Thuật toán mạng nơ ron cho đánh giá hoạt động suy nghĩ dùng kỹ thuật điện não

v TịMăTT máy tính  (BCI: Brain Computer Interface )   trong .   không  cho các  BCI là  (EEG). Trong ,        (). Mô hình  Neuron o    .    3   200      các   các  vi ABSTRACT Brain Computer Interface (BCI) has attracted many researchers in recent years. One of non-invasive techniques for the BCI issue is Electroencephalography (EEG) which is applied for rehabilitation and diagnosis. In this study, band-pass filtering, Laplacian filtering and common average reference (CAR) filtering are used to enhance EEG signal. For feature extraction of the EEG signal, the Common Spatial Pattern (CSP), Power Spectral Density (PSD), and Principal Component Analysis (PCA) are employed to find out features of imagery. In addition, an Artificial Neuron Network (ANN) model is utilized to classify imagery status. Experiments are performed on 3 subjects with 200 runs per subject to illustrate the effectiveness of the proposed methods. vii MCăLC CHNGă1:ăTNGăQUAN 1 1.1 TNGăQUAN 1 1.2ăMCăTIểUăĐăTĨI 2 1.3ăGIIăHNăCAăĐăTĨI 3 1.4ăPHNGăPHỄPăNGHIểNăCU 3 1.5ăCUăTRÚCăLUNăVĔN 3 CHNGă2:ăCăSăLÝăTHUYT 5 2.1ăTNGăQUANăVăNĩOăNGIăVĨăCỄCăVỐNGăCHCăNĔNGăCAă NĩOăNGI 5 2.2ăPHNGăPHỄPăTHUăTHPăTệNăHIUăNĩOăEEG 8 2.2.1ăTngăquanăvăcácăphngăphápăthuăthpătínăhiuănƣo 8 2.2.2ăĐoăTínăHiuăDùngăPhngăPhápăĐinăNƣoăĐăEEG 9 2.3ăCỄCăPHNGăPHỄPăXăLÝăTệNăHIUăSịNGăNĩOăEEG 11 2.3.1 Các phngăphápătinăxălỦ 11 2.3.2ăCácăphngăphápătríchăđcătrngătínăhiuăEEG 12 2.4ăPHỂNăLOIăDăLIUăSịNGăNĩOăBNGăMNGăNRONăNHỂN TO 17 2.4.1ăMngălanătruynăngc 17 2.4.2ăKhinătrúcămngălanătruynăngc 20 2.5.ăTINăTRỊNHăCỄCăBCăNGHIểNăCU 22 2.6.ăTịMăTT 23 CHNGă3:ăXăLÝăTệNăVĨăPHỂNăLOIăTệNăHIUăNĩOăNGIăDỐNG KăTHUTăEEG 24 3.1ăTHITăBăĐOăVĨăTINăTRỊNHăTHUăTHPăTệNăHIUăEEG 24 3.1.1ăăThităbăđo 24 3.1.2ăThuăthpătínăhiuăEEGătrongănghiênăcu 25 3.2ăTINăXăLÝăTệNăHIU 28 3.2.1ăăBălcătầnăs 28 3.2.2ăăBălcăkhôngăgian 29 viii 3.3ăTRệCHăĐCăTRNG 33 3.3.1ăăPhng pháp CSP (Common Spatial Pattern ) 33 3.3.2ăăPhngăphápăPSDă(PowerăSpectralăDensity) 39 3.3.3ăăPhngăphápăphơnătíchăthƠnhăphầnăchínhă(PCA) 42 3.4ăPHỂNăLOIăDăLIUăSịNGăNĩOăBNGăMNGăNRON 45 3.4.1.ăPhơnăloiăđiăviăphngăphápătríchăđcătrngăCSP 45 3.4.2.ăPhơnăloiăđiăviăphngăphápătríchăđcătrngăPSD 48 3.4.3.ăPhơnăloiăđiăviăphngăphápătríchăđcătrngăPCA 50 3.5ăTịMăTT 53 CHNGă4:ăKTăLUNăVĨăHNGăPHỄTăTRINăCAăĐăTĨI 55 4.1 KTăLUN 55 4.2ăHNGăPHỄTăTRINăCAăĐăTĨI 55 TĨIăLIUăTHAMăKHO 56 ix DANHăMCăBNG   36   37   39  44    47   47   48   49   49   50  PCA 50   51 x   51   52   53 xi DANHăMC HÌNH  6  7  7   theo: [2]) 9 Hình 2 9  18 m sigmoid 19   23 Hình 3.1. Máy Active Two  24  25  26  26  26   27  28  29 xii  30  31  31  31 h C3 sau khi qua  33  SL 33   33   35   35  1   36   38   40  pháp  41   42  44 xiii DANHăMC TăVITăTT AR ậ Autoregresion ANN  Artificical Neural Network BCI  Brain Computer Interface CAR  common average reference CSP  Common Spatial Pattern EEG  Electroencephalogram ECoG  ElectroCorticoGraphy fMRI  function Magnetic Resonance Imaging LFPs  Local Field Potentials MEG  Magnetoencephalography MLP  Multi - Layer Perceptron ME  Mocro-Electrode MEA  Micro-Electrode Array NIRS  Near - Infrared Spectroscopy SL  Small Laplacian PSD  Power Spectral Density PCA  Principal Component Analysis  1 CHNGă1:ăTNGăQUAN 1.1 TNGăQUAN       s-  -12Hz [1].                   d      Và  2,3,25]. ,    [...]... sẽ không suy nghĩ gì hết trong 4s, kế đó, đối t ng sẽ thực hi n vi c cố gắng suy nghĩ để di chuyển trong 4s Đối t ng đi yêu cầu thực hi n 10 thí nghi m t t ng t ng di chuyển tay trái, 10 lần t nghi m Các đối t ng ng ng di chuyển tay ph i trong 1 ngày thí ng thực hi n thí nghi m theo protocol đ c thiết kế nh hình 3.5: Tuần 1 Ngày 1 Tuần β Ngày 2 ……… ……… Tuần n Ngày 1 Ngày 2 10 lần m i lo i suy nghĩ 10... sát trong tình những ng i trẻ tuổi Sóng theta xuất hi n nhiều t i C3, C4  Tần số Alpha(α)μ Nó nằm trong khoãng 8-12 Hz, ng vùng sau của đầu và khi i thí nghi m trong tình trang nhắm mắt hoặc đang trong tr ng thái th gi n Sóng alpha t p trung nhiều t i O1 và O2  Tần số Mu( )μ Đó là các dao đ ng nằm trong khoãng 8-13 Hz v i biên đ t γ0 đến 50uV, đo đ c trong vùng v n đ ng và c m giác v n đ ng của não. .. (50Hz)) Ta có thể dùng các b l c bằng cách dùng các phép biến đổi DFT hay s d ng các b l c đáp ứng FIR, IIR 2.3.1.2 B ăl căkhôngăgian Trong các b l c không gian th ng dùng các kênh tham chiếu để nâng cao t l tín hi u trên nhi u của tín hi u EEG V i b l c không gian có hai d ng đ c dùng là b l c CAR (common average reference) và b l c SL (Small Laplacian) Trong b l c CAR t ng kênh sẽ đ c tr cho giá tr trung... c dùng để trích đặc tr ng của tín hi u trong miền c dùng để phân tích tín hi u trong miền tần và PCA đ để gi m biến đầu vào tr 2.3.2.1 Ph c s d ng để trích c dùng c khi đem đi phân lo i tín hi u ngăpháp CSP (Common Spatial Pattern ) M c đính của ph ơng pháp CSP là thiết kế m t b l c không gian để đ a ra sự khác bi t về ph ơng sai giữa hai nhóm là nhiều nhất Tuy nhiên nó v n đ c dùng trong các ứng dùng. .. Sau m i vòng lặp giá tr các tr ng số sẽ đ c cặp nh t cho đến khi thỏa mưn sai số yêu cầu 19 β Cơ S Lý Thuyết M t yếu tố khác nh h ng t i tính h t của thu t toán lan truyền ng c là tốc đ h c  Giá tr  l n làm tăng tốc đ h c, nh ng quá l n sẽ làm thu t toán c l i giá tr  nhỏ đ m b o thu t toán luôn h i t nh ng tốc đ không hôi t , ng h c l i rất ch m Ph ơng pháp v a đ m b o thu t toán lan truyền ng... nhiều hơn hai l p n Ng i ta đư xác đ nh rằng đối v i phần l n các bài toán c thể, chỉ cần s d ng m t l p n cho m ng là đủ [22] Các bài toán s d ng hai l p n hiếm khi x y ra trong thực tế 20 β Cơ S Lý Thuyết Th m chí đối v i các bài toán cần s d ng nhiều hơn m t l p n thì trong phần l n các tr ng h p trong thực tế, s d ng chỉ m t l p n cho ta hi u năng tốt hơn là s d ng nhiều hơn m t l p Vi c huấn luy... m ng N ron Ch ơng 3 sẽ làm rõ ràng t ng vấn đề mà cơ s lý thuyết ch ơng β này nêu ra 23 γ X Lý Và Phân Lo i Tín Hi u Nưo Ng CH i Dùng K Thu t EEG NG 3: X ăLÝăTệNăVĨăPHỂNăLO IăTệNă HI UăNĩOăNG IăDỐNGăK ăTHU TăEEG Ch ơng này trình bày về máy Active Two dùng cho vi c thu th p tín hi u, các ph ơng pháp đ c s d ng trong phần tiền x lý, trích đặc tr ng và phân lo i tín hi u EEG thực tế và các đánh giá t... v cho đề tài Ch ơng γμ X ălỦăvƠăphơnălo i tínăhi u nƣoăng Ch ơng này trình bày các b i dùng k ăthu tă EEG: c thu th p dữ li u bằng máy Active Two và tiến hành thu dữ li u các thí nghi m tiến hành trong đề tài.Trong ch ơng này cũng đ a ra các ph ơng pháp c thể để tăng c ng tín hi u và rút trích ra các đặc tr ng và phân lo i suy nghĩ và sau cùng là sẽ tiến hành nh n d ng tín hi u sóng nưo và đánh giá. .. EEG) là ph ơng pháp đo sự thay đổi đi n áp t dòng ch y của các ion trong tế bào nưo của con ng i Hình β.5 s d ng nón có gắn các đi n cực để thu tín hi u đi n nưo theo ph ơng pháp EEG Hình 2.5 Đoătínăhi uăđi nănƣo dùng ph Đi n áp trên nưo thay đổi đ luôn trao đổi ion v i môi tr ngăphápăEEG c duy trì là nh hàng tỉ n ron trong nưo N ron ng ngo i bào Quá trình trao đổi nh v y sẽ t o ra đi n áp Khi d ng... đơn v trong l p n Lựa ch n tiến bắt đầu v i vi c ch n m t lu t h p lý cho vi c đánh giá hi u năng của m ng Sau đó, ta ch n m t số nhỏ các đơn v n, luy n và th m ng; ghi l i hi u năng của m ng Sau đó, tăng m t chút số đơn v đến khi l i là chấp nh n đ Lựa ch n lùi, ng n; luy n và th l i cho c, hoặc không có tiến triển đáng kể so v i tr c c v i lựa ch n tiến, bắt đầu v i m t số l n các đơn v trong l p . c trong vùng vng và cm giác vng ca não.  ca nó s i khi thc hin các c ng.  Tn s n s sóng não nm trong khoãng 13-30 Hz vi biên. 2.2ăPHNGăPHỄPăTHUăTHPăTệNăHIUăNĩOăEEG 8 2.2.1ăTngăquanăvăcácăphngăphápăthuăthpătínăhiuănƣo 8 2.2.2ăĐoăTínăHiu Dùng PhngăPhápăĐinăNƣoăĐăEEG 9 2.3ăCỄCăPHNGăPHỄPăXăLÝăTệNăHIUăSịNGăNĩOăEEG 11 2.3.1 Các. lý thuy xây dng thu tài.  c nghim: tiu não t máy Active Two. Áp dng các thu x lý tín hic.  So sánh kt cc