b. Biến đổi wavelet rời rạc
4.3.1. Tính diện tích vùng vận động
Diện tích vùng vận động chính là diện tích lượng Oxy-Hb trong não khi thực hiện hoạt động cắn và nâng tạ. Người thực hiện tính theo 2 cách: Diện tích sau khi làm phẳng và sau khi hồi quy đa thức.
a. Tính diện tích vùng vận động sau khi làm phẳng: (gọi là diện tích vùng vận động thực) là diện tích lượng Oxy –Hb trung bình của 5 kênh trong vùng vận động sau khi tín hiệu được loại bỏ nhiễu bằng bộ lọc Savitzky-Golay, được áp dụng theo
phương trình 4.19. m Y S n i im t 1 ) ( (4.19)
Trong đó: St là diện tích thực, Yim tín hiệu tại thời điểm i của kênh thứ m trong vùng vận động, m = 1,2, .., 5 kênh trong vùng vận động (các kênh 18,19,20, 22,23), i = 151 280 là thời điểm thực hiện hoạt động.
Kết quảtính toán được thể hiện trong bảng 4.1 và 4.2.
140 160 180 200 220 240 260 280 -0.04
-0.02 0 0.02
5th Polynomial Regression of channel 18
Smoothed Data Regressed Curve 140 160 180 200 220 240 260 280 -0.06 -0.04 -0.02 0 0.02
5th Polynomial Regression of channel 19
140 160 180 200 220 240 260 280 -0.1 -0.05 0 0.05 0.1
5th Polynomial Regression of channel 20
140 160 180 200 220 240 260 280 -0.2 -0.1 0 0.1 0.2
5th Polynomial Regression of channel 22
140 160 180 200 220 240 260 280 -0.2 -0.1 0 0.1 0.2
5th Polynomial Regression of channel 23
A m p lit u d e
B ng 4.1. Kết quả của thí nghiệm không cắn và nâng tạ Đ i tư ng S c nâng 4 kg 5 kg 6 kg 7 kg s1 0,461316 1,566387 2,286948 0,44128 s2 0,461316 1,012211 5,723015 0,942877 s3 5,983408 6,334267 1,620787 -1,09191 s4 5,155248 3,053674 2,014314 -0,87794 s5 2,494736 1,147787 1,386841 -0,99792 Trung bình 2,911205 2,622865 2,606381 -0,31672
Với kết quả ở bảng trên, người thực hiện thấy rằng khi nâng tạ diện tích là
dương và với sức nâng càng tăng lên thì vùng diện tích này càng giảm đi. Diện tích giảm nhiều nhất khi đối tượng nâng 7 kg, đồng nghĩa với việc khi nâng quá nặng thì
lượng Oxy-Hb sẽ suy giảm theo. Kết quả này có thể thể hiện qua hình vẽ 4.10.
Hình 4.10. Diện tích vùng vận động khi không cắn và nâng tạ.
Kết quả tính diện tích vùng vận cho những hoạt động cắn và nâng tạ những trọng lượng khác nhau như thể hiện trong bảng 4.2.
B ng 4.2. Diện tích của các thí nghiệm cắn và nâng tạ
Đ i tư ng S c nâng
0 kg 4 kg 5 kg 6 kg 7 kg
s2 -14,0593 -11,8009 -12,4813 -10,7767 -14,2659 s3 -5,75724 -8,89116 4,367694 -3,18476 -3,41278 s4 -13,0946 -10,1626 -7,67565 -11,3016 -10,9269 s5 -4,454 -4,02221 0,551608 -1,90511 -2,72354
Trung bình -8,07352 -7,00335 -3,3976 -5,53353 -6,41721
Qua bảng 4.2, người thực hiện thấy rằng khi cắn diện tích là nhỏ nhất và khi cắn kết hợp nâng tạ thì diện tích tăng lên, cao nhất ở 5 kg. Khi sức nâng thay đổi thì vùng diện tích này cũng thay đổi. Kết quả này có thể thể hiện qua hình vẽ 4.11.
Hình 4.11. Diện tích vùng vận động khi cắn và nâng tạ. b. Tính diện tích vùng vận động sau khi hồi quy đa thức:
Tín hiệu Oxy-Hb sau khi làm phẳng bởi bộ lọc Savitzky –Golay sẽđược thực hiện hồi quy đa thức. Diện tích tín hiệu vùng vận động này gọi là diện tích gần đúng để so sánh với diện tích thực. Phương pháp này được thực hiện bằng cách tìm ra đa
thức hồi quy bậc 5, sau đó tính tích phân trong thời gian thực hiện hoạt động như phương trình sau:[9] b a g f x dx S ( ) (4.20)
Trong đó: Sg là diện tích gần đúng, f(x) là đa thức hồi quy tìm được, [a, b] = [151, 280] là thời gian thực hiện hoạt động cắn và nâng tạ.
Kết quả tính diện tích gần đúng được thể hiện ở bảng 4.3 và 4.4.
B ng 4.3. Kết quả của thí nghiệm không cắn và nâng tạ
Đ i tư ng S c nâng 4 kg 5 kg 6 kg 7 kg s1 0,4782 1,5745 2,285702 1,91358 s2 0,478201 1,016039 5,977724 0,942877 s3 5,956007 6,302826 1,621211 -1,07121 s4 5,133497 3,049604 2,039897 0,55556 s5 2,490316 1,157918 1,393871 -0,97852 Trung bình 2,907244 2,620177 2,663681 0,272457
Với kết quả ở bảng trên, người thực hiện thấy rằng khi nâng tạ diện tích trung bình là dương toàn bộ và với sức nâng càng tăng lên thì vùng diện tích này càng giảm đi, ở 5 kg và 6 kg là chênh lệch không nhiều. Diện tích giảm nhiều nhất
khi đối tượng nâng 7 kg, đồng nghĩa với việc khi nâng quá nặng thì lượng Oxy-Hb sẽ suy giảm theo. B ng 4.4. Kết quả của thí nghiệm cắn và nâng tạ Đ i tư ng S c nâng 0 kg 4 kg 5 kg 6 kg 7 kg s1 -3,65119 -0,14081 -1,74013 -0,499 -0,73574 s2 -13,9968 -11,7494 -12,4375 -10,7479 -11,4215 s3 -5,75368 -8,85847 4,321073 -3,18471 -3,41354 s4 -13,0314 -10,1455 -7,62515 -11,2627 -10,8748 s5 -4,43514 -3,98216 0,561598 -1,87599 -2,694 Trung bình -8,17365 -6,97527 -3,38402 -5,51406 -5,82792
Qua kết quả bảng 4.4, người thực hiện thấy rằng khi cắn, diện tích vùng vận
động là nhỏ nhất và khi cắn kết hợp nâng tạ thì diện tích tăng lên, cao nhất ở 5 kg. Khi sức nâng thay đổi thì vùng diện tích này cũng thay đổi.
4.3.2. Mối quan hệ giữa lệch quai hàm và lực cánh tay
Như chúng ta đư biết quai hàm và lực cánh tay có mối quan hệ mật thiết với nhau. Một người muốn nâng một vật nặng ở tay phải thường phải cắn hàm răng trái
lại và ngược lại. Để tìm ra mối quan hệ này chúng ta xem xét lượng Oxy-Hb trong não của vùng vận động.
Theo kết quả tính toán diện tích vùng vận động trước và sau hồi quy, người thực hiện thấy cả hai cách là tương đương nhauđược thể hiện trong bảng 4.5 và 4.6.
B ng 4.5. So sánh diện tích trước và sau hồi quy cho trường hợp không cắn - nâng tạ Cách tính di n tích 4 kg 5 kg S c nâng 6 kg 7 kg Trước hồi quy 2,91121 2,62287 2,60638 0,31672 Sau hồi quy 2,90724 2,62018 2,66368 0,27246 Độ chính xác 99,8639 99,8975 102,1985 86,0246 Với trường hợp này độ chính xác trung bình đạt được là : 96,99%.
B ng 4.6. So sánh diện tích trước và sau hồi quy cho trường hợp cắn - nâng tạ
Cách tính di n tích S c nâng 4 kg 5 kg 6 kg 7 kg Trước hồi quy -8,0735 -7,0034 -3,3976 -5,5335 Sau hồi quy -8,1737 -6,9753 -3,384 -5,5141 Độ chính xác 101,2402 99,59905 99,60031 99,64815 Với trường hợp này độ chính xác trung bình đạt được là : 98,18%.
Cả hai cách tính trên đều thể hiện mối quan hệ giữa lệch quai hàm và lực cánh tay của 5 người khỏe mạnh thực hiện thí nghiệm.
Thứ nhất là khi nâng cánh tay lượng Oxy –Hb trong nưo tăng lên. Lúc nâng một vật nhẹ nhất (4 kg) thì lượng Oxy này là cao nhất, nếu trọng lượng của vật tăng
não bắt đầu giảm nhẹ. Tại thời điểm nâng 7 kg lực cánh tay là lớn nhất, lúc đó lượng Oxy trong não giảm nhiều nhất.
Thứ hai, với trường hợp người thí nghiệm cắn một miếng đệm (giống như người bị lệch quai hàm) và không nâng tạthì lượng Oxy –Hb giảm mạnh. Vẫn cắn miếng đệm và thực hiện nâng tạ thì người thực hiện thấy lượng Oxy tăng lên. Khi
thay đổi sức nâng thì lượng Oxy này cũng thay đổi và giá trị tăng mạnh nhất tại thời
điểm nâng 5 kg.
Như vậy khi nâng vật, lượng Oxy-Hb tăng lên và nếu tăng sức nâng lên nhiều làm cho lượng Oxy này giảm xuống, nó sẽ giảm mạnh nhất khi người thực hiện thí nghiệm bỏ ra nhiều sức (nâng nặng nhất).
Với những kết quảtìm được, người thực hiện nhận thấy rằng những tín hiệu sinh học thu thập được đư phản ánh đúng về việc giảđịnh người bình thường bị lệch quai hàm (cắn miếng đệm). Đó là cùng một đối tượng bình thường, khi thực hiện một hành động không cắn - nâng tạ nào đó thì lượng Oxy-Hb trong não nhiều,
nhưng khi giảđịnh lệch quai hàm (cắn) nâng cùng trong lượng đó thì lượng Oxy-Hb trong não giảm đi rất nhiều. Vậy người thực hiện cho rằng có một mối quan hệ khăng khít giữa các tín hiệu sinh học fNIRS và bệnh lý. Dựa vào các tín hiệu này
Chư ng 5
K T LUẬN
5.1. K t lu n
Trong đề tài này, tín hiệu Oxy-Hb thu thập được từ các hoạt động cắn và nâng tạ của 5 đối tượng được làm trơn bằng bộ lọc Savitzky – Golay. Tín hiệu 24
kênh của từng đối tượng được thực hiện biến đổi Wavelet rời rạc với họ Bior (bior5.5) và ứng dụng thuật toán ngưỡng tìm được vùng vận động của từng đối tượng theo những hoạt động cắn và nâng tạ cụ thể. Các vùng vận động này được
giao với nhau và người thực hiện tìm được 5 kênh có tín hiệu tích cực nhất nằm
trong vùng vận độngđược thể hiện ở bảng 5.1.
B ng 5.1. Số kênh trong vùng vận động của hoạt động cắn và nâng tạ
Ho t đ ng Kênh đư c chọn Cắn và không nâng 15-16-18-19-20-22-23 Cắn và nâng 4 kg 6-11-16-17-18-19-20-21-22-23 Cắn và nâng 5 kg 18-19-20-22-23-24 Cắn và nâng 6 kg 1-6-18-19-20-22-23 Cắn và nâng 7 kg 2-18-19-20-22-23 K t qu 18-19-20-22-23
Như vậy khi cần tìm hiểu các hoạt động của con người thông qua các hoạt
động của não chúng ta không cần phải xử lý khối dữ liệu lớn mà chỉ cần xem xét hoạt động của vùng vận động là đủ. Với phương pháp này sẽ tiết kiệm được thời gian, công sức và cho kết quảchính xác hơn.
Sau khi có được vùng vận động, người thực hiện tiến hành lấy tín hiệu sau
khi làm trơn đưa vào thực hiện hồi quy đa thức để lấy đặc trưng của tín hiệu vùng vận động và tính diện tích vùng này. Dựa vào diện tích vùng vận động cho các hoạt
động cắn và nâng tạ, có thể tìm được mối quan hệ giữa độ lệch quai hàm và lực cánh tay như thể hiện trong hình 5.1 và 5.2.
Hình 5.1. Diện tích vùng vận động khi không cắn và nâng tạ.
Hình 5.2. Diện tích vùng vận động khi cắn và nâng tạ.
Kết quả thu được cho chúng ta thấy cả người bình thường và người bị lệch quai hàm khi nâng vật thì lượng Oxy trong nưo đều tăng lên. Nhưng những người
bình thường khi hoạt động lực cánh tay thì lượng Oxy trong vùng vận động của não
tăng nhiều hơn nhiều so với những người bị lệch quai hàm. Độ lệch quai hàm càng lớn, khi hoạt động lực cánh tay thì lượng Oxy-Hb trong não càng giảm. Do đó, nếu
Những kết quả này có sự tương đồng với những nhận định của các nghiên cứu đư công bố chẳng hạn như:
Sự mất cân bằng hàm và sức mạnh cánh tay (của Khoa Truong Quang Dang năm 2012) [9]. Bài báo này cho thấy mất cân bằng cắn gây ra mất sức mạnh cánh tay bên đối diện của nam cao hơn của nữ.
Khi vận động tay phải đưa lên và hạ xuống thì bán cầu não trái hoạt động mạnh hơn bán cầu não phải (của Nguyễn Thanh Nghĩa năm 2012).
Như vậy mối quan hệ lệch quai hàm và lực cánh tay được đưa ra ở trên dựa vào fNIRS, có thể giúp các nhà chuyên môn trong việc chuẩn đoán mức tập trung
lượng oxy trong nưo, lưu lượng máu, chức năng vận động của con người.
5.2. Hướng phát triển c a đề tài
Thu thập dữ liệu thêm của một vài nhóm đối tượng khác: như nhóm lệch quai hàm, nhóm lực cánh tay yếu. Đồng thời có thể thu dữ liệu trong các vùng não khác: trán hay vùng não bên phải. Để hiểu thêm về mối quan hệ giữa hàm và lực cánh tay, nhằm kết hợp chúng trong các chuẩn đoán, điều trị y khoa.
Tìm mối tương quan giữa các tín hiệu thu và phát hồng ngoại.
Tổ chức các buổi hội thảo khoa học để lấy ý kiến của các chuyên gia y tế.
Đánh giá kết quảtìm được trong ứng dụng vào thực tế khám, chuẩn đoán và điều trị
TÀI LI U THAM KH O
[1] Shimadzu, ―Introduction to FOIRE-3000‖, 2010, pp 26.
[2] Toshimasa Sato, Makoto Ito, Tomohiro Suto, Masaki Kameyama, Masashi Suda, Yutaka Yamagishi, Akihiko Ohshima, Toru Uehara, Masato Fukuda, Masahiko Mikuni, "Time courses of brain activation and their implications for function : A multichannel near-infrared spectroscopy study during finger tapping", Neuroscinece research, 2007, pp. 297-304.
[3] M. O. Hiroshi Tamura, Masami Choui, "NIRS Trajectories in Oxy-Deoxy Hb Plane and the Trajectory Map to Understand Brain Activities Related to Human Interface", presented at the Human Interface, 2007.
[4] Truong Quang Dang Khoa, Masahiro Nakagawa, "Functional Near Infrared Spectroscope for Cognition Brain Tasks by Wavelets Analysis and Neural Networks", International journal of Biological and Life science, pp. 29-30, 2008. [5] K. S. T. Shimokawa, T. Misawa, K. Miyagawa, "Predictability of investment behavior from brain information measured by functional near- infrared spectroscopy: a bayesian neural network model", Neuroscinece research, 2009, pp. 347-358.
[6] C. H. Rodolphe J. Gentili, Hasan Ayaz, Patricia A. Shewokis and José L. Contreras-Vidal, "Hemodynamic Correlates of Visuomotor Motor Adaptation by Functional Near Infrared Spectroscopy", presented at the 32nd Annual International Conference of the IEEE EMBS, 2010.
[7] Justin Chan, ―Online near-infrared spectroscopy brain-computer interfaces with real-time feedback‖, University of Toronto, 2011.
[8] Ngo Quoc Cuong, Nguyen Thanh Hai, Vo Van Toi ―Recognition Algorithm For Developing A Brain- Computer Interface Using Functional Near Infrared Spectroscopy‖, GTSD2012.
[9] Khoa Truong Quang Dang, Hoa Le Minh, Hai Nguyen Thanh and Toi Vo Van,
―Analyzing surface EMG signals to determine relationship between jaw imbalance and arm strength loss‖, BioMed Central Ltd, 2012.
[10] N. T. Hai, ―Temporal hemodynamic classification of two hands tapping using fNIRS‖, Frontiers in H. N, 2013.
[11] Ranganatha Sitaram, Haihong Zhang, Cuntai Guan, Manoj Thulasidas, Yoko Hoshi, Akihiro Ishikawa, Koji Shimizu, Niels Birbaumer, "Temporal classification of multichannel near-infrared spectroscopy signals of motor imagery for developing a brain-computer interface", Neuroimage 34, 2007, pp. 1416-1427. [12] W. O. Tatum, Husain, A. M, Benbadis, S. R, ―Handbook of EEG
Interpretation”,Demos Medical Publishing, 2008.
[ 13] Scott C. Bunce, Meltem Izzetoglu, Kurtulus Izzetoglu, Banu Onaral, and Kambiz Ourrezaei , ―Functional Near-Infrared Spectroscop”, IEEE Engineering in Medicine and Biology Magazine, july/August 2006, pp55.
[14] F. Matthews, B.A. Pearlmutter, T. E. Ward, C. Soraghan, and C. Markham (2008), ―Hemodynamics for Brain-Computer Interfaces‖, IEEE Signal Processing Magazine January 2008, pp. 87-94
[15] Press, W.H., et al., "Numerical Recipes in C", the Press Syndicate of the University of Cambridge, 2002,page 650-651.
[16] Cuong Q. Ngo, T. H. N, T. V. Vo, "Linear Regression Algorithm for Hand Tapping Recognition Using Functional Near Infrared Spectroscopy", presented at the Fourth International Conference on the Development of Biomedical Engineering, VietNam, 2012, pp. 421-426.
[17] Semmlo, J.L., "Biosignal and Biomedical Image Processing", New Jersey, U.S.A: Marcel Dekker, 2004, Chapter 7: Wavelet Analysis, page 197,199,206,207. [18] T.Düzenli and N. Özkurt,“Comparison OF Wavelet Based Feature Extraction Methods for Speech/Music Discrimination‖, IU-JEEE Vol. 11(1),2011, page 1357. [19] V. Alarcon-Aquino, E. S. Garcia-Treviño, R. Rosas-Romero, J. F. Ramirez- Cruz, L. G. Guerrero-Ojeda, & J. Rodriguez-Asomoza, “Wavelet-network based on l1-norm minimisation for learning chaotic time series‖, Journal of Applied Research and Technology, 2005, page 213-214.
[20] G. A. Alonso, J. M. Gutiérrez, J. L. Marty and R. Muñoz, ―Implementation of the Discrete Wavelet Transform Used in the Calibration of the Enzymatic Biosensors‖, 2011 InTech/ Publishing Process Manager Ivana Lorkovic, 2011, pp.135-154.
[21] T. Nguyen, T.H. Nguyen, K.Q.D. Truong, and Toi Van Vo, ―A Mean Threshold Algorithm for Human Eye Blinking Detection Using EEG‖, IFMBE Proceedings Vol. 40, 2012, page 276.
[22] Douglas C. Montgomery and George C. Runger, "Applied Statistics and Probability for Engineers", ed: John Wiley @ Sons Inc, 2011, pp. 450-461.
PHỤ LỤC
Phần phụ lục sẽ trình bày về các giao diện chương trình phục vụ cho quá trình tính toán một cách nhanh chóng.
1. Giao diện thuật toán tìm khu vực vận động của tín hiệu Oxy-Hb cho hoạt động