Luận văn thạc sĩ Kỹ thuật điện tử: Nhận dạng tri thức điều khiển thiết bị thông qua các sóng điện não

Một hệ thống BCIthông thường sẽ dựa vào các tín hiệu mang tính chất điện được thu thập từnão thông qua hệ thong các điện cực, máy tinh được lập trình sé phân tích, xử lý dữ liệu thu thập

PHAM BA TOÀN

NHAN DANG TRI THUC DIEU KHIEN THIET BI

THONG QUA CAC SONG DIEN NAO

Chuyên ngành: KY THUẬT ĐIỆN TỬMã số : 60.52.70

LUẬN VĂN THẠC SĨ

TP HO CHI MINH, thang 12 năm 2013

Luan văn thạc sĩ được bảo vệ tại Trường Dai hoc Bach Khoa, DHQG Tp HCMngày 30 tháng 12 năm 2013.

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:1 PGS.TS LE TIEN THƯỜNG

2 TS HOÀNG TRANG

3 TS HOÀNG MINH TRÍ

4 TS VÕ NGUYEN QUỐC BAO5 TS VÕ TRUNG DUNG

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quan lý chuyên

ngành sau khi luận văn đã được sửa chữa (nêu có).

CHỦ TỊCH HỘI ĐÔNG TRƯỞNG KHOA

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: PHẠM BÁ TOÀN MSHV: 12140049Ngày, tháng, năm sinh: 05/01/1987 Nơi sinh: Đồng ThápChuyên ngành: Kỹ Thuật Điện Tử Mã số: 605270I TÊN DE TÀI: NHẬN DANG TRI THUC DIEU KHIỂN THIẾT BỊ THONGQUA CAC SONG DIEN NAO

NHIEM VU VA NOI DUNG: Thiết kế một hệ thống BCI hoàn chỉnh có giá thànhhợp ly, đáp ứng theo thời gian thực với suy nghĩ của con người Cụ thé sẽ xây dựng

một ứng dung xe điêu khiên từ xa được điêu khiên bởi suy nghĩ của con người.

H NGÀY GIAO NHIỆM VỤ: 24/06/2013HI.NGÀY HOÀN THÀNH NHIỆM VU: 22/11/2013

IV CÁN BO HƯỚNG DAN: PGS TS LÊ TIỀN THƯỜNG

Tp HCM, ngày thang nam 2013

CÁN BỘ HƯỚNG DÂN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO(Họ tên và chữ ký) (Họ tên và chữ ký)

TRƯỞNG KHOA(Họ tên và chữ ký)

Đầu tiên tôi xin tỏ lòng biết ơn sâu sắc đến PGS.TS Lê Tiến Thường đã tậntình giúp đỡ, hướng dẫn, định hướng nghiên cứu để tôi có thể hoàn thành

luận văn này.

Tôi xin gửi lời cảm ơn chân thành đến các thầy cô trường đại học BáchKhoa thành phố Hỗ Chí Minh, những người đã tận tình hướng dẫn, truyềndạy cho tôi những kiến thức trong suốt những năm học vừa qua, giúp tôi cónhững kiến thức đáng quý và bồ ích trong quá trình thực hiện luận văn nàycũng như trong suốt chặng đường sự nghiệp sắp tới

Cuỗi cùng tôi xin gửi lời cảm ơn đên gia đình, người thân và bạn be đã luônbên cạnh động viên, chia sẻ, tạo động lực cho tôi hoàn thành luận văn này.

Tôi xin gửi đến gia đình, thầy cô, bạn bè, người thân lời kính chúc sức

khỏe, hạnh phúc và thành công.

Tp Hồ Chí Minh, ngày tháng năm 2013

PHẠM BÁ TOÀN

Giao diện não máy tính (BCI: Brain Computer Interface) là một lĩnh vực

nghiên cứu sự tương tác giữa não người với máy tính Một hệ thống BCIthông thường sẽ dựa vào các tín hiệu mang tính chất điện được thu thập từnão thông qua hệ thong các điện cực, máy tinh được lập trình sé phân tích,

xử lý dữ liệu thu thập được và đưa ra những phản ứng đáp lại các suy nghĩ,

tưởng tượng, cũng như các hoạt động thần kinh của con người.Một hệ thống BCI sẽ giúp con người có thé sử dụng những hoạt động củanão dé tương tác, điều khiến các thiết bi ngoại vi như máy tinh, xe lăn điện,các thiết bị điện gia dụng Chính vì vậy, những nghiên cứu xây dựng hệthong BCI mang đến những tia hi vọng phục hồi chức năng cho người tàntật, người già yếu mat khả năng vận động Từ đó có thể giảm gánh nặng vềkinh tế cũng như gánh nặng tinh thần cho xã hội

Trong nội dung luận văn này, tác giả sẽ thiết kế một hệ thống BCI hoàn

chỉnh có giá thành hợp lý, đáp ứng theo thời gian thực với suy nghĩ của con

người Cụ thể sẽ xây dựng một ứng dụng xe điều khiến từ xa được điềukhiến bởi suy nghĩ của con người Một thiết bị Emotiv EPOC Headset sẽđược sử dụng để thu thập tín hiệu điện não EEG cần thiết để điều khiến xe.Tùy thuộc vào loại hoạt động suy nghĩ của não được phát hiện, có thể dichuyển xe về phía trước, về phía sau, trái hoặc phải theo sự suy nghĩ của

người sử dụng.

Brain Computer Interface (BCI) is a specific area of study the interactionbetween the human brain with computers An BCI system will rely on theconventional nature of electrical signals collected from the brain throughthe electrode system The computer is programmed to analyze and processthe data collected and make responsive thinking, imagining, as well as theneural activity of people.

A BCI system will enable people to use their brain activity to interact,control of peripheral devices such as computers, electric wheelchairs,electric household appliances Therefore, the study BCI systemdevelopment brings hope of rehabilitation for the disabled, the elderly losemobility Since it can reduce the burden of the economic burden of mentalas well as for society.

The main objective of this thesis is to design a complete BCI system with areasonable price, and in real-time to meet with human thinking.Specifically, the application will build a remote control car controlled byhuman thoughts An Emotiv EPOC headset is used to collect EEG signalsneeded to control the car Depending on the type of brain activity detected,the car can move forward, backward, left or right following the thinking of

users.

Tôi xin cam đoan răng luận văn này là sản phầm do chính tôi thực hiện,không có sự sao chép kêt quả trong bât cứ tài liệu hay bài báo nào đã côngbô trước đây Tôi xin hoàn toàn chịu trách nhiệm với những lời cam đoannói trên.

Tp H6 Chí Minh, ngày tháng năm 2013

(Ký tên và ghi rõ họ tên)

MỤC LỤCCHUONG 1 TONG QUAN VE MUC TIEU VA HUONG GIAI QUYET CUA1D) OM |

1.1 TONG QUAN voecceccccecccscesescssecscscececssssvscscecsesevsvscecessevevacacecssssvevacacecessevavacaceceavacees |1.2 MỤC TIỂU DE TÀÌ G- (E3 53191 93819191 3 11191 111 11g11 6g ng ng: 41.3 DOI TƯỢNG VÀ PHAM VI NGHIÊN CỨU - 66k £sE+E£E+Ee£eEsEsesxei 41.4 PHUONG PHÁP NGHIÊN CỨU - ¿2-2 2 SE +E£E+E£EEE£E£E+EeEEErzrsrerree 51.5 CÂU TRÚC LUẬN VĂN G1111 E5 5111919111 51111151 5 1111511 gen: 5

CHƯƠNG 2 CƠ SỞ LÝ THUYT 2 2-52 ES‡SE‡E£EE£EEEEEEEEEEEEEEEEEEErkrrerkere 6

2.1 TONG QUAN VE CÁC VUNG CHỨC NANG CUA NAO NGƯỜI 62.2 PHƯƠNG PHAP THU THẬP TIN HIEU NAO EEG - - 5<: 82.2.1 Tổng quan về các phương pháp thu thập tín hiệu não - 2-2 55552 82.2.2 Hệ thong dat dién cuc quốc tế 10-20 dé chi điện não «« «<< << sss2 92.2.3 Do tin hiệu dùng phương pháp điện não đồ EEG - 2 252555555: 132.3 CÁC PHƯƠNG PHAP XỬ LÝ TÍN HIỆU SONG NAO EEG l62.3.1 Các phương pháp tiền Xử lý + 2 25626 E+E2EEEE2EEESEEEEEEEEEEEEEEEErkrkrree l6

2.3.2 Các phương pháp trích đặc trưng tín hiệu EEG - 55 5< << ++2 17

2.4 PHAN LOẠI DU LIEU SÓNG NAO BẰNG MẠNG NƠRON NHÂN TẠO 2I2.4.1 Mạng lan truyén ngưỢC ¿- 5-5225 2sSt SE 3 E23 1511212111211 1111111 212.4.2 Kiến trúc mạng lan truyén NQuoc cccccsccscssssessssesesesesessesssessesesessesesesseseseesesesen 242.5 SO SÁNH PHƯƠNG THỨC XU LÝ TÍN HIỆU ONLINE VÀ OFFLINE 262.6 HE THONG GIAO DIEN MAY TÍNH — NÃO 66c cs xe eEsesesees 27

CHƯƠNG 3 TIEN TRÌNH NGHIÊN CỨU 2- 25 2+S+£+E+EzEzEerxe 29

3.1 MO HÌNH NHAN DANG SUY NGHĨ - ¿2-5252 2E+E2EE£E+EzErkrrzrereee 293.2 TIEN TRÌNH CÁC BƯỚC NGHIÊN CỨU - ¿22-5 2 2£2+s+£+£z£zrsced 293.3 GIỚI THIEU VE THIẾT BỊ EMOTIV EPOC HEADSET 5s: 303.4 PHƯƠNG PHÁP THU THẬP DU LIEU SONG NAO XỬ LÝ OFFLINE 33CHUONG 4 MO HINH BCI OFFLINE 0.0.ccccscscsscscsssssessesessesesesessesesesen 354.1 TIEN XỬ LY TÍN HIEU ou ccccecescscecscsccessesscscececssvevscscecsevevecscsevavacaceeeeveves 35

MUC LUC HVTH: Pham Ba Toan

A.1.1 BO loc tan $6 voc cccccescssssscscecesssvscscecescscevscscscscsevacscecesscsavacacecssvevaracecesavavaceeveees 35

CHƯƠNG 5 MÔ HÌNH BCI ONLINE 55-55cc2cccsrirrrrrrrrrrrrrrrree 60

5.1 PHAN CỨNG MÔ HÌNH BCI THU NGHIỆM ¿2 2 2 +x+x+x+x+E+esee: 605.1.1 Tổng quan thiẾt KẾ - ¿2-2-5256 5222393123931 1211123111 21111 11.1111 605.1.2 Nguyên tắc hoạt động ¿+ 525222221 3E 121211212111 21111 11111111 635.1.3 Bang ước lượng ngân sách dé tài - - + 252 22+E+E2EEE£E£EEEEErkrkrkrree 645.2 THU NGHIỆM DIEU KHIÊN XE BẰNG CÁC CỬ ĐỘNG MAT VÀ HOATĐỘNG CƠ TREN GƯƠNG MẶTT - 5 x91 939128 1E 381156 3 5 g3 xnxx 645.2.1 Sự ảnh hưởng của cử động mắt và gương mặt tới tín hiệu sóng não 655.2.2 Dùng thuật toán ngưỡng nhận dạng các hoạt động của mắt - s5: 685.2.3 Xây dung chương trình điều khiến xe từ xa bang các hoạt động mat 715.3 THU NGHIỆM NHẬN DẠNG SUY NGHĨ VÀ DIEU KHIEN XE THEO050019)1689510109)))00)) 2002277 745.3.1 Nguyên tac chuyền đổi từ Offline sang Online - + 2 5 s+c+cscsccee 75

5.3.2 Xây dựng thuật toán online cho mồ hình nhận dạng suy nghĩ 765.3.3 Xây dựng bộ lọc CAR trên LabVIEÔW HH 775.3.4 Xây dựng bộ đệm dữ liệu trên LabVIIEW HH hen 795.3.5 Xây dựng bộ trích đặc trưng PSD trên LabVIEÌW -Ă SH re 805.3.6 Xây dựng mang noron nhân tạo trên LabVIEW eee eceeeessnneceeceeeeeeeeaeees 81

5.3.7 Chương trình thử nghiệm va kết qua thử nghiệm - - 2 55+: 815 4 KET LUẬN VA DANH GIA TONG QUAN Q ccccccsssssscscecessesecscsceevecsceceesevevaeees 83

CHUONG 6 KET LUẬN VA HƯỚNG PHAT TRIEN CUA DE TAL 84

ilMUC LUC HVTH: Pham Ba Toan

6.1 KET LUAN 2 846.2 HUONG PHAT TRIEN CUA DE TAL weeeececccccescscsssscscsscsescscsssscscscsssessesessesseeeees 86TAI LIEU THAM KHAO 5< SESSE‡ESEE£EEEEEEEEEEEEEEEEEEEEEEEEEEErkrkrred 87LY LICH TRÍCH NGANG +2 2S SEE E2 1 1E 1113111511111 111111 90

iliMUC LUC HVTH: Pham Ba Toan

Hình 2.9 Do tín hiệu điện não dùng phương pháp EEG - c5 +ssssssks 13Hình 2.10 Các dang sóng nãO - - - s11 0g ng vn 15

Hình 2.1 1 Cầu trúc của mạng truyền thăng nhiều lớp - 2-5: ¿+52 ++sz5z+x+zzzx+2 22

Hình 2.12 Hình dạng của hàm sIỹmmOI - - - 5 1 199310111 995111999311 99 ng kg 22

Hình 2.13 Sơ đồ tổng quan của một hệ thông BCI ¿- - 25+ 2222 £++x£zzx+zzzxez 28Hình 3.1 Lưu đồ nhận diện suy nghĩ dùng kỹ thuật EEG ccc - +52 2+s+s+z£xzse2 29Hình 3.2 Thiết bị thu tín hiệu sóng não Emotiv EPOC headset - «<2 30

Hình 3.3 VỊ trí các điện CUC << - 5-2-2002 1 1111111111111 113 na 32Hình 3.4 Cách đeo đúng vi trí của headset EmO(IV c1 sa 32Hình 3.5 Protocol cho đối tượng thực hiện thí nghiệm 2- ¿5252525252552 33Hình 3.6 Dạng sóng não thu được từ Headset ở các điện cực -‹ s+++-<<<xss+2 34Hình 4.1 Dap ứng biên độ của mach lọc ButterWorth - - c c2 ssessrsres 35

Hình 4.2 Dạng sóng tín hiệu của một điện cực khi đã qua mạch lọc -. 36

Hình 4.3a Dạng sóng của kênh FC5 ban đâu khi suy nghĩ phải 2 5555: 37Hình 4.3b Dạng sóng của kênh FCS sau bộ lọc CAR khi suy nghĩ phải 37

Hình 4.4a Dạng sóng của kênh FC5 ban dau khi suy nghĩ trái 25-5255: 38Hình 4.4b Dang sóng của kênh FCS sau bộ lọc CAR khi suy nghĩ tral 38

Hình 4.5 Dạng sóng của kênh FCS sau bộ loc SL khi suy nghĩ trát - - 39

Hình 4.6 Dạng sóng của kênh FCS sau bộ loc SL khi suy nghĩ phải 39

Hình 4.7 Dạng sóng của kênh FCS sau bộ loc SL khi không suy nghĩ 40

Hình 4.8 Lưu đồ các bước thực hiện dùng bộ lọc thông dai kết hợp phương pháp trích đặc

truNg CSP oe A]

iv

DANH SACH HINH VE HVTH: Pham Ba Toan

Hình 4.9a Dạng sóng của kênh FCŠ sau khi qua bộ loc thông dai với suy nghĩ trai và suy

\1341189):1GHaaầđầaẳdidỶẮ 42Hình 4.9b Dạng sóng của kênh FC5 sau khi qua ma trận ánh xạ W1 với suy nghĩ trai và

Hình 5.2 Bộ thu Emotiv USB Bluetooth - cc 22222221111 1111153 11111111355 ckg 61

Hình 5.3 Card giao tiếp máy tinheo c.cccccccccccccscsscsessscsssesessssessssessssessssesesesessssessssesnsseseeees 62Hình 5.4 Sơ đồ chân kết nồi ¿5t 2 x2 2212212222 ri 62

Hình 5.5 Lưu đồ hoạt động mô hình BCI của đề tài - 2-5 ¿2x25 x2xcczxczzcxe2 63

Hình 5.6 Chop mat trái - + 52% S212EEE2EE1219212121121212111111111212111121 11212 1e 65Hình 5.7 Chop mặt phải + 5S S2E2EEE2EE2219212151121217121111111212111121 121 1e 66Hình 5.8 Liéc mắt sang trái ¿52 St 1222121 212182111211 212171111111112121101212 1211 66

Hình 5.9 Hoạt động CƯỜI .- - - - G2 201183131211 1111111211111 11111 1811111 ng 1 re 67

Hình 5.10 Nghién răng hàm bên trái - ¿5:52 922 S2 SE£EEEE2EEEE2EE22212122121 21211 e2 G7Hình 5.11 Nghiên răng hàm bên phải 2: 252 2S SE2E*E£EEEE 2E E23 EEEEEerrkrkee 68Hình 5.12 Lưu đồ xác định giá trị ngưỡng ¿-:- ¿52 5222 2E2E2E2EEESEcrrkerrrees 69

Hình 5.13 Lưu đồ thuật toán điều khiển xe từ xa bằng các hoạt động mắt 72

Hình 5.14 Chương trình điều khiển - 2-2 2S E9 SE2E£E£EEEE£E#EEEEEEEE SE E2 Errrvee 73Hình 5.15 Giao diện chương trình điều khiển Xe - 5-5 252 2 +222E+E£££zE£EzEeczxcree 73

Hình 5.16a Phương thức xử lý tín hiệu offline - 5 + 1S 9v se 75Hình 5.16b Phương thức xử lý tín hiệu online - s65 + 12v se 76

Hình 5.17 Nguyên tắc hoạt động của một bộ đệm dữ liệu - - 555255 <*++++ 76

DANH SÁCH HÌNH VẼ HVTH: Phạm Bá Toàn

Hình 5.18 Lưu đồ thuật toán online cho mô hình nhận dạng suy nghĩ - 77Hình 5.19 Lưu đồ thuật toán của bộ lọc CAIR - + - 25 +22 SE+E2E2EE2E2EEE2EEESEerrrkrkee 7]

Hình 5.20 Chương trình bộ lọc CAR được triển khai trên LabVIEW -. - s55: 78Hình 5.21 Đóng gói của bộ lọc CAR trong chương trình 555 5< ss++ssssssss2 78Hình 5.22 Sơ đồ chân đóng gói của bộ đệm dữ liệu +2 - + 2+£+s+£+zzzE+zeczzxccez 79Hình 5.23 Bộ đệm cho kênh tín hiệu F8 E5 2+2 221222222 EEEEesesss S0

Hình 5.24 Lưu đồ thuật toán của bộ trích đặc trưng PSÌD - +2 +2 s+s+x+zzxzse2 80Hình 5.25 Điều khiển cánh tay rô-bốt băng ý nghĩ (dự án BrainGate, 201 I) 85

vi

DANH SACH HINH VE HVTH: Pham Ba Toan

Bảng 4.11 Số đặc trưng trích được của từng đối đượng trong phương pháp PCA 56

Bảng 4.12 Kết quả thực hiện kiểm tra bằng mạng Nơron với phương pháp PCA của đối

Vil

DANH SACH BANG HVTH: Pham Bá Toàn

DANH MỤC TU VIET TAT

AR — AutoregresionANN - Artificical Neural NetworkBCI — Brain Computer InterfaceCAR-Common Average ReferenceCSP — Common Spatial PatternEEG — ElectroencephalogramECoG — ElectroCorticoGraphyfMRI — function Magnetic Resonance ImagingLFPs — Local Field Potentials

LabVIEW — Laboratory Virtual Instrumentation Engineering WorkbenchMEG — Magnetoencephalography

MLP — Multi - Layer PerceptronME — Mocro-Electrode

MEA — Micro-Electrode ArrayNIRS — Near - Infrared SpectroscopySL — Small Laplacian

SDK — Software Development KitPSD — Power Spectral DensityPCA — Principal Component Analysis

DANH MUC TU VIET TAT vil HVTH: Pham Ba Toan

CHUONG1 TONG QUAN VE MỤC TIỂU VÀ

HUONG GIAI QUYET CUA DE TAI1.1 TONG QUAN

Não người có cau trúc phức tap gồm khoảng 100 tỉ tế bào than kinh liên kết vớinhau Các tế bào này thu thập và truyền tải các tín hiệu điện với nhau cho dù cóhay không có các kích thích bên ngoài Dựa trên các tín hiệu điện não, ta có thểxác định được những thay đổi bên trong hoạt động của não, giúp cho việc pháthiện và chuẩn đoán các chứng rỗi loạn não, rối loạn giấc ngủ, chan thương dau,

viêm não, đột quy

Một hệ thống BCI sẽ giúp con người có thé sử dụng những hoạt động suy nghĩcủa não để tương tác, điều khiến các thiết bị ngoại vi như máy tinh, xe lăn điện,các thiết bị điện gia dụng Chính vì vậy, những nghiên cứu xây dựng hệ thốngBCI mang đến những tia hi vọng phục hồi chức năng cho người tan tật, ngườigià yếu mat khả năng vận động Từ đó có thé giảm gánh nặng về kinh tế cũngnhư gánh nặng tinh thần cho xã hội Ngày nay, hướng nghiên cứu BCI là mộthướng nghiên cứu liên ngành liên quan đến nhiều ngành như thần kinh lâm sàn,

kỹ thuật cơ - điện tử - y sinh, kỹ thuật xử lý tín hiệu, trí tuệ nhân tạo Nhờ sự

tiến bộ của các ngành liên quan nên trong những năm gan đây hướng nghiêncứu về BCI trên thế giới đã đạt được rất nhiều thành quả đáng kể, đã có nhiềusản phẩm hỗ trợ người tàn tật được ra đời và thương mại hóa Điều này giúp đỡcho các bệnh nhân khuyết tật, người già mất khả năng vận động hòa nhập lạivới cuộc sông của xã hội

Năm 2009, các nhà khoa học thuộc tập đoàn Toyota đã chế tạo thành công xelăn điều khiến bằng sóng não mang tên RIKEN Sản phẩm nay mang day tính

nhân văn và mang tính đột phá trong công nghệ kỹ thuật dành cho những người

khuyết tật Trên thế giới đã có những loại xe lăn ứng dụng kỹ thuật này, nhưngthời gian đọc sóng não phải tốn vài giây, trong khi chiếc xe lăn này chỉ mat 125phan nghìn giây dé xử lý tín hiệu từ não Công nghệ này rất hữu ích trong việcphục hỏi, hỗ trợ tâm lý và vật ly cho người đi xe lăn Hãng Toyota cho biết

Trang 1

C1: TONG QUAN HVTH: Phạm Bá Toàn

đang cải tiễn chiếc xe để có thể nhận được nhiều lệnh hơn và hoạt động nhạy

hơn.Theo Technology Review, hãng điện tử Samsung hiện đang nghiên cứu khả

năng tương tác không chạm với máy tính bảng bằng công nghệ sóng não Đạigia công nghệ Hàn Quốc bắt tay với các nhà nghiên cứu của Đại học Texas ởDallas (Mỹ) trong dự án dùng nón đo điện não đồ (EEG) để thu thập năng lựccủa trí não nhằm mục tiêu kiểm soát máy tính bảng và điện thoại thông minh.Rõ ràng, Samsung đang tìm kiếm một hướng đi mới cho công nghệ di động,

cũng như trường hợp Google giới thiệu Google Glass.

Nhận thay tầm quan trọng của hướng nghiên cứu xây dựng các hệ thống BCI,trong những năm gan đây ở Việt Nam cũng đã có một vài dé tai đi theo phươnghướng này Tuy nhiên để xây dựng được một hệ thống BCT phục vụ cho việcnghiên cứu và có khả năng triển khai thực tế là điều không phải dễ dàng

Khó khăn đầu tiên là việc lựa chọn thiết bị thu sóng não Các máy điện não dé(EEG) được sử dụng trong y khoa có độ chính xác và độ 6n định cao, nhưng cácmáy nay có nhược điểm rất lớn khiến cho việc lựa chọn trở nên không kha thidé xây dung các ứng dung BCI Thứ nhất là giá thành của máy quá lớn, điềunày sẽ làm giảm tính khả thi của ứng dụng khi triển khai sản xuất đại trà và ảnhhưởng đến tính cạnh tranh của sản phẩm Thứ hai là thường các máy EEG đượcthiết kế có định, kích thước khá lớn và khả năng di động gan như không có,điều này ảnh hưởng tới tính di động và độ linh hoạt của ứng dụng Nguyên nhânthứ ba là các may EEG thường được thiết kế theo kiểu đóng hoàn toàn, tức làmáy nào chi đi kèm với phần mềm của máy đó nên việc lay dữ liệu thu thập từmáy gan như rất khó dé có thé làm được Nguyên nhân thứ tư là da phan cácmáy EEG được thiết kế cho việc chuẩn đoán bệnh nên cách thu thập dữ liệu làtheo kiểu gói dữ liệu (offline) chứ không phải theo kiểu real-time (online), chodù ta có thu được dữ liệu từ máy thì việc phát triển các ứng dụng theo thời gianthực cũng không phải dễ dàng

Khó khăn thứ hai là về việc xây dựng thuật toán nhận dạng và xử lý các tín hiệusóng não thu được Thông thường các hoạt động thân kinh của não rất phức tạp

Trang 2

C1: TONG QUAN HVTH: Phạm Bá Toàn

và pha trộn lẫn lộn với nhau, vì vậy việc xây dựng một thuật toán nhận dạng xử

lý tín hiệu mà đáp ứng được các tiêu chí có độ chính xác cao, đáp ứng theo thời

gian thực, có độ tin cậy và ôn định cao là một điều rất khó khăn Nó đòi hỏisự hội tụ kiến thức của nhiều lĩnh vực như xử lý số tín hiệu, trí tuệ nhân tạo, kỹthuật nhận dạng bang mang noron nhan tao, kiến thức về co - điện tử - y sinh

Chính vì những khó khăn như trên nên những công trình nghiên cứu theo hướng

BCI gan day của nước ta tuy có những tiễn bộ nhất định, nhưng đại đa số đềudừng lại ở mức thử nghiệm vì độ tin cậy chưa cao, và gần như không có khảnăng triển khai thành sản phẩm thương mại giúp ích cho người tàn tật

Bản thân tác giả cũng ý thức được những khó khăn trên nhưng vẫn muốn theođuôi dé tài vì những lý do sau:

e Thứ nhất: tác giả đã tìm được một thiết bị thu sóng não cơ động và gọn nhẹ,độ chính xác tương đối phù hợp cho các ứng dụng dân sự Thiết bị này thuthập dữ liệu theo kiểu thời gian thực (online), thư viện hàm hỗ trợ giao tiépđược chính hãng cung cấp kha đầy đủ đảm bảo cho việc lấy dữ liệu từ thiếtbị, và hơn hết giá thành tương đối hợp lý và chấp nhận được (299 USD).Thông tin chỉ tiết về thiết bị này sẽ được trình bày sâu hơn trong những phansau Điều này là một lợi thế rất lớn của tác giả so với các nhóm nghiên cứu

đi trước.e Thu hai: trong quá trình theo học chương trình cao học tại trường Đại Học

Bách Khoa, nhờ vào sự bồ trí hợp lý của chương trình đào tạo nên tác giả đãtích lũy được cho mình một lượng kiến thức tương đối rộng về các mảng xửlý số tín hiệu, trí tuệ nhân tạo, kỹ thuật nhận dạng băng mạng noron nhântạo Tuy lượng kiến thức chưa thực sự đạt về độ sâu, đủ dé thực hiện thànhcông dé tài nhưng ít ra cũng nắm được các khái niệm cơ bản, và trong quátrình thực hiện cũng là một cơ hội để tác giả có thể cọ sát với thực tế vànâng cao kiến thức của bản thân ở các lĩnh vực nêu trên

e Thứ ba: sự hỗ trợ và giúp đỡ từ giảng viên hướng dẫn PGS.TS Lê TiếnThường thực sự là một chỗ dựa vững chắc cho tác giả thêm tự tin trước

những khó khăn phía trước.

Trang 3

C1: TONG QUAN HVTH: Phạm Bá Toàn

Xét thấy tính cấp thiết, độ thiết thực và hữu ích của lĩnh vực còn khá mới nàyđối với người tàn tật, tác giả đã chọn nghiên cứu về tín hiệu điện não cho luậnvăn thạc sĩ của mình Bản thân tác giả cũng có vài điểm lợi thế khi thực hiện đềtài, và cũng muốn thông qua dé tài để học hỏi và cọ sát với thực tế Vì thé lựachọn đề tài này là một điều hợp lý.

1.2 MỤC TIỂU ĐÈ TÀIMục tiêu của dé tài là:e Thu thập va xử lý được tín hiệu EEG từ thiết bị Emotiv EPOC Headset.e Xây dựng một hệ thống BCI hoàn chỉnh có giá thành hợp ly, đáp ứng theo

thời gian thực với suy nghĩ của con người Cụ thể sẽ xây dựng một ứng dụngxe điều khiến từ xa được điều khiến bởi suy nghĩ của con người

Dé có thé đạt được mục tiêu của đề tài, hàng loạt các bước cần được tiễn hành.Đầu tiên, đó là bước cải thiện tín hiệu thu được, trong bước nảy các phươngpháp về thông dải (band-bass filtering), bộ lọc CAR (Common Average

Reference), bộ loc SL (Small Laplacian) Bước thứ hai là trích đặc tinh, trong

phân này các thông tin được thu thập từ dữ liệu ban đầu sau khi đi qua các bộlọc như đã ké, ta sẽ sử dụng các phương pháp trích đặc tính như: bộ lọc khônggian chung CSP (Common Spatial Pattern), phương pháp mật độ phô công suất

PSD (Power Spectral Density) và phương pháp PCA (Principal Component

Analysis) để rút trích ra các đặc tính riêng của từng loại hoạt động suy nghĩ củanão Cuối cùng, phương pháp phân loại dữ liệu bang mạng Noron với thuật toánlan truyền ngược sẽ được sử dụng

1.3 ĐÓI TƯỢNG VÀ PHẠM VI NGHIÊN CỨUĐề tài sẽ tập trung nghiên cứu:

e Tìm hiểu tín hiệu EEG va các ứng dụng dựa trên tín hiệu EEG.e Tiến hành đo tín hiệu điện não từ thiết bi Emotiv EPOC Headset Ấp dụng

các thuật toán để xử lý tín hiệu đo được.e Xây dựng một hệ thống BCI hoàn chỉnh có giá thành hợp ly, đáp ứng theo

thời gian thực với suy nghĩ của con người Cụ thể sẽ xây dựng một ứng dụng

xe điêu khiên từ xa được điều khiên bởi suy nghĩ của con người.

Trang 4

C1: TONG QUAN HVTH: Phạm Bá Toàn

1.4 PHƯƠNG PHÁP NGHIÊN CỨUCác phương pháp nghiên cứu được sử dụng trong dé tài:

e Phương pháp nghiên cứu: thu thập các tài liệu, bài báo khoa học liên quan

đến lĩnh vực nghiên cứu Nghiên cứu lý thuyết để xây dựng thuật toán cho dé

tai.

e Phuong pháp thực nghiệm: tiễn hành đo tín hiệu điện não từ thiết bị EmotivEPOC Headset Áp dụng các thuật toán để xử lý tín hiệu đo được

e So sánh kết quả đạt được giữa các phương pháp

1.5 CÂU TRÚC LUẬN VĂNLuận văn này được chia thành 6 chương, nội dung chính của các chương như

sau:

Chương 1: Tong quan về mục tiêu va hướng giải quyết của dé tài Chươngnày trình bày tổng quan về lĩnh vực nghiên cứu Các nhiệm vụ, phạm vi vàphương pháp nghiên cứu của đề tài

Chương 2: Cơ sở lý thuyết Chương này trình bay các lý thuyết cần thiết phụcvụ cho đề tài

Chương 3: Tiến trình nghiên cứu Chương nay trình bày về các bước tiễn hànhnghiên cứu để xây dựng một mồ hình hệ thong BCI đơn giản, có kha năng nhậnbiết trạng thái suy nghĩ của người dùng là tưởng tượng cử động tay bên trái,

tưởng tượng cử động tay bên phải, và trạng thái thư giãn (không suy nghĩ).Chương 4: Mô hình BCI offline Trong chương này, tác giả sẽ trình bày việc

xây dựng các module tiền xử lý, các module trích đặc trưng tín hiệu, và cácmodule mạng noron nhân tạo Sau đó sẽ tổ hợp các module này lại thành những

mô hình có khả năng nhận diện suy nghi.

Chương 5: Mô hình BCI online Từ các kết quả thử nghiệm đạt được ở chương4, tác giả sẽ tién hành xây dựng một mô hình BCI xử lý online để điều khiếnmột thiết bị ứng với suy nghĩ của người dùng

Chương 6: Kết luận và hướng phát triển của đề tài Tóm tắt các kết quả đạtđược, những hạn chế của nghiên cứu và định hướng cho những nghiên cứu tiếp

theo.

Trang 5

C1: TONG QUAN HVTH: Phạm Bá Toàn

CHUONG 2 CƠ SỞ LÝ THUYET

2.1 TONG QUAN VE CAC VUNG CHỨC NANG CUA NAO NGƯỜI

Não người là một bộ phận quan trong bậc nhất của co thể, là co quan trungương của hệ thần kinh điều khiến mọi hoạt động của các cơ quan khác trong cơthé Bộ não người gồm khoảng 100 tỉ tế bào thần kinh, những tế bào than kinhnày kết nối với hàng ngàn tế bào thần kinh khác tạo thành một mạng lưới thầnkinh Thông qua các kết nối này mà các tế bào có thé giao tiếp với nhau, vàthông qua mang than kinh này con người có thé kiểm soát được các bộ phận củacơ thể

Não bộ gồm hai bán câu trái và phải, là vùng rộng nhất có thé phân tích dữ liệugiác quan, thực hiện chức năng ghi nhớ, tìm hiểu thông tin, suy nghĩ và ra quyếtđịnh Bán cầu não phải điều khiến nửa phan trái của cơ thé và bán cau não tráiphụ trách phần phải của cơ thể với các chức năng tương tự Mỗi bán cầu nãođược chia ra thành bốn phan được gọi là thùy, bao gồm: thùy trán (frontal lobe),thùy đỉnh (parietal lobe), thùy thái dương (temporal lobe), thùy cham

(occipital) Như trong hình 2.1 dưới day:

Central suleus Parietal lobe

Frontal lobe

Occipital lobe

Hình 2.1 Các thùy của não (nguồn: [11])Mỗi thùy đóng một vai trò khác nhau Thùy trắn tương ứng với các chức năngnhư lập kế hoạch, giọng nói, di chuyển, cảm xúc và giải quyết vẫn đề Thùy

Trang 6

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

đỉnh liên quan đến các chức năng như di chuyển, định hướng, nhận biết, pháthiện kích thích Thùy cham liên quan đến chức năng nhìn Thùy thái dương liênquan đến tri giác và nhận biết âm thanh, trí nhớ và tiếng nói.

Trong vùng thùy đỉnh có một phan rất đáng quan tâm đó là phân tiền điều khiếnchuyền động như thé hiện trong hình 2.2 và rõ hơn ở hình 2.3:

Hình 2.2 Các chức năng trong vùng thùy đỉnh (nguồn: [12])

Page> sd eeeSaN Hip——1

Hình 2.3 Vị trí các chức năng trong vùng tiền vận động (nguồn: [12])

C2: CƠ SỞ LÝ THUYẾT Trang 7 HVTH: Phạm Bá Toàn

Vùng này liên quan đến chức năng của nhiều bộ phận như: tay, chân, mặt, như trong hình 2.3 Trong dé tài nay, vùng điều khiến chuyển động này sẽ đượctiễn hành thu dữ liệu.

2.2 PHƯƠNG PHÁP THU THẬP TÍN HIỆU NÃO EEG2.2.1 Tổng quan về các phương pháp thu thập tín hiệu não

Hiện tại, theo [2| có hai cách thu tín hiệu từ não là không xâm lan invasive) và xâm lấn (invasive) được sử dung trong các nghiên cứu vềBCI Trong các phương pháp không xâm lấn (non-invasive) thì có MEG

(non-(Magnetoencephalography: phương pháp do từ trường từ các hoạt động

của não bằng một thiết bị đặt xung quanh đầu người), EEG(Electroencephalogram: sử dụng các điện cực đặt tiếp xúc với da đầu dé

đo tín hiệu từ não), phương pháp fMRI (functional Magneti Resonance

Imaging) va NIRS (Near Infrared Spectroscopy: đo sự thay đối của nỗngđộ oxy trong máu của vỏ não) Với phương pháp xâm lấn (invasive) thì có

phương pháp ECoG (electrocorticography), phương pháp ME Electrode), phương pháp MEA (Micro-Electrode Array) và LFPs (LocalField Potentials) Với các phương pháp nay các điện cực được đặt ở bên

(Mocro-trong (ở dưới lớp da dau va tùy vào phương pháp mà độ xâm lan nông sâukhác nhau) Hình 2.4 ở dưới đây một phan nao giải thích được một cach

sơ lược của các phương pháp vừa nêu.

10+

bổ EES NIRS

: TT MEGH 1+ ECoG fMRI

Với hình 2.4, ta có thé thay 4 phương pháp xâm lẫn có thời gian xử lý (đápứng) khá nhanh (dưới 0.01 giây) và 4 phương pháp không xâm lẫn có thời

gian đáp ứng chậm hơn: EEG va MEG có thời gian dap ứng dưới 0.1 giâycon NIRS và fMRI có thời gian dap ứng trên | giây.

2.2.2 Hệ thống đặt điện cực quốc tế 10-20 dé ghi điện não

Trong phương pháp đo tín hiệu điện não không xâm lấn dạng EEG, tínhiệu điện não được thu băng cách đặt các điện cực trực tiếp trên da đầu.Một chuẩn để đặt tên và thiết kế vị trí điện cực được gọi là hệ thống quốctế 10-20 (10-20 International System) Trong thiết kế này, “10” và “20” cónghĩa là khoảng cách giữa các điện cực tiếp giáp đặt trên hộp sọ, hoặc là10% hoặc 20% của từ trước ra sau hoặc từ phải sang trái tong khoảng cách

của hộp sọ như mô tả trong hình 2.5 sau đây:

^^NASION

e Nối 2 ống tai ngoài (thực ra là ngay trước tai — preauricular points).e Nối gốc mũi với ụ cham ngoài, cả 2 đường nối này đều đi qua đỉnh so

e Đường chu vi của sọ kêt nỗi 2 điêm tận cùng nhất trên sọ.

Trang 9

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

Ba đường này được chia theo tỷ lệ 10-20-20-20-20-10%, theo cả trục trực

giao (2 đường vuông góc), lẫn theo vòng tròn chu vi, theo kiểu chia đôicác điểm nối

Khi nghiên cứu giấc ngủ, có thể người ta không dùng hết các vị trí ghinày, và chỉ đặt điện cực ở một số vị trí: trên hình vẽ là những chỗ có vòng

e Ong tai ngoài 2 bên.Với các ký hiệu sau đây: F là tran (Frontal), O là châm (Occipital), C làtrung tam (Central), P la dinh (Parietal) Danh số lẻ nếu là bên trái, và sốchan nếu là bên phải

Nối 2 điểm gốc mũi và cham với nhau, ta có đường dọc giữa Ta chiachiều dài của đường này theo tỷ lệ %: điểm cách gốc mũi 10% là Fo (hayFpz), cách tiếp theo 20% nữa là Fz, tiếp 20% nữa là Cz Cz chính là điểmchính giữa đỉnh dau, tiếp sau nó 20% là Pz Cách điểm cham 10% (tức

cách Pz 20%) là Oo (hay còn gọi Oz).

Nối 2 ống tai ngoài với nhau, ta được một đường cắt ngang đường dọcgiữa ở điểm Cz Cách ống tai ngoài 10% bên trái là T:, bên phải là Ty

Cách thêm 20% (chính giữa T3 hay Ta với Cz) là Ca (bên trái) va Ca (bênphải).

Vẽ đường đồng tâm với đường chu vi của dau, nỗi các điểm mốc phíangoài nhất: Fpz-T3-Oz-T, Trên đường (gan như là đường tròn) này, cũng

chia theo tỷ lệ % như vậy Cách 10% phía trước có Fpl bên trai và Fp2bên phải, sau đó 20% là F; và Fg Cách Oz 10% từ phía sau là O, bên trái

và O, bên phải Cách tiếp 20% (là chính giữa O; với Ta) là Ts bên trai va

(là chính giữa Oz với Ta) Ts bên phải.

Trang 10

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

Vẽ tiếp đường vòng cung phía trong, tiếp nối Fp1-C3-O, bên trái, và Ca-O› bên phải Ở khoảng cách 20% (chính giữa các móc) là F; phía trước

Fp2-bên trái, Fy phía trước Fp2-bên phải, P: phía sau Fp2-bên trái, P„ phía sau Fp2-bên phải.

Vậy ta có 1 mạng ghi điện não đô Về phương diện điện học, người ta coitai và sốc mũi là 0, là điện cực trung hòa Như vậy kiểu kết nối 1 điện cựctrên mạng ghi điện não đỗ với tai, ta có kiểu ghi đơn cực Còn cách nối 2điện cực trên mạng với nhau mà không nối với tai, thì gọi là cách ghi

lưỡng cực.

VỊ trí Oz và Fpz ít được dùng để đặt điện cực chi trong điện não đồ,nhưng lại hay được dùng khi ghi điện thế gợi (ví dụ VEP) Theo sơ đỗ(mạng) điện cực như trên, ta có 19 vi trí đặt điện cực để chi điện não đồ.Với những nối điện cực khác nhau, ta sẽ có nhiều kênh chi Tai một sỐphòng ghi điện não trên thé giới, người ta còn chia tách ra ti mi hơn dé đặtđược nhiều điện cực chi EEG hơn, có thể có số vị trí đặt điện cực chi trênda đầu là 32, 64, thậm chí 256

Trang 12

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

Theo [22], hệ thống đặt điện cực 10-20 quốc tế được dé nghị vào năm1958, hiện được dùng rộng rãi, và được coi là phương pháp chuẩn(standard method) dé ghi điện não trên da đầu (scalp EEG) Gần đây Hộiđiện não Hoa Ky (The American EEG Society) tán thành một biến đôi nhỏtrong danh pháp theo số và chữ cái nguyên thủy Trong đó, trước đây làT3, T4, T5 và T6 thì nay chuyến thành T7, T8, P7 và P8 Cải tiến nàynhằm làm tăng phạm vi đặt điện cực đã chuẩn hóa vào trong vùng dưới

thái dương - subtemporal region (ví dụ: F9, T9, P9, F10, T10, P10) và chi

rõ tên của vị trí điện cực năm ở đường vòng trung gian, giữa các đườngvòng chuẩn (ví dụ: AF7, AF3, FT9, FL7, FC5, FC3, FC1, TP9, TP7, CP5,CP3, CPI, PO7, PO3 va v.v.) Những điện cực đặt thêm va gan sat nhauhơn, cách đặt thêm điện cực ở chính giữa các điện cực tiêu chuẩn của hệthong dat dién cuc 10-20, tat ca những cach đặt thêm điện cực như vaythường sẽ giúp cho định khu các bat thường tốt hơn (vi dụ định khu 6 phát

sóng dạng động kinh - epileptiform discharges ở bệnh nhân bị động kinh

cục bộ - partial seizures) Cũng có một vài kiểu điện cực được chế dé ghi

hoạt động điện ở thùy thái dương.

2.2.3 Do tín hiệu dùng phương pháp điện não đồ EEG

Điện não đồ là phương pháp do sự thay đổi điện áp từ dòng chảy của cácion trong tế bào não của con người Hình 2.9 sử dụng nón có gắn các điệncực dé thu tín hiệu điện não theo phương pháp EEG

Hình 2.9 Do tín hiệu điện não dùng phương pháp EEG

Trang 13

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

Điện áp trên não thay doi được duy trì là nhờ hang tỉ noron trong não.

Nơron luôn trao đôi ion với môi trường ngoại bào Quá trình trao đôi nhưvậy sẽ tạo ra điện áp Khi dạng sóng của các ion đi đên các điện cực đượcgan ở trên dau thì nó sẽ đây hoặc hút các ion trên kim loại ở các đầu điệncực đó Khi các ion trên điện cực bị hút hoặc day thì sẽ tạo ra sự chênh

lệch về điện áp Quá trình đo sự thay đổi điện áp đó theo thời gian là EEG.Phương pháp EEG cho phép chúng ta xác định được đặc tính tần số tín

hiệu điện não Theo [3] tín hiệu EEG được chia làm 6 loại:

Sóng Delta(ð): Day là tần số thấp nhất, nam trong khoảng từ 1-4 Hz,nó có biên độ tương đối lớn và chỉ đo được khi các thanh thiếu niênchìm vào giắc ngủ sâu Sóng delta xuất hiện chủ yếu tại Fp! và Fp2.Sóng Theta(6): Nó năm trong khoảng 4-7 Hz, được quan sát trong tìnhtrạng người ngủ không sâu (hoặc buồn ngủ) ở những người trẻ tuổi.Sóng theta xuất hiện nhiều tại C3, C4

Sóng Alpha(a): Nó năm trong khoảng 8-12 Hz, ở vùng sau của dau vàkhi người thí nghiệm trong tình trạng nhắm mắt hoặc đang trong trạngthái thư giãn Sóng alpha tập trung nhiều tại O1 và O2

Sóng Mu(u): Đó là các dao động năm trong khoảng 8-13 Hz với biênđộ từ 30 đến 50uV, đo được trong vùng vận động và cảm giác vậnđộng của não Biên độ của nó sẽ thay đối khi thực hiện các cử động.Sóng Beta(f): Day là tần số sóng não năm trong khoảng 13-30 Hz vớibiên độ 5 đến 30uV Nó xuất hiện trong trạng thái tỉnh táo, nó chỉ bịthay đối khi các hoạt động di chuyển Sóng beta xuất hiện nhiều ở

Tan sô p và là các phân chính được phát ra từ vùng cảm giác van động

của vỏ não Nếu đối tượng thí nghiệm di chuyển thật sự thì cùng lúc đó(nhưng sau một thời gian ngăn) thì công suất của băng tần này sẽ tăng

Tương tự như vậy, với việc tưởng tượng vận động thì công suât của tínhiệu vỏ não ở vùng băng tân này cũng tăng tương tự.

PAS A) /ƒ*^x »WxwwWw Mm NWNveiw MeAllk ! JM42 Ip tov

EEG có thé do được những đối tượng dang di chuyền (cộng hưởng từbắt buộc đối tượng phải cố định cho tới khi đo xong)

EEG không tạo ra môi trường từ trường cao nên người do cũng như

đối tượng được đo không làm việc trong môi trường từ trường cao

(máy fMRI hoạt động với môi trường từ trường cao nên có thé gâyảnh hưởng đến sức khỏe con người).

Nhược điểm của phương pháp EEG:e Các điện cực gan trực tiếp lên da đầu dé thu tín hiệu EEG Bởi vi sự di

chuyển của da đầu, chất sừng gây ngăn cách giữa điện cực và tín hiệuđiện thực tế, do đó tín hiệu thu được sẽ chứa nhiễu

2.3 CÁC PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU SÓNG NÃO EEGCác tín hiệu EEG thu được sẽ được xử lý một cách tuần tự từ tiền xử lý (bộ lọcthông dãi, SL, CAR) đến trích đặc trưng (phương pháp CSP PSD, PCA), saucùng là phân loại dữ liệu và được phân tích chi tiết ở các phan dưới đây

2.3.1 Các phương pháp tiền xử lýCác tín hiệu sóng não thường có tỷ số tín hiệu trên nhiễu rất nhỏ Do đó đểcó thé trích đặc trưng và phân loại được tốt, người ta thường sử dụng mộtvài biện pháp để tăng cường tỷ số tín hiệu trên nhiễu này Các biện pháp đóhau hết là sử dung các bộ lọc tần số, bộ lọc không gian, ICA sẽ được dé

cập dưới đây.

Bộ lọc tần số: các bộ lọc thông thấp, bộ lọc thông cao, bộ lọc thông dãi.Các loại bộ lọc này có thé loại bỏ hau hết các tín hiệu không mong muốnảnh hưởng đến tín hiệu EEG (ví dụ như ảnh hưởng của đầu điện cực hoặcnhiễu của tan số nguồn điện xoay chiều 50Hz) Ta có thé dùng các bộ lọcbang cách dùng các phép biến đối DFT hay sử dụng các bộ lọc đáp ứng

FIR, HR.Bộ lọc không gian: trong các bộ loc không gian thường dùng các kênh

tham chiếu dé nâng cao ty lệ tín hiệu trên nhiễu của tín hiệu EEG Với bộ

lọc không gian có hai dạng được dùng là bộ loc CAR (Common AverageReference) và bộ lọc SL (Small Laplacian) Trong bộ loc CAR, từng kênh

sẽ được trừ cho giá trị trung bình của tất cả các kênh, theo [13] ta có công

thức:

Trang 16

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

Với Vị là điện áp điểm đo và Vị là điện áp của 4 điện cực lân cận xung

quanh điện cực do.2.3.2 Các phương pháp trích đặc trưng tín hiệu EEG

Theo [2], tín hiệu EEG chứa rất nhiều các loại thông tin khác nhau nênviệc trích ra thông tin cần mong muốn là rất khó khăn Trích đặc trưng làbước quan trọng để tìm ra những đặc tính đặc trưng riêng của tín hiệu vànhững đặc trưng này là duy nhất, phù hợp với mục đích phân loại Tríchđặc trưng còn làm giảm số lượng ngõ vào của các thuật toán phân loại vàgiảm thời gian xử lý của hệ thong xử lý

Hiện nay có nhiều phương pháp được sử dụng để trích đặc tính của tínhiệu như: CSP, tinh năng lượng pho trung bình (PSD), hệ số mô hình AR,phố của mô hình AR, biến đối Wavelet, PCA Phương pháp trích dảinăng lượng phổ thì cần phải xác định được dải tần số cụ thé của đối tượng,còn phương pháp Wavelet thi can phải chọn ho Wavelet cho thích hop.CSP được dùng để trích đặc trưng của tín hiệu trong miễn thời gian PSDđược dùng để phân tích tín hiệu trong miễn tần số và PCA được dùng đểgiảm biến đầu vào trước khi đem đi phân loại tín hiệu

Phương pháp CSP (Common Spatial Pattern): mục đích của phương

pháp CSP là thiết kế một bộ lọc không gian để đưa ra sự khác biệt về

Trang 17

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

phương sai giữa hai nhóm là nhiều nhất Tuy nhiên, nó vẫn được dùngtrong các ứng dụng dé phân biệt sự khác nhau của nhiễu nhóm Theo [15],nếu xem một tập tín hiệu EEG thu được như một ma trận E =NxT, với Nlà số kênh dé lay dữ liệu vào (trong nghiên cứu này là 14 kênh) và T là sốmẫu trong một khoảng thời gian nhất định Khi đó ma trận tự tương quanchuẩn hóa của tín hiệu EEG được tính theo công thức sau:

Với U, va ma trận vector riêng của C, và 4, là ma trận tri riêng của C,c6

độ lớn của đường chéo chính giảm dân.Sau đó ta sẽ tính được ma trận trắng hóa P theo công thức sau:

I-h,,Với Àq> À2> > Aeh-

Cuối cùng ta sẽ tìm được ma trận ánh xạ W (đây chính là ma trận mà cácthành phần của nó đại diện cho thông số của bộ lọc không gian CSP) theo

Các vector đặc tính ƒ, này sẽ được phân loại và huấn luyện ở bước sau

Phương pháp PSD (Power Spectral Density): theo [16], phương pháp

PSD được thực hiện băng cách biến đổi tin hiệu từ miễn thời gian quamiền tần số băng phép biến đổi FFT, sau đó giá trị trên miễn tần số sẽđược tính toán và thực hiện các phương pháp khác nhau để trích đặc trưng.Theo [2], phương pháp PSD thông thường được thực hiện bang hai

phương pháp:

e Thứ nhất dùng mô hình AR (Autoregressive) Phương pháp AR ápdụng phương pháp hỏi quy dé đưa ra các hệ số thé hiện hình dáng củapho công suất ở một thời điểm bang các giá tri của phố công suất ởthời điểm quá khứ Các hệ số trong mô hình hồi quy AR này chính là

đặc trưng riêng của từng loại hoạt động của não.

Trang 19

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

e Thứ hai dùng phương pháp phan đoạn Welch Theo [17], phương

pháp này sử dụng một cửa số trượt dé trượt trên tín hiệu cần phân tích.Độ rộng của cửa số trượt này là tùy vào từng nghiên cứu và phụ thuộcmột yếu tố như tốc độ lấy mẫu, tốc độ xử lý Từng đoạn dữ liệu nàysẽ được thực hiện biến đổi FFT để biến đổi đoạn tín hiệu này quamiễn tần số Sau đó, ta sẽ tính toán được phố công suất trên từng đoạn

này.

Phân tích thành phần chính PCA: phân tích thành phần chính PCA(Principal Component Analysis) được trình bày theo nhiều quan điểmkhác nhau Tuy nhiên với quan điểm phổ biến hơn cả của các nhà phântích số liệu thì PCA là một kỹ thuật biểu diễn các số liệu một cách tối ưutheo một tiêu chuẩn đại số và hình học đặc biệt Khi sử dụng kỹ thuật này,người ta không đòi hỏi một giả thuyết thống kê hoặc một mô hình đặc biệtnào Những tư tưởng của phương pháp này do K.Pearson dé xuất vào năm1901 Lĩnh vực ứng dụng của phương pháp PCA rất rộng trong côngnghiệp, nông nghiệp, kinh tế, khoa học cơ bản với bảng số liệu mà cáccột là các biến và các dòng là các cá thể, trên đó đo giá trị của biến

Trong bài luận này, PCA được dùng để rút gọn các đặc trưng PSD đãtrích Băng việc sử dung PCA, dữ liệu PSD từ d-chiéu giảm còn k-chiéu

Việc này sẽ làm cho việc phân loại dữ liệu được thực hiện một cách nhanh

hơn Theo [18] để thực hiện PCA cần làm tuần tự theo các bước sau:

Bước |: Tính giá tri trung bình

nir|OT ee (2.14)

Với nTr là tông sô mau, p; là các giá tri mật độ trung bình phô công suâtcủa các khoảng tân sô trên từng kênh.

Bước 2: Tính ma trận tương quan

nTrA=Ð ,(p,~m)(p, ~ m)` (2.15)

Bước 3: Tim tri riêng va vector riêng

Trang 20

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

Ax=Ax (2.16)Voi x={e\, 2, , eg} là các vector riêng va A={ Ay, Ay, , Ag} tương ứng

với các trị riêng và có giá trị giảm dan, với e gọi là các nhân tổ của tap dữ

Ty SỐ giữa tong các tri riêng { Ay, Àa , Ac} trên cho tong tri riêng { Ay,À¿ Ag}, được gọi là hệ số PCA

2.4 PHAN LOẠI DU LIEU SONG NAO BẰNG MẠNG NƠRON NHÂN TẠOPhân loại dữ liệu là bước tiếp theo sau của bước trích đặc trưng và là bước cudicùng trong việc nhận diện các hoạt động cua não Theo [3] có rất nhiều cách dé

phân loại dữ liệu như phương pháp LDA (Linear Discriminant Analysis), SVM(Support Vector Machines), ANN (Artificial Neural Networks), Trong mang

ANN lai được phân chia làm nhiều loại: Mang perceptron, mạng truyền thangAdaline, mạng truyền thang lan truyền ngược, mạng hồi quy Trong luận vănnày mạng Noron truyền thăng luật học lan truyền ngược được dùng dé huấn

luyện và phan loại dữ liệu.

2.4.1 Mạng lan truyền ngược

Mạng thần kinh nhân tạo bắt nguồn từ mong muốn bắt chước hoạt động

của não người Nó được xem là mô hình toán học đơn giản của bộ não con

người Không giống như các mô hình tính toán thông thường, hầu hết cácmạng thân kinh phải được huấn luyện mối quan hệ giữa đầu ra và vào

trước khi sử dụng.

Các nghiên cứu về mạng thần kinh nhân tạo bắt đầu từ thập niên 1940.Năm 1944, McCulloch va Pitts công bố công trình nghiên cứu về liên kếtcác tế bào thần kinh Năm 1949, Hebb công bố nghiên cứu về tính thích

Trang 21

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

nghi của mang thần kinh Cuối những năm 1950, Rosenblatt đưa ra mang

perceptron Năm 1985, mang Hopfield ra đời va sau Ï năm mang lan

truyén nguoc [19]

MOTOR

IMAGERYFEATURES

a

OUTPUT LAYERHIDDEN LAYER

INPUT LAYER

Hình 2.11 Cau trúc của mạng truyền thắng nhiều lớpMạng lan truyền ngược cực tiểu hóa hàm sai số trong không gian cáctrọng số băng phương pháp suy giảm gradient Bởi vì phương pháp nàytính toán gradient của hàm sai số tại mỗi vòng lập nên đòi hỏi hàm sai sốphải liên tục và khả phân Do đó mạng lan truyền ngược sử dụng hàm kích

hoạt khác với hàm bước được sử dụng trong mạng perceptron Một trong

những hàm kích hoạt được sử dụng nhiều nhất là hàm sigmoid được biểudiễn băng công thức (2.19) và hình dạng của hàm sigmoid ở hình 2.12:

Xét một mang lan truyên ngược có n ngõ vào, m ngõ ra, có chứa một sônơron lớp ân và có tập mâu dữ liệu huần luyện (vào-ra) mong muôn {(x;,t1), (Xa, t¿) (Xp, tp)} chứa p cặp vector mxn Các bộ trọng sô sẽ đượcchọn ngâu nhiên Khi tập dữ liệu x; được huan luyện sẽ tạo ra tập ngõ ra o;

khác với t; , lúc đó hàm sai số E được tính theo công thức [20]:

] Dp

Thuat toan lan truyén ngược được su dụng để tìm cực tiêu cục bộ của hàmsai số Do đó các gradient của hàm sai số sẽ được tính toán dé thay đổi giátrị trọng số ban đầu Các trọng số là thông SỐ duy nhất được thay đôi dégiảm sai số và mỗi trọng số sẽ tăng thêm một lượng [20]:

Aw = — 2E (2.21)

Ows- ` z k ` kK 4a ` k EeVới w là vector các trọng sô trong mạng, 7 là toc độ hoc (hăng sô), X

W

đạo hàm ham sai số theo w Công thức (2.21) cho ta thay rằng, các trọngsố của mạng di chuyển theo hướng âm của gradient hàm sai số Các trọngsố sẽ được cập nhật dựa trên các vector đầu vào và vector mục tiêu tươngứng dùng để huấn luyện mạng Sau mỗi vòng lập giá trị các trọng số sẽđược cập nhật cho đến khi thỏa mãn sai số yêu cầu

Một yếu tố khác ảnh hưởng tới tính hội tụ của thuật toán lan truyền ngượclà tốc độ học n Gia tri 7 lớn làm tăng tốc độ học, nhưng quá lớn sẽ làm

thuật toán không hội tụ, ngược lại giá trị nhỏ đảm bảo thuật toán luôn

hội tụ nhưng tốc độ học lại rất chậm Phương pháp vừa đảm bảo thuật toánlan truyền ngược vừa hội tụ vừa huấn luyện nhanh là dùng hệ số học thíchnghi Sau mỗi bước lặp ta kiểm tra trọng số vừa được cập nhật có làmgiảm tiêu chuẩn huấn luyện mang không, nếu không có nghĩa là đã xảy ra

vọt lô, do đó can giảm 7 Ngược lại nêu vài bước lặp liên tiêp mà tiêu

Trang 23

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

chuẩn huấn luyện mạng đều giảm thi 7 quá nhỏ, trong trường hợp này cantăng 7 Thuật toán hệ số học thích nghỉ được mô tả bởi biểu thức [19]:

mk +l) =n(k)+An (2.22)an(k)

An = 4—bn(k) (2.23)

0

với a là tỉ lệ tăng tốc độ học, b là ti lệ giảm tốc độ học, z(k) là tốc độ học

ở vòng lặp thứ k.

2.4.2 Kiến trúc mạng lan truyền ngược

Mặc dù, về mặt lý thuyết, có tồn tại một mạng có thể mô phỏng một bàitoán với độ chính xác bất ky [22] Tuy nhiên, dé có thé tìm ra mạng nàykhông phải là điều đơn giản Để định nghĩa chính xác một kiến trúc mạngnhư: can sử dụng bao nhiêu lớp ân, mỗi lớp an can có bao nhiêu đơn vị xửlý cho một bài toán cụ thể là một công việc hết sức khó khăn Dưới đâytrình bày một số vấn đề cần quan tâm khi ta thiết kế một mạng

Số lớp an: vì các mạng có hai lớp an có thé thể hiện các hàm với dángđiệu bất kỳ, nên về lý thuyết, không có lý do nào sử dụng các mạng cónhiều hơn hai lớp an Người ta đã xác định răng đối với phan lớn các bàitoán cụ thể, chỉ cần sử dụng một lớp ân cho mang là đủ [22] Các bài toánsử dung hai lớp an hiếm khi xảy ra trong thực tế Thậm chí đối với các bàitoán cần sử dụng nhiều hơn một lớp an thì trong phan lớn các trường hợptrong thực té, SỬ dụng chỉ một lớp ân cho ta hiệu năng tốt hơn là sử dụngnhiều hơn một lớp Việc huấn luyện mạng thường rất chậm khi mà số lớpân sử dụng càng nhiều Có thể đối với một bài toán cụ thể, sử dụng nhiềuhơn một lớp ân với chỉ một vài đơn vị thì tốt hơn là sử dụng ít lớp ấn vớisố đơn vị là lớn, đặc biệt đối với các mạng cần phải học các hàm không

liên tục Về tong thé, nguoi ta cho rang việc đầu tiên là nên xem xét khả

năng sử dung mang chi có một lớp an Nếu dùng một lớp ân với một số

lượng lớn các đơn vị mà không có hiệu quả thì nên sử dụng thêm một lớpân nữa với một so it các đơn vi.

Trang 24

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn

Số đơn vị trong lớp ân: một vẫn đề quan trọng trong việc thiết kế mộtmạng là cần có bao nhiêu đơn vị trong mỗi lớp Sử dụng quá ít đơn vị cóthé dẫn đến việc không thể nhận dạng được các tín hiệu day đủ trong mộttập dữ liệu phức tap, hay thiếu ăn khớp (underfitting) Sử dụng quá nhiềuđơn vị sẽ tăng thời gian luyện mạng, có lẽ là quá nhiều để luyện khi màkhông thé luyện mạng trong một khoảng thời gian hợp lý Số lượng lớncác đơn vị có thể dẫn đến tình trạng thừa ăn khớp (overfitting), trongtrường hợp này mạng có quá nhiều thông tin, hoặc lượng thông tin trongtập dữ liệu mẫu (training set) không đủ các dữ liệu đặc trưng để huấnluyện mạng Số lượng tốt nhất của các đơn vị ân phụ thuộc vào rất nhiềuyếu tO - số đầu vào, dau ra của mạng, số trường hợp trong tập mau, độnhiễu của dữ liệu đích, độ phức tạp của hàm lỗi, kiến trúc mạng và thuậttoán luyện mạng Theo [21] có thể chọn số đơn vị trong lớp ân như sau:

e Số đơn vị trong lớp ân năm giữa khoảng kích thước lớp vào và lớp ra.e Số don vị trong lớp ân băng 2/3 tong kích thước lớp vào và lớp ra.e Số don vị trong lớp ân nhỏ hon hai lần kích thước lớp vào

e Số đơn vị trong lớp an bang căn bậc hai của tích kích thước lớp vào và

lớp ra.

Các luật này chỉ có thé được coi như là các lựa chon thô khi chọn lựakích thước của các lớp Chúng không phản ánh được thực tế, bởi lẽ chúngchỉ xem xét đến nhân t6 kích thước đầu vào, đầu ra mà bỏ qua các nhântố quan trọng khác như: số trường hợp đưa vào huấn luyện, độ nhiễu ởcác đầu ra mong muốn, độ phức tạp của hàm lỗi, kiến trúc của mạng(truyền thăng hay hôi quy) và thuật toán học

Trong phan lớn các trường hợp, không có một cách để có thé dé dàng xácđịnh được số tối ưu các don vị trong lớp an mà không phải luyện mang sửdụng số các đơn vị trong lớp an khác nhau va dự báo lỗi tong quát hóacủa từng lựa chọn Cách tốt nhất là sử dụng phương pháp thử-sai (trial-and-error) Trong thực tế, có thể sử dụng phương pháp lựa chọn tiễn

Trang 25

C2: CƠ SỞ LY THUYET HVTH: Phạm Bá Toàn