Tế bào thần kinh và lan truyền kích thích

5. Ý nghĩa thực tiễn của đề tài

2.1 Điện não đồ EEG

2.1.3 Tế bào thần kinh và lan truyền kích thích

Một tế bào thần kinh bao gồm: thân, các đuôi gai, sợi trục [18,20]. Mỗi đi gai có thể bao gồm hàng nghìn nhánh làm nhiệm vụ nhận tín hiệu từ tế bào thần kinh khác, độ dài đuôi gai thường <2mm. Sợi trục thường là một nhánh đơn, làm nhiệm vụ truyền tín hiệu từ tế bào thần kinh đến các nơi khác của hệ thần kinh, đợ dài của sợi trục có thể <1mm nhưng cũng có thể >1m.

12

Hình 2.3 Cấu trúc của mợt tế bào thần kinh [34]

Thông tin truyền giữa các tế bào thần kinh xảy ra tại các khớp, khớp là vị trí kết nối giữa đầu cuối sợi trục của tế bào thần kinh này với tế bào thần kinh khác. Tín hiệu khởi nguồn từ thân tế bào thần kinh truyền qua sợi trục dưới dạng một xung ngắn, khi đến màng trước khớp, tín hiệu điện này chuyển thành dạng tín hiệu hóa học, khuếch tán qua khe khớp, sau đó khơi phục lại thành tín hiệu điện ở màng sau khớp của tế bào thần kinh nhận.

Ở sau khớp là tổng cợng các tín hiệu nhận được đến khớp, biên đợ của tín hiệu này phụ tḥc các tín hiệu vào và sự trùng hợp thời gian giữa chúng, biên đợ giảm nếu các tín hiệu đến màng trước khớp phân tán về thời gian. Để tạo ra mợt điện thế kích thích trong tế bào thần kinh nhận, tín hiệu này phải lớn hơn ngưỡng nhất định. Tín hiệu đến tế bào thần kinh có thể là tín hiệu kiềm chế, phụ tḥc vào cấu trúc hóa học cụ thể của tế bào thần kinh, do đó tế bào thần kinh nhận được cả tín hiệu kích thích và kiềm chế. Tín hiệu ra của tế bào thần kinh là tổng của các tín hiệu nhận được.

Hoạt động điện truyền dọc theo sợi trục thể hiện dưới dạng chuỗi các điện thế kích thích có biên đợ sóng xác định. Tế bào thần kinh hoạt động theo cơ chế bật tắt, nghĩa là tế bào thần kinh hoặc tạo ra mợt điện thế kích thích với biên độ xác định hoặc không tạo ra. Như vậy, cường đợ tín hiệu được mã hóa dưới dạng tốc đợ của điện thế kích thích. Ví dụ, nhịp nhanh ở tế bào thần kinh cảm giác thể hiện sự đau đớn, cịn ở tế bào thần kinh vận đợng thể hiện sự co thắt mạnh của cơ. Nhịp lớn nhất

13

phụ thuộc vào thời gian phục hồi của tế bào thần kinh, trong giai đoạn phục hồi này, tế bào thần kinh khơng nhạy với kích thích.

Các tế bào thần kinh không hoạt động độc lập mà kết nối với nhau tạo thành mạng tế bào thần kinh, mỗi mạng đảm nhiệm việc xử lý một loại thông tin khác nhau.

2.1.4 Hoạt động điện trên da đầu

Hình 2.4 Kết nối giữa các tế bào thần kinh [35]

EEG ghi hoạt động điện trên da đầu không phải là hoạt động riêng lẻ của từng tế bào thần kinh mà là tổng hợp hoạt động điện của hàng triệu tế bào thần kinh, dòng điện đo được có nguồn gốc tại khớp trong q trình kích thích.

Biên đợ của tín hiệu EEG liên quan tới mức đợ đồng bộ của các tế bào thần kinh khi chúng tương tác, sự kích thích đồng thời của mợt nhóm các tế bào thần kinh sẽ tạo ra tín hiệu có biên đợ lớn trên bề mặt da, bởi vì các tín hiệu có nguồn gốc từ các tế bào thần kinh độc lập được cộng lại. Ngược lại, các tế bào thần kinh kích thích khơng đồng bợ sẽ tạo ra EEG có biên đợ thấp, biên đợ phụ tḥc vào chủ thể đo như: tình trạng tâm lý, lứa tuổi và phụ thuộc vào kỹ thuật đo như loại điện cực, khoảng cách từ điện cực đến nguồn điện thế,... khi tăng trở kháng, biên độ EEG giảm.

14

2.1.5 Các đặc trưng và dạng sóng cơ bản của EEG

Các đặc trưng của EEG được thể hiện bởi: biên độ, tần số, hình thái, phân cực, phân bố và điều kiện làm thay đổi của hiệu điện thế.

Tín hiệu ghi trên da đầu có biên đợ từ vài μV đến khoảng 100μV và tần số trong khoảng từ 0.5Hz đến 40Hz.

Nếu trạng thái của người đo ổn định thì các sóng EEG này có dạng tuần hồn.

Các sóng cơ bản của EEG được chia thành 5 dải: Delta (0.5 - 4Hz), Theta (4- 7,5Hz), Alpha (8-13,5Hz), Beta (14-30Hz), Gamma (>30Hz).

Hình 2.5 Các sóng cơ bản của EEG [36]

2.1.5.1 Sóng delta

Tần số từ 0.5Hz đến 4Hz xuất hiện trong giấc ngủ sâu, cũng có thể xuất hiện trong giai đoạn thức giấc, biên đợ lớn khoảng 100μV; sóng delta x́t hiện bình thường ở trẻ nhỏ, nếu sóng delta xuất hiện ở người lớn khi thức là dấu hiệu tổn thương não.

15

2.1.5.2 Sóng theta

Tần số từ 4Hz đến 7.5Hz xuất hiện ở vùng trán tới vùng trung tâm, biên độ nhỏ khoảng 15μV, được quan sát dễ dàng khi có các hoạt đợng cảm xúc, tập trung hoặc các hoạt đợng trí óc. Thường sóng theta tăng cường hoạt đợng khi đối tượng ở trạng thái buồn ngủ hoặc ngủ. Sóng theta đóng vai trị quan trọng ở trẻ nhỏ, sự xuất hiện sóng theta khơng liên tục ở người lớn khi thức là dấu hiệu bất thường từ nhiều bệnh lý khác nhau.

2.1.5.3 Sóng alpha

Tần số từ 8Hz đến 13,5Hz biên độ khoảng 50μV, bình thường bắt đầu xuất hiện ở trẻ 3 tuổi với tần số 8Hz; Sóng alpha xuất hiện ở người lớn khi thức và thư giãn, mắt nhắm. Alpha giảm hoặc mất đi khi mở mắt, hoặc nghe một âm thanh lạ, lo lắng, hoạt đợng trí óc, khi nhắm mắt sóng alpha lại xuất hiện.

Sóng alpha thường có dạng hình sine hoặc trịn; trong mợt số ít trường hợp alpha có dạng sóng nhọn, trường hợp này, phần âm có dạng nhọn, phần dương có dạng trịn. Alpha là sóng nổi trợi nhất trong các loại sóng quan sát được trong hoạt đợng điện não đồ; sóng alpha xuất hiện trên tất cả các thùy phía sau đầu, biên đợ lớn nhất ở vùng chẩm.

Thường khoảng ¼ số người lớn rất khó quan sát sóng alpha, alpha bất đối xứng lớn hơn 50% giữa hai bán cầu là bất thường, đặc biệt biên độ bên trái lớn hơn biên đợ bên phải.

2.1.5.4 Sóng beta

Tần số từ 14Hz đến 30Hz biên đợ <20μV, nếu beta có biên đợ > 25μV là bất thường [19], nhịp không đều quan sát trong lúc buồn ngủ, ngủ nhẹ hoặc hoạt đợng trí óc, cũng x́t hiện ở giai đoạn giấc ngủ REM ở giai đoạn 3; khi có sự hoảng loạn, sóng beta tăng. Sóng beta quan sát thấy chủ yếu ở vùng trán và vùng trung tâm, beta ở vùng trung tâm bị mất khi có các hoạt đợng vận đợng hoặc kích thích xúc giác và

16

tăng lên quanh các vùng có khối u hay các khuyết tật về xương; beta là nhịp bình thường ở người lớn.

2.1.5.5 Sóng gamma

Tần số >30Hz biên đợ nhỏ, tần śt x́t hiện thấp; sóng gamma liên quan trạng thái hoạt động xử lý thơng tin của vỏ não; gamma có thể quan sát ở vùng vận đợng khi di chuyển các ngón tay.

2.1.5.6 Sóng mu

Hình 2.6 Sóng mu [37]

Tần số khoảng 8-10Hz có hình dạng rào chắn, đỉnh nhọn, đế trịn; Pha có thể đảo ngược giữa hai kênh, sóng mu biểu hiện trạng thái nghỉ của vùng vỏ não vận đợng cảm giác. Sóng mu khơng bị mất khi mở mắt như nhịp alpha nhưng bị mất khi vận đợng, sóng mu liên quan chặt chẽ với vùng vận đợng của vỏ não.

2.2 Các vị trí điện cực

Hệ thống quốc tế 10-20 chuẩn hóa vị trí và tên gọi cho các điện cực trên da đầu khi đo điện não đồ, số 10-20 là khoảng cách giữa các điện cực theo tỉ lệ phần trăm độ dài giữa các điểm được chọn làm mốc trên sọ.

Hệ thống được phát triển đảm bảo tạo ra cơ sở dữ liệu thống nhất để so sánh hoạt động điện não của người đo tại các thời điểm khác nhau, giữa những người khác nhau cũng như trao đổi giữa các phịng thí nghiệm.

17

Hình 2.7 Các vị trí điện cực theo tiêu chuẩn 10-20 [38]

Theo sơ đồ điện cực như hình 2.7, có 19 vị trí đặt điện cực để ghi điện não đồ; với những cách nối điện cực khác nhau, ta sẽ có nhiều kênh ghi; Máy đo điện não đồ cần có tối thiểu 24 kênh, người ta còn chia tách các vùng trên vỏ não nhỏ hơn để đặt được nhiều điện cực hơn cho phép xác định chính xác các vùng tổn thương trên não cũng như phát hiện các tín hiệu yếu; số vị trí đặt điện cực ghi trên da đầu có thể lên đến 32, 64 hoặc 256 vị trí.

Kết nối các điện cực trên điện não đồ với một điện cực tham chiếu chung, gọi là ghi đơn cực; dùng hai điện cực đưa tới hai lối vào bộ khuếch đại để được một kênh ra gọi là lưỡng cực; cách ghi này khơng có điện cực tham chiếu chung cho tất cả các kênh.

Cách đặt cho mỗi vị trí của điện cực trên da đầu: Fp: trước trán, F: vùng trán, O: vùng chẩm, P: vùng đỉnh, T: vùng thái dương, C: trung tâm, A: auricular.

Để thu sự chênh lệch hiệu điện thế trên điện cực và tham chiếu bằng cách trừ đi thế giống nhau xuất hiện trên các điện cực này, điện cực đất thường được đặt ở các vị trí như Fpz hoặc tai [21].

2.3 Trích xuất đặc trưng

Trích x́t đặc trưng là mợt bước quan trọng trong tín hiệu điện não đồ EEG, trích xuất đặc trưng làm giảm các tài nguyên cần thiết để mơ tả chính xác mợt tập hợp dữ

18

liệu khổng lồ, giảm thiểu chi phí xử lý thơng tin, giảm đợ phức tạp của việc triển khai dữ liệu.

Việc trích xuất các đặc trưng thơng tin từ tín hiệu EEG là cần thiết để thực hiện phân loại cử chỉ hành đợng mợt cách hiệu quả. Nói chung, tín hiệu EEG rất phức tạp và phi tuyến tính, vì vậy sẽ tốt hơn nếu sử dụng mơ hình phi tuyến tính. Trong đề tài này, phép biến đổi Fourier nhanh (FFT) được sử dụng để trích xuất các đặc trưng của tín hiệu EEG để phân loại cử chỉ hành đợng. Tín hiệu trong miền thời gian được phân tích tần số bằng phép biến đổi FFT.

Trích xuất đặc trưng là một cách hiệu quả để nhận biết và hiển thị dữ liệu quan trọng. Quá trình này rút ngắn thời gian đào tạo và ứng dụng, cũng như giảm nhu cầu tính tốn dữ liệu và lưu trữ. Mợt số nhà nghiên cứu kết hợp mợt số kỹ thuật trích xuất đặc trưng để đạt được phân tích dữ liệu. Do đó, việc áp dụng nhiều quy trình thường có thể ảnh hưởng đến đặc trưng dư thừa và mở rợng kích thước đặc trưng.

2.3.1 Các phương pháp trích xuất đặc trưng

Có hai cách biến đổi tín hiệu từ miền thời gian sang miền tần số được sử dụng phổ biến là: biến đổi Wavelet và biến đổi Fourier.

Biến đổi Wavelet là cơng cụ phân tích đa phân giải thể hiện các đặc trưng của tín hiệu trong miền thời gian-tần số. Phép biến đổi Wavelet của mợt tín hiệu là phép chiếu tín hiệu đó lên tín hiệu hàm wavelet mẹ được dịch chuyển về thời gian và tần số. Scale biểu thị thành phần tần số, scale cao nhất tương ứng với thành phần tần số cao nhất của tín hiệu. Các hàm wavelet mẹ chỉ khác khơng trong mợt khoảng thời gian nhất định, ngồi khoảng này chúng bằng không. Biến đổi wavelet phù hợp cho việc xử lý các tín hiệu khơng dừng.

19  Giới thiệu biến đổi Fourier [22]:

Chuỗi Fourier phân tách tín hiệu tuần hồn x(t) trong điều kiện tổng của Sin và Cos (hoặc phức cấp số nhân). Cơng thức tốn học của Fourier được trình bày theo cơng thức (2.1):   0      1 cos sin 2 k n n a x t   a kt b kt (2.1)

Trong đó tín hiệu x(t) có thể phân tích được trên mợt khoảng [0, T] và tuần hoàn với chu kỳ T, t là biến thời gian, ω là góc tần số và a0, an, bn là các hệ số Fourier. Các biểu thức, tần số góc được trình bày dưới dạng (2.2):

2

T



  (2.2)

Hệ số Fourier có thể được tính theo cơng thức (2.3-2.4):

    0 2 cos , 0,1, 2, 3, , T n a x t kt dt k N T      (2.3)     0 2 sin , 1, 2, 3, , T n b x t kt dt k N T      (2.4)

Dựa trên công thức của Euler (2.5):

cos sin

jt

e  t  j t (2.5)

Chuỗi Fourier cũng có thể được trình bày dưới dạng (2.6):

  k j kt

n k

20 Khi hệ số cn thu được là (2.7):

  0 1 T j kt n c x t e dt T     (2.7)

Tổng quát của chuỗi Fourier cho các miền vô hạn là biến đổi Fourier liên tục (CFT). CFT được sử dụng để biến đổi tín hiệu giữa miền thời gian và miền tần số. Cơng thức CFT được trình bày (2.8):     2 F ξ x t e tj dt         (2.8)

Sau đó, cơng thức CFT nghịch đảo (để chuyển đổi tín hiệu giữa miền tần số và miền thời gian) có thể được viết (2.9):

    2 tj x t F e d          (2.9)

Nếu tín hiệu là định kỳ, giới hạn băng tần và được lấy mẫu tại tần số Nyquist hoặc cao hơn, CFT được biểu diễn chính xác bằng biến đổi Fourier rời rạc (DFT). DFT biến đổi liên tục của N dãy số phức x0, x1, x2,…, xN-1 (trong miền thời gian) thành

mợt dãy N tuần hồn X0, X1, X2,…, XN-1 (danh sách hệ số của một tổ hợp hữu hạn của phức hình sin, được sắp xếp theo tần số của chúng) theo công thức DFT (2.10):

1 2 / 0 N j kn N k n n X x e       (2.10)

21

Mỗi Xk phần tử mã hóa biên đợ và pha của mợt thành phần hình sin của hàm xn.

Chuyển đổi ngược thành DFT, là DFT nghịch đảo (IDFT). Các biến đổi IDFT dữ liệu từ miền tần số sang miền thời gian, theo công thức IDFT (2.11):

1 2 / 0 1 N j kn N n k k x X e N      (2.11)

Trong đề tài này, Fast Fourier Transform (FFT) được sử dụng làm thuật tốn hiệu quả để tính DFT và nghịch đảo của nó (IFFT để tính IDFT). Đợ phức tập tính tốn là O(N2) cho DFT tiêu chuẩn và N(log N) cho FFT. Thuật tốn FFT dựa trên thuật

tốn chia. Nó chia biến đổi kích thước N để biến đổi kích thước1N và 2N. Trong đề tài, thuật toán FFT được sử dụng về kích thước của mẫu, theo cơng thức (2.12):

2k

N  , với k là số tự nhiên (2.12)

2.3.2 Biến đổi Fast Fourier Transform (FFT) và Inverse Fast Fourier Transform (IFFT) [23] Transform (IFFT) [23]

Biến đổi Fourier rời rạc đóng vai trị quan trọng trong phân tích, thiết kế, thực hiện các thuật tốn và các hệ thống xử lý tín hiệu rời rạc. Chúng ta biết rằng DFT chính là các mẫu của biến đổi Fourier rời rạc tại các tần số cách đều nhau. Vì vậy, việc tính tốn FN tương ứng với sự tính tốn N mẫu của biến đổi Fourier rời rạc tại N tần số cách đều nhau một lượng bằng , tức là tại N điểm trên vòng tròn đơn vị của mặt phẳng phức.

Phần này ta xét một số thuật tốn để tính nhanh các giá trị của DFT được gọi là thuật toán biến đổi Fourier nhanh (FFT). Thuật tốn FFT phải tính tất cả N giá trị của DFT sao cho có hiệu quả cao nhất.

Tiếp theo ta xét tính nhanh các số F(n) được xác định bởi công thức:

     1   0 , 0,1, 2, , 1 N kn N N k F n F f n f k W n N         (2.13)

22 Ta có:         2    1 0 1 2 1 , 0,1, 2, , 1 N n n n N N N F n f f W f W f N W n N             (2.14)

Với mỗi n > 0 ta cần tiến hành N − 1 phép nhân phức (tương ứng với 4(N-1) phép nhân thực) và N − 1 phép cộng phức (tương ứng với 2(N − 1) phép cợng thực). Vậy để tìm được tất cả các số F(0), F(1), ..., F(N − 1) cần phải thực hiện (N − 1)2 phép nhân phức và N(N − 1) phép cộng phức. Suy ra với N càng lớn thì số phép tính cần thực hiện càng tăng lên rất nhiều, cần phải khắc phục khó khăn này. Vấn đề này liên quan đến mợt thuật tốn được gọi là biến đổi Fourier nhanh (FFT). Năm 1965 hai nhà tốn học Cooley và Turkey đã tìm ra thuật tốn tính tốn nhanh biến đổi Fourier