Thuật toán tìm ngưỡng xác định các hoạt động của mắt dựa vào tín hiệu EEG

Hệ thống này chuy n các tín hiệu điện nưo thành các tín hiệu điều khi n mong muốn nh điều khi n xe lăn điện, điều khi n thiết bị tivi, máy l nh, đèn…, điều khi n cử đ ng cánh tay gi trên

TịMăT T

Nưo ng ời đóng vai trò quan trọng trong ho t đ ng c a con ng ời Dựa trên tín hiệu điện nưo ta có ng ời ta có th xác định những thay đổi trong ho t đ ng c a nưo b

ph c v cho việc chuẩn đoán bệnh tật cũng nh khôi ph c l i kh năng vận đ ng

c a con ng ời Trong đề tài này, thuật toán ng ỡng và m ng nơron truyền thẳng nhiều lớp đ c sử d ng đ xác định các ho t đ ng c a mắt dựa trên tín hiệu EEG

Tr ớc khi phân tích tín hiệu EEG, tín hiệu gốc đ c lo i bỏ nhi u và lọc lấy tín hiệu delta bằng b lọc thông d i Đặc tính c a tín hiệu EEG đ c trích xuất bởi các hệ số

c a mô hình AR Các hệ số này là ngõ vào c a m ng nơron truyền thẳng nhiều lớp

đ phận lo i các ho t đ ng c a mắt Bên c nh đó thuật toán ng ỡng cũng đ c áp

d ng đ xác định các ho t đ ng c a mắt Nghiên c u này hữu ích cho việc chuẩn đoán các bệnh về mắt nh khô mắt và t o ra m t hệ thống BCI đ điều khi n xe lăn điện hoặc ki m soát đèn trong nhà

M CăL C

LụăL CHăKHOAăH C i

L IăCAMăĐOAN iii

L IăC MăT iv

TịMăT T v

ABSTRACT vi

M CăL C vii

DANHăSỄCHăCỄCăCH ăVI TăT T x

DANH SÁCH CÁC HÌNH xi

DANHăSỄCHăCỄCăB NG xiv

Ch ngă1 T NGăQUAN 1

1.1ăT ngăQuan 1

1.2ăM căĐíchăC aăĐ ăTƠi 2

1.3ăPh măViăC aăĐ ăTƠi 2

1.4ăPh ngăPhápăNghiênăC u 2

1.5ăN iăDungăC aăLu năVĕn 3

Ch ngă2 C ăS ăLụăTHUY T 5

2.1ă ngăD ngăH ăTh ngăBCIăĐi uăKhi năThi tăB 5

2.2ă ngăD ngăThu tăToánăNg ngăĐ ăNh năD ng 5

2.3ăTríchăĐ căTínhăEEGăS ăD ngăH ăS ăMôăHìnhăARăVƠăNh năD ngăBằngă

M ngăN ron 6

2.4ăL căNhi uăTínăHi uăEEG 6

Ch ngă3 H ăTH NGăGIAOăTI PăMỄYăTệNHăNÃOăVÀăTHUăTH PăD ăLI UăEEG

7

3.1ăH ăTh ngăGiaoăTi păMáyăTínhăNƣo 7

3.1.1ăKháiăni m 7

3.1.2ăăH ăTh ngăBCIăC aăĐ ăTƠi 8

3.2ăThuăTh păTínăHi uăĐi năNƣoăBằngăCôngăNgh ăEEG 10

3.2.1ăCácăPh ngăPhápăThuăTínăHi uăĐi năNƣo 10

3.2.1.1ăĐoăTínăHi uăDùngăPh ngăPhápăĐi năNƣoăĐ 10

3.2.1.2ăĐoăTínăHi uăĐi năNƣoăDùngăPh ngăPhápăH ngăNgo iăGần 13

3.2.1.3ăĐoăTínăHi uăNƣoăDùngăPh ngăPhápăC ngăH ngăT 14

3.2.1.4ăĐoăTínăHi uăNƣoăS ăD ngăPh ngăPhápăT ăNƣo 15

3.2.2ăThuăTh păD ăLi uăDùngăMáyăActiveăTwo 16

3.2.2.1ăăGi iăThi uăMáyăActiveăTwo 16

3.2.2.2ăCácăB căThuăTínăHi uăBằngăMáyăActiveăTwo 17

3.2.2.3ăăThuăTh păD ăLi uăThíăNghi măBằngăMáyăActiveăTwo 18

Ch ngă4 TI NăX ăLụăTệNăHI UăEEGăDỐNGăB ăL CăTHỌNGăD IăHAMMING 23

4.1ăLỦăThuy tăV ăB ăL căS 23

4.2ăL căNhi uăTínăHi uăEEGăBằngăB ăL căHamming 27

Ch ngă5

TRệCHă Đ Că TệNHă C Aă TệNă HI Uă EEGă D Aă TRểNă CỄCă H ă S MÔ

HÌNH AR 34

5.1ăTríchăCácăĐ căTínhăC aăTínăHi uăD aăTrênăCácăH ăS Mô Hình AR 34

5.2ăTríchăCácăĐ căTínhăC aăTínăHi uăEEGăD aăTrênăCácăH ăS ăMôăHìnhăAR 35

Ch ngă6 THU TăTOỄNăNG NGăXỄCăĐ NHăCỄCăHO TăĐ NGăC AăM T 40

6.1ăThu tăToánăNg ng 40

6.2ăThu tăToánăNg ngăXácăĐ nhăCácăHo tăĐ ngăC aăM t 41

6.3ăDùngăThu tăToánăNg ngăXácăĐ nhăCácăHo tăĐ ngăC aăM tăOnline 47

Ch ngă7 NH NăD NGăCỄCăHO TăĐ NGăC AăM TăDỐNGăM NGăLANăTRUY Nă NG C 50

7.1ăM ngăLanăTruy năNg c 50

7.2ăNh năD ngăCácăHo tăĐ ngăC aăM tăDùngăM ngăLanăTruy năNg c 53

Ch ngă8 K TăLU NăVÀăH NGăPHỄTăTRI NăC AăĐ ăTÀI 58

8.1ăK tăLu n 58

8.2ăH ngăPhátăTri năC aăĐ ăTƠi 58

TÀIăLI UăTHAMăKH O 59

ANHăSỄCHăCỄCăCH ăVI TăT T

AR – Autoregresion

EEG – Electroencephalogram

BCI – Brain Computer Interface

fNIRS – function Near - Infrared Spectroscopy

fMRI – function Magnetic Resonance Imaging

MEG – Magnetoencephalography

MLP – Multi - Layer Perceptron

DANH SÁCH CÁC HÌNH

Hình 3.1: Hệ thống giao tiếp máy tính nưo 8

Hình 3.2: Sơ đồ khối xác định các ho t đ ng c a mắt sử d ng thuật toán ng ỡng 9

Hình 3.3: Sơ đồ khối xác định các ho t đ ng c a mắt sử d ng m ng nơron 10

Hình 3.4: Đo tín hiệu điện nưo dùng ph ơng pháp EEG 11

Hình 3.5: Đo tín hiệu điện nưo dùng fNIRS 13

Hình 3.6: Đo tín hiệu điện nưo bằng ph ơng pháp fMRI 15

Hình 3.7: Đo tín hiệu sử d ng ph ơng pháp MEG 16

Hình 3.8: Máy Active Two đặt t i phòng A104 16

Hình 3.9: Sơ đồ khối c a máy Active Two 17

Hình 3.10: Gắn nón vào ng ời làm thí nghiệm 18

Hình 3.11: Cho gel vào l giữ điện cực 18

Hình 3.12: Gắn các điện cực vào l ch a 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 đ c gắn trên đối t ng 19

Hình 3.15: Protocol cho đối t ng thực hiện mở và chớp mắt 19

Hình 3.16: Tín hiệu EEG thu đ c t i Fp1, F7, F8 khi thí nghiệm mở mắt 20

Hình 3.17: Tín hiệu EEG thu đ c t i Fp1, F7, F8 khi thí nghiệm chớp mắt 21

Hình 3.18: Tín hiệu EEG thu đ c t i Fp1, F7, F8 khi thí nghiệm liếc trái 21

Hình 3.19: Tín hiệu EEG thu đ c t i Fp1, F7, F8 khi thí nghiệm liếc ph i 22

Hình 4.1: Đáp ng tần số c a b lọc lý t ởng 24

Hình 4.2: Cửa sổ Hamming với L=71 26

Hình 4.3: Đáp ng biên đ và pha c a b lọc Hamming 27

Hình 4.4: Sơ đồ khối c a hệ thống lọc nhi u 27

Hình 4.5: Đáp ng biên đ và pha c a b lọc Hamming có L=11 28

Hình 4.6: Tín hiệu gốc (F8) và tín hiệu đ c lọc nhi u với L=11 28

Hình 4.7: Tín hiệu gốc (F8) và tín hiệu đ c lọc nhi u với L=3 29

Hình 4.8: Tín hiệu gốc (F8) và tín hiệu đ c lọc nhi u với L=17 29

Hình 4.9: Tín hiệu gốc (F8) và tín hiệu đ c lọc nhi u với L=23 30

Hình 4.10: Tín hiệu gốc (F8) và tín hiệu đ c lọc nhi u với L=27, N=26 30

Hình 4.11: Tín hiệu mở mắt t i Fp1, F7, F8 sau khi đ c lọc nhi u 31

Hình 4.12: Tín hiệu chớp mắt t i Fp1, F7, F8 sau khi đ c lọc nhi u 31

Hình 4.13: Tín hiệu liếc mắt trái t i Fp1, F7, F8 sau khi đ c lọc nhi u 32

Hình 4.14: Tín hiệu liếc mắt ph i t i Fp1, F7, F8 sau khi đ c lọc nhi u 32

Hình 5.1: Sơ đồ trích các đặc tính c a 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 ph i 38

Hình 5.9: Các hệ số AR 38

Hình 5.10: Bốn vectơ hệ số c a thì nghiệm chớp mắt, mở mắt, liếc trái và liếc ph i

39

Hình 6.1: Sơ đồ xác định giá trị ng ỡng 41

Hình 6.2: Kết qu phân lo i 45

Hình 6.3: Kết qu xác định ho t đ ng chớp mắt t i Fp1 46

Hình 6.4: Kết qu xác định ho t đ ng liếc ph i t i F7 46

Hình 6.5: Kết qu xác định ho t đ ng liếc trái t i F8 47

Hình 6.6: Đối t ng đang tiến hành mô phỏng online 47

Hình 6.7: Các h ớng di chuy n và góc quay c a đối t ng 49

Hình 6.8: Đối t ng điều khi n xe lăn điện 49

Hình 7.1: Cấu trúc c a m ng truyền thẳng nhiều lớp 51

Hình 7.2: Hình d ng c a hàm sigmoid 51

Hình 7.3: Cấu trúc m ng nơron nhiều lớp có 1 lớp ẩn 53

Hình 7.4: Cấu trúc c a m ng nơron nhiều lớp có 2 lớp ẩn 54

D ANHăSỄCHăCỄCăB NG

B ngă3.1: Thông tin c a đối t ng làm thí nghiệm 20

B ngă5.1: Vectơ hệ số AR cho 4 thí nghiệm 36

B ngă5.2: Các hệ số AR cho 4 thí nghiệm 38

B ngă6.1: Kết qu thí nghiệm trên đối t ng 1 t i Fp1 43

B ngă6.2: Kết qu thí nghiệm trên đối t ng 1 t i F7 43

B ngă6.3: Kết qu thí nghiệm trên đối t ng 1 t i F8 44

B ngă6.4: Kết qu tính toán ng ỡng các đối t ng còn l i 44

B ngă6.5: B ng ki m tra kết qu phân lo i 45

B ngă6.6: Mô t tr ng thái c a đèn 48

B ngă6.7: Các lệnh điều khi n 48

B ngă7.1: Mô t việc phân lo i tín hiệu EEG và ngõ ra mong muốn 54

B ngă7.2: Vectơ hệ số AR cho 4 thí nghiệm 55

B ngă7.3: Kết qu huấn luyện m ng khi có 1 lớp ẩn 56

B ngă7.4: Kết qu huấn luyện m ng khi có 2 lớp ẩn 56

ch ng rối lo n nưo, rối lo n giấc ng , chấn th ơng đầu, viêm nưo, đ t quỵ…

M t ng d ng quan trọng khác đó là dựa trên tín hiệu EEG đ khôi ph c l i các

ch c năng c a con ng ời Do bệnh tật hoặc do tai n n gây ra, m t số ng ời không

có kh năng đi l i, cử đ ng…,những ng ời này mất đi kh năng t ơng 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 ng ời t ơng tác với thế giới bên ngoài Hệ thống này chuy n các tín hiệu điện nưo thành các tín hiệu điều khi n mong muốn nh điều khi n xe lăn điện, điều khi n thiết bị (tivi, máy l nh, đèn…), điều khi n cử đ ng (cánh tay gi trên ng ời bênh nhân)

Hiện nay có nhiều ph ơng pháp thu tín hiệu điện nưo đ c sử d ng cho việc chuẩn đoán và xây dựng hệ thống BCI Ph ơng pháp điện nưo đồ (EEG) và từ nưo sử d ng các điện cực gắn trực tiếp trên da đầu Còn ph ơng pháp c ng h ởng từ (fMRI), hồng ngo i gần (fNIR) đo nồng đ oxy trong máu ở trên nưo ng ời

Với sự phát tri n c a khoa học kỹ thuật, các nghiên c u gần đây tập trung vào nâng cao đ chính xác và tốc đ c a hệ thống bằng việc nghiên c u các đặc tính ho t

đ ng c a nưo, c i tiến thiết bị thu thập dữ liệu và tối u hóa các kỹ thuật xử lý tín hiệu trong hệ thống

T i Việt Nam, việc xây dựng các thuật toán xử lý tín hiệu điện nưo và xây dựng hệ thống BCI ng d ng là h ớng nghiên c u mới đ c nhiều ng ời quan tâm Đ xây dựng đ c hệ thống BCI, đòi chúng ta ph i sử d ng các thuật toán nh lọc nhi u, nhận d ng mô hình, huấn luyện…đ tìm ra những đặc tính c a tín hiệu điện nưo

Từ các ng d ng c a tín hiệu điện nưo, thiết bị đang có và sự g i ý c a TS Nguy n

Thanh H i Vì vậy tên đề tài đ c chọn là: “Thu tătoánătìmăng ngăxácăđ nh các

ho tăđ ngăc a m tăd aăvƠoătínăhi uăEEG”

1.2 M căĐíchăC aăĐ ăTƠi

M c đích nghiên c u c a đề tài là xây dựng đ c thuật toán ng ỡng và m ng nơron truyền thẳng nhiều lớp đ xác định các ho t đ ng c a mắt So sánh kết qu c a hai thuật toán Đồng thời xây dựng hệ thống BCI đ điều khi n thiết bị (đèn hoặc xe lăn)

1.3 Ph măViăC aăĐ ăTƠi

Ph m vi c a đề tài là tìm hi u tín hiệu EEG và các ng d ng dựa trên tín hiệu EEG

Xây dựng thuật toán ng ỡng và huấn luyện m ng nơron đ xác định các ho t đ ng

c a mắt Ki m ch ng kết qu qua các ng d ng mô phỏng hoặc điều khi n xe lăn điện

Các ph ơng pháp nghiên c u đ c sử d ng trong đề tài:

- Ph ơng pháp nghiên c u tài liệu: thu thập các tài liệu, bài báo khoa học liên quan đến lĩnh vực nghiên c u Nghiên c u lý thuyết đ xây dựng thuật toán cho đề tài

- Ph ơng pháp thực nghiệm: tiến hành đo tín hiệu nưo từ máy Active Two Ễp

d ng các thuật toán đ xử lý tín hiệu đo đ c

- So sánh: so sánh kết c a đ t đ c giữa các ph ơng pháp

1.5 N iăDungăC aăLu năVĕn

N i dung c a luận văn bao gồm 8 ch ơng:

Ch ngă1:ăTổng quan

Ch ơng này trình bày tổng quan về lĩnh vực nghiên c u Các nhiệm v , ph m vi và

ph ơng pháp nghiên c u đề tài

Ch ngă2: Cơ sở lý thuyết

Ch ơng này trình bày về các cơ sở lý thuyết cần thiết ph c v cho nghiên c u trong

đề tài

Ch ngă3: Hệ hệ thống giao tiếp máy tính nưo và thu thập dữ liệu EEG

Ch ơng này trình bày về hệ thống giao tiếp máy tính nưo Các ph ơng 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

Ch ngă4: Tiền xử lý tín hiệu EEG dùng b lọc Hamming

Ch ơng này trình bày ng d ng c a b lọc Hamming đ lo i bỏ các thành phần nhi u và tín hiệu không mong muốn

Ch ngă5:ăTrích đặc tính tín hiệu EEG dựa trên hệ số mô hình AR

Tín hiệu sau khi đ c lo i bỏ nhi u sẽ đ c đ a qua mô hình AR (Autoregresion)

đ tìm các hệ số c a mô hình AR, các hệ số này sẽ đ c đ a vào m ng nơron truyền thẳng nhiều lớp nhận d ng các ho t đ ng c a mắt

Ch ngă6: Thuật toán ng ỡng đ phân biệt các ho t đ ng c a mắt

Ch ơng này trình bày thuật toán ng ỡng đ phân biệt các ho t đ ng c a mắt

Ch ngă7: Nhận d ng các ho t đ ng c a mắt dùng m ng nơron

M ng nơron truyền thẳng nhiều lớp đ c sử d ng đ nhận d ng các ho t đ ng c a mặt dựa trên các hệ số c a mô hình AR

Ch ngă8: Kết luận và h ớng phát tri n c a đề tài

Ch ơng này sẽ tóm tắt các kết qu đ t đ c trong luận văn và h ớng phát tri n c a

đề tài

Ch ngă2

C ăS ăLụ THUY T

Với sự phát tri n v t bậc c a công nghệ thu tín hiệu điện nưo nh điện nưo đồ EEG, c ng h ởng từ (fMRI), hồng ngo i gần fNIR…các nghiên c u về ng d ng tín hiệu điện nưo ngày càng đa d ng và đ c quan tâm

Hệ thống BCI sử d ng biên đ sóng mu (8 - 12Hz) hoặc beta (18 - 25Hz) đ điều khi n con trỏ máy tính di chuy n trong 2 miền trên màn hình máy tính [3] Sự di chuy n c a trỏ chu t trong m i miền đ c xác định 10 lần/s dựa trên các đặc tính

c a tín hiệu EEG Dữ liệu đ c thu thập offline và sử d ng ba ph ơng pháp khác nhau đ tăng đ chính xác c a việc di chuy n con trỏ chu t Bằng cách chọn lựa các đặc tính c a tín hiệu EEG và chuy n đổi chúng thành các lệnh điều khi n, tác gi đư

c i tiến đ c tốc đ và đ chính xác c a việc di chuy n trỏ chu t [15 - 17]

Bệnh nhân có th điều khi n cánh tay gi đ giao tiếp với môi tr ờng bên ngoài bằng bằng cách t ởng t ng [4] Tác gi đư phân tích thời gian thực các thành phần tín hiệu EEG trong suốt quá trình t ởng t ng M t b phân lo i tuyến tính đ c sử

d ng đ phân biệt tr ờng h p t ởng t ng cánh tay di chuy n trái hoặc ph i Đ chính xác c a việc điều khi n này đ t 82,5% đến 90% Kết qu phân lo i đ c sử

d ng đ điều khi n cánh tay gi di chuy n

2.2ă ngăD ngăThu tăToánăNg ngăĐ ăNh năD ngă

M t hệ thống BCI lai đ c sử d ng đ điều khi n xe lăn dựa trên tín hiệu EEG và EOG [17] Trong bài báo này, tác gi đư sử d ng thuật toán ng ỡng đ xác định các

ho t đ ng c a mắt đ xác định h ớng di chuy n c a xe lăn điện Tín hiệu EOG

đ c sử d ng đ điều khi n các h ớng bên trái và bên ph i Và tín hiệu EEG đ c

sử d ng đ đ ki m soát h ớng tiến, lùi, ngừng Bằng cách sử d ng 2 kênh tín hiệu,

đ chính xác phân lo i đ t 95%

Đ phân biệt các ho t đ ng c a tay trái và tay ph i [14], tác gi sử d ng thuật toán tìm ng ỡng dựa vào đ lệch chuẩn Giá trị ng ỡng đ c sử d ng bằng giá trị trung bình c ng với 2 lần đ lệch chuẩn Kết qu phân lo i chính xác đ t 87%

2.3ăTríchăĐ căTínhăEEG S ăD ngăH ăS ăMô Hình AR VƠăNh năD ngăBằngă

M ngăN ron

M ng nơron nhiều lớp đ c sử d ng đ nhận d ng ng ời Trong bài nghiên c u này, tác gi sử d ng mô hình AR đ ớc l ng tín hiệu EEG Các hệ số c a mô hình đ c xem nh đặc tính c a tín hiệu EEG Các hệ số này sẽ đ c đ a vào m ng nơron đ nhận d ng Kết qu phân lo i chính xác đ t 80% đến 100%

M ng nơron đ c sử d ng đ phân biệt bệnh nhân thành 2 nhóm: bị đ ng kinh và không bị đ ng kinh Tín hiệu EEG thu đ c sẽ đ c trích đặc tính bởi các hệ số mô hình AR Các hệ số này là ngõ vào m ng nơron đ nhận d ng Và kết qu phân lo i chính xác đ t 91% [11]

2.4ăL căNhi uăTínăHi uăEEG

Tín hiệu EEG thu đ c ch a rất nhiều nhi u, do đó lọc nhi u là b ớc quan trọng

tr ớc khi phân tích tín hiệu M t b lọc thông d i 0.5 – 30 Hz sử d ng kỹ thuật dịch chuy n trung bình [23] đ c sử d ng đ lo i bỏ đ lo i bỏ các thành phần nhi u [24] sử d ng các b l c thông d i Chebyshev 2 đ chia tín hiệu điện nưo thành 9 d i tần số khác nhau [4-8Hz, 9 -12Hz…] đ từ đó tìm ra các đặc tính riêng c a các d i tần này

B lọc thông d i Butterworth bậc 4 đ c sử d ng [21] đ tách tín hiệu alpha (8 25Hz) từ tín hiệu EEG thu đ c [13] sử d ng b lọc thông d i Hamming đ chia tín hiệu EEG thành các d i tần khác nhau

3.1ăH ăTh ngăGiaoăTi păMáyăTínhăNƣoă

3.1.1ăKháiăni m

Hệ thống giao tiếp máy tính nưo BCI (Brain Computer Interface) [20] là hệ thống chuy n các tín hiệu điện nưo thành các tín hiệu điều khi n đ giúp con ng ời giao tiếp với thế giới bên ngoài Hệ thống BCI đ c nghiên c u cho các đối t ng sau:

- Những bệnh nhân mất kh năng vận đ ng do mất tay hoặc chân

- Những bệnh nhân đ t quỵ nưo, chỉ có kh năng ki m soát ho t đ ng c a mắt

- Trẻ em và ng ời lớn bị b i nưo, không có kh năng điều khi n cơ…

Hình 3.1 trình bày các phần tử và ho t đ ng c a m t hệ thống giao tiếp máy tính não, các thông tin về ho t đ ng 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 d ng kỹ thuật thu EEG, fNIR… đ thu các tín hiệu điện nưo Các tín hiệu này

đ c số hóa và chuy n tới khâu xử lý tín hiệu Khâu này sẽ chuy n đổi các tín hiệu điện nưo thành lệnh điều khi n đ điều khi n các thiết bị: xe lăn, đèn, máy l nh…

Hình 3.1: Hệ thống giao tiếp máy tính nưo [20]

3.1.2 H ăTh ngăBCIăC aăĐ ăTƠi

Đ xây dựng m t hệ thống BCI sử d ng tín hiệu EEG, trong luận văn này sử d ng thuật toán ng ỡng và huấn luyện m ng đ xác định các ho t đ ng c a mắt Sau đó dùng các ho t đ ng này đ điều khi n các thiết bị trong nhà hoặc xe lăn điện

- Thuật toán ng ỡng: tín hiệu EEG thu thập sẽ đ c lo i bỏ nhi u bằng b lọc Hamming Thuật toán ng ỡng sẽ đ c áp d ng đ phân lo i các ho t đ ng

c a mắt (hình 3.2)

- Dùng m ng nơron: b lọc Hamming sẽ đ c sử d ng đ lọc nhi u Tín hiệu sau khi đ c lọc nhi u sẽ đ c đ a qua mô hình AR bậc 2 Các hệ số c a mô hình AR chính là đặc tính c a tín hiệu EEG M ng nơron với ngõ vào là các

hệ số c a mô hình AR sẽ xác định các ho t đ ng c a mắt (hình 3.3)

Hình 3.2: Sơ đồ khối xác định các ho t đ ng c a mắt sử d ng thuật toán ng ỡng

Hình 3.3: Sơ đồ khối xác định các ho t đ ng c a mắt sử d ng m ng nơron

3.2.1ăCácăPh ngăPhápăThu TínăHi uăĐi năNƣo

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 ngo i gần (fNIRS), c ng h ởng từ (fMRI) và từ nưo (MEG) Ph ơng pháp thu EEG sẽ đ c sử d ng trong đề tài

Điện nưo đồ (Electroencephalogram: EEG) [2] là ph ơng pháp đo sự thay đổi điện

áp từ dòng ch y c a các ion trong tế bào nưo c a con ng ời EEG ghi l i điện áp tự sinh ra trong tế bào nưo c a con ng ời trong m t kho ng thời gian ngắn, th ờng là

20 phút đến 40 phút bằng cách đặt các điện cực sát với da đầu c a ng ời cần đo Hình 3.4 sử d ng nón có gắn các điện cực đ thu tín hiệu điện nưo theo ph ơng pháp EEG

Hình 3.4: Đo tín hiệu điện nưo dùng ph ơng pháp EEG Tín hiệu EEG lần đầu tiên đ c phát hiện bới nhà tâm lý học Hans Berger 1929 K

từ đó thì EEG đ c ng d ng r ng rưi cho ngành y học đ ph c v cho việc phát hiện bệnh đ ng kinh và nghiên c u về giấc ng …Trong những năm gần đây, kỹ thuật EEG phát tri n là cơ sở đ các nhà khoa học xây dựng hệ thống BCI Nó làm cho cu c sống c a ng ời ng ời tàn tật trở nên d dàng hơn

Điện áp trên nưo thay đổi đ c duy trì là nhờ hàng tỉ nơron trong nưo Nơron luôn trao đổi ion với môi tr ờng ngo i bào Quá trình trao đổi nh vậy sẽ t o ra điện áp Khi d ng sóng c a các ion đi đến các điện cực đ c gắn ở trên đầu thì nó sẽ đẩy hoặc hút các ion trên kim lo i ở các đầu điện cực đó Khi các ion trên điện cực bị hút hoặc đẩy thì sẽ t o ra sự chênh lệch về điện áp Quá trình đo sự thay đổi điện áp

đó theo thời gian là EEG

Ph ơng pháp EEG cho phép chúng ta xác định đ c đặc tính tần số tín hiệu điện nưo Tín hiệu EEG đ c chia làm 5 lo i:

- Delta: có dưi tần số nằm trong kho ng 0.5 đến 4Hz với biên đ thay đổi bất định D ng sóng delta ch yếu xuất hiện trong giấc ng sâu và trong tr ng thái th c giấc Sóng delta xuất hiện ch yếu t i Fp1 và Fp2

- Theta: có dưi tần số nằm trong kho ng 4 đến 7Hz với biên đ cao hơn 20uV Sóng theta th ờng xuất hiện khi ng ời bị căng thẳng, đặc biệt là lúc thất b i hoặc chán nưn Sóng theta xuất hiện nhiều t i C3, C4

- Alpha: có dưi tần số nằm trong kho ng 8 đến 13 Hz với biên đ từ 30 đến 50uV Sóng alpha đ c t o ra ở trong hai tr ờng h p là khi ta th giưn hoặc khi ta hành đ ng vô th c Sóng alpha tập trung nhiều t i O1 và O2

- Beta: có dưi tần số nằm trong kho ng 13 đến 30Hz với biên đ 5 đến 30uV Sóng beta là d ng sóng c a tín hiệu điện nưo và th ờng liên quan đến các

ho t đ ng suy nghĩ, ho t đ ng 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 đi m c a ph ơng pháp EEG:

- Thiết bị nhỏ gọn, vì vậy có th đo đ c nhiều nơi khác nhau Trong khi các

ph ơng pháp khác nh c ng h ởng từ, hồng ngo i gần có thiết bị rất to, cồng kềnh

- EEG có th đo đ c những đối t ng đang di chuy n (c ng h ởng từ bắt

bu c đối t ng ph i cố định cho tới khi đo xong)

- EEG không t o ra môi tr ờng từ tr ờng cao nên ng ời đo cũng nh đối

t ng đ c đo không làm việc trong môi tr ờng từ tr ờng cao (máy fMRI

ho t đ ng với môi tr ờng từ tr ờng cao nên có th gây nh h ởng đến s c khỏe con ng ời)

Nh c đi m c a ph ơng pháp EEG:

- Các điện cực gắn trực tiếp lên da đầu đ thu tín hiệu EEG Bởi vì sự di chuy n c a da đầu, chất sừng gây ngăn cách giữa điện cực và tín hiệu điện thực tế, do đó tín hiệu thu đ c sẽ ch a nhi u

3.2.1.2 ĐoăTínăHi uăĐi năNƣoăDùngăPh ngăPhápăH ngăNgo iăGần

Nguyên lý c a ph ơng pháp đo tín hiệu nưo dùng ph ơng pháp hồng ngo i gần (function Near – Infrared Spectroscopy: fNIRS) [2] là đo nồng đ oxy trong máu ở trên nưo b B ớc sóng c a sóng hồng ngo i gần (Near – IR) nằm trong kho ng 780nm – 25000nm

Việc đo tín hiệu điện nưo đ c thực hiện bằng cách đo sự hấp th c a ánh sáng hồng ngo i gần với b ớc sóng nằm trong kho ng 650 nm đến 950 nm Do quang phổ hấp th c a oxy – hemoglobin và deoxy – hemoglobin là khác nhau nên ng ời

ta có th đo nồng đ oxy – hemoglobin và deoxy – hemoglobin thông qua việc đo

sự tán x ánh sáng Ph ơng pháp fNIRS có nhiều l i thế hơn so với những ph ơng pháp đo khác nh fMRI và MEG M t trong số các l i thế đó là có th đo trực tiếp

m t lo t các thông số khác nhau nh oxy – hemoglobin, deoxy – hemoglobin và Hemoglobin tổng h p với đ phân gi i về thời gian rất cao Điều này cho phép

ng ời ta nghiên c u các hành vi theo thời gian c a đáp ng huyết đ ng từ ho t c a neural thần kinh Tuy nhiên ph ơng pháp fNIRS có đ phân gi i không gian kém,

ph ơng pháp fNIRS không th đo sâu vào bên trong Nguyên nhân là ánh sáng bị tán x m nh khi đi sâu vào các khu vực sâu bên trong nưo

Ph ơng pháp fNIRS đ c xem là ph ơng pháp đo tín hiệu nưo không xâm lấn vì các que đo chỉ gắn ở ngoài da đầu mà không tác đ ng gì đến nưo b

Hình 3 5:ăĐoătínăhi uăđi nănƣoădùngăfNIRS

(nguồn: http://cls.psu.edu/PIRE/blog/2011/06/teaching-and-learning-fnirs.html

u đi m c a ph ơng pháp:

- Không phá h y, đo không xâm lấn

- Gần nh đo l ờng đ c các giá trị t c thời

- Có th thu thập đ c những dữ liệu liên t c theo thời gian

- Có th xâm nhập sâu vào mẫu cần đo…

Ngoài ra, ph ơng pháp fNIR có m t số khuyết đi m sau:

- Máy móc thiết bị sử d ng cho ph ơng phấp hồng ngo i gần thì đắt tiền

- Đ chính xác c a thiết bị gi m khi đo các mẫu ẩm ớt

- Không đ c phép đo những mẫu v t ra ngoài tầm kích th ớc quy định

3.2.1.3ăĐoăTínăHi uăNƣoăDùngăPh ngăPhápăC ngăH ngăT

Ph ơng pháp c ng h ởng từ (function Magnetic Resonance Imaging: fMRI) [2]

đ c dùng đ tìm ra sự thay đổi sự trao đổi chất ở trong nưo hoặc trong l u l ng máu, th tích hoặc oxygen trong đáp ng khi thực hiện m t nhiệm v Kỹ thuật phổ biến nhất đ c sử d ng là t ơng ph n nồng đ oxygen trong máu, đó là dựa trên cơ

sở đặc tính từ tr ờng khác nhau c a oxygen (nghịch từ) và deoxygen (thuận từ) trong máu

Hình 3.6: Đo tín hiệu điện nưo bằng ph ơng pháp fMRI (nguồn: http://www.sciencenewsforkids.org/2011/11/what-a-dream-looks-like/)

Kỹ thuật fMRI sử d ng m t nguồn năng l ng từ tr ờng rất lớn, m t chu i xung với tần số sóng radio và m t máy tính đ ch p l i nh chi tiết các cơ quan trên cơ

th ng ời, trong đó có tín hiệu nưo ng ời Trên cơ sở ng d ng mối quan hệ giữa nồng đ oxy và b n đồ ho t đ ng c a nưo mà fMRI đư đ c chọn đ làm công c phân tích ho t đ ng c a neural trong nưo ng ời fMRI đư đ c ng d ng rất nhiều cho việc nghiên c u những ch c năng c a nưo bao gồm có việc nhìn, ho t đ ng, ngôn ngữ và nhận th c

Từ nưo (Magnetoencephalography: MEG) [2] là m t kỹ thuật lập b n đồ ho t đ ng

c a nưo bằng cách ghi l i từ tr ờng bên ngoài nưo t o bởi dòng điện x y ra tự nhiên trong nưo Đây là dòng điện do các ion ch y trong các tế bào thần kinh khi nưo ho t

đ ng gây ra Do dòng điện này nhỏ, nên từ tr ờng sinh ra cũng nhỏ Do đó ph i sử

d ng các màng c a thiết bị giao thoa l ng tử siêu dẫn

Đây là ph ơng pháp đo trực tiếp những tín hiệu ở nưo ho t đ ng phát ra và hoàn toàn không làm tổn h i đến nưo Ph ơng pháp MEG rất hữu hiệu đ nghiên c u các bệnh đ ng kinh, phát hiện vùng ung th trên nưo, vùng nưo không ho t đ ng

Hình 3.7: Đo tín hiệu sử d ng ph ơng pháp MEG (nguồn:

Hình 3.8: Máy Active Two đặt t i phòng A104

Máy Active Two là s n phẩm c a công ty Biosemi, Hà Lan Máy h tr đo 256 kênh dữ liệu và 8 kênh mở r ng Máy cho phép ng ời nghiên c u d dàng cấu hình bằng phần c ng (chọn số kênh, tốc đ lấy mẫu…) và chỉnh sửa phần mềm theo từng

ng d ng Đó cũng là lý đo chính mà nó chỉ đ c sử d ng vào m c đích nghiên

c u, không đ c sử d ng vào việc điều trị cho bệnh nhân

Hình 3.9 mô t sơ đồ khối máy Active Two Tín hiệu thu đ c từ các điện cực sẽ

đ a về b chuy n đổi ADC Ngõ ra c a ADC là dữ liệu 24 bit đ c truyền tới b nhận USB 2.0 bằng cáp quang T i đây dữ liệu sẽ đ c chuy n sang d ng 32 bit và truyền lên máy tính thông qua cáp USB Phần mềm Activeiw trên máy tính cho phép chúng ta lựa chọn tần số lấy mẫu, hi n thị d ng sóng… Hệ thống Active Two

sử d ng 2 d ng file l u trữ : BDF (24 bit) và EDF (16 bit)

Hình 3.9: Sơ đồ khối c a máy Active Two

Đ đo tín hiệu điện nưo, các điện cực đ c gắn sát vào da đầu thông qua 1 mũ co dưn có ch a các l giữ điện cực bằng plastic Các b ớc thu tín hiệu điện nưo [10]:

- Gắn nón vào ng ời tiến hành thí nghiệm Chỉnh nón đ các điện cực đ c bố trí theo tiêu chuẩn 10 – 20% nh hình 3.10

- Dùng xylanh cho gel vào l ch a điện cực trên nón cho tới khi ng ời làm thí nghiệm có c m giác l nh da đầu nh hình 3.11

Hình 3.10: Gắn nón vào ng ời làm thí

nghiệm

Hình 3.11: Cho gel vào l giữ điện

cực

- Gắn các điện cực vào các l ch a điện cực trên nón (hình 3.12) và kết nối tới

b chuy n đổi ADC

- Mở phần mềm Actiview đ thu dữ liệu (hình 3.13)

Hình 3.12: Gắn các điện cực vào l

ch a điện cực

Hình 3.13: Giao diện phần mềm

Actiview

3.2.2.3 Thu Th păD ăLi uăThíăNghi măBằngăMáyăActiveăTwo

Dữ liệu đ c thu thập t i các vị trí Fp1, F7 và F8 bằng máy Active Two Dữ liệu

đ c thu thập trên 9 đối t ng Các đối t ng này hi u rõ đ c các yêu cầu thí nghiệm và đồng ý tiến hành thí nghiệm Hình 3.14 bi u di n vị trí các điện cực

đ c gắn và hình 3.15 bi u di n các điện cực đ c gắn trên đối t ng

Hình 3.14: Vị trí các điện cực Hình 3.15: Điện cực đ c gắn trên

đối t ng Đối t ng sẽ thực hiện các thí nghiệm mở mắt, chớp mắt (mở mắt và nhắm mắt),

liếc trái và liếc ph i Nhiệm v đầu tiên, đối t ng mở mắt trong vòng 5s Nhiệm v

th hai, đối t ng thực hiện chớp mắt trong 5s Nhiệm v kế tiếp, đối t ng thực

hiện liếc mắt trái trong 5s Nhiệm v cuối cùng, đối t ng thực hiện liếc ph i trong 5s và các đối t ng thực hiện theo protocol đ c thiết kế nh hình 3.16

Hình 3.16: Protocol cho đối t ng thực hiện mở và chớp mắt

Dữ liệu đ c thu thập với tốc đ lấy mẫu 128Hz, dữ liệu thu đ c đ c l u l i d ới

d ng file BDF và đ c đem xử lý cho tất c các ch ơng trình phía sau Trong 9 đối

t ng sẽ có 7 đối t ng làm thí nghiệm 3 lần, 2 đối t ng sẽ làm thí nghiệm trong

12 lần B ng 3.1 th hiện thông tin c a các đối t ng làm thí nghiệm

B ng 3.1: Thông tin c a đối t ng làm thí nghiệm Đối t ng Giới tính Tuổi Cân nặng Số lần làm thí nghiệm

Tín hiệu EEG sẽ đ c thu đồng thời ở 3 kênh khi thực hiện thí nghiệm mở mắt,

chớp mắt, liếc trái và liếc ph i Từ hình 3.17 đến hình 3.20 bi u di n tính hiệu EEG khi thực hiện các thí nghiệm trên Các tín hiệu thu đ c ch a các thành phần nhi u,

do đó lo i bỏ nhi u là b ớc quan trọng tr ớc khi sử d ng thuật toán nhận d ng

-200

0 200

Signal channel Fp1 (Raw)

Signal channel F7 (Raw)

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 0

Signal channel F7 (Raw)

Signal channel F8 (Raw)

Signal channel Fp1 (Raw)

Signal channel F7 (Raw)

Signal channel F8 (Raw)

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 -200

0 200

Signal channel Fp1 (Raw)

0 200

Signal channel F7 (Raw)

0 500

Signal channel F8 (Raw)

4.1 LỦăThuy tăV ăB ăL căS

Tín hiệu EEG thu thập sẽ đ c số hóa với tốc đ lấy mẫu 128Hz Trong quá trình thu thập dữ liệu, tín hiệu EEG bị nhi u rất nhiều Sự hiện diện c a nhi u sẽ gây khó khăn cho việc phân tích tín hiệu EEG Đồng thời trong quá trình phân tích dữ liệu ta chỉ quan tâm đến m t thành phần tín hiệu EEG nào đó Vì những lý do đó mà cần

có m t b lọc số đ lo i bỏ nhi u và lọc lấy các thành phần tín hiệu cần phân tích

B lọc số [7] là m t hệ thống dùng đ làm biến d ng sự phân bố tần số c a các thành phần c a m t tín hiệu theo các chỉ tiêu đư cho Tùy theo theo chiều dài c a đáp ng xung, b lọc đ c chia thành hai lo i: đáp ng xung hữu h n FIR (finite impulse response) và đáp ng xung vô h n IIR (infinite impulse respone) B lọc FIR là m t b lọc tuyến tính về pha, đ ổn định cao do không có các cực Ng c

l i, b lọc IIR không tuyến tính về pha, không có đ ổn định nh b lọc IIR do ch a các cực

Dựa trên đặc tính miền tần số, b lọc đ c chia thành: b lọc thông thấp, thông cao, thông d i và thông chắn Đáp ng tần số c a các b lọc lý t ởng đ c th hiện ở hình 4.1, với c, 1và  2là các tần số cắt Với b l c lý t ởng đáp ng biên đ

c a d i thông bằng 1 và d i chắn bằng 0

(a) B lọc thông thấp lý t ởng (b) B lọc thông cao lý t ởng

(c) B lọc thông d i lý t ởng (d) B lọc thông chắn lý t ởng

Hình 4.1: Đáp ng tần số c a b lọc lý t ởng Với H() và h(n) là đáp ng tần số và đáp ng xung c a b lọc lý t ởng, khi đó )

(

H và h(n) đ c tính theo công th c [9]:

n j n

e n h



n

n n

h sin( c ) )

n

) ( )

n n

h sin( c ) sin( c ) )

n n

n

h sin( c ) sin( c )

) ( )

Đáp ng xung c a b lọc lý t ởng có chiều dài vô h n và không nhân qu nên không th thực thi đ c Đ cho đáp ng xung trở thành đáp ng xung c a b lọc FIR, chúng ta ph i đ a đáp ng xung trở thành nhân qu và h n chế chiều dài c a

nó Có 3 ph ơng pháp đ tổng h p b lọc FIR: ph ơng pháp cửa sổ, ph ơng pháp

lấy mẫu tần số, và ph ơng pháp lặp Với khối l ng tính toán không ph c t p và không yêu cầu cao về pha tuyến tính nên ph ơng pháp c a sổ đ c sử d ng đ sử

d ng đ lọc nhi u EEG

Ph ơng pháp cửa sổ đ c thực hiện bằng cách nhân đáp ng xung c a b lọc lý

t ởng với hàm cửa sổ Có các lo i cửa sổ: c a sổ chữ nhật, c a sổ tam giác, cửa sổ Blackman, cửa sổ Hanning, cửa sổ Hamming… So với các lo i cửa sổ khác, cửa sổ Hamming có đ g n sóng ở c d i thông và d i chắn nhỏ Do đó cửa sổ Hamming

0

1 0

n 1

2 cos 46 0 54 0 )



(4.7)

với N là bậc c a b lọc, L=N+1 là chiều dài c a cửa sổ Hình 4.2 bi u di n cửa sổ

Hamming trong miền thời gian với L=71

10 20 30 40 50 60 70 0

0.2 0.4 0.6 0.8 1

10

)(h(n))

(

'

N n n

w n

(4.8) Khi đó đáp ng biên đ c a b lọc thông d i thực tế:

)

1 2

2 1

c c

N j j

H

e e

H

(4.9) Với: 1: là tần số cắt d ới;  2: là tần số cắt trên; c1 c2: d i thông;

1

0 c và c2 là d i chắn

Trong ph ơng pháp cửa sổ, chiều dài cửa sổ là yếu tố quyết định chất l ng b lọc Chiều dài b lọc càng lớn thì đ g n sóng ở d i thông và d i chắn sẽ gi m đi Tuy nhiên, chiều dài b lọc càng lớn thì khối l ng tính toán càng ph c t p và thời gian

thực thi càng lâu Do đó, việc lựa chọn chiều dài b lọc nhỏ nhất mà vẫn đáp ng các tiêu chí kỹ thuật là quan trọng

Hình 4.3 th hiện đáp ng biên đ và pha c a b lọc Hamming có chiều dài L=71, 1

 =0.5 Hz,  2=3.5 Hz