
Hình 5. 5. Đng tín hiu lý tng ca oxy-Hb khi có kích thích. 43
Hình 5. 6. Đng cong tín hiu sau khi hi quy trên các kênh trong lần gõ tay trái 45
Hình 5. 7. Đng cong tín hiu sau khi hi quy trên các kênh trong lần gõ tay phi
45
Hình 5. 8. Đng cong tín hiu sau khi hi quy trên các kênh trong lần gõ tay trái
(2) 46
Hình 5. 9. Đng cong tín hiu sau khi hi quy trên các kênh trong lần gõ tay phi
(2) 46

Hình 6. 1. Các đng phân chia hai tp d liu mang đc tính khác nhau 48
Hình 6. 2. Các siêu phẳng H
1
và H
2
phân chia các mu tích cực và th đng thành 2
lp khác nhau 49
Hình 6. 3. S đ khi thut toán nhn dng PR-SVM 53
Hình 6. 4. Phân loi đc trng gõ tay dựa vào các siêu phẳng trong gii thut SVM
54
Hình 6. 5. Giao thc gõ tay trong mt thí nghim. Trong mt lần thí nghim ch th
gõ tay trái 10 lần và tay phi 10 lần theo giao thc thi gian trong hình 3.12 54


xii

Hình 7. 1. Cấu trúc n-ron sinh học: cell body, axon, synaptic 58
Hình 7. 2. Cấu trúc c bn ca t bào thần kinh 59
Hình 7. 3. Mô hình perceptron mt n-ron 59

Hình 7. 4. HƠm bc 59
Hình 7. 5. Hàm sigmoid 59
Hình 7. 6. Hàm double sigmoid 59
Hình 7. 7. Mng lan truyn ngc vi 3 lp 60
Hình 7. 8. S đ thut toán nhn dng PR-ANN 62
Hình 7. 9. Cấu trúc mng n ron trong thut toán nhn dng PR-ANN: 48 nút lp
ngõ vào, 100 nút lp ẩn và 2 nút ngõ ra 62
Chng 1. Tng Quan
1

Chngă1
TNG QUAN

1.1 Tng Quan V LnhăVực Nghiên Cu
Trong nhng thp k gần đơy, rất nhiu thành tựu đƣ đc gt hái trong lĩnh
vực tái to hình nh và nhn dng thần kinh trên nƣo ngi. Hot đng nƣo đc th
hin qua kt qu ca các k thut khác nhau nh : fNIRS (functional Near- Infrared
Spectroscopy) ậ máy chc năng quang ph cn hng ngoi, EEG
(ElectroEncephaloGraphy), MEG (Magnetic EncephaloGraphy), MRI (Magnetic
Resonance Imaging).
Hình 1. 1. Tóm tắt các phng pháp đo tín hiu não
fNIRS đƣ vƠ đang tr thành mt k thut thun li cho các mc đích thí
nghim não. K thut không xâm nhp này s dng phng pháp phát các tia cn
hng ngoi vƠo nƣo đ đo huyt đng nƣo cũng nh phát hin th tích máu vƠ lng
oxy thay đi.
Chng 1. Tng Quan
2

Nói mt cách khác, fNIRS đo sự thay đi oxy-hemoglobin và deoxy-
hemoglobin trên b mt não. Khi có mt kích thích xy ra trong não, chẳng hn nh

suy nghĩ, vn đng,… thì lng huyt đng thay đi tng ng trên vùng não đm
nhn chc năng tng ng.
Tín hiu quang ph cn hng ngoi NIRS đc biu din theo 3 thành phần
oxy-hemoglobin và deoxy-hemoglobin, và total hemoglobin là sự kt hp ca 2
thành phần trên. Hình 1.2 là mt ví d v tín hiu NIRS.

Hình 1. 2. Sự thay đi Hemoglobin (Hb): Oxy-Hb, deOxy-Hb, total-Hb
Rất nhiu nhà nghiên cu v khoa học thần kinh trên th gii đƣ bị cun hút
bi k thut NIRS, nhng  Vit Nam, đơy vn là mt vấn đ khá mi. Nhiu công
trình đƣ đc công b trên các tp chí, hi nghị v các khía cnh khác nhau dựa trên
k thut quang ph cn hng ngoi.
Vic ng dng các k thut hin đi đ giúp con ngi, đc bit lƠ ngi
khuyt tt tăng cng kh năng giao tip và hòa nhp vi cuc sng xung quanh,
cũng nh thực hin chẩn đoán đ cha bnh ngƠy cƠng đc chú trọng. Do đó, các
phng pháp không xơm nhp ngày càng th hin vai trò quan trọng ca mình,
trong đó có k thut fNIRS.
1.2 Mc ĐíchăCaăĐ Tài
Xây dựng gii thut đ thông qua tín hiu nƣo đo đc có th phân tích và
nhn dng đc hot đng bán cầu não và gõ tay ca con ngi.
1.3 Nhim V Và Gii Hn CaăĐ Tài
1.3.1 Nhim V
Tìm hiu v b lọc Savitzky- Golay, gii thut hi quy theo đa thc, vector
h tr - SVM, mng n-ron nhân to (mng lan truyn ngc).
Xây dựng thí nghim vƠ đo tín hiu não s dng máy fNIRS FOIRE- 3000.
Chng 1. Tng Quan
3

Áp dng c s lý thuyt đƣ có, nhn dng hot đng gõ tay (gõ tay trái hay
tay phi) thông qua phân tích tín hiu não t d liu thu đc.
1.3.2 Gii Hn

X lý d liu không trực tuyn.
Thí nghim thực hin là gõ tay và chỉ đo trên vùng nƣo điu khin chuyn
đng.
Chỉ thực hin trên 3 ngi.
1.4 PhngăPháp Nghiên Cu
Thu thp d liu: Sự thay đi oxy-Hb trên vùng điu khin hot đng ca
nƣo đc thu v dùng k thut fNIRS s dng máy FOIRE ậ 3000 ca hãng
Shimadzu, Nht Bn đt ti phòng A104, B môn K Thut Y Sinh, Đi học Quc
t. H thng này có th hot đng  3 bc sóng 780 nm, 805 nm and 830 nm. Các
thí nghim khác nhau đc xây dựng đ thu d liu.
Tin x lý d liu: Thực hin lọc nhiu s dng lọc Savitzky ậ Golay.
X lý d liu: Áp dng gii thut hi quy đa thc đ tìm các đc trng.
Nhn dng : Đa các đc trng đƣ thu đc vào h đ huấn luyn và nhn
dng.
1.5 Tóm TtăĐ Tài
Nh vy, vi các yêu cầu v nhim v và mc tiêu đ ra, lun văn đc xây
dựng bao gm các chng sau:
- Chng 1: Tng quan. Chng nƠy trình bƠy khái quát v lĩnh vực nghiên
cu, tình hình nghiên cu, tầm quan trọng, đ t đó ngi thực hin đ tƠi đ
ra mc tiêu.
- Chng 2: Chng nƠy trình bƠy c s lý thuyt v mt s phng pháp thu
thp tín hiu và hình nh não ph bin nh : EEG, MRI, vƠ fNIRS, cũng nh
các công trình nghiên cu liên quan đn đ tƠi đƣ công b.
- Chng 3: Vị trí và chc năng mt s vùng trên vỏ nƣo, đc bit lƠ vùng điu
khin chuyn đng ậ motor control đc gii thiu trong chng 3. Đng
thi, chng nƠy cũng gii thiu cách thu thp d liu trên máy FOIRE-
3000.
- Chng 4: Chng nƠy trình bƠy v cấu trúc b lọc Savitzky-Golay, áp dng
b lọc này lên tín hiu nƣo thu đc.
Chng 1. Tng Quan

4

- Chng 5: Trong chng nƠy, ngi thực hin đ tài trình bày v gii thut
hi quy theo đa thc đ lấy các h s hi quy nh lƠ đc trng thu đc khi
gõ tay.
- Chng 6: Phng pháp phơn loi SVM và thut toán nhn dng đc đ
xuất là PR- SVM đc trình bƠy trong chng nƠy.
- Chng 7: Gii thut nhn dng hot đng gõ tay mƠ ngi thực hin đ
xuất tip theo PR- ANN đc trình bƠy trong chng nƠy.
- Chng 8: Phần kt lun vƠ hng phát trin ca đ tài.


Chng 2. C S Lý Thuyt
5

Chngă2
CăS LÝ THUYT

2.1 PhngăPháp Tái Hin Hình nh Và Tín HiuăNƣoăNgi
2.1.1 PhngăphápăEEG
EEG (Electroencephalography) ậ đin nƣo đ là mt phng pháp ghi li các
hot đng v đin trên da đầu ca ngi. Phng pháp nƠy đo sự thay đi đin áp
do vic di chuyn ca các ht đin tích bên trong các n- ron ca não. Tín hiu EEG
trên ngi đƣ đc tìm ra bi Hans Berger (1873- 1941). BƠi báo đầu tiên vƠo năm
1929 ca Berger cho thấy sự tn ti ca sóng alpha nh lƠ mt thành phần ch yu
trong tín hiu EEG.
Vic np đin áp trên nƣo đc duy trì bi hàng t n-ron. Các n-ron np
đin bi các màng vn chuyn protein bằng cách bm ion vƠo mƠng ca chúng. Các
n-ron thng xuyên trao đi ion vi ngoi bào, to nên mt quá trình liên tc bằng
cách đẩy ion t n-ron nƠy đn n-ron khác nh mt sóng đin. Khi các sóng ion

này tin đn các đin cực trên da đầu, chúng có th đẩy và kéo electron trên kim
loi ca đin cực. Vì kim loi có th đẩy và kéo electron mt cách d dàng nên sự
khác nhau gia đin áp kéo vƠ đẩy ca bất kỳ cp cực nƠo cũng s đc ghi nhn.
Các giá trị đin áp đc ghi nhn theo thi gian này chính là tín hiu EEG [1].
Tùy theo các ng dng khác nhau mà ta có th b trí các đin cực  các vị trí
tng ng. Hình 2.1 là mt ví d v b trí các đin cực trong phép đo EEG.

Hình 2. 1. B trí đin cực trong phép đo EEG[2]
Trên c th ngi khỏe mnh, biên đ và tần s ca các tín hiu thay đi t
trng thái nƠy đn trng thái khác, chẳng hn nh lúc thc và ng. Đc tính ca các
sóng đo đc cũng thay đi theo đ tui. Có 5 loi sóng nƣo c bn đc phân bit
Chng 2. C S Lý Thuyt
6

theo các vùng tần s khác nhau. Dựa vào di tần s tng ng mà các sóng đc
chia thành: alpha(

), theta (

), beta (β), delta (

), và gamma (

) [3].
Sóng delta nằm trong vùng t 0,5 ậ 4 Hz. Các sóng này có trong giấc ng sâu
và s hin din  trng thái tỉnh giấc. Tuy nhiên loi sóng này d bị nh hng bi
các nhiu nhân to do các khi c ln  c, hàm.
Sóng theta nằm trong vùng t 4 ậ 8 Hz. Sóng này thng thấy  tui vị thành
niên, xuất hin khi chuyn t trng thái hiu bit sang th thn, khi con ngi căng
thẳng hay xuất hin các bnh lý khác nhau.

Sóng alpha có tần s t 8 ậ 13 Hz. Sóng này xuất hin nhiu khi nhắm mắt và
th giƣn, xuất hin trên vùng đầu phía sau hay trc trán.
Sóng beta có tần s t 13 ậ 30 Hz. Sóng beta nƠy thng liên quan đn hành
vi điu khin hot đng. Vi biên đ thấp và tần s thay đi trong phm vi đƣ nói,
sóng nƠy cũng liên quan đn vấn đ khi suy nghĩ hay tp trung cao.
Sóng gamma có tần s t 30 ậ 100 Hz. Nó th hin sự ràng buc ca mt s
lng ln các n- ron li vi nhau cho mc đích thực thi mt hot đng nhn thc
ngu nhiên hoc chc năng vn đng.
Hình nh ca các sóng va trình bƠy đc tóm tắt trong hình 2.2. Khi thực
hin các hành vi khác nhau thì trên não xuất hin các loi sóng vi các tần s khác
nhau. Đơy chính lƠ điu mà EEG mang li.

Hình 2. 2. Bn loi sóng c bn trong phép đo EEG : sóng delta, theta, alpha, beta [3]

Chng 2. C S Lý Thuyt
7

2.1.2 PhngăPháp MRI
Magnetic Resonance Imaging (MRI) ậ nh cng hng t là mt k thut
quan trọng trong chẩn đoán lâm sàng dựa trên đ tng phn gia các mô mm
khác nhau. MRI đƣ đc phát minh t đầu nhng năm 1970.
Đ to ra nh cng hng t, bnh nhơn đc đt trong mt t trng mnh.
T trng này s canh chỉnh các nguyên t hidro ậ hay proton trong ngi bnh
theo hng ca trng. Sau đó, các nguyên t bị xáo trn t vic định hng này
bằng cách s dng sóng có tần s vô tuyn (RF) t bên ngoài. Sóng RF này to ra
mt trng đin t bin thiên. Trng đin t bin thiên này có mt tần s gọi là
tần s cng hng, nó bị hấp th và lt momen ca proton trong trng t. Tip
theo là sóng RF bị tắt đi, các nguyên t hydro bị canh chỉnh li bi trng t tĩnh vƠ
to ra ra tín hiu RF. Hình 2.3 miêu t quá trình tác đng lên nguyên t hydro.

Hình 2. 3. Quá trình tác đng lên nguyên t hydro trong phng pháp MRI [4]
Tín hiu RF phát ra t các nguyên t hydro khi chúng quay v hng ban đầu
ph thuc vƠo đ mnh ca trng t. Mi tín hiu RF s đc phân tích bi máy
tính dựa trên cng đ ca chúng hay các tiêu chuẩn khác. Các tín hiu nƠy sau đó
đc chuyn qua nh xám.
Có 2 phng pháp c bn trong MRI. Chúng đc gọi là trọng s T1 và trọng
s T2. nh trọng s T1 miêu t nc ng vi màu ti và mỡ ng vi màu sáng.
Trong khi đó nh trọng s T2 thì ngc li. Mt ví d v nh T1 vƠ T2 đc trình
bƠy trong hình 2.4. NgoƠi ra cũng có nhiu phng pháp khác phát trin t 2
phng pháp trọng s c bn nƠy nh : Gradient Echo, FLAIR,….
Chng 2. C S Lý Thuyt
8


Hình 2. 4. nh MRI có đc theo phng pháp T1 vƠ T2 (t trái sang) [5]
2.1.3 PhngăPháp Quang Ph Cn Hng Ngoi fNIRS
Nu nh phng pháp MRI s dng sóng nằm trong vùng tần s vô tuyn thì
k thut fNIRS s dng sóng ánh sáng trong vùng cn hng ngoi. Di bc sóng
đc trình bày trong hình 2.5

Hình 2. 5. Di bc sóng t tia Gamma đn vô tuyn

Ánh sáng cn hng ngoi (650 ậ 950 nm) có th di chuyn qua sọ và tin đn
vỏ não vi đ sơu lên đn 3cm nh trong hình 2.6 [6]. Các sóng ánh sáng này bị hấp
th bi mô  các mc đ khác nhau. Dựa trên ph hấp th ca HbR và HbO
2
nh
trong hình 2.7, ta có th tính đc sự thay đi mc đ tp trung bằng cách dựa vào
cng đ trên đầu thu.
Chng 2. C S Lý Thuyt

9


Hình 2. 6. Tác đng tia cn hng ngoi vào
vỏ não


Hình 2. 7. Ph hấp th hemoglobin đi vi các
bc sóng khác nhau

Mc đ tp trung ca HbR và HbO
2
có th đc tính dựa trên lut Beer-
Lambert [7] .Gi s ta đang đo trong mt môi trng có mc tp trung ca thành
phần hấp th ánh sáng là C. Ánh sáng ti có cng đ I
0
vƠ bc sóng

di chuyn
mt khong L trong môi trng này. Lut Beer-Lambert cho ta cng đ I
L
ca ánh
sáng phát là mt hàm ca bc sóng

:

CL
L
eII
)(

0



(2.1)
Trong đó,
)(

là h s hấp th  bc sóng

.
Đ đo mt đ quang OD trong môi trng vi bc sóng

, ta s dng công
thc 2.2

CLIIOD
L
)()/log()(
0


(2.2)
Trong trng hp có nhiu hn mt bc sóng đc s dng, chẳng hn nh
2 bc sóng
1

và
2


thì 2.2 có th đc vit li nh sau (bỏ qua các thành phần hấp
th khác ngoài HbR và HbO
2
)

)(]}[)(][)({)(
12111
2

KHbOHbOD
HbOHb

(2.3)

)(]}[)(][)({)(
22222
2

KHbOHbOD
HbOHb

(2.4)
Trong phng trình 2.3 vƠ 2.4,
][Hb
và
][
2
HbO
là sự thay đi đ tp trung
ca HbR và HbO

2
tng ng vi các giá trị khi to
2,1),( iK
i

, đơy lƠ mt yu t
ph thuc vƠo đng di chuyn ca ánh sáng  bc sóng
i

. Trong các trng hp
thực t, gi s rằng
2,1,)(  iKK
i

thì
][Hb
và
][
2
HbO
đc tính nh 2.5, 2.6
Chng 2. C S Lý Thuyt
10














)(
)(
)()(
)(
)(
)(
)(
][
2
1
21
2
2
1
1
2
2
2
2








HbO
HbO
HbHb
HbO
HbO
K
ODOD
Hb
(2.5)










)(
)(
)()(
)(
)(
)(
)(
][
2

1
21
2
2
1
1
2
22







Hb
Hb
HbOHbO
Hb
Hb
K
ODOD
HbO
(2.6)
Khi đƣ tính đc đ tp trung ca HbR và HbO
2
thì ta có th tính các đi lng liên
quan khác, chẳng hn nh sự thay đi th tích máu
][BV
, thay đi oxy

][
2
O


][][][
2
HbOHbBV 
(2.7)

][][][
22
HbHbOO 
(2.8)
Mt thit bị fNIRS thực t s bao gm ngun quang, đầu thu kt hp vi nhau
trong mt khi: mch phát điu khin thi gian vƠ cng đ ca ngun quang,
mch thu nhn các ánh sáng phn x t mô và gi chúng đn khi điu khin. Có 3
phng pháp đo fNIRS khác nhau: sóng liên tc, min tần s, min thi gian. Các
thit bị fNIRS sóng liên tc thng đc dùng trong thực t cho các vấn đ tái to
tín hiu hay hình nh não.
Nguyên lý hot đng thit bị fNIRS sóng liên tc cũng đn gin. Mi ngun
quang phát ra ánh sáng trên mt vùng nhất định ca não vi ít nhất lƠ 2 bc sóng
khác nhau, chẳng hn nh 780nm và 830nm. Các photon phn x đc tp trung ti
đầu thu tng ng và chuyn ánh sáng thu đc thành tín hiu đin tng ng vi
cng đ quang thu đc.
2.2 CăS Lý Thuyt
Trong các phng pháp tái to hình nh và thu tín hiu t não, fNIRS là mt
k thut s dng tia cn hng ngoi đƣ vƠ đang đc chú trọng trong các nghiên
cu đ trin khai ng dng rng rãi.
Tín hiu NIRS phn ánh hot đng ca não và chc năng liên quan trong khi

gõ ngón tay [8]. Sự tăng nng đ oxy-Hb trên các vùng gần vùng nƣo điu khin
chuyn đng (motor cortex) và sự gim deoxy-Hb trên mt s vùng đc trình bày
trong bài báo này. Sự thay đi oxy-Hb theo thi gian ph thuc vào vị trí các kênh
trên vỏ não: hot đng duy trì trên vùng nƣo điu khin, hot đng quá đ trên vùng
somatosentory, và hot đng tích lũy  vùng nƣo trc. Các đc tính này phn ánh
chc năng ca cấu trúc não trong quá trình gõ tay.
Chng 2. C S Lý Thuyt
11

Dự đoán hƠnh vi t thông tin nƣo đo đc bi máy fNIRS : Mô hình mng n-
ron Bayessian [9]. Kt qu phân tích s dng mô hình dự đoán vi mng perceptron
3 lp cho thấy sự thay đi nng đ oxy-Hb mang thông tin đ dự đoán hƠnh vi mt
cách hiu qu. Bài báo này cho thấy nng đ oxy-Hb  vùng trán (prefrontal) và 
mắt (orbital) là mt nhân t cho phép dự đoán sự phát trin hành vi vi các mc đ
dự đoán tng ng.
Tng quan gia huyt đng vi sự thích nghi hot đng đc th hin bằng
cách dùng fNIRS [10]. Các đc tính huyt đng phn ánh mc đ biu hin nhn
thc hot đng và trng thái hay tinh thần ca cá nhân khi thực hin nhim v học
mƠ cha bit các đc đim liên quan. Đi tng thực hin mt hot đng nhiu lần
ri đc yêu cầu thay đi t th nhng đòi hỏi kt qu ging nh lúc đầu, thông qua
tin x lý là lọc và tính toán thi gian di chuyn và chiu dài di chuyn cng vi
phân tích thng kê cho ra mc đ thích nghi ca vic học tng ng.
Nhn din chc năng nƣo thông qua phơn tích wavelet tín hiu fNIRS và mng
n-ron [11]. fNIRS là mt trong nhng phng pháp có giá trị đ nhn dng nhim
v ca não. Trong bài báo này, tác gi gii thiu k thut phân tích tín hiu fNIRS
và cho thấy rằng tn ti các đc trng khác nhau ca đáp ng huyt đng đ nhn
dng hot đng não và phát trin BCI (Brain Computer Interface). Hai công c toán
đc áp dng đ thực hin phân tích : Phân tích Wavelet đ x lý tín hiu và tách
lấy đc trng, mng n-ron nhằm thực hin chc năng nhn dng. Các đc trng
chính là các h s trích đc t bin đi wavelet đc dùng đ phân loi. Mng n-

ron truyn thẳng đa lp vi mt lp ngõ vào, mt lp ẩn và mt lp ngõ ra đc s
dng. Ngõ vào ca mng chính là các h s t bin đi wavelet đƣ nói. Ngõ ra lƠ
các lp phân loi mong mun. D liu NIRS phc v cho vic x lý và phân loi
đc thu thp vi 3 nhim v: chuyn đng tay phi, tng tng sự chuyn đng
ca tay phi, và trng thái th giƣn.
Nhn bit hot đng não còn đc thực hin thông qua qu đo nng đ oxy
[12]. Phng pháp qu đo nng đ oxy dựa trên tín hiu NIRS đa ra trong bƠi
báo nhằm giúp ta hiu v hot đng nƣo khi thao tác trên đin thoi di đng. Tất c
hot đng nƣo đc biu din thông qua mt tp qu đo NIRS. Bn đ qu đo khi
nhp văn bn vƠo đin thoi di đng (các ch cái ting Nht) đc trình bày trong
bài báo này. Bn đ càng tr nên phc tp khi nhim v nhp càng phc tp. Kt
qu cho thấy não phi đóng vai trò tri hn khi nhp văn bn và các hot đng khác
liên quan đn ngón tay.
Dựa trên h s góc ca đng thẳng thu đc t hi quy tuyn tính, ta có th
phân bit đc là tay trái hay tay phi đang đc gõ [13]. D liu thu đc trong
Chng 2. C S Lý Thuyt
12

các lần gõ tay trái, phi trên các kênh đc tin x lý bằng lọc, sau đó hi quy tuyn
tính đ tìm ra các h s góc. Các h s nƠy lƠ c s so sánh cho hot đng gõ tay
trái và phi. B lọc Savitzky-Golay đc dùng trong bƠi báo đ gim bt nhiu
cũng nh artifacts. Vi d liu đƣ phẳng hn, hi quy tuyn tính đc áp dng. Kt
qu hi quy tuyn tính có đc là h s ca đng thẳng tng ng vi tín hiu có
đc khi gõ tay trái hay tay phi. So sánh sự khác nhau gia các h s hi quy trên
các kênh lƠ c s đ phân bit mt ch th đang gõ tay trái hay tay phi. Vi kt
qu so sánh có đc, tác gi (ngi thực hin đ tài) cho thấy rằng, vi mt ngi
thun tay phi thì hot đng ca nƣo trái đóng vai trò tri hn nƣo phi. Đng thi,
xét trên não phi, h s góc có đc khi gõ tay phi luôn ln hn h s có đc khi
gõ tay trái.
0 1 2 3 4 5 6 7

0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
Left Tapping
Times # 1
Time (s)
Regressed Amplitude


Left side
Right side
0 1 2 3 4 5 6 7
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045

0.05
Right Tapping
Times # 1
Time (s)
Regressed Amplitude


Left side
Right side

a) b)
Hình 2. 8. Đng thẳng hi quy có đc trên não trái (đng lin xanh) và não phi (đng nét
đt đỏ) khi gõ tay trái (a)) và gõ tay phi (b))

Oxy-Hb và deOxy-Hb còn có th đc dùng trực tip vi gii thut SVM đ
nhn dng hot đng gõ tay [14]. Tín hiu t tất c các kênh đc xem nh lƠ ngõ
vào ca h nhn dng SVM đ phân ra thành hai lp tng ng vi gõ tay trái và gõ
tay phi. Tín hiu NIRS đc thu thp trên 5 ch th vi hai hot đng : gõ ngón
tay vƠ tng tng chuyn đng tay trái, tay phi bằng máy OMM -1000. Tín hiu
thô đc lọc vi b lọc Chebyshev bc 2, tần s cắt 0,7 Hz. Sau đó, s dng th
vin phân loi SVM đ huấn luyn và phân loi các hot đng đƣ thực hin : gõ
ngón tay trái và phi ; tng tng chuyn đng tay trái và phi. Ngõ vào ca h
SVM bao gm c đáp ng huyt đng oxy-Hb và deoxy-Hb nh đƣ nói. Trong bài
báo này, kt qu có đc trên h SVM còn đc so sánh vi kt qu có đc t mô
hình Markov ẩn (HMM). Kt qu nhn đc lƠ đ chính xác khi dùng HMM phân
loi cao hn trong trng hp dùng thut toán SVM.

Chng 2. C S Lý Thuyt
13

a) b)
Hình 2. 9. Biu din vector SVM ca đáp ng huyt đng thu đc t NIRS (a)) và mô hình phân
loi SVM ca d liu NIRS (b))

Tín hiu fNIRS có th bị nhiu vƠ đơy lƠ điu thng xy ra. Chúng có th bị
loi bỏ s dng phng pháp ca s trt [15] đ x lý d liu theo tng đon.
Nhiu dịch chuyn artifact trong quá trình đo gơy ra do vic ghép và thay đi áp lực
ca ngun quang vƠ đầu thu; và chúng có th đc quan sát rõ trong tín hiu NIRS
thô vi các gai hay vt vi biên đ ln hn nhiu so vi các giá trị lân cn. Phng
pháp ca s trt này quét trên tng đon đ tìm ra sự thay đi đƣ nói.

Hình 2. 10. D liu fNIRS thô vi các loi nhiu (đng mƠu đỏ). Nhiu vt (trái) và nhiu Gauss
(phi)
Nhiu cũng có th đc loi bỏ nh s dng bin đi wavelet (TIWT) [16].
Nhiu artifact theo dng thay đi đt ngt trong tín hiu xuất hin ging nh các h
s ln trong min wavelet ri rc. Điu này làm cho vic xác định và loi bỏ artifact
tr nên d dƠng hn trong min wavelet.
Chng 2. C S Lý Thuyt
14


Hình 2. 11. Tín hiu NIRS có artifact (đng màu xanh) và tín hiu đƣ loi bỏ nhiu (đng màu
đỏ) bằng phng pháp đ xuất trong [16]
Mt s nghiên cu va trình bày cho thấy k thut fNIRS đƣ đc khai thác
đ phn ánh hot đng não, nhn dng hot đng não, và lọc nhiu. Tuy nhiên,
ngi thực hin đ tài nhn thấy rằng trong mi ng dng khác nhau thì mi
phng pháp đu có gii hn nhất định ca nó. Chẳng hn vi mt ng dng liên
quan đn tín hiu nƣo vƠ đòi hỏi x lý thi gian thực thì vic áp dng nh [12] s rất
khó khăn. Vic dựa vào các h s góc có đc t hi quy tuyn tính đ nhn dng

hot đng gõ tay có đ chính xác không cao vì trong mi lần thực hin gõ tay, giá
trị ca h s li thay đi. H SVM đc áp dng trực tip vi ngõ vào là oxy-Hb và
deoxy- Hb [14] đòi hỏi s lng ngõ vào rất nhiu, không tip cn đc các đc
trng ca tín hiu thu đc.
Trong đ tƠi nƠy, ngi thực hin đa ra hng nghiên cu là : S dng d
liu thu đc t máy fNIRS FOIRE-3000, qua b lọc (Savitzky-Golay), b x lý -
hi quy đa thc đ trích lấy đc trng và gii thut nhn dng vector h tr - SVM,
song song đó lƠ mng n-ron nhân to ANN đ đa ra các cơu tr li là tay phi hay
tay trái đang đc gõ.





Chng 3. Thu Thp D Liu Não Ngi S Dng K Thut fNIRS
15

Chngă3
THU THP D LIU NÃO NGI SỬ DNG KỸ THUT
QUANG PH CN HNG NGOI - fNIRS

3.1 Các Vùng ChcăNngăNƣoăNgi
H thng thần kinh trên c th ngi là mt cấu trúc phc tp. H thng thần
kinh trung tâm bao gm: não, ty sng, và h thng thần kinh ngoi vi. Trong đó,
não có cấu trúc phc tp và thú vị nhất. Nƣo đc cấu thành bi 3 phần chính: não
trc (forebrain), não gia (midbrain) và não sau (hindbrain). Nƣo trc gm: hai
bán cầu nƣo (cerebrum), đi nƣo (thalamus), vƠ vùng nƣo điu khin thân nhit.
Hai bán cầu não hay vỏ não (cortex) là phần ln nhất ca não ngi, vi các
chc năng suy nghĩ vƠ hƠnh đng. Vùng vỏ nƣo đc chia thƠnh 4 khu, đc gọi là
các thùy: thùy trán (frontal lobe), thùy đỉnh (parietal lobe), thùy chẩm (occipital), và

thùy thái dng (temporal lobe). Hình 3.1 trình bƠy cách phơn chia nƠy ca vỏ não

Hình 3. 1. Phân chia các thùy trên vỏ não
Mi thùy đóng mt vai trò khác nhau. Thùy trán tng ng vi các chc năng
nh lp k hoch, giọng nói, di chuyn, cm xúc và gii quyt vấn đ. Thùy đỉnh
liên đi vi các chc năng : di chuyn, định hng, nhn bit, phát hin kích thích.
Thùy chẩm liên quan đn chc năng nhìn. Thùy thái dng thì liên quan đn vấn đ
tri giác và nhn bit âm thanh, trí nh và ting nói.
Trong vùng thùy đỉnh có mt phần thú vị đó lƠ phần điu khin chuyn đng
(motor control) nh trong hình 3.2.
Chng 3. Thu Thp D Liu Não Ngi S Dng K Thut fNIRS
16


Hình 3. 2. Vị trí vùng điu khuyn chuyn đng motor control [17]
Vùng điu khin chuyn đng nƠy liên quan đn chc năng ca nhiu b phn
trong c th nh: tay, chơn, eo, mt, môi, hƠm, …. Vị trí điu khin tng ng vi
các b phn nƠy đc làm rõ trong hình 3.3.

Hình 3. 3. Các chc năng liên quan trong vùng motor control
Trong phần đ tƠi nƠy, ngi thực hin thu d liu trên thùy đỉnh, vùng điu
khin chuyn đng. Hay mt cách c th là khu vực liên quan đn gõ tay nh trong
hình 3.3 [17].

Chng 3. Thu Thp D Liu Não Ngi S Dng K Thut fNIRS
17

3.2 Thit B Và Tín Hiu fNIRS
3.2.1 Thit B
Thit bị dùng trong nghiên cu là FOIRE-3000 [18] (Functional Optical

Imager for REsearch) ca hãng SHIMADZU, Nht Bn. Đơy lƠ thit bị chuyên
dùng cho nghiên cu.

Hình 3. 4. Máy fNIRS : FOIRE-3000
Đ gắn đc các đầu đo (đầu phát vƠ đầu thu) cần phi có b gi - Holder.
Phần Holder có th đc b trí rất linh hot vi nhiu loi khác nhau nh trong hình
3.5.

Hình 3. 5. Các kiu b trí Holder khác nhau