v
TịMăTT
Nưo ngời đóng vai trò quan trọng trong hot đng ca con ngời. Dựa trên tín hiệu
điện nưo ta có ngời ta có th xác định những thay đổi trong hot đng ca nưo b
phc v cho việc chuẩn đoán bệnh tật cũng nh khôi phc li kh năng vận đng
ca con ngời. Trong đề tài này, thuật toán ngỡng và mng nơron truyền thẳng
nhiều lớp đc sử dng đ xác định các hot đng ca mắt dựa trên tín hiệu EEG.
Trớc khi phân tích tín hiệu EEG, tín hiệu gốc đc loi bỏ nhiu và lọc lấy tín hiệu
delta bằng b lọc thông di. Đặc tính ca tín hiệu EEG đc trích xuất bởi các hệ số
ca mô hình AR. Các hệ số này là ngõ vào ca mng nơron truyền thẳng nhiều lớp
đ phận loi các hot đng ca mắt. Bên cnh đó thuật toán ngỡng cũng đc áp
dng đ xác định các hot đng ca mắt. Nghiên cu này hữu ích cho việc chuẩn
đoán các bệnh về mắt nh khô mắt và to ra mt hệ thống BCI đ điều khin xe lăn
điện hoặc kim soát đèn trong nhà.
vi
ABSTRACT
The human brain plays an important role in human activities. Based on electrical
brain signals, one can identify changes in brain activity for the diagnosis of disease
as well as rehabilitate human functions. In this thesis, the threshold algorithm and
multi-layer neural networks were proposed to detect eye activities using the
ElectroEncephaloGraphy (EEG) technique. Before analyzing the EEG signal, the
original signals were filtered to remove noise and then extracted the delta signal
with a band-pass filter. Characteristics of the EEG signals were extracted by the
coefficients of the AR model. The coefficients are the input layer of the neural
networks to classify the activities of the eye. In addition, the threshold algorithm
was also applied to determine the activities of the eye. This study can be useful for
diagnosing eye diseases such as dry eye and creating a Brain-Computer Interface
(BCI) system such as the electrical wheelchair control or the home lamp control.
vii
MCăLC
LụăLCHăKHOAăHC i
LIăCAMăĐOAN iii
LIăCMăT iv
TịMăTT v
ABSTRACT vi
MCăLC vii
DANHăSỄCHăCỄCăCHăVITăTT x
DANH SÁCH CÁC HÌNH xi
DANHăSỄCHăCỄCăBNG xiv
Chngă1
TNGăQUAN 1
1.1ăTngăQuan 1
1.2ăMcăĐíchăCaăĐăTƠi 2
1.3ăPhmăViăCaăĐăTƠi 2
1.4ăPhngăPhápăNghiênăCu 2
1.5ăNiăDungăCaăLunăVĕn 3
Chngă2
CăSăLụăTHUYT 5
2.1ăngăDngăHăThngăBCIăĐiuăKhinăThităB 5
2.2ăngăDngăThutăToánăNgngăĐăNhnăDng 5
viii
2.3ăTríchăĐcăTínhăEEGăSăDngăHăSăMôăHìnhăARăVƠăNhnăDngăBằngă
MngăNron 6
2.4ăLcăNhiuăTínăHiuăEEG 6
Chngă3
HăTHNGăGIAOăTIPăMỄYăTệNHăNÃOăVÀăTHUăTHPăDăLIUăEEG
7
3.1ăHăThngăGiaoăTipăMáyăTínhăNƣo 7
3.1.1ăKháiănim 7
3.1.2ăăHăThngăBCIăCaăĐăTƠi 8
3.2ăThuăThpăTínăHiuăĐinăNƣoăBằngăCôngăNghăEEG 10
3.2.1ăCácăPhngăPhápăThuăTínăHiuăĐinăNƣo 10
3.2.1.1ăĐoăTínăHiuăDùngăPhngăPhápăĐinăNƣoăĐ 10
3.2.1.2ăĐoăTínăHiuăĐinăNƣoăDùngăPhngăPhápăHngăNgoiăGần 13
3.2.1.3ăĐoăTínăHiuăNƣoăDùngăPhngăPhápăCngăHngăT 14
3.2.1.4ăĐoăTínăHiuăNƣoăSăDngăPhngăPhápăTăNƣo 15
3.2.2ăThuăThpăDăLiuăDùngăMáyăActiveăTwo 16
3.2.2.1ăăGiiăThiuăMáyăActiveăTwo 16
3.2.2.2ăCácăBcăThuăTínăHiuăBằngăMáyăActiveăTwo 17
3.2.2.3ăăThuăThpăDăLiuăThíăNghimăBằngăMáyăActiveăTwo 18
Chngă4
TINăXăLụăTệNăHIUăEEGăDỐNGăBăLCăTHỌNGăDIăHAMMING 23
4.1ăLỦăThuytăVăBăLcăS 23
4.2ăLcăNhiuăTínăHiuăEEGăBằngăBăLcăHamming 27
ix
Chngă5
TRệCHă ĐCă TệNHă CAă TệNă HIUă EEGă DAă TRểNă CỄCă Hă S MÔ
HÌNH AR 34
5.1ăTríchăCácăĐcăTínhăCaăTínăHiuăDaăTrênăCácăHăS Mô Hình AR 34
5.2ăTríchăCácăĐcăTínhăCaăTínăHiuăEEGăDaăTrênăCácăHăSăMôăHìnhăAR
35
Chngă6
THUTăTOỄNăNGNGăXỄCăĐNHăCỄCăHOTăĐNGăCAăMT 40
6.1ăThutăToánăNgng 40
6.2ăThutăToánăNgngăXácăĐnhăCácăHotăĐngăCaăMt 41
6.3ăDùngăThutăToánăNgngăXácăĐnhăCácăHotăĐngăCaăMtăOnline 47
Chngă7
NHNăDNGăCỄCăHOTăĐNGăCAăMTăDỐNGăMNGăLANăTRUYNă
NGC 50
7.1ăMngăLanăTruynăNgc 50
7.2ăNhnăDngăCácăHotăĐngăCaăMtăDùngăMngăLanăTruynăNgc 53
Chngă8
KTăLUNăVÀăHNGăPHỄTăTRINăCAăĐăTÀI 58
8.1ăKtăLun 58
8.2ăHngăPhátăTrinăCaăĐăTƠi 58
TÀIăLIUăTHAMăKHO 59
x
ANHăSỄCHăCỄCăCHăVITăTT
AR – Autoregresion
EEG – Electroencephalogram
BCI – Brain Computer Interface
fNIRS – function Near - Infrared Spectroscopy
fMRI – function Magnetic Resonance Imaging
MEG – Magnetoencephalography
MLP – Multi - Layer Perceptron
xi
DANH SÁCH CÁC HÌNH
Hình 3.1: Hệ thống giao tiếp máy tính nưo 8
Hình 3.2: Sơ đồ khối xác định các hot đng ca mắt sử dng thuật toán ngỡng 9
Hình 3.3: Sơ đồ khối xác định các hot đng ca mắt sử dng mng nơron 10
Hình 3.4: Đo tín hiệu điện nưo dùng phơng pháp EEG 11
Hình 3.5: Đo tín hiệu điện nưo dùng fNIRS 13
Hình 3.6: Đo tín hiệu điện nưo bằng phơng pháp fMRI 15
Hình 3.7: Đo tín hiệu sử dng phơng pháp MEG 16
Hình 3.8: Máy Active Two đặt ti phòng A104 16
Hình 3.9: Sơ đồ khối ca máy Active Two 17
Hình 3.10: Gắn nón vào ngời làm thí nghiệm 18
Hình 3.11: Cho gel vào l giữ điện cực 18
Hình 3.12: Gắn các điện cực vào l cha điện cực 18
Hình 3.13: Giao diện phần mềm Actiview 18
Hình 3.14: Vị trí các điện cực 19
Hình 3.14: Điện cực đc gắn trên đối tng 19
Hình 3.15: Protocol cho đối tng thực hiện mở và chớp mắt 19
Hình 3.16: Tín hiệu EEG thu đc ti Fp1, F7, F8 khi thí nghiệm mở mắt 20
Hình 3.17: Tín hiệu EEG thu đc ti Fp1, F7, F8 khi thí nghiệm chớp mắt 21
Hình 3.18: Tín hiệu EEG thu đc ti Fp1, F7, F8 khi thí nghiệm liếc trái 21
Hình 3.19: Tín hiệu EEG thu đc ti Fp1, F7, F8 khi thí nghiệm liếc phi 22
Hình 4.1: Đáp ng tần số ca b lọc lý tởng 24
xii
Hình 4.2: Cửa sổ Hamming với L=71 26
Hình 4.3: Đáp ng biên đ và pha ca b lọc Hamming 27
Hình 4.4: Sơ đồ khối ca hệ thống lọc nhiu 27
Hình 4.5: Đáp ng biên đ và pha ca b lọc Hamming có L=11 28
Hình 4.6: Tín hiệu gốc (F8) và tín hiệu đc lọc nhiu với L=11 28
Hình 4.7: Tín hiệu gốc (F8) và tín hiệu đc lọc nhiu với L=3 29
Hình 4.8: Tín hiệu gốc (F8) và tín hiệu đc lọc nhiu với L=17 29
Hình 4.9: Tín hiệu gốc (F8) và tín hiệu đc lọc nhiu với L=23 30
Hình 4.10: Tín hiệu gốc (F8) và tín hiệu đc lọc nhiu với L=27, N=26 30
Hình 4.11: Tín hiệu mở mắt ti Fp1, F7, F8 sau khi đc lọc nhiu 31
Hình 4.12: Tín hiệu chớp mắt ti Fp1, F7, F8 sau khi đc lọc nhiu 31
Hình 4.13: Tín hiệu liếc mắt trái ti Fp1, F7, F8 sau khi đc lọc nhiu 32
Hình 4.14: Tín hiệu liếc mắt phi ti Fp1, F7, F8 sau khi đc lọc nhiu 32
Hình 5.1: Sơ đồ trích các đặc tính ca tín hiệu EEG 35
Hình 5.2 : Tín hiệu mở mắt 36
Hình 5.3: Các hệ số AR 36
Hình 5.4: Tín hiệu chớp mắt 37
Hình 5.5: Các hệ số AR 37
Hình 5.6: Tín hiệu liếc trái 37
Hình 5.7: Các hệ số AR 37
Hình 5.8: Tín hiệu liếc phi 38
Hình 5.9: Các hệ số AR 38
Hình 5.10: Bốn vectơ hệ số ca thì nghiệm chớp mắt, mở mắt, liếc trái và liếc phi .
xiii
39
Hình 6.1: Sơ đồ xác định giá trị ngỡng 41
Hình 6.2: Kết qu phân loi 45
Hình 6.3: Kết qu xác định hot đng chớp mắt ti Fp1 46
Hình 6.4: Kết qu xác định hot đng liếc phi ti F7 46
Hình 6.5: Kết qu xác định hot đng liếc trái ti F8 47
Hình 6.6: Đối tng đang tiến hành mô phỏng online 47
Hình 6.7: Các hớng di chuyn và góc quay ca đối tng 49
Hình 6.8: Đối tng điều khin xe lăn điện 49
Hình 7.1: Cấu trúc ca mng truyền thẳng nhiều lớp 51
Hình 7.2: Hình dng ca hàm sigmoid 51
Hình 7.3: Cấu trúc mng nơron nhiều lớp có 1 lớp ẩn 53
Hình 7.4: Cấu trúc ca mng nơron nhiều lớp có 2 lớp ẩn 54
xiv
DANHăSỄCHăCỄCăBNG
Bngă3.1: Thông tin ca đối tng làm thí nghiệm 20
Bngă5.1: Vectơ hệ số AR cho 4 thí nghiệm 36
Bngă5.2: Các hệ số AR cho 4 thí nghiệm 38
Bngă6.1: Kết qu thí nghiệm trên đối tng 1 ti Fp1 43
Bngă6.2: Kết qu thí nghiệm trên đối tng 1 ti F7 43
Bngă6.3: Kết qu thí nghiệm trên đối tng 1 ti F8 44
Bngă6.4: Kết qu tính toán ngỡng các đối tng còn li 44
Bngă6.5: Bng kim tra kết qu phân loi 45
Bngă6.6: Mô t trng thái ca đèn 48
Bngă6.7: Các lệnh điều khin 48
Bngă7.1: Mô t việc phân loi tín hiệu EEG và ngõ ra mong muốn 54
Bngă7.2: Vectơ hệ số AR cho 4 thí nghiệm 55
Bngă7.3: Kết qu huấn luyện mng khi có 1 lớp ẩn 56
Bngă7.4: Kết qu huấn luyện mng khi có 2 lớp ẩn 56
1. Tổng Quan
1
Chngă1
TNGăQUAN
1.1 TngăQuan
Nưo ngời đóng vai trò quan trọng trong các hot đng ca con ngời [1]. Nó có
cấu trúc phc tp gồm khong 100 tỉ tế bào thần kinh liên kết với nhau. Các tế bào
này thu thập và truyền ti các tín hiệu điện với nhau cho dù có hay không có các
kích thích bên ngoài. Dựa trên các tín hiệu điện nưo ngời ta xác định đc những
thay đổi trong hot đng ca nưo b phc v cho việc phát hiện, chuẩn đoán các
chng rối lon nưo, rối lon giấc ng, chấn thơng đầu, viêm nưo, đt quỵ…
Mt ng dng quan trọng khác đó là dựa trên tín hiệu EEG đ khôi phc li các
chc năng ca con ngời. Do bệnh tật hoặc do tai nn gây ra, mt số ngời không
có kh năng đi li, cử đng…,những ngời này mất đi kh năng tơng tác với thế
giới bên ngoài. Hệ thống giao tiếp máy tính nưo (BCI) đóng vai trò quan trọng
nhằm h tr và thay thế con ngời tơng tác với thế giới bên ngoài. Hệ thống này
chuyn các tín hiệu điện nưo thành các tín hiệu điều khin mong muốn nh điều
khin xe lăn điện, điều khin thiết bị (tivi, máy lnh, đèn…), điều khin cử đng
(cánh tay gi trên ngời bênh nhân)
Hiện nay có nhiều phơng pháp thu tín hiệu điện nưo đc sử dng cho việc chuẩn
đoán và xây dựng hệ thống BCI. Phơng pháp điện nưo đồ (EEG) và từ nưo sử dng
các điện cực gắn trực tiếp trên da đầu. Còn phơng pháp cng hởng từ (fMRI),
hồng ngoi gần (fNIR) đo nồng đ oxy trong máu ở trên nưo ngời.
Với sự phát trin ca khoa học kỹ thuật, các nghiên cu gần đây tập trung vào nâng
cao đ chính xác và tốc đ ca hệ thống bằng việc nghiên cu các đặc tính hot
đng ca nưo, ci tiến thiết bị thu thập dữ liệu và tối u hóa các kỹ thuật xử lý tín
hiệu trong hệ thống.
1. Tổng Quan
2
Ti Việt Nam, việc xây dựng các thuật toán xử lý tín hiệu điện nưo và xây dựng hệ
thống BCI ng dng là hớng nghiên cu mới đc nhiều ngời quan tâm. Đ xây
dựng đc hệ thống BCI, đòi chúng ta phi sử dng các thuật toán nh lọc nhiu,
nhận dng mô hình, huấn luyện…đ tìm ra những đặc tính ca tín hiệu điện nưo.
Từ các ng dng ca tín hiệu điện nưo, thiết bị đang có và sự gi ý ca TS. Nguyn
Thanh Hi. Vì vậy tên đề tài đc chọn là: “Thutătoánătìmăngngăxácăđnh các
hotăđngăca mtădaăvƠoătínăhiuăEEG” .
1.2 McăĐíchăCaăĐăTƠi
Mc đích nghiên cu ca đề tài là xây dựng đc thuật toán ngỡng và mng nơron
truyền thẳng nhiều lớp đ xác định các hot đng ca mắt. So sánh kết qu ca hai
thuật toán. Đồng thời xây dựng hệ thống BCI đ điều khin thiết bị (đèn hoặc xe
lăn).
1.3 PhmăViăCaăĐăTƠi
Phm vi ca đề tài là tìm hiu tín hiệu EEG và các ng dng dựa trên tín hiệu EEG.
Xây dựng thuật toán ngỡng và huấn luyện mng nơron đ xác định các hot đng
ca mắt. Kim chng kết qu qua các ng dng mô phỏng hoặc điều khin xe lăn
điện.
1.4 PhngăPhápăNghiênăCu
Các phơng pháp nghiên cu đc sử dng trong đề tài:
- Phơng pháp nghiên cu tài liệu: thu thập các tài liệu, bài báo khoa học liên
quan đến lĩnh vực nghiên cu. Nghiên cu lý thuyết đ xây dựng thuật toán
cho đề tài.
- Phơng pháp thực nghiệm: tiến hành đo tín hiệu nưo từ máy Active Two. Ễp
dng các thuật toán đ xử lý tín hiệu đo đc
- So sánh: so sánh kết ca đt đc giữa các phơng pháp.
1. Tổng Quan
3
1.5 NiăDungăCaăLunăVĕn
Ni dung ca luận văn bao gồm 8 chơng:
Chngă1:ăTổng quan
Chơng này trình bày tổng quan về lĩnh vực nghiên cu. Các nhiệm v, phm vi và
phơng pháp nghiên cu đề tài.
Chngă2: Cơ sở lý thuyết
Chơng này trình bày về các cơ sở lý thuyết cần thiết phc v cho nghiên cu trong
đề tài.
Chngă3: Hệ hệ thống giao tiếp máy tính nưo và thu thập dữ liệu EEG
Chơng này trình bày về hệ thống giao tiếp máy tính nưo. Các phơng pháp thu
thập tín hiệu điện nưo và tiến hành thu dữ liệu các thí nghiệm tiến hành trong đề tài
bằng máy Active Two.
Chngă4: Tiền xử lý tín hiệu EEG dùng b lọc Hamming
Chơng này trình bày ng dng ca b lọc Hamming đ loi bỏ các thành phần
nhiu và tín hiệu không mong muốn.
Chngă5:ăTrích đặc tính tín hiệu EEG dựa trên hệ số mô hình AR
Tín hiệu sau khi đc loi bỏ nhiu sẽ đc đa qua mô hình AR (Autoregresion)
đ tìm các hệ số ca mô hình AR, các hệ số này sẽ đc đa vào mng nơron truyền
thẳng nhiều lớp nhận dng các hot đng ca mắt.
Chngă6: Thuật toán ngỡng đ phân biệt các hot đng ca mắt
Chơng này trình bày thuật toán ngỡng đ phân biệt các hot đng ca mắt.
Chngă7: Nhận dng các hot đng ca mắt dùng mng nơron
Mng nơron truyền thẳng nhiều lớp đc sử dng đ nhận dng các hot đng ca
mặt dựa trên các hệ số ca mô hình AR.
1. Tổng Quan
4
Chngă8: Kết luận và hớng phát trin ca đề tài
Chơng này sẽ tóm tắt các kết qu đt đc trong luận văn và hớng phát trin ca
đề tài.
2. Cơ Sở Lý Thuyết
5
Chngă2
CăSăLụ THUYT
Với sự phát trin vt bậc ca công nghệ thu tín hiệu điện nưo nh điện nưo đồ
EEG, cng hởng từ (fMRI), hồng ngoi gần fNIR…các nghiên cu về ng dng
tín hiệu điện nưo ngày càng đa dng và đc quan tâm.
2.1 ngăDngăHăThngăBCIăĐiuăKhinăThităB
Hệ thống BCI sử dng biên đ sóng mu (8 - 12Hz) hoặc beta (18 - 25Hz) đ điều
khin con trỏ máy tính di chuyn trong 2 miền trên màn hình máy tính [3]. Sự di
chuyn ca trỏ chut trong mi miền đc xác định 10 lần/s dựa trên các đặc tính
ca tín hiệu EEG. Dữ liệu đc thu thập offline và sử dng ba phơng pháp khác
nhau đ tăng đ chính xác ca việc di chuyn con trỏ chut. Bằng cách chọn lựa các
đặc tính ca tín hiệu EEG và chuyn đổi chúng thành các lệnh điều khin, tác gi đư
ci tiến đc tốc đ và đ chính xác ca việc di chuyn trỏ chut [15 - 17].
Bệnh nhân có th điều khin cánh tay gi đ giao tiếp với môi trờng bên ngoài
bằng bằng cách tởng tng [4]. Tác gi đư phân tích thời gian thực các thành phần
tín hiệu EEG trong suốt quá trình tởng tng. Mt b phân loi tuyến tính đc sử
dng đ phân biệt trờng hp tởng tng cánh tay di chuyn trái hoặc phi. Đ
chính xác ca việc điều khin này đt 82,5% đến 90%. Kết qu phân loi đc sử
dng đ điều khin cánh tay gi di chuyn.
2.2ăngăDngăThutăToánăNgngăĐăNhnăDngă
Mt hệ thống BCI lai đc sử dng đ điều khin xe lăn dựa trên tín hiệu EEG và
EOG [17]. Trong bài báo này, tác gi đư sử dng thuật toán ngỡng đ xác định các
hot đng ca mắt đ xác định hớng di chuyn ca xe lăn điện. Tín hiệu EOG
đc sử dng đ điều khin các hớng bên trái và bên phi. Và tín hiệu EEG đc
2. Cơ Sở Lý Thuyết
6
sử dng đ đ kim soát hớng tiến, lùi, ngừng. Bằng cách sử dng 2 kênh tín hiệu,
đ chính xác phân loi đt 95%.
Đ phân biệt các hot đng ca tay trái và tay phi [14], tác gi sử dng thuật toán
tìm ngỡng dựa vào đ lệch chuẩn. Giá trị ngỡng đc sử dng bằng giá trị trung
bình cng với 2 lần đ lệch chuẩn. Kết qu phân loi chính xác đt 87%.
2.3ăTríchăĐcăTínhăEEG SăDngăHăSăMô Hình AR VƠăNhnăDngăBằngă
MngăNron
Mng nơron nhiều lớp đc sử dng đ nhận dng ngời. Trong bài nghiên cu
này, tác gi sử dng mô hình AR đ ớc lng tín hiệu EEG. Các hệ số ca mô
hình đc xem nh đặc tính ca tín hiệu EEG. Các hệ số này sẽ đc đa vào mng
nơron đ nhận dng. Kết qu phân loi chính xác đt 80% đến 100%.
Mng nơron đc sử dng đ phân biệt bệnh nhân thành 2 nhóm: bị đng kinh và
không bị đng kinh. Tín hiệu EEG thu đc sẽ đc trích đặc tính bởi các hệ số mô
hình AR. Các hệ số này là ngõ vào mng nơron đ nhận dng. Và kết qu phân loi
chính xác đt 91% [11].
2.4ăLcăNhiuăTínăHiuăEEG
Tín hiệu EEG thu đc cha rất nhiều nhiu, do đó lọc nhiu là bớc quan trọng
trớc khi phân tích tín hiệu. Mt b lọc thông di 0.5 – 30 Hz sử dng kỹ thuật dịch
chuyn trung bình [23] đc sử dng đ loi bỏ đ loi bỏ các thành phần nhiu.
[24] sử dng các b lc thông di Chebyshev 2 đ chia tín hiệu điện nưo thành 9 di
tần số khác nhau [4-8Hz, 9 -12Hz…] đ từ đó tìm ra các đặc tính riêng ca các di
tần này.
B lọc thông di Butterworth bậc 4 đc sử dng [21] đ tách tín hiệu alpha (8 -
25Hz) từ tín hiệu EEG thu đc. [13] sử dng b lọc thông di Hamming đ chia
tín hiệu EEG thành các di tần khác nhau.
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
7
Chngă3
HăTHNGăGIAOăTIPăMỄYăTệNHăNÃOăVÀăTHU
THPăD LIUăEEG
Chơng này trình bày về hệ thống giao tiếp máy tính nưo, các phơng pháp thu tín
hiệu điện nưo và phần cuối trình bày về máy Active Two, thiết bị sử dng đ thu dữ
liệu nưo theo công nghệ EEG và tiến hành thu thập dữ liệu các thí nghiệm thực hiện
trong đề tài.
3.1ăHăThngăGiaoăTipăMáyăTínhăNƣoă
3.1.1ăKháiănim
Hệ thống giao tiếp máy tính nưo BCI (Brain Computer Interface) [20] là hệ thống
chuyn các tín hiệu điện nưo thành các tín hiệu điều khin đ giúp con ngời giao
tiếp với thế giới bên ngoài. Hệ thống BCI đc nghiên cu cho các đối tng sau:
- Những bệnh nhân mất kh năng vận đng do mất tay hoặc chân.
- Những bệnh nhân đt quỵ nưo, chỉ có kh năng kim soát hot đng ca mắt.
- Trẻ em và ngời lớn bị bi nưo, không có kh năng điều khin cơ…
Hình 3.1 trình bày các phần tử và hot đng ca mt hệ thống giao tiếp máy tính
não, các thông tin về hot đng nưo đóng vai trò quan trọng trong hệ thống BCI. Hệ
thống BCI gồm 2 khối quan trọng: thu thập dữ liệu và xử lý dữ liệu. Khâu thu thập
sử dng kỹ thuật thu EEG, fNIR… đ thu các tín hiệu điện nưo. Các tín hiệu này
đc số hóa và chuyn tới khâu xử lý tín hiệu. Khâu này sẽ chuyn đổi các tín hiệu
điện nưo thành lệnh điều khin đ điều khin các thiết bị: xe lăn, đèn, máy lnh…
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
8
Hình 3.1: Hệ thống giao tiếp máy tính nưo [20]
3.1.2 HăThngăBCIăCaăĐăTƠi
Đ xây dựng mt hệ thống BCI sử dng tín hiệu EEG, trong luận văn này sử dng
thuật toán ngỡng và huấn luyện mng đ xác định các hot đng ca mắt. Sau đó
dùng các hot đng này đ điều khin các thiết bị trong nhà hoặc xe lăn điện
- Thuật toán ngỡng: tín hiệu EEG thu thập sẽ đc loi bỏ nhiu bằng b lọc
Hamming. Thuật toán ngỡng sẽ đc áp dng đ phân loi các hot đng
ca mắt (hình 3.2).
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
9
- Dùng mng nơron: b lọc Hamming sẽ đc sử dng đ lọc nhiu. Tín hiệu
sau khi đc lọc nhiu sẽ đc đa qua mô hình AR bậc 2. Các hệ số ca mô
hình AR chính là đặc tính ca tín hiệu EEG. Mng nơron với ngõ vào là các
hệ số ca mô hình AR sẽ xác định các hot đng ca mắt (hình 3.3).
Hình 3.2: Sơ đồ khối xác định các hot đng ca mắt sử dng thuật toán ngỡng
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
10
Hình 3.3: Sơ đồ khối xác định các hot đng ca mắt sử dng mng nơron
3.2 ThuăThpăTínăHiuăĐinăNƣo BằngăCôngăNghăEEG
3.2.1ăCácăPhngăPhápăThu TínăHiuăĐinăNƣo
Hiện nay có nhiều kỹ thuật thu tín hiệu điện nưo. Phần này trình bày 4 kỹ thuật thu
phổ biến: điện nưo đồ (EEG), hồng ngoi gần (fNIRS), cng hởng từ (fMRI) và từ
nưo (MEG). Phơng pháp thu EEG sẽ đc sử dng trong đề tài.
3.2.1.1 ĐoăTínăHiuăDùngăPhngăPhápăĐinăNƣoăĐ
Điện nưo đồ (Electroencephalogram: EEG) [2] là phơng pháp đo sự thay đổi điện
áp từ dòng chy ca các ion trong tế bào nưo ca con ngời. EEG ghi li điện áp tự
sinh ra trong tế bào nưo ca con ngời trong mt khong thời gian ngắn, thờng là
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
11
20 phút đến 40 phút bằng cách đặt các điện cực sát với da đầu ca ngời cần đo.
Hình 3.4 sử dng nón có gắn các điện cực đ thu tín hiệu điện nưo theo phơng
pháp EEG.
Hình 3.4: Đo tín hiệu điện nưo dùng phơng pháp EEG
Tín hiệu EEG lần đầu tiên đc phát hiện bới nhà tâm lý học Hans Berger 1929. K
từ đó thì EEG đc ng dng rng rưi cho ngành y học đ phc v cho việc phát
hiện bệnh đng kinh và nghiên cu về giấc ng…Trong những năm gần đây, kỹ
thuật EEG phát trin là cơ sở đ các nhà khoa học xây dựng hệ thống BCI. Nó làm
cho cuc sống ca ngời ngời tàn tật trở nên d dàng hơn.
Điện áp trên nưo thay đổi đc duy trì là nhờ hàng tỉ nơron trong nưo. Nơron luôn
trao đổi ion với môi trờng ngoi bào. Quá trình trao đổi nh vậy sẽ to ra điện áp.
Khi dng sóng ca các ion đi đến các điện cực đc gắn ở trên đầu thì nó sẽ đẩy
hoặc hút các ion trên kim loi ở các đầu điện cực đó. Khi các ion trên điện cực bị
hút hoặc đẩy thì sẽ to ra sự chênh lệch về điện áp. Quá trình đo sự thay đổi điện áp
đó theo thời gian là EEG.
Phơng pháp EEG cho phép chúng ta xác định đc đặc tính tần số tín hiệu điện
nưo. Tín hiệu EEG đc chia làm 5 loi:
- Delta: có dưi tần số nằm trong khong 0.5 đến 4Hz với biên đ thay đổi bất
định. Dng sóng delta ch yếu xuất hiện trong giấc ng sâu và trong trng
thái thc giấc. Sóng delta xuất hiện ch yếu ti Fp1 và Fp2.
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
12
- Theta: có dưi tần số nằm trong khong 4 đến 7Hz với biên đ cao hơn 20uV.
Sóng theta thờng xuất hiện khi ngời bị căng thẳng, đặc biệt là lúc thất bi
hoặc chán nưn. Sóng theta xuất hiện nhiều ti C
3
, C
4
.
- Alpha: có dưi tần số nằm trong khong 8 đến 13 Hz với biên đ từ 30 đến
50uV. Sóng alpha đc to ra ở trong hai trờng hp là khi ta th giưn hoặc
khi ta hành đng vô thc. Sóng alpha tập trung nhiều ti O
1
và O
2
.
- Beta: có dưi tần số nằm trong khong 13 đến 30Hz với biên đ 5 đến 30uV.
Sóng beta là dng sóng ca tín hiệu điện nưo và thờng liên quan đến các
hot đng suy nghĩ, hot đng gây chú ý. Sóng beta xuất hiện nhiều ở vùng
đỉnh và thùy trán.
- Gamma: sóng gamma có tần số 30Hz trở lên và biên đ điện áp cũng biến
đổi không cố định.
u đim ca phơng pháp EEG:
- Thiết bị nhỏ gọn, vì vậy có th đo đc nhiều nơi khác nhau. Trong khi các
phơng pháp khác nh cng hởng từ, hồng ngoi gần có thiết bị rất to, cồng
kềnh.
- EEG có th đo đc những đối tng đang di chuyn (cng hởng từ bắt
buc đối tng phi cố định cho tới khi đo xong).
- EEG không to ra môi trờng từ trờng cao nên ngời đo cũng nh đối
tng đc đo không làm việc trong môi trờng từ trờng cao (máy fMRI
hot đng với môi trờng từ trờng cao nên có th gây nh hởng đến sc
khỏe con ngời)
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
13
Nhc đim ca phơng pháp EEG:
- Các điện cực gắn trực tiếp lên da đầu đ thu tín hiệu EEG. Bởi vì sự di
chuyn ca da đầu, chất sừng gây ngăn cách giữa điện cực và tín hiệu điện
thực tế, do đó tín hiệu thu đc sẽ cha nhiu.
3.2.1.2 ĐoăTínăHiuăĐinăNƣoăDùngăPhngăPhápăHngăNgoiăGần
Nguyên lý ca phơng pháp đo tín hiệu nưo dùng phơng pháp hồng ngoi gần
(function Near – Infrared Spectroscopy: fNIRS) [2] là đo nồng đ oxy trong máu ở
trên nưo b. Bớc sóng ca sóng hồng ngoi gần (Near – IR) nằm trong khong
780nm – 25000nm.
Việc đo tín hiệu điện nưo đc thực hiện bằng cách đo sự hấp th ca ánh sáng
hồng ngoi gần với bớc sóng nằm trong khong 650 nm đến 950 nm. Do quang
phổ hấp th ca oxy – hemoglobin và deoxy – hemoglobin là khác nhau nên ngời
ta có th đo nồng đ oxy – hemoglobin và deoxy – hemoglobin thông qua việc đo
sự tán x ánh sáng. Phơng pháp fNIRS có nhiều li thế hơn so với những phơng
pháp đo khác nh fMRI và MEG. Mt trong số các li thế đó là có th đo trực tiếp
mt lot các thông số khác nhau nh oxy – hemoglobin, deoxy – hemoglobin và
Hemoglobin tổng hp với đ phân gii về thời gian rất cao. Điều này cho phép
ngời ta nghiên cu các hành vi theo thời gian ca đáp ng huyết đng từ hot ca
neural thần kinh. Tuy nhiên phơng pháp fNIRS có đ phân gii không gian kém,
phơng pháp fNIRS không th đo sâu vào bên trong. Nguyên nhân là ánh sáng bị
tán x mnh khi đi sâu vào các khu vực sâu bên trong nưo.
Phơng pháp fNIRS đc xem là phơng pháp đo tín hiệu nưo không xâm lấn vì
các que đo chỉ gắn ở ngoài da đầu mà không tác đng gì đến nưo b.
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
14
Hình 3.5:ăĐoătínăhiuăđinănƣoădùngăfNIRS
(nguồn:
u đim ca phơng pháp:
- Không phá hy, đo không xâm lấn.
- Gần nh đo lờng đc các giá trị tc thời.
- Có th thu thập đc những dữ liệu liên tc theo thời gian.
- Có th xâm nhập sâu vào mẫu cần đo…
Ngoài ra, phơng pháp fNIR có mt số khuyết đim sau:
- Máy móc thiết bị sử dng cho phơng phấp hồng ngoi gần thì đắt tiền.
- Đ chính xác ca thiết bị gim khi đo các mẫu ẩm ớt.
- Không đc phép đo những mẫu vt ra ngoài tầm kích thớc quy định.
3.2.1.3ăĐoăTínăHiuăNƣoăDùngăPhngăPhápăCngăHngăT
Phơng pháp cng hởng từ (function Magnetic Resonance Imaging: fMRI) [2]
đc dùng đ tìm ra sự thay đổi sự trao đổi chất ở trong nưo hoặc trong lu lng
máu, th tích hoặc oxygen trong đáp ng khi thực hiện mt nhiệm v. Kỹ thuật phổ
biến nhất đc sử dng là tơng phn nồng đ oxygen trong máu, đó là dựa trên cơ
sở đặc tính từ trờng khác nhau ca oxygen (nghịch từ) và deoxygen (thuận từ)
trong máu.
3. Hệ Thống Giao Tiếp Máy Tính Nưo Và Thu Thập Dữ Liệu EEG
15
Hình 3.6: Đo tín hiệu điện nưo bằng phơng pháp fMRI
(nguồn:
Kỹ thuật fMRI sử dng mt nguồn năng lng từ trờng rất lớn, mt chui xung
với tần số sóng radio và mt máy tính đ chp li nh chi tiết các cơ quan trên cơ
th ngời, trong đó có tín hiệu nưo ngời. Trên cơ sở ng dng mối quan hệ giữa
nồng đ oxy và bn đồ hot đng ca nưo mà fMRI đư đc chọn đ làm công c
phân tích hot đng ca neural trong nưo ngời. fMRI đư đc ng dng rất nhiều
cho việc nghiên cu những chc năng ca nưo bao gồm có việc nhìn, hot đng,
ngôn ngữ và nhận thc.
3.2.1.4ăĐoăTínăHiuăNƣoăSăDngăPhngăPhápăTăNƣo
Từ nưo (Magnetoencephalography: MEG) [2] là mt kỹ thuật lập bn đồ hot đng
ca nưo bằng cách ghi li từ trờng bên ngoài nưo to bởi dòng điện xy ra tự nhiên
trong nưo. Đây là dòng điện do các ion chy trong các tế bào thần kinh khi nưo hot
đng gây ra. Do dòng điện này nhỏ, nên từ trờng sinh ra cũng nhỏ. Do đó phi sử
dng các màng ca thiết bị giao thoa lng tử siêu dẫn.
Đây là phơng pháp đo trực tiếp những tín hiệu ở nưo hot đng phát ra và hoàn
toàn không làm tổn hi đến nưo. Phơng pháp MEG rất hữu hiệu đ nghiên cu các
bệnh đng kinh, phát hiện vùng ung th trên nưo, vùng nưo không hot đng.