Xử lý tín hiệu điện não trong tưởng vận động chi trên

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Phạm Phúc Ngọc XỬ LÝ TÍN HIỆU ĐIỆN NÃO TRONG TƯỞNG TƯỢNG VẬN ĐỘNG CHI TRÊN LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ Hà Nội – 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Phạm Phúc Ngọc XỬ LÝ TÍN HIỆU ĐIỆN NÃO TRONG TƯỞNG TƯỢNG VẬN ĐỘNG CHI TRÊN Chuyên ngành: Kỹ thuật điện tử Mã số: 62520203 LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS PHẠM VĂN BÌNH TS PHẠM HẢI ĐĂNG Hà Nội – 2016 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng Các số liệu luận án trung thực chưa công bố cơng trình khác Tập thể giáo viên hướng dẫn Tác giả Phạm Văn Bình Phạm Phúc Ngọc Phạm Hải Đăng LỜI CẢM ƠN Đầu tiên xin bày tỏ lòng biết ơn chân thành sâu sắc tới thầy hướng dẫn khoa học PGS.TS Phạm Văn Bình thầy đồng hướng dẫn TS Phạm Hải Đăng Các thầy người định hướng cho triển khai ý tưởng khoa học ln tận tình hướng dẫn suốt thời gian thực luận án Tôi xin chân thành cảm ơn anh, chị, em bạn đồng nghiệp Bộ môn Công nghệ Điện tử & Kỹ thuật Y sinh, Viện Điện tử - Viễn thông, Trường Đại học Bách khoa Hà Nội tạo điều kiện, định hướng giúp đỡ để tơi hồn thành cơng trình nghiên cứu Tôi xin cảm ơn môn Công nghệ Điện tử & Kỹ thuật Y sinh, môn Mạch & Xử lý tín hiệu Viện Điện tử - Viễn thơng Trường Đại học Bách khoa Hà Nội, Khoa Thần kinh Bệnh viện Bạch Mai hỗ trợ sở vật chất, trang thiết bị nghiên cứu, góp ý định hướng nghiên cứu kỹ thuật y học để tơi hồn thành tốt cơng trình nghiên cứu Tơi xin trân trọng cảm ơn tới Ban Giám hiệu, Viện Đào tạo Sau đại học, Viện Điện tử - Viễn thông Trường Đại học Bách khoa Hà Nội tạo điều kiện cho trình học tập nghiên cứu Tơi xin cảm ơn thành viên nhóm nghiên cứu EEG&Arm Rehabilitation hỗ trợ tham gia với việc triển khai thí nghiệm đo lường, phân tích tín hiệu điện não phịng thí nghiệm Cuối xin chân thành cảm ơn bố, mẹ, vợ, trai người thân gia đình ln động viên tinh thần, thời gian vật chất để tơi có động lực thực đường nghiên cứu khoa học Hà nội ngày …… tháng … ….năm…… Tác giả Phạm Phúc Ngọc MỤC LỤC Trang MỞ ĐẦU……………………………………………………………………… … CHƯƠNG HỆ THẦN KINH ĐIỀU KHIỂN VẬN ĐỘNG VÀ MƠ HÌNH XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ LIÊN QUAN VẬN ĐỘNG CỦA NGƯỜI……………………………………………………………… .…9 1.1 Hệ thần kinh điều khiển vận động……………………………………… …… 1.1.1 Các hoạt động điện não………………………………………… ….12 1.1.2 Điện hoạt động……………………………………………… ……13 1.1.3 Tạo tín hiệu EEG…………………………………………………… ……14 1.1.4 Hệ thống điều khiển vận động não……………………………… ……18 1.1.5 Tín hiệu điện não đồ liên quan đến tưởng tượng vận động………… ……25 1.2 Mơ hình xử lý tín hiệu điện não IHMv…………………………………… ……27 1.2.1 Xác định vị trí khơng gian điện cực thu nhận tín hiệu IHMv……… ……28 1.2.2 Nâng cao tỷ số SNR tín hiệu…………………………………… ……31 1.2.2.1 Tăng cường chất lượng tín hiệu IHMv dựa việc sử dụng lọc số có pha không………………………… … 31 1.2.2.2 Tăng cường chất lượng kênh đo tín hiệu IHMv kỹ thuật lọc khơng gian…………………………………………… ……36 1.2.2.3 Phân giải nhóm tín hiệu điện não IHMv (segmentation) từ ghi điện não đồ…………………………………… ……38 1.3 Kết luận chương…………………………………………………………… ……47 i CHƯƠNG PHÁT TRIỂN BỘ ĐẶC TRƯNG MỚI NÂNG CAO ĐỘ CHÍNH XÁC PHÂN LOẠI HỆ THỐNG QUYẾT ĐỊNH BA PHÂN NHÓM IHMv ĐẦU RA… … ……………………………………………… ……49 2.1 Phương pháp định lượng miền thời gian – tần số dựa biến đổi wavelet………………………………………………………………… ….…54 2.2 Xây dựng thuộc tính định lượng tín hiệu IHMv…………………… ……60 2.3 Mơ tả sở liệu tưởng tượng vận động/vận động chi Physionet ……66 2.4 Đề xuất lựa chọn thuộc tính mơ tả tín hiệu IHMv phương pháp ……71 phân tích phương sai chiều ANOVA theo số F p……………… 2.4.1 Phương pháp phân tích phương sai chiều ANOVA………… ……73 2.4.2 Đề xuất xây dựng đặc trưng lựa chọn phương pháp kiểm định ANOVA theo số F p………………………………… ……74 2.5 Kết luận chương…………………………………………………………… ……78 CHƯƠNG PHƯƠNG PHÁP PHÂN LOẠI BA PHÂN NHÓM IHMv… ……81 3.1 Xây dựng vectơ đặc trưng mơ tả tín hiệu điện não IHMv từ thuộc tính đề xuất cấu trúc lớp………………………………………………… ……87 3.2 Mơ hình máy vectơ hỗ trợ nhị phân SVM………………………………… ……89 3.3 Đề xuất xây dựng mơ hình phân loại 3IHMv_SVM2 dựa mơ hình vectơ học máy phi tuyến (SVM) thực phân lớp ba trạng thái tưởng tượng vận động tay trái, tay phải nghỉ……………………………… …96 3.4 Mô đánh giá khả phân loại phân loại 3IHMv_SMV2…100 3.5 Kết luận chương…………………………………………………………… … 105 CHƯƠNG XÂY DỰNG BỘ DỮ LIỆU ĐIỆN NÃO IHMv CỦA ĐỐI TƯỢNG NGƯỜI VIỆT NAM……………………………………… … 106 4.1 Quy trình đo xây dựng liệu điện não liên quan đến vận động người Việt Nam……………………………………………………………….106 ii 4.1.1 Hệ thống thu nhận liệu điện não liên quan đến vận động/tưởng tượng vận động đối tượng đo người Việt Nam………………… … 107 4.1.2 Kết đánh giá liệu……………………………………… … 116 4.2 Xây dựng cơng cụ phân tích tín hiệu IHMv, ứng dụng tạo định ba phân nhóm IHMv…………………………………………… ……………….124 4.3 Kết luận chương…………………………………………………………… … 126 KẾT LUẬN CHUNG……………………………………………………………….128 Các đóng góp mới……………………………………………………… ….128 Hướng nghiên cứu tiếp………………………………………………… ….129 DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ………… … 130 TÀI LIỆU THAM KHẢO………………………………………………… … 131 PHỤ LỤC 1…………………………………………………………………… ….142 PHỤ LỤC 2…………………………………………………………………… ….151 PHỤ LỤC 3…………………………………………………………………… ….155 PHỤ LỤC 4………………………………………………………………… … 168 PHỤ LỤC 5………………………………………………………………… … 171 iii DANH MỤC TỪ VIẾT TẮT ANOVA AP AR ARMA AUC AVACC BA4 BA6 BCI CAR CNS CS_LDA CSP CS_SVM DWT EEG EMG ERD ERP ERS ERSP FFT FIR FMRI FNR FPR HJ_ACT HJ_MOBI ICA ICMS IHMv IPL Analysis of Variance Action Potential Autoregressive Autoregressive Moving Average Area Under ROC Curve Average Accuracy Brodmann Area Brodmann Area Brain Computer Interface Common Average Reference Central Nervous System Class Separability Linear Discriminant Analysis Common Spatial Patterns Class Separability Support Vector Machine Discrete Wavelet Transform Electroencephalogram Electromyography Event-Related Desynchronization Event – Related Potential Event-related Synchronization Event-related spectral perturbation Fast Fourier Transform Finite Impulse Response Functional Magnetic Resonance Imaging False Negative Rate False Positive Rate Hjorths Activity Hjorths Mobility Independent Component Analysis Intracortical Microstimulation Imagery Hand Movement Inferior Parietal Lobule iv Phân tích phương sai Điện hoạt động Tự động hồi quy Tự đồng hồi quy trung bình dịch Diện tích đường ROC Độ xác trung bình Khu vực Brodmann Khu vực Brodmann Giao tiếp người – máy Tham chiếu trung bình Hệ thần kinh trung ương Phân chia lớp kết hợp với phân tích phân chia tuyến tính Các thành phần khơng gian chung Phân tích lớp kết hợp vector máy hỗ trợ Biến đổi wavelet rời rạc Điện não đồ Điện Khử đồng liên quan đến kiện Điện liên quan đến kiện Đồng liên quan đến kiện Phổ lượng hỗn loạn liên quan đến kiện Biến đổi Fourier nhanh Đáp ứng xung hữu hạn Cộng hưởng từ chức Tỷ lệ âm tính giả Tỷ lệ dương tính giả Thơng số Hjorths hoạt động Thơng số Hjorths linh động Phân tích thành phần độc lập Vi kích thích hộp sọ Tưởng tượng vận động chi Tiểu thùy đỉnh L Lf_IHMv LOG_EN M1 MEMD MI MMAV MRCPs MRMR MSE NA-MEMD NN PLV RBF Re Re_IHMv Ri Ri_IHMv RMS ROC S1 SHAN_EN SMA SNR SPL SSI STFT SVM SSC SWT TNR TPR WAMP WPICA ZC Left Imagery Left Hand Movement Logarithm Entropy Primary Motor Cortex Multivariate Empirical Mode Decomposition Mutual Information Modified Mean Absolute Value Movement-Related Cortical Potentials Max Relevance and Min Redundancy Mean Square Error Noise Assisted MEMD Neural Network Phase Lock Value Radial Basis Function Rest Rest state Right Imgary Right Hand Movement Root Mean Square Receiver Operating Characteristic Primary Somatosensory Cortex Shannon Entropy Supplement Motor Area Signal to Noise Ratio Superior Parietal Lobule Simple Square Integral Short Time Fourier Transform Support Vector Machine Slope Sign Change Stationary Wavelet Transform True Negative Rate True Positive Rate Willison Amplitude Wavelet Packet-based Independent Component Analysis Zero Crossings v Trái Tưởng tượng vận động tay trái Logarit Entropy Vỏ não vận động Phương pháp MEMD Thơng tin chung Giá trị sửa đổi trung bình tuyệt đối Điện não liên quan đến vận động Tối đa liên quan giảm độ dư thừa Sai số trung bình bình phương Kỹ thuật MEMD cộng nhiễu Mạng nơ ron Giá trị khóa pha Hàm RBF Nghỉ Trạng thái nghỉ Phải Tưởng tượng vận động tay phải Căn bậc hai trung bình bình phương Đường cong ROC Vùng não cảm giác Shannon Entropy Vùng não vận động bổ sung Tỷ lệ tín hiệu nhiễu Tiểu thùy đỉnh Chỉ số lượng tín hiệu Biến đổi Fourier thời gian ngắn Máy vector hỗ trợ Thay đổi chiều dốc Biến đổi wavelet ổn định Tỷ lệ âm tính thật Tỷ lệ dương tính thật Thuộc tính WAMP Phân tích thành phần độc lập dựa biến đổi wavelet Tỷ lệ cắt không DANH MỤC BẢNG Trang Bảng 1.1 Mơ tả giá trị tín hiệu trước lọc tín hiệu sau lọc thơng dải 33 Bảng 2.1 Mô tả hệ số chi tiết xấp xỉ dựa biến đổi wavelet 60 mức SWT Bảng 2.2 Tóm tắt giá trị trung bình phương sai thuộc tính 69 theo phân nhóm IHMv khác Bảng 2.3 Giá trị ANOVA F p với thuộc tính dải θ, α β 76 kênh C3 C4 Bảng 2.4 Nhóm 62 thuộc tính đề xuất theo phương pháp lựa chọn đặc 80 trưng dựa ANOVA sử dụng để xây dựng vectơ đặc trưng tín hiệu IHMv Bảng 3.1 Mơ tả định trạng thái phân lớp đầu 100 Bảng 3.2 Mô tả thông số kỹ thuật phân loại IHMv_SVM3 101 Bảng 3.3 Độ xác phân loại mơ hình 3IHMv_SVM2 101 Bảng 3.4 Độ xác phân loại mơ hình phân loại SVM tầng 102 với vectơ đặc trưng thuộc tính (2 kênh x băng tần) Bảng 3.5 Độ xác phân loại non-rest IHMv Re_IHMv 103 Bảng 3.6 So sánh kết phân loại phân nhóm IHMv phân 104 loại đề xuất 3IHMv_SVM2 với nghiên cứu tương đương Bảng 4.1 Mô tả thông tin đối tượng liệu tự thiết kế 110 Bảng 4.2 Độ xác phân loại mơ hình đề xuất liệu 124 tự thiết kế vi Đối tượng P007 a) Thí nghiệm P007E04 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s - Thuận tay trái  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 159 b) Thí nghiệm P007E06 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s - Thuận tay trái  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 160 c) Thí nghiệm P007E08 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s - Thuận tay trái  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 161 Đối tượng P009 a) Thí nghiệm P009E04 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 162 b) Thí nghiệm P009E06 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 163 c) Thí nghiệm P009E08 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 164 Đối tượng P011: a) Thí nghiệm P011E04 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 165 b) Thí nghiệm P011E06 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 166 c) Thí nghiệm P011E08 (tưởng tượng vận động tay): - Thời gian thực tưởng tượng vận động: 2.5 s - Thời gian nghỉ: s - Thời gian cắt epoch: -2 đến 5.5 s  Tưởng tượng vận động tay trái: C3, C4  Tưởng tượng vận động tay phải: C3, C4  Nghỉ: C3, C4 167 PHỤ LỤC CẤU HÌNH HỆ THỐNG ĐO ĐIỆN NÃO BITMED EXEA ULTRA 19 KÊNH Nguồn Nguồn y tế tuân theo EN60601-1 Đầu vào: 100 – 240 V, 50 – 60 Hz, 0.8 A Đầu ra: +6 VDC, A Nguồn +6 VDC, cực tính: dương, âm Nguồn pin Pin Li-Ion sạc, 5600 mAh/tối đa 9h45 phút phụ thuộc vào số kênh Thời gian nạp < Công suất tiêu thụ tối đa 2.5 A/15 W Mức độ bảo vệ IPX1 Bộ nhớ Flash, 512 MB (tối đa G) Phân loại thiết bị Unit class II (theo UNE-EN60601-1) Các thành phần tiếp cận loại BF, không bảo vệ chống rung Kiểu sử dụng Liên tục (theo UNE-EN60601-1) Các chế độ hoạt động + Residential: Lưu trữ ghi nhớ Có thể đo trở kháng phần cứng + Thời gian thực kết nối trực tiếp: Theo dõi ghi hình máy tính liệu thu Đồng thời ghi nhớ Có thể chuẩn trực đo trở kháng (phần cứng, phần mềm) Dòng vào kênh < 5nA kênh Trở kháng điện cực >20 MΩ Giảm nhiễu 50 Hz (lọc 50 >40 dB Hz) 168 CMRR > 100 dB với điện cực Neutral kết nối Khử nhiễu crosstalk > 50 dB kênh Nhiễu đầu vào < 0.5µ Vrms (lên đến 70 Hz) Tần số lưu trữ  EXG kênh polygraphic  Các kênh DC Lựa chọn: 500, 250, 100, 50, 20 mẫu/giây kênh 10 mẫu/giây kênh kênh chuyên dụng (Độ bão hòa oxy, ánh sáng, đánh dấu kiện) Dải biên độ  Các kênh sinh lý thần kinh/polygraph + Độ lệch DC ±400 mV + Dải đầu vào (FSR) ±8333 µV + Bit lấy mẫu 22 bits + Số lượng < 80 nV  Các kênh DC + Dải ±5 V 11 bits + Độ phân giải Bộ lọc cứng + Bộ lọc thông cao 0.2 Hz (tối đa) + Bộ lọc thông thấp 220 Hz (tối thiểu) Các lọc mềm (lựa chọn) Lọc thông cao: 0.2 Hz, 0.5 Hz, Hz, Hz, 10 Hz 169 Lọc thông thấp: 10 Hz, 15 Hz, 25 Hz, 35 Hz, 45 Hz, 70 Hz Giao tiếp với máy tính USB 1.1 Điều kiện mơi trường Khi hoạt động: Nhiệt độ môi trường: từ 00C → +400C Độ ẩm: 25% - 95% Áp suất: từ 700 đến 1060 hPa Khi lưu giữ vận chuyển: Nhiệt độ môi trường: từ 100C → +600C Độ ẩm: 10% - 95% Áp suất: từ 500 đến 1060 hPa Kích thước 232 x 165 x 42 mm Trọng lượng khuếch đại 980 g Cấu hình máy tính tối thiểu + Pentium III 500 MHz cấu hình cao với hệ thống từ 15 số kênh nhiều + 64 MB RAM + MB ô nhớ trống tối thiểu ổ cứng (khuyến cáo 110 MB) + CD-ROM + Độ phân giải hình 1024 x 768 + Cổng USB Cấu hình thực tế hệ thống + Intel Core Dual máy tính + Windows 32 bit + RAM G + 300 GB + Độ phân giải hình 1366 x 768 + DVD-ROM + Cổng USB + Máy in 170 PHỤ LỤC CHƯƠNG TRÌNH PHÂN TÍCH VÀ XỬ LÝ TÍN HIỆU ĐIỆN NÃO LIÊN QUAN ĐẾN VẬN ĐỘNG Để phục vụ trình phân tích xử lý tín hiệu điện não liên quan đến vận động, tác giả xây dựng chương trình dựa Matlab GUI (Hình 1) theo mơ hình phân tích xử lý điện não đề xuất luận án để phân tích xử lý số liệu Một số chương trình sẵn có EEGLAB, OpenVibe cung cấp miễn phí thực trình phân tách kênh, tách đoạn số lọc bản, lọc nhiễu mắt Tuy nhiên việc tích hợp thuật tốn để tự động hóa quy trình định lượng tín hiệu khó khăn, để thực phải cần nhiều thời gian nắm bắt hết tồn cấu trúc lớn chương trình Bên cạnh chương trình tự xây dựng cịn áp dụng nhiều thuật tốn lên đoạn tín hiệu phục vụ nghiên cứu phân tích, đồng thời lưu tệp tin theo định dạng tự thiết kế phục vụ nghiên cứu đánh giá liệu Bộ công cụ chia làm modun bao gồm chức năng: - Mesurement data: Modun thực đọc liệu điện não từ hệ thống đo Modun đọc định dạng file edf, txt, mat Người sử dụng xem toàn liệu kênh đo lựa chọn kênh theo khoảng thời gian lựa chọn Modun thi dạng đồ thị theo thời gian đồ thị phổ tín hiệu - Filter: Modun giúp lọc tín hiệu lựa chọn nhiều kiểu lọc - Segmentation: Tách đoạn IHMv theo khung thời gian - SWT: Tính tốn đặc trưng theo phương pháp phân tích miền thời gian – tần số dựa biến đổi wavelet - Features: Lưu thơng tin excel phục vụ phân tích nghiên cứu Để đánh giá mơ hình phân loại khả ứng dụng thực tế mơ hình đề xuất, nhóm nghiên cứu tiến hành xây dựng cơng cụ phân loại tự động phân nhóm IHMv tương ứng với ba trạng thái tưởng tượng vận động Bộ công cụ xây dựng 171 Matlab trình bày hình Bộ cơng cụ sử dụng mơ hình phân loại đề xuất định phân loại trạng thái tưởng tượng vận động chi dựa tín hiệu điện não đưa vào Bộ cơng cụ tính tốn thời gian xử lý đưa định phân loại Trong luận án tác giả sử dụng lựa chọn tự động tối ưu giá trị C gamma đảm bảo tối thiểu hóa MSE theo phương pháp Nelder – Mead Simplex cho trình tối ưu siêu phẳng phục vụ phân lớp So với chương trình phân loại liệu trình phải lựa chọn thủ công giá trị C gamma Việc lựa chọn tùy thuộc vào kinh nghiệm ứng dụng thực Hình Cơng cụ phân tích liệu điện não tính tốn đặc trưng IHMv Hình Cơng cụ xử lý phân loại ba phân lớp tín hiệu IHMv theo mơ hình phân loại 172 Hệ thống cánh tay robot tác giả đề cập công bố hội nghị REV 2014 (Công bố số danh mục) hệ thống đồng thơng tin vận động với sóng não (Đồng tác giả Cơng bố số danh mục) Hình Khung khí hồn thiện Hình Giao diện thu nhận thông tin vận động 173 ... nhận, xử lý phân tích tín hiệu điện não cần phải tích hợp giải pháp kỹ thuật tiền xử lý tín hiệu để nâng cao tỷ số SNR nhóm tín hiệu cần phân tích Trong hệ thống đo điện não EEG, tín hiệu điện não. .. tạo đủ điện để thu nhận ghi từ điện cực da đầu Các tín hiệu điện não yếu đo khơng xâm lấn hệ thống máy đo điện não EEG thông qua điện cực da đầu Tín hiệu điện não EEG tín hiệu điện đo sọ não tạo... KINH ĐIỀU KHIỂN VẬN ĐỘNG VÀ MƠ HÌNH XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ LIÊN QUAN VẬN ĐỘNG CỦA NGƯỜI Chương trình bày sở hệ thần kinh điều khiển vận động, mơ hình xử lý phân giải tín hiệu IHMv Phần đầu