Phân tích tín hiệu oxy hb trong não người để xác định mối quan hệ lệch quai hàm và lực cánh tay dựa vào fnirs

Tín hiệu kênh 7-12 của đối tượng với hoạt động không cắn và nâng 4kg ... Trong hầu hết các bài báo trên, khi một người cần phải tìm hiểu hoạt động của não, tín hiệu Oxy-Hb đư được lựa ch

MỤC LỤC

Chư ng1 : TỔNG QUAN 1

1.1 Tổng quan về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đư công bố 1

1.1.1 Tổng quan về lĩnh vực nghiên cứu 1

1.1.2 Một số kết quả nghiên cứu đư công bố 3

1.2 Mục đích của đề tài 5

1.3 Nhiệm vụ của đề tài và giới hạn đề tài 6

1.4 Phương pháp nghiên cứu 6

1.5 Tóm tắt đề tài 6

Chư ng 2: C S LÝ THUY T 8

2.1 Phương pháp tái tạo hình ảnh và tín hiệu nưo người 8

2.1.1 Phương pháp điện nưo đồ (EEG) 8

2.1.2 Phương pháp chụp cộng hưởng từ 8

2.1.3 Phương pháp chụp cắt lớp 10

2.1.4 Phương pháp chụp Positron cắt lớp 11

2.1.5 Phương pháp quang phổ cận hồng ngoại - fNIRS 13

2.2 Cơ sở lý thuyết nghiên cứu và cách thu thập dữ liệu fNIRS 15

2.2.1 Cơ sở lý thuyết nghiên cứu 15

2.2.2 Thu thập dữ liệu fNIRS 16

Chư ng 3: XÁC Đ NH KHU V C VẬN Đ NG CỦA NÃO B CHO HO T Đ NG CẮN VÀ NỂNG T 22

3.1 Sơ đồ và chức năng các khối 22

3.1.1 Sơ đồ khối 22

3.1.2 Chức năng các khối 22

3.2 Tiền xử lý tín hiệu fNIRS 23

3.2.1 Bộ lọc Savitzky – Golay 23

3.2.2 Dùng bộ lọc Savitzky làm trơn tín hiệu fNIRS 24

3.3 Xử lý tín hiệu fNIRS 28

3.3.1 Biến đổi Wavelet: 28

a Biến đổi wavelet liên tục 28

b Biến đổi wavelet rời rạc 31

3.3.2 Xử lý tín hiệu Oxy-Hb dùng phép biến đổi wavelet rời rạc 34

3.4 Đặt ngưỡng 37

3.5 Thuật toán xác định vùng vận động của nưo bộ cho hoạt động cắn và nâng tạ 41

Chư ng 4: MỐI QUAN H GI A Đ L CH QUAI HÀM VÀ L C CÁNH TAY 60

4.1 Thuật toán tìm mối quan hệ lệch quai hàm và lực cánh tay 60

4.2 Hồi quy đa thức vùng vận động 61

4.2.1 Lý thuyết về hồi quy đa thức 61

4.2.2 Hồi quy đa thức trên tín hiệu fNIRS 64

4.3 Mối quan hệ giữa độ lệch quai hàm và lực cánh tay 69

4.3.1 Tính diện tích vùng vận động 69

4.3.2 Mối quan hệ giữa độ lệch quai hàm và lực cánh tay 73

Chư ng 5: K T LUẬN 75

5.1 Kết luận 75

5.2 Hướng phát triển của đề tài 77

Tài liệu tham khảo 78

Phụ lục 80

- Oxy-Hb (Oxy Hemoglobin) - Oxy huyết cầu tố

- EEG (ElectroEncephaloGraphy) - điện nưo đồ

- MEG (Magnetic EncephaloGraphy) - Từ nưo

- MRI (Magnetic Resonance Imaging) – hình ảnh cộng hưởng từ

- CT (Computed Tomography)- chụp cắt lớp vi tính

- PET (Positron emission tomography)- chụp positron cắt lớp

- SVM (Support Vector Machines) - Công cụ hỗ trợ véc tơ

- PR-SVM (Polynomial Regression - Support Vector Machines): Hồi quy đa thức bằng công cụ hỗ trợ véc tơ

- ANN( Artifical Neural Networks) - Mạng nơron nhân tạo

- HMM (Hidden Markov Model) – Mô hình Markov ẩn

- TIWT (Translation Invariant Wavelet Transform): Biến đổi wavelet bất biến dịch chuyển

- EMG (Electromyography) – Điện cơ đồ

-MRA (multi-resolution analysis)- phân tích đa phân giải

DANH SÁCH CÁC HÌNH

Hình 1.1 Bộ nưo người 1

Hình 1.2 Nưo và dây thần kinh cột sống 1

Hình 1 3 Sự thay đổi Hemoglobin (Hb): Oxy-Hb, deOxy-Hb, total-Hb 2

Hình 2.1 Bố trí điện cực trong phép đo EEG 8

Hình 2.2 Máy chụp cộng hưởng từ 9

Hình 2.3 Máy CT Scanner 10

Hình 2.4 Máy chụp Positron cắt lớp 12

Hình 2.5 Máy đo quang phổ cận hồng ngoại 13

Hình 2.6 Dải bước sóng từ tia Gamma đến Radio 13

Hình 2.7 Tác động của tia hồng ngoại vào vỏ nưo 14

Hình 2.8 Đầu đo (a), Thí nghiệm đo (b), Cách bố trí bộ dữ và đầu đo trên máy fNIRS mư hiệu FOIRE-3000 16

Hình 2.9 Các kiểu bộ giữ 16

Hình 2.10 Lưu đồ thời gian của một lần đo 17

Hình 2.11 Ma trận đo với kích thước 4x4 17

Hình 2.12 Vị trí các kênh đo trên khu vực nưo điều khiển chuyển động ở bán cầu não trái 18

Hình 2.13 Tín hiệu kênh 1-6 của đối tượng với hoạt động không cắn và nâng 4kg 19

Hình 2.14 Tín hiệu kênh 7-12 của đối tượng với hoạt động không cắn và nâng 4kg 20

Hình 2.15 Tín hiệu kênh 13-18 của đối tượng với hoạt động không cắn và nâng 4kg 20 Hình 2.16 Tín hiệu kênh 19-24 của đối tượng với hoạt động không cắn và nâng 4kg 21 Hình 3.1 Sơ đồ phân tích tín hiệu Oxy-Hb để xác định khu vực vận động 22

Hình 3.2 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky-Golay có cửa sổ là 7, bậc đa thức là 3 25

Hình 3.3 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky – Golay có cửa

sổ 17, bậc đa thức là 2 25

Hình 3.4 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky – Golay có cửa sổ 17, bậc đa thức là 13 26

Hình 3.5 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky – Golay có cửa sổ 11, bậc đa thức là 3 26

Hình 3.6 Tín hiệu kênh 1,2,3,22,23,24 trước và sau khi lọc với bộ lọc Savitzky-Golay có cửa sổ là 11, bậc đa thức là 3 27

Hình 3.7 Đồ thị của ab ứng với giá trị a=1 29

Hình 3.8 Đồ thị của ab ứng với giá trị 0<a<1 29

Hình 3.9 Đồ thị của ab ứng với giá trị a<0 29

Hình 3.10 Sơ đồ wavelet 3 mức 32

Hình 3.11 Tín hiệu gốc và các hệ số wavelet từ mức 1 - 5 của họ boir 5.5 34

Hình 3.12 Dạng tín hiệu với wavelet họ symlets 7 35

Hình 3.13 Dạng tín hiệu với wavelet họ bior5.5 36

Hình 3.14 Dạng tín hiệu với wavelet họ debauchies 13 36

Hình 3.15 Đồ thị thời gian cho tín hiệu nâng tạ thực tế 37

Hình 3.16 Dạng tín hiệu biến đổi Wavelet ở mức 6, chưa đặt ngưỡng 40

Hình 3.17 Dạng tín hiệu biến đổi Wavtlet ở mức 6 và đặt ngưỡng 40

Hình 3.18 Vùng vận động của 5 đối tượng 44

Hình 3.19 Sơ đồ khối xác định vùng vận động cho hoạt động cắn và nâng tạ của 5 đối tượng nghiên cứu 56

Hình 4.1 Sơ đồ khối tìm mối quan hệ lệch quai hàm và lực cánh tay 60

Hình 4.2 Dạng tín hiệu kênh 18 ở bậc đa thức hồi quy là 3 của đối tượng 1 với hoạt động không cắn và nâng 5 kg 65

Hình 4.3 Dạng tín hiệu kênh 18 ở bậc đa thức hồi quy là 5 của đối tượng 1 với hoạt động không cắn và nâng 5 kg 65

Hình 4.4 Dạng tín hiệu kênh 18 ở bậc đa thức hồi quy là 10 của đối tượng với hoạt

động không cắn và nâng 5 kg 66

Hình 4.5 Dạng tín hiệu kênh 18 ở bậc đa thức hồi quy là 15 của đối tượng với hoạt động không cắn và nâng 5 kg 65

Hình 4.6 Dạng tín hiệu kênh 18 ở bậc đa thức hồi quy là 20 của đối tượng với hoạt động không cắn và nâng 5 kg 67

Hình 4.7 Tín hiệu của trường hợp không cắn và nâng 5 kg 68

Hình 4.8 Tín hiệu của trường hợp cắn và nâng 5 kg 68

Hình 4.9 Tín hiệu của trường hợp cắn và không nâng tạ 69

Hình 4.10 Diện tích vùng vận động khi không cắn và nâng tạ 70

Hình 4.11 Diện tích vùng vận động khi cắn và nâng tạ 71

Hình 5.1 Diện tích vùng vận động khi không cắn và nâng tạ 76

Hình 5.2 Diện tích vùng vận động khi cắn và nâng tạ 76

DANH SÁCH CÁC B NG

Bảng 2.1 Số lần thí nghiệm đo hoạt động cắn và nâng tạ của một đối tượng 17

Bảng 2.2 Bảng dữ liệu đo được trong 3.9 giây đầu tiên trong hoạt động không cắn nâng 4 kg trên kênh 1 18

Bảng 3.1 Kết quả thí nghiệm trên đối tượng 1 với trường hợp không cắn và nâng tạ

6 kg 41

Bảng 3.2 Kết quả thí nghiệm trên đối tượng 2 với trường hợp không cắn và nâng tạ

6 kg 41

Bảng 3.3 Kết quả thí nghiệm trên đối tượng 3 với trường hợp không cắn và nâng tạ

6 kg 42

Bảng 3.4 Kết quả thí nghiệm trên đối tượng 4 với trường hợp không cắn và nâng tạ

6 kg 42

Bảng 3.5 Kết quả thí nghiệm trên đối tượng 5 với trường hợp không cắn và nâng tạ

6 kg 43

Bảng 3.6 Kết quả thí nghiệm 5 đối tượng không cắn và nâng tạ 6 kg với a =1 43

Bảng 3.7 Kết quả thí nghiệm trên đối tượng 1 45

Bảng 3.8 Kết quả thí nghiệm trên đối tượng 2 45

Bảng 3.9 Kết quả thí nghiệm trên đối tượng 3 45

Bảng 3.10 Kết quả thí nghiệm trên đối tượng 4 46

Bảng 3.11 Kết quả thí nghiệm trên đối tượng 5 46

Bảng 3.12 Kết quả thí nghiệm 5 đối tượng cắn 3 mm và nâng 6 kg với a = - 3 47

Bảng 3.13 Kết quả thí nghiệm 5 đối tượng cắn 2 mm và nâng 6 kg với a = - 2,5 48

Bảng 3.14 Số kênh vùng vận động khi nâng 6 kg 48

Bảng 3.15 Kết quả thí nghiệm 5 đối tượng không cắn và nâng 5 kg với a = 2 49

Bảng 3.16 Kết quả thí nghiệm 5 đối tượng cắn 3 mm và nâng 5 kg với a = -3 49

Bảng 3.17 Kết quả thí nghiệm 5 đối tượng cắn 2 mm và nâng 5 kg với a = -3 50

Bảng 3.18 Số kênh vùng vận động khi nâng 5 kg 50

Bảng 3.19 Kết quả thí nghiệm 5 đối tượng không cắn và nâng 4 kg với a = 2 51

Bảng 3.20 Kết quả thí nghiệm 5 đối tượng cắn 3 mm và nâng 4 kg với a = -2.5 51

Bảng 3.21 Kết quả thí nghiệm 5 đối tượng cắn 2 mm và nâng 4 kg với a = -3 52

Bảng 3.22 Số kênh vùng vận động khi nâng 4 kg 52

Bảng 3.23 Kết quả thí nghiệm 5 đối tượng không cắn và nâng 7 kg với a = 5 53

Bảng 3.24 Kết quả thí nghiệm 5 đối tượng cắn 3 mm và nâng tạ 7 kg với a = -3 53

Bảng 3.25 Kết quả thí nghiệm 5 đối tượng cắn 2 mm và nâng tạ 7 kg với a = -3 54

Bảng 3.26 Số kênh vùng vận động khi không cắn và nâng tạ 7 kg 54

Bảng 3.27 Kết quả thí nghiệm 5 đối tượng cắn 3 mm và không nâng tạ với a = -3 54

Bảng 3.28 Kết quả thí nghiệm 5 đối tượng cắn 2 mm và không nâng tạ với a = -2 55

Bảng 3.29 Số kênh vùng vận động khi cắn và không nâng tạ 55

Bảng 3.30 Tổng hợp số kênh vùng vận động cho hoạt động cắn và nâng tạ theo sức nâng 57

Bảng 3.31 Số kênh vùng vận động cho hoạt động không cắn và nâng tạ 57

Bảng 3.32 Số kênh vùng vận động cho hoạt động cắn 3 mm và nâng tạ 58

Bảng 3.33 Tổng hợp số kênh vùng vận động cho hoạt động cắn 2 mm và nâng tạ 58

Bảng 3.34 Số kênh vùng vận động theo chiều dài cắn 58

Bảng 4.1 Kết quả của thí nghiệm không cắn và nâng tạ 70

Bảng 4.2 Kết quả của thí nghiệm cắn và nâng tạ 70

Bảng 4.3 Kết quả của thí nghiệm không cắn và nâng tạ 72

Bảng 4.4 Kết quả của thí nghiệm cắn và nâng tạ 72

Bảng 4.5 So sánh diện tích trước và sau hồi quy cho trường hợp không cắn - nâng tạ 73

Bảng 4.6 So sánh diện tích trước và sau hồi quy cho trường hợp cắn - nâng tạ 73

Bảng 5.1 Số kênh trong vùng vận động của hoạt động cắn và nâng tạ 75

Chư ng 1 TỔNG QUAN

1.1 T ng quan về lĩnh v c nghiên c u, các k t qu nghiên c u trong và ngoài nước đã công b

1.1.1 Tổng quan về lĩnh vực nghiên cứu:

Não là trung tâm điều khiển của hệ thần kinh trung ương, chịu trách nhiệm điều khiển hành vi

Hình 1.2 Não và dây thần kinh cột sống

Não và dây thần kinh cột sống là hai tổ chức đóng vai trò của hệ thần kinh trung ương Bộ máy đặc biệt này sử dụng các tế bào thần kinh vận động để kiểm soát nhiều cơ bắp của cơ thể và cho phép con người thực hiện vô số các hoạt động

thể chất Vì thế việc nắm bắt các hoạt động của não là cơ sở để chúng ta có thể ngăn

ngừa, điều trị được rất nhiều bệnh lý của con người

Trong những thập kỷ gần đây, rất nhiều thành tựu đư được gặt hái trong lĩnh

vực tái tạo hình ảnh và nhận dạng thần kinh trên nưo người Hoạt động nưo được thể

hiện qua kết quả của các kỹ thuật khác nhau như : fNIRS (functional Near- Infrared Spectroscopy) - máy chức năng quang phổ cận hồng ngoại, EEG (Electro Encephalo Graphy) - điện nưo đồ, MEG (Magnetic EncephaloGraphy), MRI (Magnetic Resonance Imaging) - ảnh cộng hưởng từ

fNIRS đư và đang trở thành một kỹ thuật thuận lợi cho các mục đích thí nghiệm não Kỹ thuật không xâm nhập này sử dụng phương pháp phát các tia cận

hồng ngoại vào nưo để đo huyết động nưo cũng như phát hiện thể tích máu và lượng oxy thay đổi Thực chất, fNIRS đo sự thay đổi oxy-hemoglobin và deoxy-hemoglobin trên bề mặt não Khi có một kích thích xảy ra trong não, chẳng hạn như suy nghĩ, vận động, thì lượng huyết động thay đổi tương ứng trên vùng nưo đảm nhận chức năng tương ứng

Hình 1.3 Sự thay đổi Hemoglobin (Hb): Oxy-Hb, deOxy-Hb, total-Hb [1] Tín hiệu quang phổ cận hồng ngoại NIRS được biểu diễn theo 3 thành phần oxy-hemoglobin và deoxy-hemoglobin, và total hemoglobin là sự kết hợp của 2 thành phần trên Hình 1.3 là một ví dụ về tín hiệu NIRS

Rất nhiều nhà nghiên cứu về khoa học thần kinh trên thế giới với nhiều công trình đư được công bố trên các tạp chí, hội nghị về các khía cạnh khác nhau dựa trên

kỹ thuật quang phổ cận hồng ngoại

Nhằm ứng dụng các kỹ thuật hiện đại để giúp con người, đặc biệt là người khuyết tật tăng cường khả năng giao tiếp và hòa nhập với cuộc sống xung quanh, cũng như thực hiện chẩn đoán để chữa bệnh ngày càng được chú trọng Vì vậy, các phương pháp không xâm nhập ngày càng thể hiện vai trò quan trọng của mình, trong đó có kỹ thuật quang phổ cận hồng ngoại

1.1.2 Một số kết quả nghiên cứu đư công bố

Năm 2007 Toshimasa Sato và các đồng sự đư nghiên cứu về chuỗi thời gian

hoạt động của não và tác động của chúng đối với các chức năng [2] Sự tăng nồng

độ oxy-Hb trên các vùng gần vùng nưo điều khiển chuyển động (motor cortex) và

sự giảm deoxy-Hb trên một số vùng được trình bày trong bài báo này Sự thay đổi oxy-Hb theo thời gian phụ thuộc vào vị trí các kênh trên vỏ não: hoạt động duy trì trên vùng nưo điều khiển, hoạt động quá độ trên vùng somatosentory, và hoạt động tích lũy ở vùng nưo trước Các đặc tính này phản ánh chức năng của cấu trúc não trong quá trình gõ tay

Năm 2007 M O Hiroshi Tamura nhận biết hoạt động nưo được thực hiện thông qua quỹ đạo nồng độ oxy [3] Kết quả cho thấy não phải đóng vai trò trội hơn khi nhập văn bản và các hoạt động khác liên quan đến ngón tay

Năm 2008 Truong Quang Đang Khoa nghiên cứu nhận diện chức năng nưo thông qua phân tích wavelet tín hiệu fNIRS và mạng nơ-ron [4] Trong bài báo này, tác giả giới thiệu kỹ thuật phân tích tín hiệu fNIRS và cho thấy rằng tồn tại các đặc trưng khác nhau của đáp ứng huyết động để nhận dạng hoạt động não và phát triển BCI (Brain Computer Interface)

Năm 2009 K S T SHIMOKAWA đư dự đoán hành vi từ thông tin nưo đo

được bởi máy fNIRS: mô hình mạng nơ- ron Bayessian [5] Kết quả phân tích sử

dụng mô hình dự đoán với mạng perceptron 3 lớp cho thấy sự thay đổi nồng độ oxy-Hb mang thông tin để dự đoán hành vi một cách hiệu quả Bài náo này cho thấy

nồng độ oxy-Hb ở vùng trán (prefrontal) và ổ mắt (orbital) là một nhân tố cho phép

dự đoán sự phát triển hành vi với các mức độ dự đoán tương ứng

Năm 2010 Rodolphe J Gentili tìm ra mối tương quan giữa huyết động với sự thích nghi hoạt động được thể hiện bằng cách dùng fNIRS [6]

Năm 2011 Justin Chan với Giao diện não - máy tính trực tuyến dùng quang

phổ cận hồng ngoại với thông tin phản hồi thời gian thực [7] Báo cáo cho thấy

phản hồi thị giác trong các hình thức của một biểu đồ dải được coi là hữu ích của người tham gia, hướng dẫn sự hiểu biết của họ về các phản ứng huyết động học và

tạo điều kiện thuận lợi cho việc phát hiện ra các chiến lược kích hoạt phù hợp

Năm 2012 Ngo Quoc Cuong với nhận dạng gõ tay thông qua phân tích tín

hiệu quang phổ cận hồng ngoại (NIRS) dùng giải thuật hồi quy [8] Kết quả thí nghiệm trên 3 người cho thấy ta có thể phân biệt được khi nào chủ thể tham gia thí nghiệm đang gõ tay trái hay tay phải

Năm 2012 Nguyễn Thanh Nghĩa ứng dụng thuật toán Wavelet Decomposition tính giá trị trung bình cho thí nghiệm nâng hạ tay để phân biệt hoạt động của não trái và não phải Kết quả khi ta vận động tay phải đưa lên và hạ xuống thì bán cầu não trái hoạt động mạnh hơn bán cầu não phải

Năm 2012 Khoa Truong Quang Dang đư phân tích diện tích các tín hiệu EMG để xác định mối quan hệ giữa sự mất cân bằng hàm và sức mạnh cánh tay bị

mất [9] Kết quả cho thấy mất cân bằng cắn gây ra mất sức mạnh cánh tay bên đối diện, sự mất mát được ước tính là hàm tuyến tính chiều cao của các miếng đệm; độ

dốc của hàm tuyến tính tương tự ở cả hai cánh tay và độc lập với giới tính, và sức

mạnh cánh tay của nam cao hơn của các đối tượng nữ

Năm 2013 N T Hai đư phân loại huyết động theo thời gian của việc gõ hai tay sử dụng chức năng quang phổ cận hồng ngoại [10] Trong bài báo này, các tín

hiệu não ban đầu của việc gõ tay được lọc bởi bộ lọc Savitzky-Golay để tạo ra các tín hiệu trơn tru Hơn nữa, các tín hiệu được làm nhẵn của việc gõ tay trái và tay

phải tương ứng với nồng độ Oxy-Hb thay đổi trong nưo người đư được phân tích

bằng cách sử dụng thuật toán PR Dựa trên hệ số khác nhau của các đường cong thu

được từ thuật toán PR, các thuật toán ANN và SVM được sử dụng để xác nhận dữ liệu Oxy-Hb cho nhận dạng số lần gõ tay Kết quả thử nghiệm với số lần gõ tay cho

thấy rằng ta có thể phân biệt việc gõ tay trái hay tay phải của đối tượng

Qua những nghiên cứu đư trình bày chứng tỏ kỹ thuật sử dụng quang phổ cận

hồng ngoại đư phản ánh hoạt động của bộ não bằng nhiều hình thức khác nhau Trong mỗi một hình thức sử dụng thì mỗi phương pháp đều có giới hạn nhất định

Chẳng hạn như việc dựa vào các hệ số góc có được từ hồi quy tuyến tính để nhận

dạng hoạt động nào đó có độ chính xác không cao vì trong mỗi lần hoạt động thì hệ

số lại thay đổi Hệ SVM được áp dụng trực tiếp với ngõ vào là oxy-Hb và deoxy-

Hb [11] đòi hỏi số lượng ngõ vào rất nhiều, không tiếp cận được các đặc trưng của tín hiệu thu được Với một ứng dụng liên quan đến tín hiệu nưo và đòi hỏi xử lý thời gian thực thì việc áp dụng như [3] sẽ rất khó khăn

Trong hầu hết các bài báo trên, khi một người cần phải tìm hiểu hoạt động

của não, tín hiệu Oxy-Hb đư được lựa chọn đặc trưng biên độ Do đó dữ liệu thực

hiện là những trường hợp điển hình, không mang tính tổng quát Trong nghiên cứu này, các thuật toán ngưỡng wavelet được sử dụng để xác định chính xác các kênh

của vùng vận động trong tổng số 24 kênh Như vậy khi cần tìm hiểu các hoạt động của con người thông qua các hoạt động của não ta chỉ cần xem xét hoạt động của vùng vận động là đủ Đồng thời thực hiện hồi quy tuyến tính để lấy ra các đặc trưng cho từng trường hợp cắn và nâng tạ cụ thể, từ đó tính toán diện tích Oxy-Hb vùng vận động này Cuối cùng thực hiện so sánh diện tích của trường hợp cắn – không

cắn và nâng tạ để tìm ra mối quan hệ giữa lệch quai hàm và lực cách tay Dựa vào

mối quan hệ này sẽ giúp ích trong việc nghiên cứu, chuẩn đoán và điều trị các bệnh nhân về quai hàm, cơ hàm, lực cánh tay

Xuất phát từ những cơ sở trên người thực hiện đi thu thập và phân tích tín

hiệu Oxy-Hb để xác định mối quan hệ trên bằng fNIRS

Xây dựng giải thuật để thông qua tín hiệu nưo đo được có thể xác định được

mối quan hệ giữa độ lệch quai hàm và lực cánh tay của con người

1.3 Nhi m v và gi ới h n c a đề tài

a/ Nhiệm vụ:

Tìm hiểu về bộ lọc Savitzky- Golay, biến đổi wavelet rời rạc và thuật toán tìm ngưỡng, thuật toán giao, hồi quy đa thức và tính diện tích

Xây dựng thí nghiệm và đo tín hiệu não sử dụng máy fNIRS FOIRE- 3000

Áp dụng cơ sở lý thuyết đư có, tìm ra vùng vận động của hoạt động, xác định

mối quan hệ giữa lệch quay hàm và lực cánh tay thông qua phân tích tín hiệu não từ

dữ liệu thu được

b/ Giới Hạn:

Xử lý dữ liệu không trực tuyến

Thí nghiệm thực hiện là cắn – nâng tạ và chỉ đo trên vùng nưo điều khiển chuyển động

Thực hiện trên một nhóm đối tượng khỏe mạnh

1.4 Phư ng pháp nghiên c u

Thu thập dữ liệu: Xây dựng giao thức thí nghiệm, Sự thay đổi oxy-Hb trên vùng điều khiển hoạt động của nưo được thu về dùng kỹ thuật fNIRS sử dụng máy FOIRE - 3000 của hãng Shimadzu, Nhật Bản đặt tại phòng A104, Bộ môn Kỹ Thuật Y Sinh, Đại học Quốc tế Hệ thống này có thể hoạt động ở 3 bước sóng 780

nm, 805 nm và 830 nm Các thí nghiệm khác nhau được xây dựng để thu dữ liệu

Tiền xử lý dữ liệu: Thực hiện lọc nhiễu sử dụng bộ lọc Savitzky - Golay

Xử lý dữ liệu: Áp dụng biến đổi Wavelet và đặt ngưỡng để tìm các đặc trưng

chọn được các kênh tích cực trong vùng vận động của đối tượng

Áp dụng thuật toán giao để xác định vùng vận động cho hoạt động cắn và nâng tạ của nhóm đối tượng khỏe mạnh

Xác định mối quan hệ: Thực hiện hồi quy đa thức, tính diện tích cho từng kênh trong vùng vận động, rồi đưa ra diện tích trung bình của vùng vận động cho từng đối tượng đối với mỗi hoạt động cắn và nâng tạ cụ thể Dựa vào diện tích này

ta xác định ra mối quan hệ giữa độ lệch quai hàm và lực cánh tay

ý nghĩa, mục đích, giới hạn và phương pháp thực hiện của đề tài

Chương 2: Cơ sở lý thuyết, trình bày cơ sở lý thuyết về một số phương pháp thu thập tín hiệu và hình ảnh nưo như: EEG, MRI, PET và fNIRS Đồng thời giới thiệu cách thu thập tín hiệu Oxy-Hb bằng máy fNIRS hiệu FOIRE-3000

Chương 3 giới thiệu về cách xử lý tín hiệu Oxy-Hb: Làm phẳng tín hiệu bằng

bộ lọc Savitzky – Golay, phân tích lấy các thành phần xấp xỉ bằng biến đổi Wavelet rời rạc, sau đó áp dụng thuật toán ngưỡng để tìm những kênh tích cực của hoạt động Thực hiện phép giao giữa các hoạt động của các đối tượng tìm ra vùng vận động cho hoạt động cắn và nâng tạ của nhóm đối tượng nghiên cứu

Chương 4 trình bày hồi quy đa thức, tính diện tích trung bình vùng vận động của từng đối tượng, của nhóm đối tượng Dựa vào diện tích khu vực này xác định mối quan hệ lệch quai hàm và lực cánh tay

Chương 5 là phần kết luận và hướng phát triển của đề tài

Chư ng 2

C S LÝ THUY T

2.1.1 Phương pháp điện nưo đồ (EEG)

EEG (Electroencephalography) - điện nưo đồ là một phương pháp ghi lại các hoạt động về điện trên da đầu của người Phương pháp này đo sự thay đổi điện áp

do việc di chuyển của các hạt điện tích bên trong các nơ- ron của não Tín hiệu EEG trên người đư được tìm ra bởi Hans Berger (1873 - 1941) Bài báo đầu tiên vào năm

1929 của Berger cho thấy sự tồn tại của sóng alpha như là một thành phần chủ yếu trong tín hiệu EEG

Việc nạp điện áp trên nưo được duy trì bởi hàng tỷ nơ-ron Các nơ-ron nạp điện bởi các màng vận chuyển protein bằng cách bơm ion vào màng của chúng Các nơ-ron thường xuyên trao đổi ion với ngoại bào, tạo nên một quá trình liên tục bằng cách đẩy ion từ nơ-ron này đến nơ-ron khác như một sóng điện Khi các sóng ion này tiến đến các điện cực trên da đầu, chúng có thể đẩy và kéo electron trên kim

loại của điện cực Vì kim loại có thể đẩy và kéo electron một cách dễ dàng nên sự khác nhau giữa điện áp kéo và đẩy của bất kỳ cặp cực nào cũng sẽ được ghi nhận Các giá trị điện áp được ghi nhận theo thời gian này chính là tín hiệu EEG.[12]

Hình 2.1 Bố trí điện cực trong phép đo EEG2.1.2 Phương pháp chụp cộng hưởng từ ( MRI: Magnetic Resonance Imaging)

Chụp cộng hưởng từ hay MRI là một kỹ thuật chẩn đoán y khoa tạo ra hình ảnh giải phẫu của cơ thể nhờ sử dụng từ trường và sóng radio Phương pháp này không sử dụng tia X và an toàn cho bệnh nhân Máy chụp cộng hưởng từ xem hình

2.2, đây là một thiết bị nhạy cảm và đa năng giúp ta thấy hình ảnh các lớp cắt của các bộ phận cơ thể từ nhiều góc độ trong khoảng một thời gian ngắn

Hình 2.2 Máy chụp cộng hưởng từ Chụp cộng hưởng từ là một kỹ thuật nhanh, gọn không gây ảnh hưởng phụ,

là một phương pháp chẩn đoán hình ảnh hiện đại, hiệu quả và phổ biến trên thế giới Ngày nay, MRI được sử dụng để kiểm tra gần như mọi cơ quan trong cơ thể Kỹ thuật này đặc biệt có giá trị trong việc chụp ảnh chi tiết nưo hoặc dây cột sống Kể

từ khi MRI mang lại những hình ảnh 3 chiều, bác sĩ có thể nắm được thông tin về địa điểm thương tổn Những thông tin như vậy rất có giá trị trước khi phẫu thuật chẳng hạn như tiểu phẫu nưo

Nguyên lý cộng hưởng từ hạt nhân được Felix Bloch và Edward Purcell phát hiện vào năm 1946, cộng hưởng từ được ứng dụng rộng rưi từ năm 1950 Năm

1952, hai nhà vật lý Felix Bloch và Edward Purcell được trao giải Nobel Vật lý nhờ

sự phát hiện và ứng dụng cộng hưởng từ Năm 1980, chiếc máy cộng hưởng từ đầu tiên trên thế giới được đưa vào hoạt động để tạo ảnh cơ thể người Năm 1987, MRI được ứng dụng trong chẩn đoán các bệnh lý tim mạch bằng kỹ thuật cardiac MRI Năm 1993, ứng dụng MRI để chẩn đoán các bệnh lý nưo thần kinh Ngày nay, kỹ thuật tạo ảnh cộng hưởng từ (MRI) đư trở thành phổ biến trong y học chẩn đoán hình ảnh trên thế giới cũng như tại các bệnh viện lớn của Việt nam

Tạo ảnh bằng MRI không gây tác dụng phụ như trong tạo ảnh bằng chụp X quang thường quy và chụp CT Không phát ra các bức xạ gây nguy hiểm cho con người Trên ảnh cộng hưởng từ phát hiện những u có tỷ trọng thấp hơn đối với các

tổ chức nưo, mà trên ảnh chụp cắt lớp vi tính không phát hiện được

2.1.3 Phương pháp chụp cắt lớp (CT: Computed Tomography)

Kỹ thuật chụp này là CT Scanner, có nghĩa là kỹ thuật chụp quét định khu vi tính hoá Nói một cách dễ hiểu hơn, đây là kỹ thuật dùng nhiều tia X quang quét lên một khu vực của cơ thể theo lát cắt ngang phối hợp với xử lý bằng máy vi tính để được một hình ảnh 2 chiều hoặc 3 chiều bộ phận cần chụp

Hình 2.3 Máy CT Scanner

So với kỹ thuật chụp X quang trước đây, CT Scanner là một thành tựu vượt bậc trong chẩn đoán hình ảnh giúp ích đắc lực cho thầy thuốc trong chẩn đoán, tiên lượng bệnh và do đó mang lại lợi ích không cần bàn cưi cho người bệnh Ngành y tế nước ta đư mau chóng đầu tư trang bị máy và đào tạo nhân lực đủ trình độ để đáp ứng đòi hỏi nâng cao chất lượng chẩn đoán Các kỹ thuật điện quang đư góp phần quan trọng giúp thầy thuốc không chỉ đoán bệnh chính xác mà còn đánh giá được mức độ nặng nhẹ, tiến triển của bệnh để chủ động tìm ra cách chữa tốt nhất

Một điều rất đáng quan tâm là khi chụp cắt lớp, người bệnh phải chịu một lượng tia X quang nhiều gấp hàng chục lần chụp thông thường, rất có hại đến sức khoẻ, đặc biệt là đối với sản phụ và trẻ em Vì vậy, cũng như mọi phương tiện khác chụp CT Scanner không phải cây đũa thần cho tất cả các bệnh, nó chỉ thực sự cần thiết khi bệnh nhân biết sử dụng đúng dịch vụ y tế và khi thầy thuốc chỉ định đúng

Các đầu dò kích thước nhỏ bên trong máy CT scanner có nhiệm vụ đo đạc số lượng tia x đi xuyên qua bộ phận cơ thể của bệnh nhân cần được khảo sát Một máy tính thu thập những thông tin này và sử dụng chúng để tạo ra các hình ảnh riêng biệt, được gọi là những "lát cắt" Những hình ảnh này có thể được lưu trữ, xem trên màn hình hoặc in ra thành phim Có thể tạo nên các hình ảnh ba chiều của cơ quan trong

cơ thể bệnh nhân bằng cách sắp xếp từng lát cắt riêng lẻ lại với nhau

Chất cảm quang được tiêm qua đường tĩnh mạch có thể khiến cho bệnh nhân

có cảm giác hơi rát bỏng, cảm giác hơi ấm toàn thân Các cảm giác này là bình thường và sẽ khỏi trong vòng vài giây

2.1.4 Phương pháp chụp Positron cắt lớp (PET: Positron emission tomography)

Chụp Positron cắt lớp hay còn gọi là PET hoặc PET-SCAN hay PET-CT là một kỹ thuật chẩn đoán trong chuyên ngành chẩn đoán hình ảnh y học, cho phép đánh giá chức năng sinh học của một số cơ quan nội tạng và chẩn đoán bệnh Đây là điểm cực kỳ khác biệt so với các thiết bị chẩn đoán khác như cộng hưởng từ (MRI) hay chụp cắt lớp (CT) thường được dùng để nhận diện các bệnh lý và các bệnh cảnh

ở giai đoạn chớm của bệnh thông qua việc phát hiện cấu trúc hay những thay đổi về kết cấu tổ chức của cơ thể

Chẩn đoán hình ảnh bằng PET hiệu quả và ưu việt hơn trong việc xác định giai đoạn và đánh giá chuyển đoạn của các bệnh ung thư, phát hiện tái phát cũng như việc đánh giá theo dõi các đáp ứng cơ thể đối với điều trị Với sự tiến bộ của khoa học kỹ thuật, các thiết bị chẩn đoán hình ảnh hợp nhất thế hệ thứ 2 cho phép kết hợp hai hệ thống hình ảnh PET/CT Điều này giúp cho các bác sĩ có thể có được những thông tin về chuyển hóa và cấu trúc liên quan đến căn bệnh chỉ với một hình ảnh PET/CT

RadLink là nơi đầu tiên ở Singapore sử dụng hệ thống chụp cắt lớp kết hợp PET/CT 64 lát cắt có chức năng ―Time-of-Flight‖ Hệ thống chụp ảnh PET/CT cực

kỳ hiện đại với kỹ thuật ―Time-of-Flight‖ này giúp cải thiện chất lượng hình ảnh bằng cách giảm tiếng ồn và cho hình ảnh có độ nhạy cao Chức năng này còn có những lợi điểm khác như giảm bớt liều lượng phóng xạ, thời gian chụp ngắn hơn và

chất lượng hình ảnh được cải thiện tốt hơn Một hình ảnh PET/CT có thể thay thế nhiều phép chẩn đoán hình ảnh y khoa khác chỉ với một lần chụp

Hình 2.4 Máy chụp Positron cắt lớp

́ng dụng PET trong l ĩnh vực nghiên cứu phát minh dược phẩm nhằm đánh giá sự phân phối thuốc trong cơ thể và đo lường những thay đổi của thuốc trong lưu lượng máu cũng như mức độ đính kết với thụ thể Sự đánh dâu các đồng vị phóng

xạ PET vào phân tử của dược phẩm được khảo sát cho phép PET theo dõi các tac

đô ̣ng của thuốc sau khi vào cơ thể : thuốc sẽ đến đâu và đính kết vào chỗ nào, thuốc

có ảnh hưởng gì đến các mô cơ hay noi chung thuốc h oạt động tốt như thế nào Các dược phẩm co phân tử phong xa ̣ trong công thưc , vê phương diê ̣n sinh ly hoa , khi vào trong cơ thể sẽ có cùng một tác d ụng như những dược phẩm tương đương không co chât phong xa ̣

Gần đây việc phát minh các máy chụp PET với độ phân giải cao có khả năng chụp hình những thú vật nhỏ đư giúp những thử nghiệm lâm sàng của các dược phẩm nghiên cưu trên suc vật trở nên chính xác và nhanh chóng hơn Tóm lại, kỹ thuật PET đư cải thiện và rút ngắn thời gian thử nghiệm lâm sàng trên súc vật và con người Nhơ vâ ̣y ma công tac nghiên cưu phat minh dược phẩm mơi trở nên nhanh chong va ít tôn kem hơ n PET là một phương thức ghi hình tinh vi,

cho phép đánh giá các thay đổi sinh lý trên một cơ thể sống mà không gây san chấn Đây là một phương tiện đầy tiềm năng để định vị khối u cũng như để chẩn đoán những bệnh lý của nưo và tim

2.1.5 Phương pháp quang phổ cận hồng ngoại – fNIRS

Phương pháp này dùng để đo tín hiệu não trên vỏ não bằng sóng quang phổ

hồng ngoại gần, rồi lưu trữ vào máy tính Đây là phương pháp không xâm lấn

Hình 2.5 Máy đo quang phổ cận hồng ngoại [1]

Kỹ thuật fNIRS sử dụng sóng ánh sáng trong vùng cận hồng ngoại Dải bước sóng được trình bày trong hình 2.6

Hình 2.6 Dải bước sóng từ tia Gamma đến Radio

Ánh sáng cận hồng ngoại (650 - 950 nm) có thể di chuyển qua sọ và tiến đến

vỏ não với độ sâu lên đến 3 cm như trong hình 2.7 Các sóng ánh sáng này bị hấp

thụ bởi mô ở các mức độ khác nhau Dựa trên phổ hấp thụ của HbR và HbO2 ta có

thể tính được sự thay đổi mức độ tập trung bằng cách dựa vào cường độ trên đầu thu

Hình 2.7 Tác động của tia hồng ngoại vào vỏ não[13],[14]

Khi ta đang đo trong một môi trường có mức tập trung của thành phần hấp

thụ ánh sáng là C Ánh sáng tới có cường độ I0 và bước sóng  di chuyển một khoảng L trong môi trường này Theo luật Beer-Lambert ta có cường độ IL của ánh sáng phát là một hàm của bước sóng  :

)()

([

)()(

)()

(

2 2

1 1

2 2

1 1

2 2 2 2

HbO Hb

HbO HbO

K

OD OD

 

)]

()(

)()

([

)()(

)()

(0

2 0 2

1 1

0

2 2

1 1

Hb Hb

Hb Hb

K

OD OD

Sự thay đổi thể tích máu A[BV ], thay đổi oxy A[O2] là:

Một thiết bị fNIRS thực tế sẽ bao gồm nguồn quang, đầu thu kết hợp với nhau trong một khối: mạch phát điều khiển thời gian và cường độ của nguồn quang,

mạch thu nhận các ánh sáng phản xạ từ mô và gửi chúng đến khối điều khiển Có 3 phương pháp đo fNIRS khác nhau: sóng liên tục, miền tần số, miền thời gian Các thiết bị fNIRS sóng liên tục thường được dùng trong thực tế cho các vấn đề tái tạo tín hiệu hay hình ảnh não

Nguyên lý hoạt động thiết bị fNIRS sóng liên tục cũng đơn giản Mỗi nguồn quang phát ra ánh sáng trên một vùng nhất định của não với ít nhất là 2 bước sóng khác nhau, chẳng hạn như 780 nm và 830 nm Các photon phản xạ được tập trung tại đầu thu tương ứng và chuyển ánh sáng thu được thành tín hiệu điện tương ứng

với cường độ quang thu được

2.2.1 Cơ sở lý thuyết nghiên cứu

Trong những năm gần đây thì phương pháp tái tạo hình ảnh và thu tín hiệu từ não bằng quang phổ cận hồng đư và đang được chú trọng nghiên cứu, triển khai ứng dụng rộng rãi Có rất nhiều công trình đư được công bố như trong phần tổng quan

đư đề cập Từ những kết quả nói trên, trong đề tài này người thực hiện sẽ thu thập

và xử lý dữ liệu Oxy-Hb của hoạt động cắn và nâng tạ của nhóm đối tượng có sức khỏe tốt, với giả định người khỏe cắn miếng đệm giống như người bị lệch quai hàm,

để tìm ra vùng vận động cho hoạt động Dựa vào diện tích vùng vận động sẽ tìm ra

mối quan hệ giữa lệch quai hàm và lực cánh tay

2.2.2 Thu thập dữ liệu fNIRS

Máy đo quang phổ cận hồng ngoại là FOIRE-3000 của hưng Shimadzu (Nhật) Đây là máy được dùng để đo mà không xâm phạm đến bệnh nhân, các phần oxy-hemoglobin và deoxy-hemoglobin trong não

Hình 2.8 Đầu đo (a), Thí nghiệm đo (b), Cách bố trí bộ dữ và đầu đo trên

máy fNIRS mư hiệu FOIRE-3000 Tùy theo dữ liệu chúng ta cần lấy ở vùng nào mà chúng ta sử dụng bộ giữ tương ứng trong các hình sau :

Bộ giữ vùng đỉnh Bộ giữ thái dương Bộ giữ toàn bộ đầu Bộ giữ trán

Hình 2.10 Lưu đồ thời gian của một lần đo Trong khoảng 20 giây đầu tiên, đối tượng được thư giưn (không thực hiện bất

kỳ một hành động hay một suy nghĩ nào) và tín hiệu được đo liên tục 10 giây

tiếp theo, đối tượng sẽ thực hiện cắn – nâng tạ và 20 giây cuối cùng thì đối tượng trở về trạng thái nghỉ Như vậy, tín hiệu được đo trong toàn thời gian là 50 giây, trong đó 20 giây đầu và cuối là đối tượng được nghỉ, còn 10 giây ở giữa là đối tượng hoạt động cắn và nâng tạ

Với giao thức thí nghiệm trên người thực hiện tiến hành nghiên cứu đối với

một nhóm đối tượng và các hoạt động cắn và nâng tạ theo mô tả trong bảng 2.1

thí nghi m

- Ma trận kênh đo được bố trí theo kiểu 4x4 như hình 2.11

Hình 2.11 Ma trận đo với kích thước 4x4

Kênh đo

Trong ma trận đo này gồm 8 đầu phát và 8 đầu thu được đo trên vùng nưo điều khiển chuyển động Trong nghiên cứu này, thực hiện với các đối tượng nâng tạ

bằng tay phải, cắn bằng hàm trái, do đó dữ liệu được thu từ 24 kênh trên bán cầu nưo bên trái như hình 2.12

Hình 2.12 Vị trí các kênh đo trên khu vực nưo điều khiển chuyển động ở bán

cầu não trái

- Chu kỳ lấy mẫu là 0,130 giây

Tín hiệu NIRS thu về được lưu dưới dạng dữ liệu gốc là file *.OMM Để thuận tiện trong việc xử lý, người thực hiện chuyển dữ liệu sang dạng txt, với các

cột thời gian và biên độ đo được từ các kênh Bảng tính này biểu diễn mối liên hệ giữa thời gian, OxyHb, deOxyHb, TotalHb

không cắn nâng tạ 4 kg trên kênh 1

ch- 1 ch- 1 ch- 1 Time(sec) Task oxyHb deoxyHb totalHb

2.080 0 0.015905 -0.008780 0.007125 2.210 0 0.013484 -0.005460 0.008023 2.340 0 -0.009928 0.016812 0.006884 2.470 0 0.027188 -0.021803 0.005384 2.600 0 0.012633 -0.017727 -0.005094 2.730 0 0.053638 -0.040280 0.013358 2.860 0 0.018012 -0.010442 0.007570 2.990 0 0.008360 -0.007919 0.000441 3.120 0 0.016512 -0.017289 -0.000777 3.250 0 0.048840 -0.055885 -0.007045 3.380 0 0.020186 -0.010583 0.009603 3.510 0 0.024046 -0.001915 0.022130 3.640 0 0.025260 -0.014118 0.011141 3.770 0 0.014733 -0.004130 0.010603 3.900 0 -0.003659 0.003120 -0.000539

Dạng tín hiệu thu thập được

Tín hiệu từ tập tin có đuôi txt được tải vào chương trình với thời gian 50,05 giây và được chia thành 386 mẫu Một số hình ảnh của tín hiệu NIRS thu được từ

hoạt động không cắn nâng tạ 4 kg được trình bày trong hình 2.13, 2.14, 2.15 và 2.16

Hình 2.13 Tín hiệu kênh 1 – 6 của đối tượng với hoạt động không cắn

và nâng 4 kg

-0.2 0

0.2 Tin hieu NIRS thu duoc cua kenh:1-2-3-4-5-6.

-0.2 0 0.2

-0.5 0 0.5

-0.2 0 0.2

-0.2 0 0.2

-0.2 0 0.2

Hình 2.14 Tín hiệu kênh 7 – 12 của đối tượng với hoạt động không cắn

0 0.2

0 0.1

0 0.1

0 0.1

0 0.2

0 0.1

Hình 2.16 Tín hiệu kênh 19 – 24 của đối tượng với hoạt động không cắn

và nâng 4 kg

Với nhóm 10 đối tượng lúc bắt đầu thí nghiệm, nhưng do mệt sau giờ tan

học, do bận việc nọ, việc kia, do không tuân thủ hết theo những yêu cầu trong thí nghiệm cuối cùng người thực hiện chỉ chọn được dữ liệu của 5 đối tượng để phục

vụ trong quá trình phân tích và xử lý trong đề tài này

Tín hiệu còn rất nhiều đột biến do nhiễu và cần được loại bỏ trước khi trích lấy các đặc trưng vốn có của tín hiệu Oxy-Hb khi hoạt động cắn và nâng tạ

-0.1

0 0.1

-0.1 0 0.1

-0.2

0 0.2

-0.1 0 0.1

Chư ng 3 XÁC Đ NH KHU V C VẬN Đ NG CỦA NÃO B

Nguồn dữ liệu thu được từ máy Foire – 3000 gồm 24 kênh tín hiệu fNIRS có nhiều thành phần khác gây ảnh hưởng đến tín hiệu Oxy – Hb Vì vậy để xác định được khu vực có thể thể hiện được đặc trưng của hoạt động cắn và nâng tạ, người

thực hiện tiến hành theo sơ đồ hình 3.1

3.1.1 Sơ đồ khối

Hình 3.1 Sơ đồ phân tích tín hiệu Oxy-Hb để xác định khu vực vận động

3.1.2 Chức năng các khối:

- Tiền xử lý: Tín hiệu Oxy-Hb có nhiều thông tin nhiễu do đó cần phải loại

bỏ nhiễu của tín hiệu bằng cách đưa vào bộ lọc thông thấp Savitzky – Golay để làm phẳng tín hiệu

- Biến đổi Wavelet rời rạc: Tín hiệu bằng phẳng hơn được phân tích thành các thành phần nhỏ thông qua hai đường: một đường qua mạch lọc thông cao với tín hiệu đầu ra là các thành phần chi tiết và một đường đi qua mạch lọc thông thấp để trích ra các thành phần xấp xỉ của tín hiệu

- Đặt ngưỡng: Trong quá trình biến đổi wavelet nhằm tìm được những kênh

có tín hiệu hiệu tốt nhất, những kênh này tập trung nhiều lượng thông tin(Oxy-Hb) hữu ích của hoạt động cắn và nâng tạ (vùng vận động)

Tín hiệu

Oxy - Hb

Tiền xử lý (Savitzky-Golay)

Biến đổi Wavelet rời rạc

Đặt ngưỡng

Vùng vận động của đối tượng

n n n

Trong đó: gi là ngõ ra của bộ lọc làm trơn Savitzky-Golay,

cn là hệ số của bộ lọc,

Giá trị n = -nL  nR được gọi là khung cửa sổ trượt của bộ lọc Trong trường hợp

nL = nR phương trình của bộ lọc Savitzky-Golay trở thành phương trình của bộ lọc

di chuyển điểm trung bình với:

n n

là giá trị của đa thức mà ở vị trí i

Đối với đa thức trên, các hệ số Ciphải được chọn tối ưu sao cho đồ thị của

nó hợp với dữ liệu đư cho nhất, điều này có thể thực hiện bằng phương pháp bình phương tối thiếu Hay nói cách khác là tìm Ci sao cho tổng bình phương sai số là

nhỏ nhất

Để lấy hệ số như vậy, hãy xem xét cách g0 có thể có được: đa thức bậc M tại

i, chuyển a0 + a1i + · · · + aMiM thành các giá trị f-nL, , fnR Sau đó g0 sẽ là giá trị

của đa thức mà tại i = 0, cụ thể là a0 Ma trận thực hiện cho vấn đề này đó là phương trình 3.3: [16]

Với i = -nL, …., nRvà j = 0, …, M

Phương trình xác định các hệ số của đa thức được cho bởi :

a.(A.AT) = AT.f a = AT.f.(A.AT)-1 (3.4) Trong đó: a = a0, a1, …, aM

L

n

n k

j i kj

n

n k ki ij

T

k A

A A

j k

n

n k kj j

T

f k f

A f

A

R

L R

n T T

1.( ) ( ))

Như vậy ta có thể tính được hệ số của bộ lọc chỉ cần một hàng của ma trận nghịch đảo Trong phương trình này bậc của đa thức M  n-1 và đây là điều kiện

của bộ lọc Savitzky – Golay

3.2.2 Dùng bộ lọc Savitzky làm trơn tín hiệu fNIRS:

Áp dụng bộ lọc Savitzky- Golay với tín hiệu NIRS, thành phần Oxy-Hb thu được khi một người cắn, không cắn và nâng 4 kg Tín hiệu NIRS được đo trong 50 giây (tức theo giao thức đư xây dựng), với đặc tính bộ lọc: cửa sổ có chiều dài là

n = 7, bậc đa thức làm phẳng M = 3, tín hiệu gốc và tín hiệu được làm trơn xét trong

386 mẫu được trình bày trong hình 3.2

Hình 3.2 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky – Golay

có cửa sổ 7, bậc đa thức là 3

Ta chọn bộ lọc có kích thước cửa sổ n = 17, bậc đa thức là 2 thì tín hiệu gốc

và tín hiệu sau lọc được cho bởi hình 3.3

Hình 3.3 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky – Golay

có cửa sổ 17, bậc đa thức là 2

Quan sát hình 3.2 và hình 3.3 ta thấy: Khi kích thước cửa sổ rất lớn sẽ làm

giảm tốc độ biến thiên của tín hiệu, do đó tín hiệu bị làm phẳng đi nhiều và tín hiệu

sẽ bị mất những thông tin cần thiết

Ta chọn bộ lọc có kích thước cửa sổ n = 17, bậc đa thức là 15 thì tín hiệu gốc

và tín hiệu sau lọc được cho bởi hình 3.4

0.04

0.06

0.08

0.1 0.12

0.14

Origin signal - Filtered signal

origin signal smooth signal

Hình 3.4 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky – Golay

có cửa sổ 17, bậc đa thức là 13

Qua ba hình vẽ ở trên ta thấy với việc chọn kích thước cửa số và bậc đa thức

có sự chênh lệch là nhỏ thì tín hiệu được làm phẳng nhưng các thông tin ít bị loại bỏ

hơn so với việc chọn kích thước cửa sổ lớn hơn nhiều so với bậc đa thức

Chúng ta biết rằng khi có một hoạt động hay kích thích thì độ tập trung

oxy-Hb tăng lên, ngưng hoạt động hay kích thích thì nồng độ này giảm xuống dần Điều này được nhận thấy một cách tương đối trong hình 4.4

Hình 3.5 Tín hiệu kênh 1 trước và sau khi lọc với bộ lọc Savitzky – Golay

-0.02

0 0.02

Tín hiệu sau lọc (đường màu đỏ) có sự tăng lên trong khoảng giữa khi có sự hoạt động và giảm xuống trong khoảng không có hoạt động Tuy nhiên, trong thực

tế khi hoạt động hay kích thích bị tắt đi thì tín hiệu không về trạng thái ban đầu ngay trong thời gian tắt mà phải mất một khoảng thời gian Thời gian hồi phục này tùy theo kích thích đối với não

Với cấu trúc bộ lọc có kích thước cửa sổ là 11, bậc đa thức là 3 cho thấy tín

hiệu sau lọc thể hiện tương đối chính xác độ thay đổi Oxy – Hb và giảm được các nhiễu tác động vào tín hiệu gốc Đây là cơ sở để người thực hiện chọn bộ lọc Savitzky – Golay (n =11, M = 3) để tiền xử lý tín hiệu NIRS thu được

Dạng tín hiệu gốc và tín hiệu sau bộ lọc Savitzky – Golay (n = 11, M = 3)

của các kênh 1,2,3, 22,23 và 24 như hình 3.6

Hình 3.6 Tín hiệu kênh 1, 2, 3, 22, 23, 24 trước và sau khi lọc với bộ lọc

Savitzky – Golay có cửa sổ 11, bậc đa thức là 3

0.2 Origin signal - Filtered signal of chanel 2

0.1 Origin signal - Filtered signal of chanel 22

0.1 Origin signal - Filtered signal of chanel 24

Tín hiệu Oxy-Hb sau khi được làm phẳng để loại bỏ đi những thông tin nhiễu

sẽ được đưa vào xử lý tín hiệu bằng biến đổi Wavelet rời rạc để trích lấy các đặc trưng của tín hiệu

3.3 X LÝ TÍN HI U fNIRS

3.3.1 Biến đổi Wavelet

Phép biến đổi Fourier chỉ cung cấp thông tin có tính toàn cục và chỉ thích

hợp cho những tín hiệu tuần hoàn, không chứa các đột biến hoặc các thay đổi không

dự báo được Đồng thời biến đổi này không thể mô tả các đặc tính tín hiệu về thời

gian và tần số, nếu có cũng mất nhiều thời gian

Để khắc phục những hạn chế trên người ta đưa ra phép biến đổi Wavelet như được trình bày bên dưới

Biến đổi wavelet là một cách khác để phân tích các tín hiệu y sinh học không dừng, mà khai triển tín hiệu vào các hàm cơ sở Phương pháp wavelet hoạt động như một vi toán học mà chúng ta có thể quan sát các phần khác nhau của tín hiệu

bằng cách chỉ cần điều chỉnh trọng tâm

Một ứng dụng thông thường của phương pháp wavelet để xử lý một dạng sóng y tế sử dụng một biến đổi wavelet dựa trên việc áp dụng một wavelet đơn chứ không phải là một cơ sở được xây dựng từ một họ wavelet liên quan đến toán học

a Biến đổi wavelet liên tục

Gọi s(t) là tín hiệu 1-D, phép biến đổi wavelet liên tục của s(t) với hàm biến đổi  được định nghĩa như ở phương trình 3.8 dưới đây [17],[18]:

a

b t t x a b a

(

W(a, b) là các hệ số của phép biến đổi wavelet

x(t) là tín hiệu gốc được đưa vào phép biến đổi wavelet

Từ quan điểm trực quan trên, sự phân tích wavelet bao gồm tính toán một

"chỉ số tương đồng" giữa các tín hiệu và wavelet nằm ở vị trí b và tỉ lệ a

Với b đóng vai trò như một hàm tịnh tiến qua x(t) tại thời điểm t trong phương trình ở trên Còn biến a đóng vai trò thay đổi tỉ lệ thời gian của hàm wavelet Nếu a > 1 thì hàm wavelet  được kéo dài ra theo trục thời gian như hình 3.7:

Hình 3.7 Đồ thị của hàm a b ứng với giá trị a = 1

Nếu như 0 < a < 1 thì hàm wavelet sẽ bị nén lại theo trục thời gian như hình 3.8

Hình 3.8 Đồ thị của hàm a b ứng với giá trị 0< a < 1

Còn nếu a < 0 thì hàm wavelet sẽ bị đảo ngược qua trục thời gian như hình 3.9

Hình 3.9 Đồ thị của hàm a b ứng với giá trị a < 0

t

t

Khi b = 0 và a = 1, lúc này hàm wavelet ở dạng tự nhiên được gọi tên là wavelet mẹ Lúc đó (1,0)(t)  (t)

Các hệ số wavelet W (a, b) mô tả mối tương quan giữa các dạng sóng và các wavelet tại các dịch chuyển và tỷ lệ khác nhau: sự giống nhau giữa các dạng sóng

và các wavelet tại một sự kết hợp được về tỷ lệ a và vị trí b Nói cách khác, các hệ

số cung cấp biên độ của một loạt các wavelet, trong một phạm vi tỷ lệ và sự tịnh

tiến, mà cần phải được cộng lại để tái tạo lại tín hiệu ban đầu Từ quan điểm này, phân tích wavelet có thể được coi như một tìm kiếm trên các dạng sóng quan tâm cho hoạt động đó hầu hết gần xấp xỉ với hình dạng của các wavelet Tìm kiếm này được thực hiện trong một loạt các kích cỡ wavelet: khoảng thời gian của các wavelet thay đổi mặc dù hình dạng của nó vẫn giữ nguyên Vì khu vực làm việc của

một wavelet luôn luôn là số không do thiết kế, mà một dạng sóng là không đổi so với chiều dài của wavelet sẽ làm tăng hệ số zero Các hệ số đáp ứng wavelet với

những thay đổi trong các dạng sóng, mạnh mẽ hơn với những thay đổi trên cùng

một tỷ lệ như các wavelet, và mạnh mẽ nhất với những thay đổi tương tự như các wavelet Mặc dù một chuyển đổi cần thiết, nó thường dễ dàng hơn để phân tích

hoặc nhận ra mô hình sử dụng biến đổi wavelet liên tục

Nếu hàm wavelet ψ (t), được chọn một cách thích hợp, sau đó nó có thể tái tạo lại các dạng sóng ban đầu từ các hệ số wavelet cũng giống như trong biến đổi Fourier Nếu phép biến đổi wavelet thuận có dạng 3.8 thì phép biến đổi wavelet nghịch có dạng:

da t b a W db C

t

)()

,(

1)

Trong thực tế, khi xây dựng lại các dạng sóng ban đầu thực hiện bằng cách

sử dụng hệ số biến đổi wavelet liên tục là rất hiếm bởi sự phức tạp trong các biến đổi Để phục hồi dạng sóng ban đầu như mong muốn chúng ta dùng phép biến đổi wavelet rời rạc

b Biến đổi wavelet rời rạc

Biến đổi wavelet rời rạc cung cấp một mối quan hệ chặt chẽ của tín hiệu trong miền thời gian và tần số

Đối với Wavelet rời rạc tỷ lệ (hay giãn nở) và các thông số dịch trong phương trình 3.8 được lựa chọn sao cho ở cấp m wavelet a0m(a0-mt) là a0m lần chiều rộng của (t) Lúc đó thông số tỷ lệ a = a0m với m  Z và thông số dịch

b = ka0mb0 với m,k  Z Do đó họ wavelet được cho bởi phương trình 3.11:[19]

Hành trình trực giao cơ sở với các đặc tính địa phương hóa tần số - thời gian

tốt, các thông số tỷ lệ - thời gian (a, b) được lấy mẫu, với a0 = 2 và b0 = 1 Thay thế các giá trị ở biểu thức 3.11, ta có một họ cơ sở trực giao là:

hạn xấp xỉ kế tiếp, mỗi trong số đó là một phiên bản làm mịn của g(t) Sự khác biệt

giữa hai lần xấp xỉ mịn liên tiếp ở độ phân giải 2m-1 và 2 cho tín hiệu chi tiết ở độ phân giải 2m Khi lựa chọn độ phân giải L ban đầu, bất kỳ tín hiệu g (t) ∈ L2 (ℜ) có

thể được thể hiện như phương trình 3.15

L Z k k L

Như vậy tín hiệu vào được phân tích thành các thành phần nhỏ thông qua các

bộ lọc thông thấp và bộ lọc thông cao Thuật toán phân tách wavelet là tín hiệu được phân tích thành các dải tần số khác nhau bằng cách phân tích tín hiệu thành các xấp xỉ thô (a) và các thông tin chi tiết (d) như hình 3.10

Hình 3.10 Sơ đồ wavelet 3 mức

Tín hiệu rời rạc s(n) được đưa lần lược qua một bộ lọc thông thấp h[n] và

một bộ lọc thông cao g[n] Ngõ ra của bộ lọc thông thấp h[n] tạo ra thành phần xấp

xỉ (a) mà sẽ tiếp tục phân tích ở bậc cao hơn, còn ngõ ra của bộ lọc thông cao g[n]

sẽ là thành phần thông tin chi tiết (d) đây, sau khi qua mỗi bộ lọc thì băng thông

của tín hiệu sẽ được chia đôi [20]