Ứng dụng biến đổi Wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc (Luận văn thạc sĩ)

i

ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

HOÀNG TIẾN THÊM

ỨNG DỤNG BIẾN ĐỔI WAVELET
CHO TRÍCH CHỌN ĐẶC TRƯNG TÍN HIỆU ĐIỆN NÃO
TRONG HỆ THỐNG NHẬN DẠNG CẢM XÚC

LUẬN VĂN THẠC SĨ KỸ THUẬT
Chuyên ngành: Kỹ thuật điện tử

THÁI NGUYÊN 2018


ii

LỜI CAM ĐOAN
Tên tôi là: Hoàng Tiến Thêm
Sinh ngày: 06/07/1991
Học viên lớp cao học CK18_KTĐT - Trường Đại học kỹ thuật công nghiệp –
Đại học Thái Nguyên.
Hiện đang công tác tại: Trường Cao đẳng Nghề số 1 – Bộ Quốc Phòng
Xin cam đoan: Đề tài “Ứng dụng biến đổi wavelet cho trích chọn đặc trưng
tín hiệu điện não trong hệ thống nhận dạng cảm xúc” do Thầy giáo TS. Nguyễn
Phương Huy hướng dẫn là công trình nghiên cứu của riêng tôi. Tất cả tài liệu tham
khảo đều có nguồn gốc, xuất xứ rõ ràng.
Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng như nội dung
trong đề cương và yêu cầu của thầy giáo hướng dẫn. Nếu sai tôi hoàn toàn chịu trách

nhiệm trước hội đồng khoa học và trước pháp luật.

Thái Nguyên, ngày 26 tháng 03 năm 2018
TÁC GIẢ LUẬN VĂN

Hoàng Tiến Thêm


iii

LỜI CẢM ƠN
Sau một thời gian nghiên cứu và làm việc nghiêm túc, được sự động viên, giúp
đỡ và hướng dẫn tận tình của Thầy giáo hướng dẫn TS. Nguyễn Phương Huy, luận
văn với đề tài “Ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện
não trong hệ thống nhận dạng cảm xúc” đã hoàn thành.
Tôi xin bày tỏ lòng biết ơn sâu sắc đến:
Thầy giáo hướng dẫn TS. Nguyễn Phương Huy đã tận tình chỉ dẫn, giúp đỡ
tôi hoàn thành luận văn này.
Khoa sau đại học, các thầy, cô giáo trong Khoa Điện tử – Trường Đại học kỹ
thuật công nghiệp – Đại học Thái Nguyên đã giúp đỡ tôi trong quá trình học tập cũng
như thực hiện luận văn.
Tôi xin chân thành cảm ơn bạn bè, đồng nghiệp và gia đình đã động viên,
khích lệ, tạo điều kiện giúp đỡ tôi trong quá trình học tập, thực hiện và hoàn thành
luận văn này.
TÁC GIẢ LUẬN VĂN

HOÀNG TIẾN THÊM


iv

MỤC LỤC
Lời cam đoan ...................................................................................................... i
Lời cảm ơn ....................................................................................................... iii
Mục lục ............................................................................................................. iv
Danh mục từ viết tắt ......................................................................................... vi
Danh mục bảng biểu........................................................................................ vii
Danh mục hình ảnh ........................................................................................ viii
LỜI MỞ ĐẦU .................................................................................................. 1
CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ VÀ CÁC PHƯƠNG
PHÁP XỬ LÝ TÍN HIỆU SÓNG ĐIỆN NÃO ............................................. 4
1.1 Tổng quan về tín hiệu điện não ................................................................ 4
1.1.1 Khái quát chung về EEG ................................................................... 5
1.1.2 Thu nhận và đo đạc tín hiệu điện não EEG ....................................... 7
1.2 Các dạng sóng điện não cơ bản.............................................................. 10
1.2.1 Nguyên tắc phân tích sóng điện não ................................................ 10
1.2.2 Phân biệt sóng điện não dựa vào tần số ........................................... 11
1.3 Hệ thống nhận dạng cảm xúc dựa trên tín hiệu điện não. ...................... 15
1.3.1 Nhận dạng cảm xúc dựa trên tín hiệu điện não. .............................. 17
1.3.2 Các hướng tiếp cận trong nhận dạng cảm xúc dựa trên tín hiệu điện
não. ............................................................................................................ 19
1.3.3 Một số phương pháp tiêu biểu trong trích chọn đặc trưng tín hiệu
điện não. .................................................................................................... 22
1.4 Giải pháp đề xuất trong nhận dạng cảm xúc.......................................... 24
1.5 Kết luận .................................................................................................. 25
CHƯƠNG 2: TRÍCH CHỌN ĐẶC TRƯNG SÓNG ĐIỆN NÃO SỬ
DỤNG BIẾN ĐỔI WAVELET .................................................................... 26
2.1 Tổng quan về biến đổi wavelet .............................................................. 26

v

2.1.1 Biến đổi wavelet liên tục ................................................................. 27
2.1.2 Biến đổi wavelet rời rạc ................................................................... 30
2.2.3 Trích chọn đặc trưng áp dụng biến đổi wavelet rời rạc ................... 33
2.2.4 Các họ Wavelet ................................................................................ 44
2.2 Biến đổi wavelet rời rạc trong hệ thống nhận dạng cảm xúc ................ 46
2.2.1 Vai trò của DWT trong quá trình nhận dạng cảm xúc..................... 46
2.2.2 Các tham số đặc trưng của DWT trong việc nhận dạng cảm xúc ... 47
2.3 Kết luận .................................................................................................. 48
CHƯƠNG 3: MÔ PHỎNG HỆ THỐNG .................................................... 49
3.1 Xây dựng thuật toán trích chọn đặc trưng DWT trong xử lý tín hiệu
sóng não ....................................................................................................... 49
3.1.1 Tiền xử lý dữ liệu ............................................................................. 50
3.1.2 Xử lý tín hiệu điện não thành các dạng sóng đặc trưng .................. 55
3.1.3 Tính toán các tham số đặc trưng ảnh hưởng tới việc nhận dạng cảm
xúc ............................................................................................................. 57
3.2 Thiết kế giao diện matlab guide ............................................................. 59
3.2.1 Matlab GUI ...................................................................................... 59
3.2.2 Thiết kế giao diện GUI cho việc xử lý tín hiệu EEG ...................... 60
3.2.3 Các bước thực hiện quá trình phân tích DWT sử dụng giao diện thiết
kế trên GUI ............................................................................................... 63
3.3 Kết luận .................................................................................................. 67
KẾT LUẬN VÀ ĐỀ NGHỊ ........................................................................... 68
TÀI LIỆU THAM KHẢO ............................................................................ 69


vi

DANH MỤC TỪ VIẾT TẮT

Từ hoặc
cụm từ

Từ tiếng Anh

Từ tiếng Việt
Cơ sở dữ liệu

CSDL

Điện não đồ

EEG

Electroencephalogram

EBGM

Elastic Bunch Graph Matching Phương pháp đồ thị đàn hồi

ER

Emotion Recognition

Nhận dạng cảm xúc

ERS

Emotion Recognition System

Hệ thống nhận dạng cảm xúc

LDA

Linear Discriminant Analysis

NN

Neural Network

PCA

Principal Component Analysis

SVM

Support Vector Machine

Phương pháp phân tích sự khác biệt
tuyến tính
Mạng Nơron
Phương pháp phân tích thành phần
chính
Học máy vectơ hỗ trợ


vii

DANH MỤC BẢNG BIỂU

Bảng 3. 1 Định nghĩa các sóng EEG theo tần số ....................................................55


viii

DANH MỤC HÌNH ẢNH
Hình 1. 1 Cấu tạo bộ não con người. .......................................................................... 4
Hình 1. 2 Cấu trúc vỏ não ........................................................................................... 5
Hình 1. 3 Dòng điện bên trong tế bào pyramidal lớn.................................................. 6
Hình 1. 4 Sóng Alpha[4] ........................................................................................... 12
Hình 1. 5 Sóng Beta. ................................................................................................. 12
Hình 1. 6 Sóng Theta ................................................................................................ 13
Hình 1. 7 Sóng Delta. ................................................................................................ 14
Hình 1. 8 Nhận dạng các dạng sóng theo tần số ....................................................... 14
Hình 1. 9 Ứng dụng giao tiếp với máy tính. ............................................................. 16
Hình 1. 10 Ứng dụng tín hiệu điện não trong quân đội. ........................................... 17
Hình 1. 11 Ứng dụng tín hiệu điện não trong nhận diện cảm xúc ............................ 18
Hình 1. 12 Hệ thống nhận dạng cảm xúc. ................................................................. 18
Hình 1. 13 Thiết bị phần cưng Emotiv. ..................................................................... 19
Hình 1. 14 Mô hình cảm xúc Russuell. ..................................................................... 21
Hình 1. 15 Thuật toán Higuchi Fractal Dimension. .................................................. 22
Hình 1. 16 Một cô gái đang thử trải nghiệm sản phẩm đuôi mèo Shippo tại Hội chợ
Trò chơi Tokyo 2012................................................................................................. 24
Hình 2. 1 Không gian và các không gian con trong đa phân giải. Không gian L2 biểu
diễn toàn bộ không gian. Vj biểu diễn một không gian con, Wj biểu diễn chi tiết ... 34
Hình 2. 2 Thuật toán hình chóp hay thuật toán mã hoá băng con: (a) Quá trình phân
tích (b) Quá trình tổng hợp ........................................................................................ 37
Hình 2. 3 Phân tích wavelet sử dụng ký hiệu toán tử ............................................... 39
Hình 2. 4 Băng lọc hai kênh ...................................................................................... 40

Hình 2. 5 Các họ Wavelet (a) Haar (b) Daubechies4 (c) Coiflet1 (d) Symlet2 (e)
Meyer (f) Morlet (g) Mexican Hat ............................................................................ 45
Hình 2. 6 Hệ thống nhận dạng cảm xúc sử dụng EEG ............................................. 46
Hình 3. 1 Sơ đồ quá trình trích chọn đặc trưng sử dụng phép biến đổi DWT rời
rạc .............................................................................................................................. 49


ix

Hình 3. 2 Chuẩn độ: đỉnh nhọn chứng tỏ máy đủ độ nhạy để có khả năng ghi được
những sóng có tần số cao và biên độ nhỏ, đoạn dốc xuống phải bằng 2/3 tổng chiều
cao.[4]........................................................................................................................ 51
Hình 3. 3 Các vị trí đặt điện cực ghi điện não........................................................... 52
Hình 3. 4 Emotive Epoc Headset .............................................................................. 54
Hình 3. 5 Mức phân tích tín hiệu EEG...................................................................... 55
Hình 3. 6 Giao diện GUI cho việc xử lý tín hiệu EEG ............................................. 61
Hình 3. 7 Giao diện phần cài đặt ............................................................................... 62
Hình 3. 8 Giao diện hiển thị đồ họa (Graph views) .................................................. 62
Hình 3. 9 Giao diện hiển thị các tham số Feature Extraction Parameters ................ 63
Hình 3. 10 Load cơ sở dữ liệu ................................................................................... 64
Hình 3. 11 Lựa chọn số mẫu ..................................................................................... 65
Hình 3. 12 Lựa chọn mức phân tích DWT (level) .................................................... 65
Hình 3. 13 Lựa chọn họ Wavelet .............................................................................. 66
Hình 3. 14 Kết quả sau khi thực hiện quá trình phân tích DWT .............................. 67


1

LỜI MỞ ĐẦU
Nghiên cứu não bộ con người và đặc biệt liên quan đến ý nghĩ của con người

là một vấn đề rất khó đã được các nhà khoa học trên thế giới nghiên cứu từ rất lâu và
đã đạt được những thành tựu rất khả quan. Kết hợp với ngành khoa học máy tính, thì
ngành khoa học Não-Máy được biết đến với tên gọi Brain-Computer Interfaces (BCI)
cũng đã bước đầu có được các kết quả ấn tượng và hiệu quả.
Trên thế giới, hiện tại các nhóm nghiên cứu về ngành BCI cũng bắt đầu phát
triển về số lượng. Trong đó nổi bật nhất là công ty Emotiv, công ty nghiên cứu chuyên
sâu về não bộ con người đã có sản phẩm thực tế trên thị trường với mũ Epoc thu nhận
tín hiệu điện não và Emotiv SDK dùng để xử lý tín hiệu điện não. Sản phẩm của công
ty được ứng dụng trên rất nhiều lĩnh vực như y tế, giải trí, an ninh quốc phòng,… và
trên nhiều quốc gia như Mỹ, Úc, Nhật Bản, Hàn Quốc…
Trong Cộng đồng mã nguồn mở thì EEGLab cung cấp các bản thiết kế về phần
cứng và các SDK dùng cho việc xử lý tín hiệu điện não đã được ứng dụng rộng rãi
trong nghiên cứu, ứng dụng vào thực tế.Tại Việt Nam có không nhiều công trình
nghiên cứu về não bộ con người, một số ít nổi bật như đề tài cấp bộ “Điện Não Đồ”
do thầy Lê Tấn Hùng bộ môn công nghệ phần mềm thuộc Viện CNTT&TT ĐH Bách
Khoa Hà Nội đề xuất đã có những kết quả nghiên cứu khả quan. Tiếp đó, nhóm sinh
viên MiMaS trường ĐH Bách Khoa đã tiếp tục phát triển thành sản phẩm thực tế. Sản
phẩm của nhóm là “hệ thống chăm sóc hỗ trợ trẻ em bị khuyết tật” bao gồm cả phần
cứng, phần mềm thu nhận xử lý tin hiệu điện não đã được Hội tin học Việt Nam và
công ty Microsoft Việt Nam đáng giá cao sản phẩm khả năng ứng dụng vào thực tế
ở Việt Nam trong cuộc thi ImagineCup 2009. Thực tế tại Việt Nam hầu như không
có sản phẩm liên quan đến tín hiệu điện não ứng dụng ngoài máy điện não đồ được
nhập khẩu với giá rất cao từ vài trăm triệu đến hàng tỉ đồng từ nước ngoài trong các
bệnh viện. Các nghiên cứu về ngành BCI tại Việt Nam cũng đều rất hạn chế và chưa
có nhiều kết quả tốt.


2

Trên cơ sở đó, với mong muốn tiếp cận nghiên cứu và xây dựng những sản

phẩm có giá trị hữu ích phục vụ cho cuộc sống trong ngành khoa học BCI mới mẻ
này. NVLV đã tập trung nghiên cứu các cơ sở khoa học cơ bản về não cùng với các
công nghệ trên thế giới, từ đó đề xuất ra một mô hình giải pháp tổng thể cho việc thu
nhận và xử lý tín hiệu điện não, nhằm tạo ra một nền tảng tốt cho việc nghiên cứu và
phát triển các ứng dụng công nghệ cao về sau này.
Trong những năm gần đây, đã có rất nhiều công trình công bố, đưa ra các
hướng tiếp cận khác nhau cho việc giải quyết bài toán nhận dạng cảm xúc con người
thông qua sóng điện não. Pha quan trọng đầu tiên của nhận diện cảm xúc thông qua
tín hiệu EEG chính là trích chọn đặc trưng. Trong hướng tiếp cận truyền thống dựa
trên kỹ thuật trích chọn đặc trưng, có một số phương pháp tiêu biểu phải kể đến là
Phương pháp phân tích thành phần chính (Principal Component Analysis – PCA),
Phương pháp phân tích thành phần độc lập (Independent Component Analysis –
ICA), Mô hình tự hồi quy (Autoregressive Modeling - AR). Các phương pháp trên
chủ yếu dựa vào việc phân tích tín hiệu trên không gian tuyến tính, vì vậy không khai
thác hết được bản chất phi tuyến của tín hiệu EEG. Gần đây, dựa trên các ưu điểm
biểu diễn tín hiệu phi tuyến trên cả hai miền tần số và thời gian của phép biến đổi
Wavelet, một số công trình công bố trên thế giới đã tập trung vào áp dụng kỹ thuật
này cho phân tích đặc trưng của tín hiệu EEG và thu được hiệu quả cao hơn so với
các phương pháp truyền thống. Ở Việt Nam, các nghiên cứu về EEG và BCI vẫn còn
hạn chế, chủ yếu là phân tích tín hiệu EEG dưới dạng “thô”. Việc áp dụng biến đổi
Wavelet mới chỉ dùng cho việc lọc nhiễu tín hiệu EEG hoặc xử lý tín hiệu điện tim
ECG.
Vì những lý do trên, được sự gợi hướng của Thầy giáo, TS. Nguyễn Phương
Huy, tôi KS Hoàng Tiến Thêm lựa chọn đề tài “Ứng dụng biến đổi wavelet cho
trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc” làm
đề tài nghiên cứu luận văn tốt nghiệp thạc sĩ chuyên ngành Kỹ thuật điện tử.


3

Đối tượng của luận văn là: Phương pháp trích chọn đặc trưng sóng điện
não sử dụng biến đổi wavelet rời rạc.
Về phạm vi nghiên cứu: Dựa trên các bộ cơ sở dữ liệu có sẵn về các tín hiệu
EEG (được cộng đồng khoa học quốc tế công nhận là cơ sở dữ liệu chuẩn để đối sánh
các phương pháp), luận văn sẽ khảo sát và chứng minh tính hiệu quả hơn của phương
pháp trích chọn đặc trưng sóng điện não sử dụng biến đổi wavelet rời rạc so với một
số phương pháp thường dùng như PCA, ICA, AR; Đề xuất thuật toán phù hợp nhất
đối với bài toán trích chọn đặc trưng tín hiệu EEG; Cài đặt phần mềm mô phỏng nhằm
chứng minh tính đúng đắn và khả năng ứng dụng trong thực tế của thuật toán đề xuất.
Đề tài có ý nghĩa nhằm nghiên cứu việc áp dụng kỹ thuật biến đổi wavelet cho
việc trích chọn các đặc trưng quan trọng của tín hiệu sóng điện não. Từ đó làm cơ sở
khoa học cho việc xây dựng các hệ thống nhận dạng cảm xúc trong thực tế.
Nội dung của luận văn gồm có các chương như sau:
Chương 1: Bài toán nhận dạng cảm xúc dựa trên tín hiệu điện não. Trong
chương chủ yếu trình bày tổng quan về tín hiệu điện não, hệ thống nhận dạng cảm
xúc được xây dựng dựa trên tín hiệu điện não. Đồng thời trong chương còn đề cập
đến một số hướng và phương pháp tiêu biểu trong trích chọn đặc trưng.
Chương 2: Trích trọn đặc trưng sóng điện não sử dụng biến đổi wavelet.
Chương đề cập đến tổng quan về wavelet và trích chọn đặc trưng dùng để biến đổi
wavelet, đồng thời cũng đề cập đến một số hướng nghiên cứu ứng dụng biến đổi
wavelet trong trích chọn đặc trưng EEG. Đề xuất phương pháp kết hợp biến đổi
wavelet và mạng nôron MPL trong giải quyết bài toán nhận dạng cảm xúc.
Chương 3: Xây dựng phần mềm mô phỏng. Chủ yếu tiến hành xây dựng trên
phần mềm Matlab, từ kết quả thu được có thể kết luận cơ sở thực tiễn của đề tài.


4

CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ VÀ CÁC PHƯƠNG
PHÁP XỬ LÝ TÍN HIỆU SÓNG ĐIỆN NÃO

1.1 Tổng quan về tín hiệu điện não

Hình 1. 1 Cấu tạo bộ não con người.

Não người [1], [2], [3] là phần trên và trước nhất của hệ thần kinh trung ương
và là cơ quan chủ yếu trong điều hành hệ thần kinh ngoại vi. Não người nặng khoảng
1500g (Williams và Warwick, 1989). Diện tích bề mặt của não khoảng 1600 cm², và dày
khoảng 3 mm. Não gồm có: thân não, tiểu não, não trung gian và đại não.
Não bộ của con người là một tổ chức phức tạp, tinh vi nhất của hệ thần kinh.
Thông qua các giác quan như mắt, tai, da, bộ não tiếp thu các thông tin về thị giác,
thính giác, xúc giác... để từ đó nhận thức ra đối tượng, xử lý và giai đáp thông tin qua
các hình thức vận động. Do vậy bộ não giữ vai trò quan trọng trong hoạt động toàn
diện, đa dạng của con người, giúp con người thích ứng với các hoàn cảnh xã hội.
Ngày nay, khi thế giới ngày càng phát triển thì các bệnh về não cũng ngày càng phát


5

triển như: các bệnh về động kinh, viêm não, u não ….. Do vậy, việc thu nhận và xử
lí tín hiệu điện não sẽ giúp chúng ta chẩn đoán chính xác được các bệnh về não. Vì
thế, các bệnh nhân não sẽ có cơ hội được cứu chữa nhiều hơn.
1.1.1 Khái quát chung về EEG
Electroencephalogram não đồ (EEG) là điện thế hoạt động của vỏ não phát ra.
EEG được phát hiện bởi Berger năm 1924 bằng 1 dụng cụ đo dòng điện với 1 điện
cực bề mặt trên đầu con trai ông và ghi lại được 1 mẫu nhịp nhàng những dao động
điện. Tín hiệu này là phản hồi điện sinh học ngay tức khắc của tế bào não. Ngày nay,
người ta cho rằng tín hiệu EEG giống như như tín hiệu EEG lấy từ lưỡng cực trong
lớp tế bào hình chóp. Rất nhiều tế bào hình chóp và sợi thần kinh của nó được sắp
xếp thẳng đứng. Sự sắp xếp này được đưa ra 1 dendro-somatic lưỡng cực hoặc điện
thế là cái dao động do tác nhân kích thích gây ra.

Vỏ não là nguồn gốc của các hoạt động điện của não thu được từ bề mặt của
da đầu, các dạng khác nhau của hoạt động điện và dẫn tới trường điện thế được tạo
ra bởi các tế bào thần kinh vỏ não.

Hình 1. 2 Cấu trúc vỏ não

Sự sắp xếp của các tế bào ở các khu vực khác nhau trên vỏ não là khác nhau,
mỗi vùng có kiểu hình thái khác nhau. Hầu hết các tế bào vỏ não được sắp xếp thành
các cột, trong các cột này các neuron được phân bố dọc theo trục chính của các cây
dạng nhánh, song song với mỗi cây khác và trực giao với bề mặt vỏ não.


6

Vỏ não gồm các lớp khác nhau, các lớp này là không gian của cấu trúc các tế
bào thần kinh đặc biệt, với các trạng thái và chức năng khác nhau trong đáp ứng xung
điện. Neuron pyramidal là thành phần cấu tạo chủ yếu của vỏ não. Điện thế EEG [1],
[2] ghi được từ các điện cực được đặt tiếp xúc với lớp da đầu là sự tổng hợp các thay
đổi về điện thế ngoài của tế bào Pyramidal. Màng tế bào pyramidal không bao giờ
trong trạng thái nghỉ bởi vì nó bị tác động liên tiếp bởi hoạt động sinh ra do các neuron
khác có các liên kết synaptic. Các liên kết synaptic có thể là kích thích hoặc ức chế
sự thay đổi tương ứng tính thẩm thấu của màng tế bào đối với ion K và ion Cl làm
phát sinh dòng điện.

Hình 1. 3 Dòng điện bên trong tế bào pyramidal lớn.

Dòng ion được thiết lập cho phép cân bằng điện tích giữa bên trong và bên
ngoài màng tế bào. Dòng điện sinh ra do điện thế của postsynaptic kích thích (EPSP)
được thể hiện ở hình 3. Điện thế postsynaptic kích thích là tổng hợp của dòng đi vào
trong màng tế bào gây ra bởi các ion dương và dòng đi ra ngoài màng tế bào tạo dọc

theo phần mở rộng của tế bào extra- synaptic. Điện trường bên ngoài tế bảo là hàm
của điện thế xuyên màng.
Trong đó là điện thế bên ngoài màng, là bán kính của sợi trục hoặc tua gai, là
điện thế xuyên màng, là độ dẫn môi trường bên trong tế bào, là độ dẫn của môi trường


7

bên ngoài tế bào. Mặc dù các điện thế bên ngoài tế bào riêng rẽ là nhỏ nhưng tổng
điện thế của chúng cũng đáng kể đối với nhiều tế bào. Điều này là do các neuron
pyramidal được kích hoạt tức thời lớn hơn hoặc nhỏ hơn cách mà liên kết synaptic và
các thành phần dọc trục của dòng bên ngoài màng được thêm vào, trong khi đó các
thành phần nằm ngang lại có xu hướng làm giảm điện thế này. Ngoài ra các nguồn
khác cũng góp phần tạo ra tín hiệu EEG. Sự giảm điện thế màng tế bào tới mức giới
hạn xấp xỉ 10 mV nhỏ hơn điện thế tái khử cực tại trạng thái nghỉ của màng tế bào.
Điện thế hoạt động của các neuron não là nguồn gốc của EEG. Nhưng chúng góp
phần nhỏ trong việc tạo ra tín hiệu EEG ghi được tại bề mặt của não. Do chúng thường
hoạt động không đồng bộ trong cùng một thời gian đối với một số lượng lớn các sợi
trục, các sợi trục này di chuyển theo nhiều hướng tương đối với bề mặt vỏ não.
Nguyên nhân khác là phần của màng tế bảo bị khử cực bởi điện thế hoạt động tại các
thời điểm cố định nhỏ hơn so với thành phần của màng tế bào được kích thích bởi
một EPSP và điện thể hoạt động tồn tại trong thời gian ngắn hơn( cỡ 1 - 2ms) so với
của EPSPs hoặc IPSPs là 10 – 250ms. Qua các quan điểm trình bày ở trên thì EEG
thu được tại bề mặt da đầu có thể coi là kết quả của nhiều thành phần tích cực, trong
đó điện thế của postsynaptic từ tế bào pyramidal là thành phần chính tạo ra tín hiệu
điện não.
1.1.2 Thu nhận và đo đạc tín hiệu điện não EEG
a) Vị trí đặt điện cực chuẩn [9], [10].
Hiệp hội quốc tế về sinh lí thần kinh lâm sàng và điện não đề đưa ra chuẩn đặt
điện cực cho 21 điện cực (gồm cả điện cực tại dái tai). Các điện cực đặt tại dái tai

được gọi là A1, A2 được nối tương ứng với tai trái và tai phải được sử dụng làm điện
cực tham chiếu. Hệ thống 10-20 tránh đặt điện cực tại vị trí nhãn cầu, và cân nhắc
một vài khoảng cách không đổi bởi sử dụng các mốc giải phẫu cụ thể. Các điện cực
lẻ được đặt bên trái và các điện cực lẻ được đặt bên phải. Để thiết lập số lượng các
điện cực nhiều hơn mà vẫn tuân theo qui ước trên, các điện cực còn lại ngoài 21 điện
cực chuẩn được đặt giữa các điện cực trên và cách đều nhau giữa chúng. Ví dụ C1


8

được đặt giữa C3 và Cz. Hai dạng khác nhau dùng để ghi tín hiệu điện não là dạng vi
sai và dạng tham chiếu. Đối với dạng vi sai hai đầu vào của mỗi bộ khuếch đại vi sai
là hai cực, còn kiểu tham chiếu thì chỉ một trong hai điện cực tham chiếu được dùng.
Một kiểu bố trí điện cực tương tự khác là hệ thống vị trí điện cực Maudsley, hệ thống
10 – 20 được thay đổi để chụp ghi được tín hiệu từ tiêu điểm động kinh trong việc
thu tín hiệu động kinh. Chỉ có một sự khác nhau giữa hai hệ thống này là các điện
cực bên ngoài được làm nhẹ hơn một chút cho phép ghi tín hiệu động kinh được tốt
hơn. Ưu điểm của hệ thống này là diện tích được trùm bởi mũ điện cực được mở rộng,
do đó làm tăng độ nhạy khi ghi lại tín hiệu điện não.
b) Phương pháp thu tín hiệu điện não.
Việc thu nhận các tín hiệu và hình ảnh từ các bộ phận của cơ thể người trở
thành cần thiết cho việc chẩn đoán sớm các loại bệnh tật. Dữ liệu thu được có thể
dưới dạng điện sinh học như tín hiệu điện tim, tín hiệu điện cơ đồ EMG hay tín hiệu
điện não EEG, từ não đồ MEG…Các phương pháp đo đạc được dùng có thể là siêu
âm, chụp CT, hay ảnh cộng hưởng từ MRI hoặc cộng hưởng từ chức năng fMRI,
chụp positron cắt lớp PET. Các hoạt động thần kinh điện đầu tiên được ghi lại bằng
máy điện kế đơn giản. Để khuếch đại sự thay đổi của các điểm một tấm gương được
sử dụng để phản xạ ánh sáng được chiếu ra từ điện kế lên bức tường. Sau đó, điện kế
Arsonval được gắn vào một cuộn dây có thể di chuyển được, do đó ánh sáng tập trung
trên gương sẽ bị phản xạ khi cho dòng điện chạy qua cuộn dây này.

Điện kế mao dẫn được tạo ra bởi Lippmann và Marey. Điện kế dây rất nhạy
và đo chính xác hơn được Einthoven giới thiệu vào năm 1903. Điện kế này trở thành
dụng cụ đo chuẩn trong vài thập kỉ và được cho phép sử dụng ghi lại hình ảnh. Các
hệ thống đo tín hiệu EEG gồm số lượng lớn các điện cực tinh vi, các mạch khuếch
đại vi sai (cho mỗi kênh), bộ lọc và đồng hồ ghi có mũi kim chỉ.
Tín hiệu EEG đa kênh được ghi lại lên tấm giấy nhẵn hoặc giấy có ô lưới.
Ngay sau đó, hệ thống đo tín hiệu EEG này được tung ra thị trường, các nhà nghiên


9

cứu bắt đầu tìm kiếm hệ thống được máy tính hóa, hệ thống này số hóa và lưu trữ tín
hiệu.
Do vậy để phân tích tín hiệu EEG, ban đầu phải hiểu rằng tín hiệu được chuyển
sang dạng số. Số hóa tín hiệu bao gồm các bước: lấy mẫu, lượng tử hóa và mã hóa
tín hiệu. Khi số cực được sử dụng càng tăng thì số lượng dữ liệu càng lớn, tức số bít
để mã hóa tín hiệu cũng nhiều hơn. Hệ thống được máy tính hóa cho phép thiết lập
các kiểu khác nhau, mô phỏng và lấy mẫu tần số và trong một số trường hợp tích hợp
cả các công cụ xử lí tín hiệu đơn giản hoặc hiện đại giúp nâng cao hiệu quả quá trình
xử lí tín hiệu. Quá trình biến đổi từ tín hiệu EEG tương tự sang dạng số được thực
hiện bởi bộ chuyển đổi số tương tự đa kênh. Dải tần hiệu quả cho tín hiệu EEG xấp
xỉ 100Hz. Do đó tần số lấy mẫu nhỏ nhất là 200 mẫu/s thỏa mãn qui tắc Nyquist là
đủ để lấy mẫu tín hiệu EEG. Trong một số ứng dụng các hoạt động của não được
quan sát đòi hỏi độ phân giải cao hơn tần số lấy mẫu có thể lên tới 2000 mẫu/s. Để
duy trì thông tin chẩn đoán thì quá trình lượng tử hóa tín hiệu thông thường phải rất
tốt.
Các hệ thống ghi tín hiệu EEG phổ biến sử dụng các mẫu tín hiệu dưới dạng
16bits. Các điện cực ghi điện tim có độ chính xác cao chủ yếu được sử dụng để thu
thập dữ liệu chất lượng cao.
Các loại điện cực được sử dụng trong hệ thống ghi tín hiệu điện não như: Điện

cực dùng một lần (dạng gel), Điện cực có thể sử dụng nhiều lần (vàng, bạc, thép hoặc
tin), Điện cực kẹp và chụp đầu, Điện cực được nhúng mặn, Điện cực dạng kim, khi
ghi đa kênh với số lượng lớn của các điện cực thì điện cực dạng mũ chụp thường
được dùng. Thông thường điện cực dạng mũ chụp gồm đĩa Ag – AgCl có đường kính
nhỏ hơn 3 mm, với các cực linh hoạt có thể gắn vào bộ khuếch đại.
Điện cực kim phải được cắm dưới vỏ não với độ sâu nhỏ nhất có thể. Trở
kháng cao giữa điện cực và da đầu cũng như các điện cực có trở kháng cao cũng có
thể dẫn tới méo dạng tín hiệu. Do vậy các máy ghi điện não thương mại thông thường
được trang bị bộ phận theo dõi trở kháng. Để đảm bảo việc ghi tín hiệu điện não chính


10

xác, trở kháng của điện cực phải nhỏ hơn 5kΩ, tốt nhất là 1kΩ Cân bằng với các điện
cực khác trong mũ. Tương ứng với từng cấu trúc lớp và xoắn của não sự phân bố các
điện cực lên da phù hợp.
1.2 Các dạng sóng điện não cơ bản
1.2.1 Nguyên tắc phân tích sóng điện não
Hình ảnh điện não là những đặc trưng biểu hiện lâm sàng thần kinh tâm thần
và các bệnh khác. Do đó cần phải phân tích và mô tả chi tiết, đồng thời tổng hợp và
khái quát để bổ sung cho lâm sàng và những thông tin chưa có lâm sàng hoặc các
triệu chứng khó phân biệt. Khi phân tích điện não cần tuân theo một số nguyên tắc:
Trục tung là biên độ của sóng. Trục hoành là tần số sóng.
Dạng sóng: hình sin, có nhịp hay không có nhịp, đơn dạng hay đa dạng, đều
hay không đều, sóng một pha hay nhiều pha. Các sóng ở trên đường đẳng điện là sóng
âm (-), ở dưới là sóng dương (+).
Tần số: là số sóng có trong một giây kí hiệu là chu kỳ giây (ck/gy) hoặc (Hz)
Biên độ: là chiều cao của sóng tính bằng µV.
Vi trí: sóng điện não biểu hiện ở các vị trí khác điện cực khác nhau và khác
nhau theo vùng.

Chỉ số: số sóng xuất hiện trong một thời gian nhất định xác đinh ở bản ghi
được tính theo tỷ lệ %. Thông số này thường dùng để đánh giá lâm sàng.
Tính chất xuất hiện: các sóng điện não xấy hiện khác nhau không chỉ về dạng
sóng mà còn cả tính chất.
Kịch phát: một sóng, một nhóm sóng xuất hiện và kết thúc đột ngột. Có thể
kịch phát toàn thể hay khu trú, kéo dài 1-2/10 giây đến nhiều giây.
Đồng thì: cùng một thời điểm đồng bộ ở hai bán cầu cân xứng, hay một bán
cầu. Không đồng thì: không cùng một lúc xuất hiện, mất cân xứng một bán cầu về
tấn số, biên độ hoặc cả 2.


11

Liên tục: các sóng bệnh lý có những khoảng gián đoạn, không giống nhau.
Từng nhóm: các sóng xuất hiện từng nhóm với số sòng và dạng tương tự nhau.
[4]
1.2.2 Phân biệt sóng điện não dựa vào tần số
Năm 1924, nhà tâm thần học người Áo tên là Hans Berger là người đầu tiên
ghi được EEG. Ông nhận thấy trên bản ghi EEG bình thường, nhịp của các sóng điện
não gồm có vài loại sóng có thể phân biệt theo tần số. Đây còn gọi là các dạng sóng
đặc trưng sinh lý.
a) Sóng Alpha (α)
Dạng sóng hình sin là chủ yếu, có tần số từ 8 -13 ck/gy
Alpha nhanh: 11-13 ck/gy
Alpha trung bình: 10 ck/gy
Alpha chậm: 8-9 ck/gy
Sóng thường có biên độ khoảng 50µV (mặc dù cũng có thể giao động từ 5 tới 100 µV).
Sóng này thấy rõ nhất ở phần phía sau của não người, vốn là nơi xử lý các tín
hiệu thị giác, tức là vùng chẩm (occipital region) ở cả 2 bên, ít ở vùng đỉnh và giảm
dần về phía thái dương Vì vậy, đôi khi người ta còn gọi nhịp alpha là nhịp trội ở phía

sau (the posterior-dominant rhythm).
Có nhiều giả thuyết giải thích cơ chế này. Theo P.V simonov (1956) cho rằng
alpha có vai trò lớn trong cơ chế điều chỉnh giữa nội môi và ngoại môi của chức năng
ngăn cản các tín hiệu đi vào não. Theo Bunch alpha có vai trò điều chỉnh đồng bộ của
các tín hiệu vào và ra khỏi não; D.G. Shmelkin (1955) thấy alpha luôn đi cùng với
trạng thái cân bằng liên quan đến hưng phấn và ức chế. Sóng alpha trở nên rõ nhất
khi nhắm mắt lại, bị triệt tiêu khi mở mắt. Như vậy sóng alpha là dấu hiệu cho biết
não đang ở tình trạng không chú ý (inattentive brain), và đang chờ để được kích thích.
Thực tế là có một vài tác giả đã gọi nó là “nhịp chờ đợi” ("waiting rhythm"). Đây là


12

nhịp sóng chủ yếu thấy được trên người lớn bình thường và thư giãn – sóng hiện diện
trong hầu hết các thời kỳ của cuộc đời, nhất là khi trên 30 tuổi, khi ấy sóng này chiếm
ưu thế trên đường ghi EEG lúc nghỉ ngơi.

Alpha 10 Hz, biên độ thấp.

Alpha 10Hz, biên độ cao.

Alpha 10Hz, xuất hiện từng chùm.
Hình 1. 4 Sóng Alpha[4]

b) Sóng Beta (β)
Dạng sóng không ổn định, có tần số từ 13-35 Hz, có biên độ dưới 30µV. Sóng
Beta là sóng nhanh ở phía trước, phân bố điển hình ở vùng trán và giảm dần ở thái
dương và đỉnh chẩm. Sóng Beta liên quan đến trạng thái hưng phấn của thẩn kinh.
Sóng Beta sẽ nổi bật lên khi dung thuốc an thần gây ngủ. Sóng có thể mất hoặc suy
giảm ở vùng có tổn thương vỏ não. Nhịp beta thường được coi là nhịp bình thường,

nó là nhịp chiếm ưu thế ở những bệnh nhân đang thức tỉnh cảnh giác hoặc lo sợ, hoặc
khi mở mắt.

Hình 1. 5 Sóng Beta.


13

c) Sóng Theta (θ)
Dạng sóng hình cung hay hình thang, tần số từ 4-8Hz. Theta nhanh từ 6-8Hz,
Theta bình thường từ 5-6Hz, Theta chậm từ 4-5Hz. Sóng Theta xuất hiện ở thái
dương, hay vùng trán thái dương và thái dương trước trung tâm. Sóng Theta là loại
sóng chậm, thường thấy khi bệnh nhân trong tình trạng buồn ngủ hoặc ngủ nông (light
stages of sleep). Sóng Theta được coi là bất bình thường nếu thấy ở người lớn đang
tỉnh táo, nhưng lại là bình thường ở trẻ em dưới 10 tuổi. Sau 10 tuổi, sóng theta nhanh
và chuyển dần sang alpha. Cũng có thể thấy theta tạo thành 1 vùng bất thường trên
những nơi có tổn thương dưới vỏ cục bộ. Sóng theta biểu hiện cho giảm hoạt động
của vở não, nên ngoài lứa tuổi nhỏ, còn thấy xuất hiện ở lứa tuổi cao. Sóng theta xuất
hiện ở người lớn nhiều hay ít, lan tỏa hay khu trú đều liên quan đến rối loạn chức
năng của não, đặc biệt ở cấu trúc dưới vỏ.

Hình 1. 6 Sóng Theta

d) Sóng Delta (δ)
Dạng sóng hình chuông, tần số từ 0,5-4 Hz, biên độ sóng trung bình tương
đương điện thế alpha, cũng có khi cao gấp 2 đến 3 lần biên độ alpha, đây là loại sóng
chậm nhất và có biên độ cao nhất. Sóng Delta xuất hiện ở trẻ em dưới 7 tuổi, giảm
dần theo lứa tuổi, xuất hiện ở người lớn trong giấc ngủ sâu (ở giai đoạn 3 hoặc 4 của
giấc ngủ). Nói chung, nếu sóng Delta xuất hiện trên một người lớn (trừ khi đang ngủ)
thì chứng tỏ não có vấn đề nào đó: ví dụ u não, động kinh, tăng áp lực nột sọ, khiếm

khuyết về trí tuệ, hay hôn mê. Khi đã xuất hiện, thì nhịp Delta có khuynh hướng thay
thế cho nhịp alpha. Cả sóng beta lẫn sóng delta đều không bị ảnh hưởng bởi mở mắt
hay nhắm mắt. ). Nó có thể xuất hiện cục bộ khi có tổn thương dưới vỏ và phân bố
rộng khắp khi có tổn thương lan tràn, trong bệnh não do chuyển hóa (metabolic
encephalopathy), bệnh não nước (hydrocephalus) hay tổn thương đường giữa trong


14

sâu (deep midline lesions). Nó thường trội nhất ở vùng trán ở người lớn (ví dụ FIRDA
- Frontal Intermittent Rhythmic Delta – sóng delta có nhịp cách hồi ở vùng trán) và
phân bố trội ở các vùng phía sau trên trẻ em (ví dụ OIRDA - Occipital Intermittent
Rhythmic Delta - sóng delta có nhịp cách hồi ở vùng chẩm).

Hình 1. 7 Sóng Delta.

Hình 1. 8 Nhận dạng các dạng sóng theo tần số


15

1.3 Hệ thống nhận dạng cảm xúc dựa trên tín hiệu điện não.
Cảm xúc đi cùng với mỗi người trong cuộc sống hàng ngày và đóng một vai
trò quan trọng trong giao tiếp phi ngôn ngữ của con người. Đó là một trong những
điều kiện quan trọng để hiểu được các hành vi ứng xử của con người. Nhận diện cảm
xúc có thể được thực hiện thông qua văn bản, hội thoại, cử chỉ cơ thể và biểu hiện
khuôn mặt. Và trong xu hướng phát triển của con người trong đầu những thập kỷ này,
sự cần thiết và quan trọng của các hệ thống nhận diện cảm xúc con người thông qua
những tín hiệu “bên trong” từ sóng điện não (EEG) đã phát triển mạnh mẽ cùng với
vai trò không ngừng tăng của các ứng dụng tương tác Não Máy (BCI interfaces) trong

việc đặt con người vào vị trí trung tâm của mối tương tác số trong kỷ nguyên hiện
đại.
Hàng năm các đạo diễn cho ra đời hàng nghìn bộ phim trên toàn thế giới.
Trong đó tập trung phần lớn ở Mỹ. Đây là một thị trường tiềm năng đối với các thiết
bị đo nhận cảm xúc/ trạng thái của người xem đối với các bộ phim trước khi tung ra
thị trường. Trên thực tế, đạo diễn nổi tiếng James Cameron cũng đã sử dụng thiết bị
thu nhận sóng điện não EEG để kiểm tra hiệu quả tâm lý của người xem trước khi
tung siêu phẩm điện ảnh Avatar ra thị trường. Trên đây là hai trong số rất nhiều những
ứng dụng tiềm năng của việc khai thác sóng điện não EEG của con người. Trên thực
tế, các nhà nghiên cứu và các doanh nghiệp nước ngoài đã sớm nhìn nhận ra tương
lai phát triển của tương tác số. Trong đó, cách thức mà con người giao tiếp với máy
tính thông qua ý nghĩ (sóng điện não) là một trong những quan tâm hàng đầu.


16

Hình 1. 9 Ứng dụng giao tiếp với máy tính.

Cho đến ngày nay thế giới đã có những bước tiến dài trong việc nghiên cứu
sóng EEG, rất nhiều sản phẩm máy điện não, kèm theo cả phần mềm trị giá tới triệu
đô la Mỹ đang được triển khai trong các bệnh viện phục vụ chuẩn đoán, chữa trị bệnh
động kinh. Ngoài ra rất nhiều tập đoàn lớn cũng đang đầu tư hàng triệu đô la Mỹ cho
việc nghiên cứu EEG như việc giao tiếp, xác định cảm xúc con người. Năm 2009
công ty Toyota công bố đã thành công trong việc nghiên cứu xe lăn được điều khiển
bằng sóng não mà không cần dùng cơ bắp hay giọng nói. Xe lăn rẽ trái, rẽ phải, tiến
và dừng lại được thực hiện thông qua suy nghĩ của con người. Công ty Emotiv
Limited là một trong những công ty của Mỹ thành công trong việc nghiên cứu chuyên
sâu về sóng điện não và đã có sản phẩm bán ra thị trường. Sản phẩm của công ty là
một mũ Epoc có chức năng thu nhận sóng điện não, kết hợp với Epoc là bộ thư viện
EDK (Emotiv development kit), bộ thư viện này có khả năng thu nhận và xử lý rất

tốt tín hiệu sóng não của con người và có khả năng ứng dụng rất nhiều trong các lĩnh
vực giáo dục, y tế, an ninh quốc phòng.