ỨNG DỤNG SÓNG não PHÁT HIỆN dấu HIỆU BUỒN NGỦ và đưa RA tín HIỆU CẢNH báo đối với NGƯỜI lái XE

M CăL C Trangăt a TRANG Quýtăđ nhăgiaoăđ ătƠi Lý l ch khoa h c i L i camăđoan ii L i c mă n iii Tóm t t iv M căl c v Danh sách ch vít t t/ký hi u khoa h c viii Danh sách hình ix Danh sách b ng xii CH NGă1ăăăT̉NGăQUAN 1.1.ăT̉ngăquanăv ăh ́ngănghiênăću 1.1.1.ăGíiăthi u 1.1.β.ăT̉ngăquanăḱtăqu ănghiênăćuătrongăvƠăngoƠiăn ́c 1.1.β.1.ăCácăđ ătƠiănghiênăćuătrongăn ́c 1.1.β.β.ăCácăđ ătƠiănghiênăćuăngoƠiăn ́c 1.β.ăLỦădoăch năđ ătƠi 1.γ.ăTínhăćpăthítăc̉aăđ ătƠi 1.4.ăụăngh̃aăkhoaăh căc̉aăđ ătƠi 1.5.ăTh cătĩnăc̉aăđ ătƠi 1.6.ăM căđíchănghiênăćuăc̉aăđ ătƠi 1.7.ăKháchăth̉ăvƠăđ́iăt ̣ngănghiênăću 1.8.ăNhi măv ănghiênăću 1.9.ăGíiăh năc̉aăđ ătƠi 1.10.ăPh ngăphápănghiênăću 1.11.ăḰăho chăth c hi n CH NGăβăăC ăS̉ăLụăTHUÝT β.1.ăT̉ngăquanăv ăcácăvùngăch́cănĕngăc̉aănưoăng 2.2 Cácăph i: ngăphápăthuăth păthôngătinăho tăđ ngăc̉aănưoăb 10 β.β.1.ăT̉ngăquanăcácăph ngăphápăthuăth păthôngătinăho tăđ ngăc̉aănưo 10 v β.β.β.ăăPh ngăphápăđi nănưoăđ ăEEG 11 2.2.2.1 Khái quát 11 β.β.β.β.ăăH ăth́ngăđặtăđi năc căqúcăt́ă10-β0ăđ̉ăghiăđi nănưo 13 β.β.β.γ.ăăĐoătínăhi uădùngăph ngăphápăđi nănưoăđ ăEEG 17 β.γ.ăăKínăth́căyăsinhăv ăgícăng̉ 20 β.γ.1.ăKháiăni măv ăgícăng̉ 20 2.3.2 Cácăgiaiăđo năc̉aăgícăng̉ăvƠăs ăthayăđ̉iăc̉aăśngănưo 20 β.γ.γ.ăB năch́tăyăsinhăc̉aăc năbu năng̉ 22 β.4.ăMôăhìnhăc̉aăm tăb ăphơnătíchăvƠăx ălỦătínăhi uăśngănưo 24 β.5.ăCácăph ngăphápăth ngădùngăđ̉ăx ălỦăvƠănh năd ngătínăhi uăEEG 24 β.5.1.ăCácăph ngăphápădùngăchoăti năx ălỦ 25 β.5.β.ăCácăph ngăphápătríchăđặcătr ngătínăhi uăEEG 26 β.5.γ.ăPhơnălo iăvƠănh năd ngătínăhi uăśngănưoăbằngăm ngăN ronănhơnăt o 30 β.5.γ.1.ăM ngălanătruy n ng ̣c 30 β.5.γ.β.ăKínătrúcăm ngălanătruy ̣cănhi uăĺp 32 β.6.ăCácăph ngăth́căx ălỦătínăhi u 34 β.6.1.ăPh ngăth́căx ălỦătínăhi uăoffline 34 β.6.β.ăPh ngăth́căx ălỦătínăhi uăonline 35 CH NGăγăăTÍNăTRỊNHăNGHIÊNăCỨUăVÀăB ăTRệăTHệăNGHI M 36 3.1 Tínătrìnhănghiênăću 36 3.2 Thítăḱăthíănghi măb tăc năbu năng̉ăc̉aătƠiăx́ăláiăxeăđ ngădƠi 37 γ.γ.ăXơyăd ngămô hình mô ph ngăvi călái xe 38 γ.γ.1.ăKhoanăláiămôăph ng 38 γ.γ.β.ăVôălĕngăláiăxeămôăph ng 39 γ.γ.γ.ăCh ngădƠiăEuroăTruckăSimulatorăβ 39 ngătrìnhămôăph ngăláiăxeăđ γ.4.ăL aăch năthítăb ăthuăśngănưo 41 γ.4.1.ăThítăb ăthuăchuyênăd ng 41 γ.4.β.ăThítăb ăthuădiăđ ngăEmotiv EPOC 43 γ.5.ăL aăch năcácăvùngăthuăth pătínăhi uăđi nănưo 45 γ.6.ăB́ătrí thí nghi măvà thuăth păcácăt păm uăoffline 46 γ.6.1.ăB́ătríăthíănghi m 46 γ.6.β.ăThíăNghi măvƠăthuăth păcácăt păm uăoffline 48 vi CH NGă4ăăMỌăHỊNHăNH NăD NGăC NăBU NăNG ăOFFLINE 49 4.1.ăT̉ngăḱtăvƠăth́ngăkêăḱtăqu ăth ănghi m 49 4.1.1.ăT̉ngăḱt 49 4.1.β.ăTh́ngăkêăḱtăqu 49 4.β.ăXơyăd ngăcácăModuleăx ălý Matlab 53 4.β.1.ăModuleăti năx ălý tínăhi u 53 4.β.β.ăModuleătríchăđặcătr ng 58 4.β.γ.ăModuleăm ngăn ăronănhơnăt o 64 4.γ.ăḰtăqu ăth ănghi măOfflineăv́iăcác mô hình 67 CH NGă5ăăMỌăHỊNHăNH NăD NGăC NăBU NăNG ăONLINE 68 5.1.ăPhầnăćngămôăhìnhăth ănghi măOnline 68 5.1.1.ăT̉ngăquanăthítăḱ 68 5.1.β.ăNguyênăt căho tăđ ng 71 5.β.ăXơyăd ngăch ngătrìnhăđi uăkhỉnănh năd ngăc năbu năng̉ăOnline 71 5.β.1.ăNguyênăt căchuỷnăđ̉iăofflineăsangăonline 71 5.β.β.ăXơyăd ngăthu tătoán Online 73 5.β.γ.ăXơyăd ngăb ăl căCARătrênăLabVIEW 74 5.β.4.ăXơyăd ngăb ăđ măd ăli uătrênăLabVIEW 76 5.β.5.ăXơyăd ngăb ătríchăđặcătr ngăPSDătrênăLabVIEW 77 5.β.6.ăXơyăd ngăm ngăn ronănhơnăt oătrênăLabVIEW 77 5.γ.ăTh ănghi măth căt́ăvà ḱtăqu ăth ănghi m 78 5.4.ăĐánhăgiáăḱtăqu 80 CH NGă6ăăḰTăLU NăVÀ H NGăPHÁTăTRI NăC AăĐ ăTÀI 81 6.1.ăḰtăLu n 81 6.β.ăH ́ngăphátătrỉnăc̉aăđ ătài 82 TÀIăLI UăTHAMăKH O 83 vii DANH SÁCH CÁC CH VÍT T T/KÝ HI U KHOA H C ABS – Antilock Braking System AES – Advanced Encryption Standard AR – Autoregresion ANN – Artificical Neural Network BCI – Brain Computer Interface CAR – Common Average Reference CSP – Common Spatial Pattern DSP – Digital Signal Processing ECG – Electrocardiogram EEG – Electroencephalogram ECOG – ElectroCorticoGraphy FMRI – Function Magnetic Resonance Imaging FFT – Fast Fourier Transform FPGA – Field Programmable Gate Array LFPs – Local Field Potentials LabVIEW – Laboratory Virtual Instrumentation Engineering Workbench LDA – Linear Discriminant Analysis Matlab – Matrix Laboratory MEG – Magnetoencephalography ME – Mocro-Electrode MEA – Micro-Electrode Array NIRS – Near - Infrared Spectroscopy SRS – Supplemental Restraint System SL – Small Laplacian SVM – Support Vector Machines PSD – Power Spectral Density PCA – Principal Component Analysis viii DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 2.1: Các thùy c a não Hình 2.2: Đ xác v̀ không gian th i gian với ph ơng pháp khác nghiên c u v̀ BCI 10 Hình 2.3: Điện cực cho máy EEG 12 Hình 2.4: Mǜăđiệnăđ 12 c setup với miniEEG Hình 2.5: Hệ th ng qu c tế 10-20 13 Hình 2.6: Cáchăđặt điện cực theo kỉu 21 kênh 15 Hình 2.7: Cáchăđặt điện cực theo kỉu 36 kênh 16 Hình 2.8: Cáchăđặt điện cực theo kỉu 74 kênh 16 Hình 2.9: Đo tín hiệu điện não dùng ph ơng pháp EEG 17 Hình 2.10: Các d ng sóng não 19 Hình 2.11: L uăđồ nhận d ng phân tích sóng não 24 Hình 2.12: Cấu trúc c a m ng truỳn thẳng nhìu lớp 30 Hình 2.13: Hình d ng c a hàm sigmoid 31 Hình 3.1: Khoan lái mô ph̉ng 38 Hình 3.2: Vô lĕng lái xe mô ph̉ng 39 Hình 3.3: Ch ơng trình Euro Truck Simulator 40 Hình 3.4: Đồ họa mô ph̉ng việc lái xe 41 Hình 3.5: Bản đồ mô tả cung đ 41 ng Hình 3.6: Máy thu sóng não Mitsar-EEG 206 42 Hình 3.7: Bảng thông s c a máy thu sóng não Mitsar-EEG 206 42 Hình 3.8: Đặc đỉm kỹ thuật c a Emotiv EPOC 44 Hình 3.9: Vị trí đặt điện cực 44 Hình 3.10: Cáchăđeoăđúngăvị trí c a headset Emotiv 45 Hình 3.11: M t đo n d̃ liệu sóng não thô ch a qua xử lý, thu đ c m t thí nghiệm đ i t ng lái xe ix 46 Hình 4.1: Mật đ phân b ph c a m t tập mẫu thu đ lúc đ i t c ng tỉnh táo 50 Hình 4.2: Mật đ phân b ph c a m t tập mẫu thu đ c lúc đ i t ng dần tập trung sau đ́ có kiện va ch m xảy 51 Hình 4.3a: Bỉuăđồ cá nhân có nhịp Alpha 7.5Hz 52 Hình 4.3b: Bỉuăđồ cá nhân có nhịp Alpha 12Hz 52 Hình 4.3c: Bỉuăđồ cá nhân có nhịp Alpha 10Hz 52 Hình 4.4: Đáp ng biên đ c a m ch lọc ButterWorth 53 Hình 4.5: D ng sóng tín hiệu c a m t điện cực đư qua m ch lọc 54 Hình 4.6a: D ng sóng c a kênh FC5 ban đầu lái xe chậm 55 Hình 4.6b: D ng sóng c a kênh FC5 sau b lọc CAR lái xe chậm 55 Hình 4.7a: D ng sóng c a kênh FC5 ban đầu lái xe nhanh 56 Hình 4.7b: D ng sóng c a kênh FC5 sau b lọc CAR lái xe nhanh 56 Hình 4.8: D ng sóng c a kênh FC5 sau b lọc SL lái xe chậm 57 Hình 4.9: L uăđồ b ớc thực dùng b lọc thông dãi kết h p ph ơngăphápătríchăđặc tr ng CSP 59 Hình 4.10: L uăđồ b ớc thực dùng b lọc SL kết h p ph ơngăphápătríchăđặc tr ng CSP 61 Hình 4.11: L uăđồ b ớc thực dùng b lọc CAR kết h p ph ơngăphápătríchăđặc tr ng PSD 63 Hình 4.12: L uăđồ b ớc thực dùng b lọc SL kết h p ph ơngăphápătríchăđặc tr ng PSD 64 Hình 4.13: Cấu trúc m ng Nơron kết h p với ph ơngăphápătríchăđặc tr ng 65 Hình 5.1: Mô hình t ng quan hệ th ng c a đ̀ tài 68 Hình 5.2: Thiết bị thu sóng não EPOC Headset 69 Hình 5.3: Thiết bị thu Emotiv USB Bluetooth 70 Hình 5.4: Card giao tiếp máy tính 70 Hình 5.5: Sơ đồ chân kết n i 71 Hình 5.6a: Ph ơng th c xử lý tín hiệu offline 72 x Hình 5.6b: Ph ơng th c xử lý tín hiệu online 72 Hình 5.7: Nguyên t́c ho t đ ng c a m t b đệm d̃ liệu 73 Hình 5.8: L uăđồ thuật toán online cho mô hình nhận d ngăcơnăbuồn ng 74 Hình 5.9: L uăđồ thuật toán c a b lọc CAR 74 Hình 5.10: Ch ơng trình b lọc CAR đ 75 c trỉn khai LabVIEW Hình 5.11: Đóng gói c a b lọc CAR ch ơng trình 75 Hình 5.12: Sơ đồ chân đ́ng gói c a b đệm d̃ liệu 76 Hình 5.13: L uăđồ thuật toán c a b trích đặc tr ng PSD 77 xi DANH SÁCH CÁC B NG B NG TRANG B ng 4.1: Giá trị m t s đặc tr ng c a tập mẫu với tr ng thái c a ph ơng pháp CSP kết h p b lọc thông dãi 59 B ng 4.2: Giá trị m t s đặc tr ng c a tập mẫu với tr ng thái c a ph ơng pháp CSP kết h p b lọc CAR 60 B ng 4.3: Giá trị m t s đặc tr ng c a tập mẫu với tr ng thái c a ph ơng pháp CSP kết h p b lọc SL 62 B ng 4.4: Bảng th ng kê kết c a việc phân lo i d̃ liệu c a Ph ơng phápătríchăđặc tr ng CSP 66 B ng 4.5: Kết phân lo i ph ơngăphápătríchăđặc tr ng PSD 67 B ng 5.1: Th ng kê kết thử nghiệm mô hình nhận diệnăcơnăbuồn ng online 79 xii CH NGă1 T̉NGăQUAN 1.1 T̉ngăquanăv ăh ́ngănghiênăću 1.1.1 Gíiăthi u ngăd ngăśngănưoăphátăhiệnădấuăhiệuăcơn buồn ng ăc aăng đ aăraătínăhiệuăcảnhăbáoăđ iăvớiăng phátăra từănưoăb ăc aăng iăđìuăkhỉn xe vàă iăláiăxe, m tăhệăth ngăthuăthậpătínăhiệuăđiệnă iăláiăxe,ănh̃ngătínăhiệuăđiệnănàyăđ nưo”.ăDựaătrênănh̃ngătínăhiệuăthuăthậpăđ căgọiălàătínăhiệuă“śngă c, hệăth ngăsẽătựăđ ng phânătíchăvàăđ iă chiếuăxemănh̃ngătínăhiệuănàyăćăphảiădoăcơnăbuồnăng ăgâyăra hay không? Nếuăhệă th ngăphátăhiệnăđ cădấuăhiệuăc aăcơnăbuồnăng gây ra, lậpăt căhệăth ngăsẽăgửiă tínăhiệuăcảnhăbáoăđếnăchoăng iăđìuăkhỉnăxe,ănh ăđìuănày giúpăng iăđìuăkhỉnăxeă ćăth̉ătỉnhătáoăhơnăđ̉ăquyếtăđịnhătiếpăt căchuyếnăhànhătrìnhăhayăch ăđ ng dừngăxeăđ̉ă nghỉăngơiătránhătaiăn năđángătiếcăxảyăra.ăTínăhiệuăcảnhăbáoănàyăćăth̉ăphát d ớiă d ngăđ̀năcảnhăbáoătrênămànăhìnhăhỉnăthịăthôngătinăxe,ăhayălàătínăhiệuăcảnhăbáoăd ngă âmăthanhăphátăraăloaăhoặcăcǜngăćăth̉ăcùngălúcăphátăraăcảăhaiăd ngătínăhiệuătrên.ăNgoàiă ra,ăc̀năćănhìuăd ngăcảnhăbáoăkhácănh ăt oărungăđ ngătrênăghếăng rungăđ ngăvôălĕngăđ̉ăđánhăth căng iăđìuăkhỉnăhayă iălái,ăsiếtăchặtădâyăđaiăanătoànăc aăng Hệăth ngănàyăbaoăgồmăcácăcảmăbiếnăđặtăc ăđịnhătrênăđầuăng iălái….ă iăláiăxeăđ̉ăthuăthậpătínă hiệuăđiện nưoăgọiălàă“điệnăcực”.ăVìătínăhiệuăśngănưoărấtănh̉ănênăcầnăphảiăthôngăquaă b ăkhuyếchăđ iătínăhiệuăgửiănh̃ngătínăhiệuănàyăđếnăb ăxửălýăthôngătin,ătừăđ́ălựaăchọnă soăsánhăđ̉ăđ aăraăquyếtăđịnhăcu iăcùngăvàăgửiăđếnăcơăcấuăchấpăhành 1.1.2 T̉ngăquanăḱtăqu ănghiênăćuătrongăvƠăngoƠiăn ́c 1.1.2.1 Cácăđ ătƠiănghiênăćuătrongăn ́c Tìnhăhìnhănghiênăc uătrongăn ớcătaăv̀ă ngăd ngăśngănưoătrênăđìuăkhỉnăôătôăc̀nă đangătrongăquáătrìnhătìmăhỉu,ănghiênăc uăvàăphátătrỉn.ăCùngăchungăm căđíchăcảnhă báoănguyăhỉmăvàăgiaătĕngătínhănĕngăanătoànăkhiăng t iăláiăxeămệtăm̉iăvàădẫnăđếnăhiệnă ngăng ăgậtăxảyăra Gầnăđây,ăćănh́mănghiênăc uătr ngăĐ iăHọcăS ăPh măKỹă ThuậtăTP.HCMăđưă ngăd ngăcôngănghệăxửălýăảnhăphânătíchăńtămặtăvàătr ngătháiăḿtă c aăng iăláiăxe,ăhayăcôngănghệănhậnăd ngăđồngătử c aăđôiăḿtătàiăxếătừătr ngăĐ iă HọcăBáchăKhoaăTP.HCM,ăđ̉ătừăđ́ănhậnăbiếtădấuăhiệu cơnăbuồnăng ăvàăđ aăraătínă hiệuăcảnhăbáoăchoăng iălái.ăTuyănhiên,ăsựăph căt păc aăcôngănghệăxửălýăảnhă hay nhậnăd ngăđồngătử,ăcǜngănh ăkh́ăkhĕn trongăviệcăphânăbiệtăđâuălàădấuăhiệuăthậtăhayă làăhànhăđ ngăvôătìnhăc aăng iăláiăxeăvẫnăc̀năđangălàăm tătháchăth călớn 1.1.2.2 Cácăđ ătƠiănghiênăćuăngoƠiăn ́c Hiệnănayătrênăthếăgiớiăđưăćănhìuăđ̀ătàiănghiênăc uăđ călậpăcǜngănh ăsựăkếtăh pă nghiênăc uăgĩaăcácănhàăkhoaăhọc,ăcácătr ngăđ iăhọcăvàăcácăcôngătyătrongălĩnhăvựcă ngăd ngătínăhiệuăśngănưoăđ̉ătheoăd̃iătìnhătr ngăc aăng iăláiăxeănh̀măcảnhăbáoăkịpă th iăvàăh năchếăsựăr iăroănguyăhỉmăćăth̉ăxảyăra.ăNgoàiăra,ăc̀năćănh̃ngăđ̀ătàiădùngă śngănưoăđ̉ăđìuăkhỉnăthiếtăbịătrênăôătôăvàăngayăcảăđìuăkhỉnăvôălĕngăb̀ngăýănghĩ  CRCMINING v́iăchícămũăthôngăminhăSmartcap [27] Đ cùngăm căsựătàiătr ătừăchínhăph ắcăvàăd ớiăsựăh ătr ăc aăb nătr ngăđ iăhọcă iăbaăđ iătácăcôngănghiệpăbaoăgồmăcácănhàăsảnăxuấtăthiếtăbịăvàăcácă côngă tyă khaiă thácă m̉,ă họă đưă t oă raă đ că m tă chiếcă mǜă thôngă minhă (Smartcap),ăm tănơiălàmăviệcămàătấtăcảăcácănhân viênăđìuăkhỉnăph ơngătiệnă vàămáyăḿcăthiếtăbịătrongăcôngătrìnhăđ̀uăphảiăđ iătrongăth iăgianălàmăviệc.ă Chiếcămǜănàyăsẽătheoăd̃iăliênăt cătr ngătháiăc aăng iăvậnăhànhăph ơngătiệnă vàăgửiăthôngătinăđếnămànăhìnhăthôngătinătrênăxe,ăđồngăth iătínăhiệuănàyăcǜngă đ căchuỷnăđếnătrungătâmăđìuăhành.ăNếuăćăbấtăkỳătínăhiệuănàoăchoăthấyă dấuăhiệuămệtăm̉iăhayăbuồnăng ăc aăng thông minh,ătínăhiệuăsẽăđ iăđìuăkhỉn thôngăquaăchiếcămǜă căchuỷnăđếnămànăhìnhăhỉnăthịăyêuăcầuăng iăláiă xeăphảiănghỉăngơiăđ̉ălấyăl iăs căvàăcǜngăđ̉ăh năchếăt iăđaănh̃ngăr iăroătaiă n năćăth̉ăxảyăra  Wheelchair steered using brainwases developed by TOYOTA [28] Thángă06ănĕmăβ00λăcácănhàăkhoaăhọcăthu cătậpăđoànăToyotaăđưăchếăt oăthànhă côngăxeălĕnăđìuăkhỉnăb̀ngăśngănưoămangătênăRAIKEN B ớcăđ tăpháătrongăcôngănghệă ngăd ngăśngănưo,ăđưăgiúpăconăng vớiăm tăchiếcămǜăđ nưoăđ iăchỉă căđ iătrênăđầuăvớiăcácăcảmăbiếnăthuăthậpătínăhiệuăśngă cătíchăh păbênătrongăthìăchúngătaăćăth̉ăđìuăkhỉnăthiếtăbịăthôngăquaă suyănghĩăc aămình.ăCôngănghệămớiănàyăchỉămấtă1β5ămiliăgiâyăđ̉ăxửălýătínă hiệuăśngănưo,ănhanhăhơnăsoăvớiătr ớcăđâyăphảiăt năm tăvàiăgiây thập.ăNguồnăd̃ăliệuăchoăb ăxửălýătínăhiệuăc aăph ơngăth căofflineălàănh̃ngătậpămẫu,ă c̀nă ăph ơngăth căonlineănguồnănàyălàăb ăđệmăd̃ăliệuă(Data queue),ăhayăc̀năgọiălàă “cửaăs ămẫuătr t”.ăĐâyăcǜngălàăđỉmăkhácăbiệtălớnănhấtăgĩaăhaiăph ơngăth căxửălýă tín hiệuăonline offline Hình 5.6a 5.6băbênăd ớiăminhăhọaăsựăkhácăbiệtăgĩaăhaiă ph ơngăth căxửălýătínăhiệuăonlineăvàăofflineμ Hình 5.6a: Ph ơngăth căxửălýătínăhiệuăoffline Hình 5.6b: Ph ơngăth căxửălýătínăhiệuăonline B ăđệmăd̃ăliệu (Data queue) ho tăđ ng theoănguyênăt́căFIFOă(FirstăIn,ăFirstă Out)ăt călàăkhiăm tămẫuămớiăđ ćăm tămẫuă ăquáăkh ăđ căthuăthập,ăńăsẽăđ căl uăvàoăb ăđệm, đồngăth iăsẽă căđẩyăraătheoănguyênăt́căphầnătửăvàoăb ăđệmătr ớcănhấtăsẽă làăphầnătửăraăkh̉iăb ăđệmătr ớcănhất.ăHìnhă5.7 bên d ớiăminhăhọaănguyênăt́căho tă đ ngăc aăm tăb ăđệmăd̃ăliệu 72 Hình 5.7: Nguyênăt́căho tăđ ngăc aăm tăb ăđệmăd̃ăliệu 5.2.2 Xơyăd ngăthu tătoán Online Nh ătìmăhỉuă ăphầnătrên,ăv̀ămặtăxửălýătheoăph ơngăth căonlineăvàăofflineăkhôngă khácăgìănhìu,ăchỉăkhácănhauăv̀ăcơăchếăvậnăhành.ăĐỉmăkhácăbiệtămấuăch tălàăb ăđệmă d̃ăliệuăc aăph ơngăth căonlineăphảiăđ thếăđ căthiếtăkếăsaoăchoăphùăh p, đ̉ăćăth̉ăthayă cătậpămẫuăc aăph ơngăth căoffline T iăm că4.1ătrìnhăbàyăv̀ăcácăthíănghiệmăthuăthậpăd̃ăliệuăchoăphầnăxửălýăoffline, trongăphầnănàyăph ơngăphápăthửănghiệmăsẽăthuăcácătậpămẫuăćăđ ădàiălàă1ăgiâyătrênă 10ăđiệnăcực,ăt căđ ălấyămẫuăc aăb ăEmotivălàă1β8ămẫu/giây.ăVậyăm tătậpămẫuăsẽăch aă 1β8ămẫu/kênh Đ̉ăćăth̉ăthayăthếăđ cătậpămẫuăc aăph ơngăth căoffline, thìăb ăđệmăph ơngă th căonlineăcǜngăphảiăćăkíchăc̃ăt ơngăđ ơngăthìămớiăđảmăbảoăđ c aăb ăxửălýătínăhiệuăđưăđ căviệcăho tăđ ngă căthiếtăkếătr ớcăđ́.ăVìăvậy,ătrongăthửănghiệmănàyătácăgiảă quyếtăđịnhăsẽăxâyădựngă10ăb ăđệmăd̃ăliệuăho tăđ ngăđ călậpădùngăđ̉ăl uătr̃ăchoă10ă kênhătínăhiệu,ăm iăm tăb ăđệmăsẽăćăkíchăc̃ălàă1β8ămẫuă(t ơngă ngăvớiă1ăgiâyăthuă thậpăd̃ăliệu) 73 Hình 5.8: L uăđồăthuậtătoánăonlineăchoămôăhìnhănhậnăd ngăcơnăbuồnăng 5.β.γ.ăXơyăd ngăb ăl căCARătrênăLabVIEW B ălọcăCARătrênăLabVIEWăđ căxâyădựngătheoăl uăđồăsauμ Hình 5.9: L uăđồăthuậtătoánăc aăb ălọcăCAR 74 Dựaăvàoăl uăđồătrên,ăb ălọcăCARăđ cătrỉnăkhaiătrênăLabVIEWătheoăcodeăsauμ Hình 5.10: Ch ơngătrìnhăb ălọcăCARăđ cătrỉnăkhaiătrênăLabVIEW Đ̉ătiệnăchoăviệcăsửăd ngăvàăđ̉ălàmăgọnăch ơngătrình,ăb ălọcăCARăđ ǵiănh ăhìnhăbênăd ớiμ Hình 5.11: Đ́ngăǵiăc aăb ălọcăCARătrongăch ơngătrình 75 căđ́ngă Trongăđ́,ăsubVIănàyăćă10ăinputălầnăl tălàăcácătínăhiệuăc aăcácăkênhμăFγ,ăF4,ă FC5,ăFC6,ăT7,ăT8,ăP7,ăP8,ăO1,ăOβăvàăćă10ăoutputălầnăl tălàμăFγ’,ăF4’,ăFC5’,ăFC6’,ă T7’,ăT8’,ăP7’,ăP8’,ăO1’,ăOβ’ă(đâyălàăcácătínăhiệuăđưăquaăxửălýăc aăb ălọcăCAR) 5.2.4 Xơyăd ngăb ăđ măd ăli uătrênăLabVIEW Trongăphầnăm̀măLabVIEWăđưăćăsẵnăcôngăc ăđ̉ăxâyădựngăb ăđệmăd̃ăliệuănày.ă Côngăc ănàyăćătênălàăDataăQueueăNI_PtbyPt.lvlib.ăĐ̉ălấyăcôngăc ănàyătaăvàoăm cμă Signal Processing  Point By Point  Other Function PtByPt  Data Queue PtByPt.vi Sơăđồăchânăđ́ngăǵiăc aăcôngăc ănàyănh ăsauμ Hình 5.12: Sơăđồăchânăđ́ngăǵiăc aăb ăđệmăd̃ăliệu Cáchăsửăd ngăc aăcôngăc ănàyănh ăsauμ Các input:  InitializeμăkhiăTRUE,ăkh iăt oăho tăđ ngăc aăhàm,ăkhiăkh iăt oăb ăđệmă đ căx́aătŕng  Inputădataăpointμămẫuăd̃ăliệuăđầuăvào  Sampleă lengthμă kíchă th ớcă c aă m iă b ă d̃ă liệu.ă Mặcă địnhă làă 100.ă Kíchă th ớcănàyăphảiălớnăhơnăzero Các output:  Eliminatedăelementμămẫuăvừaăbịălo iăkh̉iăb ăđệm  CurrentăQueueμăb ăđệmăd̃ăliệuăhiệnăt i  PreviousăQueueμăb ăđệmăd̃ăliệuătr ớcăđ́ăm tăv̀ngălặp  Errorμătrảăv̀ăbấtăkỳăl iăhayăcảnhăbáoătừăVI  Current lengthμălàăkíchăth ớcăc aăb ăđệmăhiệnăhành 76 5.2.5 Xơyăd ngăb ătríchăđặcătr ngăPSDătrênăLabVIEW B ătríchăđặcătr ngăPSDăsẽăđ căxâyădựngătheoăl uăđồăsauăđâyμ Hình 5.13: L uăđồăthuậtătoánăc aăb ătríchăđặcătr ngăPSD Theoăđ́,ăd̃ăliệuă ăcácăb ăđệmăsẽăđ từngăb ăđệmăsẽăđ 44Hz.ăSauăđ́ăđ căxửălýăsongăsong.ăTrongăđ́,ăd̃ăliệuă ă căđ aăđếnăcác hàmălọcăthôngădưiăćăđ ăr ngă4Hzăvàătrảiădàiătừă4căđ aăvàoăph́păchuỷnăđ iăFFT.ăHayăńiăm tăcáchăkhác,ăvớiă10ăb ă đệmăsẽăćă110ăph́pătínhătoánălọcăthôngădưiăvàăchuỷnăđ iăFFTăcùngăthựcăhiệnăm tă lúcăđ̉ăchoăraă110ăđặcătr ngăc aătínăhiệuăśngănưo TrongăLabVIEWăđưăćăsẵnăcácăhàmăh ătr ăđ̉ăthiếtăkếăb ălọcăthôngădưiăvàăchuỷnă đ iăFFTăt iăphầnăControlăPanelă– Signal Processing 5.2.6 Xơyăd ngăm ngăn ronănhơnăt oătrênăLabVIEW Với b ătrọngăs ăvàăs ăl ngănơronălớpăẩnăđưăđ căt iă uăt iăphầnăthửănghiệmă offline,ătácăgiảăxâyădựngăm tăm ngănơronănhânăt oătrênăphầnăm̀măLabVIEWădựaă vàoăb ăcôngăc ăNeural Network and Fuzzy Logic t iătrangăweb https://decibel.ni.com 77 Vìăsửăd ngăb ătrọngăs ăvàăs ănơronălớpăẩnă(hayăńiăcáchăkhácălàăviệcăhọcăc aă m ngănơronădi năraă ăquyătrìnhăoffline)ănênămôăhìnhăđ ngă chínhă xácă suyă nghĩă c aă baă đ iă t offline.ăĐâyăcǜngălàănh ngăđ căxâyădựngăchỉăćăth̉ăđápă că m iălàmă thíă nghiệmă thuă thậpă mẫuă căđỉmălớnăc aămô hình,ăvìăch aăćăkhâuătrainningăonlineă (m ngănơronăsẽătựăhọcăvàăcậpănhậtătrọngăs ătheoătừngăđ iăt ngăsửăd ng) 5.3 Th ănghi măth căt́ăvà ḱtăqu ăth ănghi m Trongăthử nghiệmănày,ăsẽ ćănĕm đ iăt đánhăgiá,ăđâyălàănh̃ngăng đ ngăng iădùngăthamăgiaăthử nghiệm iăđưăthamăgiaăthửănghiệmăofflineătr ớcăđ́ Cácăđ iăt ngă căyêuăcầuăthamăgiaăbàiăthíănghiệmăt ơngătựănh ăthíănghiệmăoffline,ăc ăth̉ăquáă trìnhăthíănghiệmădi nătiếnănh ăsauμ  Tr ớcăkhiăthamăgiaăthíănghiệmăđ iăt ngăcǜngăđ căyêuăcầuăng ăthiếuă giấc,ănh ngăsẽătrầmătrọngăhơnălúc làm thíănghiệmăofflineă(chỉăng ăβătiếngă tr ớcăthamăgiaăthíănghiệm)ăđ̉ăt oăđìuăkiệnăchoăcơnăbuồnăng ăxuấtăhiện  Sauăđ́, khiăb ớcăvàoăph̀ngăthíănghiệmămôăph̉ngălái,ăcácăđ iăt ngăsẽ ngồiăvàoăbànăthử nghiệm,ăđeoăHeadsetăvàoăđúngăvịătríăcácăđiệnăcực Tín hiệuăEEGăsẽăđ căthuăđồngăth iă ă10ăkênhμăFγ,ăF4,ăFC5,ăFC6,ăT7,ăT8,ăP7,ă P8,ăO1,ăOβăkhiăthựcăhiệnăthử nghiệmă(4ăkênhăAFγ,ăAF4,ăF7,ăF8ăkhôngăsửă d ngădoătínăhiệuă ăcácăkênhănàyăbịănhi uăcơăđángăk̉ăvớiăcácăhànhăviănháyă ḿt)  Sauăkhiămọiăcôngătácăchuẩnăbịăđưăđ láiă môă ph̉ngă trênă cungă đ Ng iăthamăgiaăcǜngăđ l iăgiaoăthôngătrênăđ căsẵnăsàng,ăđ iăt ngăsẽătiếnăhànhă ngă dàiă t ơngă tựă nh ă ă thửă nghệmă offline.ă căyêuăcầuătậpătrungălái,ăkhôngăgâyătaiăn năhoặcă ng  Toànă b ă quáă trìnhă thíă nghiệm sẽă đ c ghi hình t ơngă tựă nh ă khiă thửă nghiệmăoffline đ̉ăsauăđ́ăđánhăgiáăl i.ăGiámăsátăviênăsẽăghiănhậnăcácăm că th iăgianămàăhệăth ngăcảnhăbáoăvàăcácătìnhăhu ngăxảyăraăvaăch măhoặcăl iă trongămôăph̉ng Từăđ́ăsẽăth ngăkêăl iăs ălầnămàăhệăth ngăcảnhăbáoăkịpă th i, giúpăláiăxeătránhăđ cănh̃ngăl iăhoặcătaiăn năxảyăra 78  T ngăc ngăsẽăćăbaăm ơiăbàiăthíănghiệmăchiaăđ̀uăchoăcácăđ iăt ngăđ̉ă đánhăgiáăho tăđ ngăc aăhệăth ng Sau thíănghiệmăkếtăthúc,ăkếtăquảăđ T ngăc ngătrênănĕmăđ i t căghiănhậnăvàăđánhăgiáănh ăsau ngăthựcăhiện baăm ơiăbàiăthíănghiệm, ćăm tătrĕmăm támătìnhăhu ngă(118ătìnhăhu ng) xảyăraăvaăch m, cácătìnhăhu ngănàyăđ iă căghiănhậnă làăćăyếuăt ămấtătậpătrungătácăđ ng Trongăđ́ăt ngăc ngăhệăth ngănhậnăbiếtăvàăcảnhă báoăm tătrĕmălinhătámălầnă(108ălần)ăvớiăđ ăchínhăxácătámăm ơiălĕmălầnă(85ălần),ăćă haiăm ơiăbaălầnă(βγălần)ăhệăth ngănhậnădiệnăvàăcảnh báoănh ngăkhôngăđúngăthựcătế Việcăth ngăkêăvàăđánhăgiáăsẽădựaătrênăhaiătiêuăchíălà:  T ăl ăchínhăxácăh uăíchăc̉aăh ăth́ng: Đ cătínhătoánădựaăvào tỷăs ăgĩa s ălầnănhậnădiệnăđúngătrênăt ngăs ătìnhăhu ngăghiănhậnăsựămấtătậpătrung.ăTỷă lệănàyăđặcătr ngăchoătínhăhiệuăquả,ăh̃uăíchăc aăhệăth ng Tỷălệănàyăcàngăcaoă thìăđ ăh̃uăíchăc aăhệăth ngăcàngăcao  T ăl ăkhôngătinăc y: Đ cătínhătoánădựaăvào tỷăs ăgĩaăs ălầnăcảnhăbáoăsaiă trênăt ngăs ătìnhăhu ngăcảnhăbáo.ăTỷălệănàyăđặcătr ng cho đ ăkhôngătinăcậyă c aătừngăcảnhăbáo Tỷălệănàyăcàngăcaoăthìăcảnhăbáoăcàngămangătínhăkhôngă tinăcậyăcao Bảngăbênăd ớiăth ngăkêăl iăkếtăquảăc aăthíănghiệm Thíănghiệm Đ iăt ng S ălầnăghiă S ălầnă S ălầnă Tỷălệăchínhăxácă nhậnăl iămấtă cảnhăbáoă cảnhăbáoă H̃uăích/Tỷălệă tậpătrung nhầm khôngătinăcậy Đ iăt ngă1 18ălần 14ălần 5ălần 78% / 25% Đ iăt ngăβ γ8ălần β5ălần 4ălần 65% / 13% Đ iăt ngăγ βγălần 1λălần βălần 82% / 9% Đ iăt ngă4 βλălần 20 lần 7ălần 68% / 25% Đ iăt ngă5 10ălần lần 5ălần 70% / 41% 72% 21% T ngăkếtătỷălệăchínhăxácă h̃uăíchă- tỷălệăkhôngătină cậyătrungăbình B ngă5.1: Th ngăkêăkếtăquảăthửănghiệmămôăhìnhănhậnădiệnăcơnăbuồnăng ăonline 79 5.4 Đánhăgiáăḱtăqu Sauăkhiătiếnăhànhăthửănghiệm, tácăgiảărútăraănh̃ngănhậnăx́tăsauăđâyμ  Đ chínhăxácăh̃uăíchă ăm căchấpănhậnăđ căvàăćăvẻăthấpăhơnăph ơngăth că offline.ăĐìuănàyăcǜngăćăth̉ăd ădàngălýăgiảiăvìăph ơngăth căonlineăćăítăd̃ă liệuăhơnăph ơngăth căoffline  Tỷ lệăkhôngătinăcậy c aăcảnhăbáoăc̀năcao,ăđìuănàyăćăth̉ălýăgiảiăvìăb ăthuă emotivă vẫnă c̀nă ch aă chuẩnă xác soă vớiăthiếtă bịă thuă chuyênă d ngă hoặcă doă khâuănhậnăd ngăvẫnăc̀năch aăt t  Đ ăchínhăxácăcǜngătùyăthu căvàoăyếuăt ăcáănhân,ăćălẽăvìăđặcătínhăcáănhână c aăd ngăśngăAlphaănh ăđưăđ cătrìnhăbàyă ăphầnă4.1  Vấnăđ̀ăv̀ăđ chínhăxácăćăth̉ăđ đ căcảiăthiện t tăhơnănếuăng iăsửăd ngă căhuấnăluyện vàăćăth iăgianălàmăquenăvớiămôăhìnhănhìuăhơn.ăĐồngă th i cǜngă c̀nă tùyă thu că vàoă tr ngă tháiă s că kh̉eă c aă ng iă thamă giaă thíă nghiệm  Khâu nhậnăd ngăcầnăth iăgianănghiênăc uăvàăthửănghiệmănhìuăhơnăvớiăcácă ph ơngăánăthiếtăkếăkhác đ̉ătĕngăđ ăchínhăxácăchoămôăhình 80 CH NG ḰTăLU NăVÀ H NGăPHÁTăTRI NăC AăĐ ăTÀI 6.1 ḰtăLu n Luậnăvĕnăđưăhoànăthànhăđ căviệcăthuăthậpăvàăxửălýătínăhiệuăEEGătừăthiếtăbịă EmotivăEPOCăHeadset.ăXâyădựngăthànhăcôngăm tămôăhìnhăhệăth ngănhậnădiệnăvàă cảnhăbáoăcơnăbuồnăng ăhoànăchỉnhăćăgiáăthànhăh pălý.ăT oătìnăđ̀ăchoănh̃ngănghiênă c uăsauănàyăv̀ălĩnhăvựcăcảnhăbáoăanătoàn,ăthôngăquaăcácătheoăd̃iăsinhălýăc aăng iă láiăxeă ătr că ngăĐ iăHọcăS ăPh măKỹăThuậtăTPHCM.ăNh ăvậy,ăluậnăvĕn đưăđ tăđ cácăm cătiêuănghiênăc uăđ̀ăraăbanăđầu Cácăkếtăquảăc ăth̉ămàăluậnăvĕnăđưăđ tăđ  Xâyădựngăđ cănh ăsauμ căm tămôăhìnhămôăph̉ngăcôngăviệcăláiăxe,ăph căv ăchoăcôngătácă thuăthậpăd̃ăliệuăsinhălýăc aăng iăđìuăkhỉnăph ơngătiệnăthamăgiaăgiaoăthông.ă Đìuănàyăđưăgiúpăviệcăthuăthậpăd̃ăliệuătr ănênăđơnăgiảnăvàăanătoànăhơn.ă  Xâyădựngăđ căm tăquyătrìnhănghiênăc uăśngănưoăchuyênănghiệpăvàăkhoaăhọc.ă T oătìnăđ̀ăthamăkhảoăchoănh̃ngăđ̀ătàiănghiênăc uăsauănàyăv̀ălĩnhăvựcăcảnhă báoăsớmăanătoàn,ăthôngăquaăviệcătheoăd̃iăcácădấuăhiệuăsinhălýăc aăng iăđìuă khỉnăph ơngătiệnăgiaoăthông  Xâyădựngăthànhăcôngăm tămôăhìnhănhậnădiệnăvàăcảnhăbáoăsớmăcơnăbuồnăng ă hoànăchỉnh,ădùăđ ăchínhăxácăvàătinăcậyăch aăđ tăđ căm căćăth̉ătrỉnăkhaiăvàoă thựcătế.ăTuyănhiên,ăđ́ălàăm tăminhăch ngăchoăsựăđiăđúngăh ớngăc aăph ơngă phápănghiênăc u Việcăkhôngăćăm tăchuyênăgiaăhay ng đâyăh ớngădẫn,ăcǜngănh ănh̃ngăng iăđưătừngăsửăd ngăquaăb ăHeadsetătr ớcă iăćăkiếnăth căchuyênăsâuăv̀ănưoăb ăgiúpăđ̃ă trongăquáătrìnhăthựcăhiệnăluậnăvĕn.ăĐìu nàyălàăm tătr ăng iăvôăcùngălớnăđ iăvớiătácă giả Bênăc nhăđ́ăc̀năćăkh́ăkhĕnăv̀ămặtătàiăchính.ăKhôngăćăm tănhàătàiătr ănàoăh ă tr ăv̀ămặtăkinhăphíăchoănh̃ngăýăt ngăc aăđ̀ătài.ăChínhăvìănh̃ngăkh́ăkhĕnăấy làm choănh̃ngăkếtăquảămàăluậnăvĕnăđưăđ tăđ Ćăth̉ăńiăcôngănghệăBCIăđ căthựcăsựăćăýănghĩa cădànhăriêngăchoănh̃ngăaiămu năkhámăpháăvàătìmă hỉuăv̀ăcácălĩnhăvựcămớiăn i.ăCácă ngăd ngăc aăBCIăđưăb́tăđầuăđ 81 căphátătrỉnăvàă kinhădoanhăngoàiăđ iăthực,ăch ăkhôngăchỉăc̀nălàăkháiăniệmăminhăch ngătrongăph̀ngă thíănghiệm Trongăđ́, cácă ngăd ngăcảnhăbáoăcơnăbuồnăng ăđưăth ơngăm iăh́aănh ă đầuăđ̀ătàiăđưădẫnăch ng Nh ngăviệcănghiênăc uăv̀ălĩnhăvựcătìmănĕngăBCIăvẫnăc̀nă h năchếă ăViệtăNam, việcăđ tăđ căthànhăcôngătuyăkhôngălớnăc aăđ̀ătàiăcǜngălàănguồnă c ăvǜăchoăcácănghiênăc uăsauănàyăv̀ălĩnhăvựcăBCIă ăViệtăNamăńiăchungăvàă ăĐ iă HọcăS ăPh măKỹăThuậtăTP HCM nói riêng 6.2 H ́ngăphátătrỉnăc̉aăđ ătài Doăh năchếăv̀ămặtăth iăgianăvàătàiăchính,ănênăluậnăvĕn chỉădừngăl iă ăm căxâyă dựngăđ căm tăhệăth ngănhậnădiệnăcơnăbuồnăng ăvàăcảnhăbáoăsớmătheoăph ơngăth că onlineăćăth̉ăho tăđ ngăđ c H ớngăphátătrỉnătiếpătheoăc aăđ̀ătàiăsẽălàătiếpăt căhoànăthiệnănh̃ngăn iădungă sau:  Chếăt oăthiếtăbịăthuăćăkỉuădángănh̉ăhơnăvàăt oăsựăêmăáiăd ăchịuăhơnăchoă ng iăsửăd ng,ăđồngăth iăvẫnăđảmăbảoăđ ăchínhăxác.ăTừngăb ớcăh ớngăđếnă việcă ngăd ngăthựcătếătrênăxe  H ớngătớiăxâyădựngăhệăth ngănhậnăd ngătrênăhệăth ngănhúngăFPGA,ănh̀mă lo iăb̉ămáyătínhăcồngăk̀nhăraăkh̉iăhệăth ng,ătĕngătínhădiăđ ngăvàăh ớngă tớiă ngăd ngătrongăthựcătế  Hoànăthiệnăthuậtătoánănhậnăd ng, tĕngăđ ăchínhăxácăvà đápă ngăcảnhăbáoă sớmăc aăhệăth ngăb̀ngăcáchă ngăd ngăcácăthuậtătoánătríătuệănhânăt oămớiă vàoăkhâuănhậnăd ngă(AI)  Xâyădựngăm tăquyămôăthíănghiệmălớnăhơn vớiănhìuăđ iăt ngăthamăgiaă hơn,ă nh̀m tĕngă tínhăchínhă xácă c aă hệă th ngă vàă cǜngă đ̉ă đánhă giáă kháchă quanăhơnăv̀ăhiệuăquảănhậnăd ngăc a hệăth ng  B ăsungătínhănĕngăhọcăd̃ăliệuăonlineăđ̉ătĕngătínhă ngăd ngăthựcătếăchoămôă hình 82 TÀIăLI UăTHAMăKH O [1] Tatum, W O., Husain, A M., Benbadis, S R,: Handbook of EEG Interpretation Demos Medical Publishing, 2008 [2] Acar,ă Erman,ă “Classificationă ofă motoră imageryă tasksă ină eegă signală andă itsă application to a brain-computer interface for controlling assistive environmental devices”, Vol PhD 2011 [3] Lotte,ă Fabien,ă “Studyă ofă Electroencephalographică Signală Processingă andă Classification Techniques towards the use of Brain-Computer Interfaces in Virtual Reality Applications”, Vol.PhD 2009 [4] Dandană Huang,ă “EEG-Based Online Two-Dimensională Cursoră Control”,ă γ1stă Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Minneapolis, Minnesota, USA, pp 4547-4550, September 3-6, 2009 [5] Iturrate,ă J.ă Antelisă andă J.ă Minguez,ă “Synchronousă EEGă Brain-Actuated Wheelchairă withă Automatedă Navigation”,ă IEEEă Internatională Conferenceă onă Robotics and Automation Kobe International Conference Center Kobe, Japan, pp 2318-2325, May 12-17, 2009 [6] Robert Leeb, Hesam Sagha, Ricardo Chavarriaga and Jose del R Millan, “Multimodal Fusion of Muscle and Brain Signals for a Hybrid-BCI”,ă 32nd Annual International Conference of the IEEE EMBS, Buenos Aires, Argentina, August 31 - September 4, 2010 [7] MandeepăKaur,ăP.ăAhmed,ăM.ăQasimăRafiq,ă“AnalyzingăEEGăbasedăNeurologicală Phenomenon in BCIăSystems”,ăInternatională JournalăofăComputeră Applicationsă (0975 – 8887), Volume 57– No.17, November 2012 [8] Ripley B.D.: Pattern Recognition and Neural Networks, Cambridge university Press,1996 [9] Nguy năVĕnăTrungμăThuậtătoánătìmăng ̃ngăxácăđịnh ho tăđ ng c a ḿt dựa váo tín hiệu EEG Luậnă vĕnă th că sĩă - Đ i Họcă S ă Ph m Kỹ Thuật TP.Hồ Chí Minh, 2012 83 [10] Ngô Qu căC ng: Nhận d ng ho tăđ ng gõ tay thông qua phân tích quang ph cận hồng ngo i (NIRS) dùng giải thuật hồi quy Luậnăvĕnăth căsĩă- Đ i HọcăS ă Ph m Kỹ Thuật TP.Hồ Chí Minh, 2012 [11] Shyhă Y.C;ă Hongă T.H,ă “Mentală Fatigueă Measurementă Usingă EEG”,ă Riskă Management Trends, pp 205 [12] Sinan C.: Lectures in Medical Physiology: Motor Cortex YILDIRIM BEYAZIT UNIVERSITY [13] Mohammed,ăJ.,ă“CommonăAverageă Referenceă(CAR)ăImprovesă Pγ00ăSpeller”,ă International Journal of Engineering and Technology Volume No 3, March, 2012 [14] Dennis J., Lynn M., Stephen V., Jonathan R.: Spatial filter selection for EEGbased communication, Electroencephalography and clinical Neurophysiology 103 (1997), pp386-394 [15] Peiyang Li, Peng Xu, Rui Zhang, Lanjin Guo, Dezhong Yao: L1 Norm based common spatial patterns decomposition for scalp EEG BCI BioMedical Engineering OnLine 2013, 12:77 [16] Walter J Freeman, Mark D Holmes, Brian C Burke, Sampsa Vanhatalo: Spatial spectra of scalp EEG and EMG from awake humans Clinical Neurophysiology Volume 114, Issue 6, June 2003, pp 1053–1068 [17] Djuric, P., Kay S.: Spectrum Estimation and Modeling, Digital Signal Processing Handbook.1999 [18] N Kwak: Principal component analysis based on L1-norm maximization, IEEE Trans Pattern Anal Mach Intell., vol 30, no 9, pp 1672–1680, 2008 [19] Huỳnh Hoàng Thái: Hệ Th ngăĐìu KhỉnăThôngăMinh,ăNXBăĐ i Học Qu c Gia TPHCM, 2006 [20] R Rojas: Neural Networks, Springer-Verlag, Berlin, 1996 [21] Kaastra, I., Boyd, M.: Designing a neural network for forecasting financial and economic time series - Neurocomputing 10 (1996), pp 215-236 [22] Nguy n H̃uăCôngμăĐiệnănưoăđồ cĕnăbản, NXB Y học, 1998 84 [23] J.N.ăMakăandăJ.R.ăWolpaw,ă“ClinicalăApplicationsăofăBrain Computer Interfaces: Currentă Stateă andă Futureă Prospects”,ă IEEEă reviewsă ină biomedicală engineering,ă vol 2, 2009, pp 187-199 [24] P Y Xu Lei, Peng Xu, Tie-Jun Liu, and De-Zhong Yao: Common Spatial Pattern Ensemble Classifier and Its Application in Brain-Computer Interface, JOURNAL OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA, vol 7, pp 1721, 2009 [25] C G Quadrianto Novi, Tran Huy Dat, and Ping Xue: Sub-band Common Spatial Pattern (SBCSP) for Brain-Computer Interface, IEEE EMBS Conference on Neural Engineering, 2007, pp 204-207 [26] C.C Kuo, J L Knight, C A Dressel, and A W L Chiu, "Non-Invasive BCI for the Decoding of Intended Arm Reaching Movement in Prosthetic Limb Control," American Journal of Biomedical Engineering, vol 2, pp 155-162, 2012 [27] http://smartcap.com.au/using-the-smartcap-system/ [28] http://www.gizmag.com/toyota-wheelchair-powered-brain-waves/12121/ [29] http://technologyreporting.blogspot.com/2013/04/touchless-tablet-interfacewith.html 85 S K L 0 [...]... i.ăDựaătrênă tín hiệu điệnănưo,ănh̃ngăthayăđ iăbênătrongăho tăđ ngăc a não b có th̉ăđ định Giúpăchoăviệcăchuẩnăđoán, phát hiện nh̃ng dấu hiệu khôngăbìnhăth di n ra v̀ătr ngăthái và th̉ăchấtăc aăconăng Giaoătiếpănưoăng i với máyătínhă(Brain ComputerăInterface,ăviếtăt́tălà BCI) là i với máyătính.ăM tăhệăth ngă ngăsẽ dựaăvàoăcác tín hiệu mangătínhăchấtăđiện, đ b thôngăquaăhệăth ngăcác điệnăcực,ămáyătínhăđ liệuăthuăthậpăđ... ngărãi trong lĩnhăvựcăyătế và giảiătrí ngăd ngăthuăthập tín hiệu śngănưo và phânătíchăxửălý,ăgiúpăta phát hiện đ m tăcáchăchínhăxácătr ngăthái buồn ng ăTừăđ́,ăápăd ngăđ i với ng că iăđìuăkhỉnă ph ơngătiệnăgiaoăthôngănh̀măđ a ra tín hiệu cảnh báo kịpăth iăkhiăhọărơiăvàoătr ngă tháiămệtăm̉i và buồn ng ăĐìuănàyăgiúpăh năchếănh̃ngăr iăroăđángătiếcăćăth̉ăxảyă ra choăcảăng i và ph ơngătiện.ăĐ̀ătàiănghiênăc... tămôăhìnhăćăkhảănĕngănhậnăbiết dấu hiệu c aăcơn buồn ng ăc aăconăng i và đ a ra tín hiệu cảnh báo Trong ph mă viăđ̀ătài, họcăviênăsẽătiếnăhànhănghiênăc u và thửănghiệm thuăthậpăcácăd ng sóng nưoăc aăconăng iăkhiăxuất hiện cơn buồn ng ,ăquaăđ́ătríchălọcăcácăđặcătr ngăc aă cácăd ng sóng trên Từăđ́, sẽătiếnăhànhăxâyădựngăm tăthuậtătoánăćăkhảănĕngănhậnă d ngăcácăd ng sóng nưoăc aăcơn buồn ng Giaiăđo năcu iăcùngăc... liệuătừăthiếtăbị. Và từăđây,ăchúngătaăćăth̉ă ngăd ngăśngănưoăchoănhìuăm căđíchănh ănhậnăd ngătr ngătháiătinhăthầnăc aăng đìuăkhỉnăph ơngătiện và đ a ra nh̃ng cảnh báo thíchăh p choăng iă i lái xe Trong n iădungăđ̀ tài nàyăsẽ tiếnăhànhăđo tín hiệu sóng não từăthiếtăbị Headset Emotive EPOC, ápăd ng các thuật toán ng ̃ng và m ngănơronătruỳnăthẳngănhìuă lớpăđ̉ nhậnăd ngăcácăho tăđ ngăc a não b Tín hiệu EEGăthuăthậpăđ... trọng phát trỉnănh̃ngătínhănĕngăgiúp xe và ng i lái xe ćăth̉ăph̀ngăch ngătaiăn n m tăcáchăch ăđ ng,ăgiảmăthỉuăr iăroăkhi lái xe M t trongă nh̃ngă nguyênă nhână khôngă nh̉ dẫnă đếnă nh̃ngă taiă n nă giaoă thôngă thảmăkh călàădo ng i lái xe đìuăkhỉn xe trongătìnhătr ngăkhôngătỉnhătáoădoăcơnă buồn ng gây ra, dẫnăđếnăviệcămấtăkỉmăsoátăkhiăđangăđìuăkhỉn xe và gâyătaiăn n Chỉătínhăriêngăt iăViệtăNamătheoăth... ăgậtătrongăkhi lái xe chiếmăhơnă60%ănguyên nhânăc aăcácăv ătaiăn n ô tô có thiệtăh iăv̀ănhânăm ng Vìăvậy,ăviệc phát hiện sớm dấu hiệu c aăcơn buồn ng và đ a ra cảnh báo choă ng iăđìuăkhỉnălàăm tăđìuăvôăcùngăquanătrọng,ăm tăth iăđỉmămấuăch tămangă tínhăb ớcăngoặt giúpă giảmă thỉuă r iă roă taiă n n, từă đ́ă giảmă thỉuă t nă thấtă v̀ă conă ng i và c aăcải Đìuănàyăđặcăbiệtăh̃uăích choănh̃ngăng đìuăkhỉn xe điăchặngăđ... việc lái xe gi ăđâyăđư tr ănênăanătoànăhơn với hàng lo tăhệăth ngăđảmăbảoăanătoànăđ cătrangăbịătrên xe nh ăhệăth ngăphanhăABS, hệă th ngă nă địnhă lái, hệă th ngă Seată Belt,ăhệă th ngă túiăkhíă SRS…Tuyă nhiên, cácă hệă th ngănàyăchỉămangătínhăchấtăgiúpăviệc lái xe năđịnh, tinăcậyăhơn và ćăkhảănĕng bảoăvệătínhăm ngăconăng i khiăćătaiăn năxảy ra H ớngănghiênăc uăgầnăđây chú trọng phát trỉnănh̃ngătínhănĕngăgiúp xe và ng... ngăthuậtătoánătrênăđ̉ănhậnăd ngăcơn buồn ng ă và đ a ra nh̃ng tín hiệu cảnh báo choăng i dùng 1.7 Kháchăth̉ăvƠăđ́iăt ̣ngănghiênăću Đ̀ătàiănghiênăc uădựaătrênăcácăkiếnăth căsauμ - Lýăthuyếtăv̀ăcácăgiaiăđo năc aăgiấcăng - Tàiăliệuăśngănưoăcơăbản - Lýăthuyếtăxửălý tín hiệu s ăDSP - Lýăthuyếtăkỹăthuật nhậnăd ng tín hiệu với m ngănơronănhânăt o - Lýăthuyếtăkỹăthuậtăgiaoătiếpămáyătính 6 - LậpătrìnhăCăcĕn bản với viăđìuăkhỉnăPIC... iăhọcăTexas Với tinhăthầnănghiênăc u,ăhọcăh̉i và tìmăhỉuăbảnăchấtăc aăviệcă ngăd ngă côngănghệăśngănưoăvàoăđìuăkhỉnăthiếtăbị.ăHayăńiăcáchăkhác,ănghiênăc uă m tăthiếtăbị cảnh báo anătoànătrênăôătô Đ c sự h ớngădẫnăc aăThầy PGS.TSă Đ ă VĕnăDũngă họcă viênă đưă quyếtă địnhă thựcă hiện đ̀ă tàiă nghiênă c uă Ứng d ngăśngănưo phát hi năd́uăhi uăbu năng̉ăvƠăđ a ra tín hi uăc nh báo đ́iăv́iăng i lái xe ăđ̉ăgiảiăquyếtăvấnăđ̀ănày và tíchălǜyăkinhănghiệmăph... nghiên c u v̀ tín hiệu não Trongă cácă ph ơngă pháp không xâm lấn (non-invasive) thì có MEG (Magnetoencephalography: Ph ơngăphápăđoătừ tr m t thiết bị đặtăxungăquanhăđầuăng ng từ các ho tăđ ng c a não b̀ng i), EEG (Electroencephalogram: Sử d ng các điện cựcă đặt tiếp xúc với daă đầuă đ̉ đoă tín hiệu từ não) ,ă ph ơngă phápă FMRIă (Functional Magneti Resonance Imaging) và NIRSă(NearăInfraredăSpectroscopyμăĐo