Trong khuôn khổ luận văn này, tác giả đã xây dựng thử nghiệm hệ thống nhận dạng trạng thái suy nghĩ của con người thông qua tín hiệu điện não EEG, kết quả thể hiện ra ngoài đó là dùng suy nghĩ để điều khiển ánh sáng đèn. Hệ thống cho kết quả chính xác tới 87% và các kết quả khác. Qua thử nghiệm tác giả đã xây dựng được tập hợp các mẫu features nhỏ nhưng vẫn đảm bảo tính chính xác của hệ thống từ đó giảm được tài nguyên yêu cầu để xử lý, giảm tính trễ, nâng cao hiệu năng của hệ thống. Số lượng Gaussion epoch dùng cho Training cũng được tối thiểu hóa nhằm cải thiện tốc độ của mô hình. Ngoài ra hệ thống còn lưu trữ dữ liệu mẫu EEG, Score của người dùng thử nghiệm phục vụ cho nghiên cứu trạng thái suy nghĩ.
Hiện nay hệ thống xây dựng thử nghiệm với một Action là suy nghĩ điều khiển ánh sáng đèn. Trong tương lai tác giả nghiên cứu mở rộng khả năng nhận dạng được nhiều Action khác nhau tại cùng một thời điểm của hệ thống, đồng thời cải thiện tốc độ, tính chính xác của hệ thống.
Ngoài ra, một trong những hướng phát triển tiếp theo của đề tài là kết hợp với công nghệ phần cứng của công ty Emotiv Systems. Việc này sẽ giúp tăng hiệu năng của sản phẩm và giúp tập trung cho việc nghiên cứu xử lý và nhận dạng các thông tin trong sóng não EEG.
TÀI LIỆU THAM KHẢO
[1]...Điện não đồ Lâm sàng, GS. Pierre Jallon. GS.TS. Lê Quang Cường, Nxb Y học
[2]. Quách Tuấn Ngọc, “Xử lý tín hiệu số”. Nhà xuất bản giáo dục ,1997.
[3]. Hà Quốc Trung, "Xử lý tín hiệu và lọc số". Tập 1,2. Nhà xuất bản khoa học kỹ thuật, 1999 & 2001.
[4]. Eoin M. Thomas, Andriy Temko, Gordon Lightbody, William P. Marnane and
Geraldine B. Boyla. “A Gaussian mixture model based statistical classification system
for neonatal seizure detection”.
[5]. A.Hyvarinen and E.Oja, Independen Component Analysis: Algorithms and
Application, Neural Networks, 13(4-5): 411-430, 2000
[6]. Laboratory of computer and information science adaptive informatics research
center, “FastICA version 2.5, published on 19.10.2005”.
[7]. Geoffrey J. McLachlan, Thriyambakam Krishnan. “The EM Algorithm and
Extensions”. Publish Date: 1997-01-31
[8]. S. Richardson, P.J. Green, On Bayesian Analysis of Mixtures with an Unknown
Number of Components, Journal of the Royal Statistical Society, 59(4): 731-792,1997.
[9]. Mô hình Automatic Speaker Verification System (ASV) dựa trên công cụ Alize của
Avignon university of France.
[10].L. Meng, M. Frei, I. Osorio, G. Strang, and T. Nguyen, “Gaussian mixture models
of ecog signal features for improved detection of epileptic seizures.” Med. Eng. Phys.,
vol. 26, no. 5, pp. 379–93, 2004
[11].X. Zhu, J. Wu, Y. Cheng, and Y. Wang, “GMM-based classification method for
continuous prediction in brain-computer interface,” ICPR ’06: Proceedings of the 18th
International Conference on Pattern Recognition, pp. 1171–1174, 2006
[12].Kenji Fujimoto, Toshiharu Sugie. Department of Systems Science, Graduate
School of Informatics, Kyoto University, Uji, Kyoto 611-0011, Japan. “Canonical
transformation and stabilization of generalized Hamiltonian systems”.
[13].W. Deburchgraeve, P. Cherian, M. D. Vos, R. Swarte, J. Blok, G. Visser, P. Govaert, and S. V. Huffel, “Automated neonatal seizure detection mimicking a human
observer reading EEG,” Clinical Neurophysiology, vol. 119, no. 11, pp. 2447–54,
2008.
[14].Aarabi, F. Wallois, and R. Grebe, “Automated neonatal seizure detection, a
multistage classification system through feature selection based on relevance and
redundancy analysis,” Clin. Neurophysiol.,vol. 117 (2), pp. 328–40, 2006.
[15].Aarabi, R. Grebe, and F. Wallois, “A multistage knowledge-based system for EEG
seizure detection in newborn infants,” Clin. Neurophys- iol, vol. 118, pp. 2781–97,
2007.
[16].“A Gaussian mixture model based statistical classification system for neonatal
seizure detection”, Eoin M. Thomas, Andriy Temko, Gordon Lightbody, William P. Marnane and Geraldine B. Boyla.
[17].“The EM Algorithm and Extensions”. Geoffrey J. McLachlan, Thriyambakam
Krishnan. Publish Date: 1997-01-31
[18].L. Meng, M. Frei, I. Osorio, G. Strang, and T. Nguyen, “Gaussian mixture models
of ecog signal features for improved detection of epileptic seizures.” Med. Eng. Phys., vol. 26, no. 5, pp. 379–93, 2004
[19].W. Deburchgraeve, P. Cherian, M. D. Vos, R. Swarte, J. Blok, G. Visser, P.
Govaert, and S. V. Huffel, “Automated neonatal seizure detection mimicking a human observer reading EEG,” Clinical Neurophysiology, vol. 119, no. 11, pp. 2447–54, 2008.
EEG seizure detection in newborn infants”, Clin. Neurophys- iol, vol. 118, pp. 2781– 97, 2007
[21].“Automatic artifact rejection for EEG data using high-order statistics and
independent component analysis”, A. Delorme, S. Makeig, T. Sejnowski
[22].“Removing Electroencephalographic Artifacts : Comparison between ICA and
PCA” Tzyy-Ping Jung, Colin Humphries, Te-Won Lee, Scott Makeig, Martin J. McKeown, Vicente Iragui, Terrence J. Sejnowskil - Computational Neurobiology Lab The Salk Institute, San Diego, CA
[23].A. Hyvarinen, J. Karhunen, and E. Oja, Independent Component Analysis. New
York: Wiley, 2001.
[24]. A. J. Bell and T. J. Sejnowski, “An information-maximization approach to blind
separation and blind deconvolution,” Neural Comput., vol. 7, pp. 1129–1159, 1995.
[25].T. W. Lee and T. J. Sejnowski, “Independent component analysis for sub-Gaussian
and super-Gaussian mixtures,” in Proc. 4th Joint Symp. Neural Computation, vol. 7. La Jol la, CA: Univ. of California, San Diego, 1997, pp. 132–139.
[26].A. Delorme and S. Makeig, “EEGLAB: An open source toolbox for analysis of
single trial EEG dynamics including independent component analysis,” J. Neurosci. Methods, vol.134, pp. 9–21, 2004.
[27].C. Jutten and J. Herault, “Blind separation of sources I. An adaptive algorithm
based on neuromimetic architecture,” Signal Process., vol. 24, pp. 1–10, 1991.
[28].P. Comon, “Independent component analysis—A new concept?” Signal Process.,
vol.36, pp. 287–314, 1994.
[29].M. Girolami, “An alternative perspective on adaptive independent component
analysis,” Neural Comput., vol. 10, pp. 2103–2114, 1998.
[30].T. W. Lee, M. Girolami, and T. J. Sejnowski, “Independent component analysis
using an extended infomax algorithm for mixed sub- and super-Gaussian sources,” Neural Comput., vol. 11, pp. 606–633, 1999.
[31].T. P. Jung, C. Humphries, T. W. Lee, S. Makeig, M. J. McKeown, V. Iragui, and T.
J. Sejnowski, “Extended ICA removes artifacts from electroencephalographic recordings,” Adv. Neural Inform. Process. Syst., vol. 10, pp. 894–900, 1998.
[32].T. P. Jung, S. Makeig, W. Westerf ield, J. Townsend, E. Courchesne, and T. J.
Sejnowski, “Analysis and visualization of single-trial event-related potentials,” Hum. Brain Mapp., vol. 14, no. 3, pp. 166–185, 2001.
[33].M. Naganawa, Y. Kimura, K. Ishii, K. Oda, K. Ishiwata, and A. Matani,
“Extraction of a plasma time-activity curve from dynamic brain pet images based on independent component analysis,” IEEE Trans. Biomed. Eng., vol. 52, pp. 201–210, Feb. 2005.
[34].R. Liao, J. L. Krolik, and M. J. McKeown, “An information-theoretic criterion for
intrasubject alignment of FMRI time series: Motion corrected independent component analysis,” IEEE Trans. Med. Imag., vol. 24, pp. 29–44, Jan. 2005.
[35].W. Wierville, J. G. Casali, and B. S. Repa, “Driver steering reaction time to abrupt onset crosswind, as measured in a moving-base driving simulator,” Hum. Factors, vol. 25, no. 1, pp. 103–116, 1983.
[36].G. Reymond, A. Kemeny, J. Droulez, and A. Berthoz, “Role of lateral acceleration
in curve driving: Driver model and experiments on a real vehicle and a driving simulator,” Hum. Factors, vol. 43, pp. 483–495, 2001.
induced sensation of self-tilt and rotation,” Perception, vol. 28, pp. 287–297, 1999.
[38].C. T. Lin, I. F. Chung, L. W. Ko, Y. C. Chen, S. F. Liang, and J. R. Duann, “EEG-
based assessment of driver cognitive responses in a dynamic virtual-reality driving environment,” IEEE Trans. Biomed. Eng., vol. 54, no. 7, pp. 1349–1352, 2007.
[39].C. T. Lin, L. W. Ko, J. C. Chiou, J. R. Duann, R. S. Huang, T. W. Chiu, S. F. Liang,
and T. P. Jung, “Noninvasive neural prostheses using mobile and wireless EEG,” Proc. IEEE, vol. 96, no. 7, pp. 1167–1183, 2008.
[40].C. T. Lin, R. C. Wu, T. P. Jung, S. F. Liang, and T. Y. Huang, “Estimating
alertness level based on EEG spectrum analysis,” EURASIP J. Appl. Signal Process., vol. 2005, no.19, pp. 3165–3174, Mar. 2005.
[41].C. T. Lin, T. T. Chiu, T. Y. Huang, C. F. Chao, W. C. Liang, S. H. Hsu, and L. W.
Ko, “Assessing effectiveness of various auditory warning signals in maintaining drivers’ attention in virtual reality-based driving environments,” Percept. Motor Skills, vol. 108, pp. 825–835, June 2009.
[42].S. Makeig, A. J. Bell, T. P. Jung, and T. J. Sejnowski, “Independent component
analysis of electroencephalographic data,” Adv. Neural Inform. Process. Syst., pp. 145–151, 1996.
[43].T. P. Jung, C. Humphr ies, T.-W. Lee, S. Makeig, M. J. McKeown, V. Iragui , and
T. J. Sejnowski, “Extended ICA removes artifacts from electroencephalographic recordings,” Adv. Neural Inform. Process. Syst., pp. 894–900, 1998.
[44].P. LeVan, E. Urrestarazu, and J. Gotman, “A system for automatic artifact removal
in ictal scalp EEG based on independent component analysis and Bayesian classif ication,” Clin. Neurophysiol., vol. 117, pp. 912–927, 2006.
[45].C. A. Joyce, I. F. Gorodnitsky, and M. Kutas, “Automatic removal of eye
movement and blink artifacts from EEG data using blind component separation,” Psychophysiology, vol. 41, pp. 313–325, 2004.
[46].Manh Ngo Van, Viet Hoang Anh, Thang Huynh Quyet and Vinh Pham Quoc. “A
General Model For Digitalizing Human Being's Thought – MiMaS”, Symposium on Information and Communication Technology, Hanoi, Vietnam, August 27-28, 2010
Website tham khảo:
[47].“Lý thuyết điện não đồ”: http://www.thankinhhoc.com
[48].http://www.baomoi.com/Dieu-khien-robot-bang-te-bao-nao-nguoi/53/3200716.epi
[49].http://tusach.thuvienkhoahoc.com/wiki/Sách:Điện_tử_sinh_học/Điện_não_đồ
[50].http://tailieu.vn/xem-tai-lieu/bai-giang-dien-nao-tam-do-eeg-phan-1.224147.html
[51].http://yhocquany.com/forum/showthread.php?t=2531
[52].Lý thuyết căn bản về “Điện não đồ”. http://www.thankinhhoc.com
[53].BCI2000 (http://www.bci2000.org/BCI2000/Home.html)
[54].OpenEEG project (http://openeeg.sourceforge.net)