Hệ thống giao tiếp não – máy tính dựa vào điện não đồ

Một phần của tài liệu phân tích khác biệt tuyến tính đa bước cho phân tích dữ liệu điện não đồ số chiều cao (Trang 39 - 80)

3.1.1. Hệ thống giao tiếp não – máy tính

[8] Giao tiếp não – máy tính (Brain – Computer Interfaces, viết tắt BCI ) là một hệ thống giao tiếp, có nhiều ứng dụng nhờ vào sự suy nghĩ của con ngƣời. Với hệ thống giao tiếp não – máy tính, ngƣời dùng có thể gửi các lệnh yêu cầu đến các thiết bị điện tử hoặc máy tính bằng cách sử dụng sự hoạt động của não bộ. Ví dụ, một ngƣời có thể đánh vần chữ cái xuất hiện trên màn hình máy tính, bằng cách họ dùng thị giác tập trung vào một chữ họ muốn đánh vần trong số những chữ nổi bật (tức là chữ đó đƣợc in đậm khác biệt với những chữ còn lại) xuất hiện ngẫu nhiên trên màn hình máy tính.

Hình 3.1. Hình minh họa ngƣời sử dụng muốn đánh vần chữ O [20]

Hình 3.2. Sơ đồ của giao tiếp não – máy tính [8]

Dựa vào sơ đồ trên ta thấy, hệ thống BCI thƣờng gồm 3 thành phần chính là thu tín hiệu, xử lý tín hiệu và lệnh điều khiển. Hệ thống BCI đƣợc mô tả nhƣ sau: Hệ thống BCI thu các tín hiệu phát ra từ não bộ của con ngƣời. Sau đó, tiến hành xử lý tín hiệu thu đƣợc qua 3 bƣớc: tiền xử lý, trích đặc trƣng và phân loại. Tín hiệu đƣợc xử lý xong sẽ dùng lệnh điều khiển từ các thuật toán để đƣa ra các thiết bị đầu ra. Thiết bị đầu ra đƣợc hệ thống BCI sử dụng nhiều nhất là một màn hình máy tính, một số thiết bị đầu ra khác đƣợc phát triển để kiểm soát các thiết bị gia dụng, cánh tay robot, robot di động và hàm kích thích điện tử.

Công Cụ Điện Tử

3.1.2. Dữ liệu điện não đồ

Năm 1924, Hans Berger (1873 - 1941), Chủ nhiệm khoa Tâm thần ở Đại học Tổng hợp của Jena (Đức), là ngƣời đầu tiên ghi đƣợc hoạt động của não bộ dựa vào điện não đồ[15].

Điện não đồ (ElectroEncephaloGraphy, viết tắt là EEG) là một loại tín hiệu điện thu đƣợc sau một thử nghiệm ghi lại các trạng thái hoạt động của não bộ. Các điện cực đƣợc gắn vào một chiếc mũ đội đầu, dùng để đo các dòng điện trên da đầu. Các điện cực thu nhận các tín hiệu điện phát ra từ não và gửi chúng tới thiết bị đo để tiến hành xử lý, các tín hiệu này giống những đƣờng lƣợn sóng và đƣợc gọi là dữ liệu điện não đồ.

Hình 3.4. Ngƣời sử dụng đội chiếc mũ đƣợc gắn sẵn các điện cực cùng với thiết bị đo [19]

Điện não đồ hoạt động trên da đầu không gây đau hay gây hại gì đối với ngƣời sử dụng, các thiết bị đo sử dụng phần cứng có chi phí tƣơng đối rẻ và có thể di chuyển dễ dàng, điện não đồ cung cấp tín hiệu với độ phân giải thời gian cao. Điện não đồ không gây đau hay gây hại là do các điện cực không phải gắn trực tiếp vào não bộ con ngƣời, mà ngƣời sử dụng chỉ cần đội chiếc mũ đƣợc gắn sẵn các điện cực có thể thu nhận các tín hiệu điện phát ra từ não bộ.

Tín hiệu điện não đồ thƣờng có rất nhiều tín hiệu nhiễu, có thể do đƣờng dây điện hay các tín hiệu do hoạt động của mắt (nhƣ nháy mắt …), của cơ (nhƣ cử động chân tay, quay đầu, nói chuyện …) hay của tim.

Hình 3.5. Điện não đồ đo đƣợc tại các điện cực lẫn cả nhiễu do hoạt động của cơ bắp gây ra [8]

Hình 3.6. Điện não đồ đo đƣợc tại các điện cực lẫn cả nhiễu do hoạt động của mắt gây ra [8]

Tất cả những hoạt động đó đều gây ra các tín hiệu nhiễu cho tín hiệu EEG. Các tín hiệu nhiễu do tín hiệu từ mắt hay cơ bắp gây ra có thể lớn hơn tín hiệu EEG rất nhiều lần.

3.1.3. Một số ứng dụng của điện não đồ EEG

EEG đƣợc sử dụng cho các nghiên cứu trong khoa học thần kinh, khoa học nhận thức, tâm lý học nhận thức, tâm sinh lý, ngôn ngữ học thần kinh và phản hồi thần kinh [14]. Đối với sức khỏe và y tế, việc thu nhận, xử lý dữ liệu EEG giúp chúng ta chuẩn đoán chính xác các bệnh về não và sớm tìm ra đƣợc phƣơng pháp điều trị kịp thời. EEG dùng để chuẩn đoán các chứng bệnh về thần kinh (nhƣ chứng động kinh, các rối loạn co giật,… ), các bất thƣờng hay tổn thƣơng về não (nhƣ u não, viêm não,…), các rối loạn về giấc ngủ, các chứng bại liệt.

Trong nƣớc, đã có một số công trình nghiên cứu về EEG và cũng đạt đƣợc những thành tựu nhất định. Có thể nhắc tới thành tựu của nhóm MIMAS, MIMAS đã đoạt giải cao nhất của nhóm sản phẩm có tiềm năng ứng dụng trong lĩnh vực Công nghệ thông tin với sản phẩm “ Hệ thống số hóa tƣ duy con ngƣời”. Hệ thống là công cụ hỗ trợ cho ngƣời mắc một số bệnh liên quan đến thần kinh và bại liệt, nhằm giúp ngƣời bệnh có thể dùng suy nghĩ để liên lạc, vận hành một số thiết bị theo ý muốn mà không cần có sự trợ giúp của ngƣời khác [16].

Hệ thống BCI đƣợc nghiên cứu nhằm mục đích cải thiện khả năng giao tiếp cho những tàn tật và bị liệt nặng, tức là giúp họ giao tiếp đƣợc với thế giới bên ngoài. Tuy nhiên, hệ thống BCI hiện tại vẫn chƣa hoạt động tốt. Để hệ thống BCI hiệu quả hơn trong việc đo hoạt động của não bộ, nên kết hợp phƣơng pháp xử lý tín hiệu với tín hiệu điện não đồ. Với sự kết hợp đó ta xây dựng đƣợc hệ thống giao tiếp não – máy tính dựa vào điện não đồ, hệ thống thực mọi việc hoàn toàn nhờ sự điều khiển bằng ý nghĩ từ não bộ của con ngƣời nhƣ hệ thống viết bằng ý nghĩ, hệ thống điều khiển chân giả bằng ý nghĩ, điều khiển máy bay quadcopter bằng ý nghĩ và một số hệ thống khác.

Các nhà nghiên cứu Mỹ đã chế tạo thành công chiếc chân giả đƣợc điều khiển bằng ý nghĩ của ngƣời đi. Chiếc chân giả do nhóm nghiên cứu của Viện phục hồi chức năng Chicago ở Mỹ chế tạo, cho phép ngƣời sử dụng thực hiện các hoạt động nhƣ đi bộ, lên xuống cầu thang, đứng thăng bằng hoặc di chuyển chân một cách dễ dàng nhƣ ngƣời bình thƣờng. Tại vùng lắp chân giả, các tín hiệu thông tin từ não bộ đến các dây thần kinh sẽ thu lại bằng các cảm biến điện cực [17].

Hình 3.7. Chiếc chân giả đƣợc điều khiển bằng ý nghĩ [17]

Các nhà nghiên cứu ở Đại học Minnesota ở Mỹ phối hợp với Hội Khoa học quốc gia đang thử nghiệm dùng suy nghĩ để điều khiển quadcopter. Ngƣời điều khiển sẽ ngồi trƣớc một màn hình hiển thị hình ảnh của chiếc quadcopter thông qua một camera, cho phép nhóm nghiên cứu quan sát quá trình điều khiển. chiếc máy bay đƣợc thiết lập điều khiển thông qua suy nghĩ của ngƣời điều khiển. Dự án này nhằm mục đích giúp nghiên cứu các thiết bị hỗ trợ cho ngƣời tàn tật hay khuyết tật, ví dụ chân/tay máy có thể điều khiển bằng ý nghĩ [18].

Hình 3.8. Chiếc máy bay quadcopter đƣợc điều khiển bằng ý nghĩ [18] 3.2. Dữ liệu điện não đồ từ hệ thống viết bằng ý nghĩ

Hệ thống viết bằng ý nghĩ là một ứng dụng phổ biến của giao tiếp não – máy tính dựa trên điện não đồ. Hệ thống viết bằng ý nghĩ hỗ trợ ngƣời dùng đọc đƣợc những ký tự hiển thị trên màn hình máy tính mà họ nghĩ đến trong đầu.

Thí nghiệm đối với hệ thống viết bằng ý nghĩ, tín hiệu EEG sử dụng hệ thống Biosemi ActiveTwo với 32 điện cực (channel), các điện cực đƣợc đặt theo quy định quốc tế gọi là hệ thống 10-20 (the modified 10-20 system) theo tỷ lệ nhất định trên toàn bộ vùng da đầu và tỷ lệ mẫu là 2048Hz [8]. Theo quy định, tên của các điện cực là tên của vùng da đầu dƣới điện cực. Ví dụ: F là trán (Frontal), O là chẩm (Occipital), C là trung tâm (Central), P là đỉnh (Parietal), Fp là cực trán (Fronto polaire)… . Các điện cực nằm bên phải mang số chẵn và nằm bên trái mang số lẻ. Các điện cực đƣợc đặt đối xứng và giống hệt nhau ở hai bên [15].

Hình 3.9. Vị trí đặt 32 điện cực theo hệ thống 10-20[19]

Thí nghiệm đƣợc bố trí nhƣ sau: ngƣời sử dụng là ngƣời đội chiếc mũ có gắn các điện cực lên đầu, ngƣời này đƣợc sắp xếp ngồi trƣớc một màn hình và cách màn hình đó khoảng 50cm. Họ phải tập trung vào một ký tự đích mà họ muốn đọc, ký tự đó sẽ đƣợc hiển thị trên màn hình. Ngƣời tiến hành đo sẽ đƣa ra từng mẫu thử nghiệm để ngƣời sử dụng có thể đọc đúng ký tự. Mỗi mẫu thử nghiệm, trên màn hình xuất hiện một bảng gồm 9 ký tự, đƣợc sắp xếp theo một ma trận cỡ , màn hình đó xuất hiện trong khoảng 50ms.

Hình 3.10. Một mẫu thử nghiệm trong quá trình ngƣời sử dụng đọc ký tự [10]

Kế tiếp, màn hình xuất hiện một ký tự đƣợc bôi đen và dừng lại khoảng 600ms. Các ký tự đƣợc bôi đen sẽ xuất hiện một cách ngẫu nhiên với thời gian dừng lại cho mỗi ký tự trên màn hình là nhƣ nhau.

Hình 3.11. Sơ đồ mô tả thời gian xuất hiện cho mỗi thử nghiệm[8] (adsbygoogle = window.adsbygoogle || []).push({});

Ngƣời sử dụng phải tập trung suy nghĩ vào ký tự mà họ muốn viết. Khi màn hình xuất hiện ngẫu nhiên một ký tự đƣợc bôi đen, lúc này não bộ của ngƣời sử dụng phóng ra một loại tín hiệu đặc biệt, đó là tín hiệu EEG có tần số cỡ vài microvolts ( ). Sau đó, các điện cực gắn trên mũ làm nhiệm vụ thu nhận và ghi

600ms, não bộ của ngƣời sử dụng phóng ra tín hiệu EEG có cƣờng độ mạnh trong khoảng từ 300ms - 500ms sau khi nhìn thấy ký tự đó.

Hình 3.12. Điện não đồ EEG ghi nhận tại một điện cực khi xuất hiện ký tự đƣợc bôi đen [14]

Nếu ký tự đƣợc bôi đen đó không phải là ký tự đích ngƣời sử dụng tập trung vào thì não bộ phóng ra tín hiệu có cƣờng độ nhẹ. Còn ký tự đó trùng với ký tự đích ngƣời sử dụng tập trung vào thì cƣờng độ của tín hiệu phóng ra sẽ rất mạnh. Do cƣờng độ tín hiệu phóng ra từ não bộ đột nhiên mạnh lên, máy đo sẽ hiểu và xác định đƣợc ký tự ngƣời sử dụng muốn viết. Sau đó máy sẽ chuyển ký tự đó lên màn hình của thiết bị đầu ra.

Nhƣ vậy, ngƣời đo sẽ tiến hành các mẫu thử nghiệm khác nhau và những ký tự ngƣời sử dụng muốn viết lần lƣợt đƣợc chuyển lên màn hình. Với hệ thống viết bằng ý nghĩ, ngƣời sử dụng không cần đến bàn phím vẫn có thể viết đƣợc những

3.3. Một số phƣơng pháp tiền xử lý dữ liệu [8]

Do dữ liệu điện não đồ thƣờng có rất nhiều tín hiệu nhiễu nên cần phải tiền xử lý để khử nhiễu, trƣớc khi đƣa dữ liệu vào phân loại. Công đoạn tiền xử lý làm tăng chất lƣợng dữ liệu cho hệ thống BCI dựa vào EEG. Dữ liệu đƣợc tiền xử lý xong sẽ đƣợc sử dụng cho công đoạn trích đặc trƣng và phân loại. Dữ liệu điện não đồ là dữ liệu có số chiều cao, công đoạn tiền xử lý sẽ làm sạch và giảm số chiều của dữ liệu, nhằm đơn giản hóa dữ liệu mà không làm giảm chất lƣợng kết quả phân loại.

Một số kỹ thuật tiền xử lý sử dụng trong báo cáo đối với dữ liệu điện não đồ: đối sánh và chuẩn hóa dữ liệu; giảm số chiều dữ liệu.

3.3.1. Đối sánh và chuẩn hóa dữ liệu

Tất cả dữ liệu thu đƣợc từ tín hiệu EEG tại các điện cực đƣợc ghi lại tại một điện cực chung bằng phƣơng pháp đối sánh. Do đó, dữ liệu tại các điện cực phụ thuộc vào việc đối sánh. Việc chuyển đổi dữ liệu thô sang dữ liệu sử dụng cho quá trình phân loại đƣợc thực hiện bằng cách đối sánh trung bình chung và đối chiếu Laplacian. Đối sánh trung bình chung thu đƣợc khi chiếu một điện cực tới trung bình của tất cả các điện cực còn lại, việc chiếu này đƣợc thực hiện trƣớc khi tiến hành phân loại và giảm nhiễu cho hệ thống viết bằng ý nghĩ. Đối sánh Laplacian thu đƣợc khi chiếu một điện cực đến trung bình của bốn điện cực lân cận gần nhau nhất (hoặc kế tiếp gần nhất) với điện cực đó. Trong báo cáo, phƣơng pháp áp dụng là đối sánh trung bình chung. Thực chất là lấy giá trị tại một điện cực trừ đi giá trị trung bình của tất cả các điện cực còn lại.

Dữ liệu của mỗi mẫu thử nghiệm đƣợc chuẩn hóa bằng cách đƣa trung bình tại các điểm thời gian của dữ liệu vào một khoảng thời gian nhất định bằng không.

Với mục đích là muốn quan sát từng tập dữ liệu cụ thể và loại bỏ mức trung bình khác không của các điện cực từ tín hiệu EEG.

3.3.2. Giảm số chiều dữ liệu

Tín hiệu EEG thƣờng có tần số thấp hơn so với các tín hiệu nhiễu nhƣng dung lƣợng mẫu lại cao, nên cần giảm số chiều để loại bỏ tín hiệu nhiễu và một số thuộc tính không cần thiết. Việc giảm số chiều này có lợi cho bƣớc trích đặc trƣng và phân loại. Không chỉ giảm số chiều của một điện cực mà dữ liệu đƣợc tách ra thành các nhóm có độ dài bằng hệ số giảm số chiều đƣợc chọn. Xác định đƣợc trung bình tại các điểm thời gian của dữ liệu từ hệ số giảm số chiều và giá trị của điểm thời gian giảm theo hệ số giảm số chiều. Thực chất của việc giảm số chiều là lấy giá trị các điểm thời gian của dữ liệu trừ đi trung bình của các điểm đó. Và kết quả thu đƣợc sử dụng để xác định giá trị thuộc tính mới cho dữ liệu đã đƣợc giảm số chiều.

3.4. Phân loại dữ liệu điện não đồ

Trong hệ thống BCI dựa vào điện não đồ, mục đích của bƣớc phân loại là phân loại tín hiệu EEG thành hai lớp tƣơng ứng với trạng thái của não bộ. Tiến hành phân loại tín hiệu EEG của các mẫu thử nghiệm xuất hiện ký tự đƣợc bôi đen không phải ký tự đích, đƣợc xếp vào lớp non-target với tín hiệu EEG của những mẫu thử nghiệm xuất hiện đúng ký tự đích mà ngƣời sử dụng tập trung suy nghĩ, đƣợc xếp vào lớp target. Phƣơng pháp sử dụng cho phân loại dữ liệu điện não đồ là phân tích khác biệt tuyến tính đa bƣớc (multi-step LDA).

Ví dụ, ngƣời làm nhiệm vụ đo tiến hành đo tín hiệu EEG tại điện cực O1 cho 15 tập dữ liệu với các mẫu thử nghiệm khác nhau. Nhiệm vụ là phân biệt các mẫu thử nghiệm xuất hiện đúng ký tự đích với những mẫu xuất hiện ký tự khác không phải đích.

Hình 3.13. Hai mẫu thử nghiệm: Thử nghiệm xuất hiện đúng ký tự đích E (bên trái) và thử nghiệm xuất hiện ký tự khác là A (bên phải) [8]

Trong thử nghiệm trên, ký tự có màu đỏ là ký tự xuất hiện ngẫu nhiên gây ra tín hiệu EEG và đó là ký tự sẽ đƣợc đếm, ký tự có nền màu xanh biểu hiện trong thử nghiệm là ký tự đích mà ngƣời sử dụng tập trung suy nghĩ đến. Với hình trên, thử nghiệm đƣa ra ký tự đích là chữ E. Hình bên phải cho thấy chữ A là ký tự đƣợc bôi đen, ta tiến hành lƣu lại tín hiệu EEG khi chữ A xuất hiện. Hình bên trái cho thấy chữ E là ký tự đƣợc bôi đen và tiếp tục ghi lại tín hiệu EEG khi chữ E xuất hiện. Lúc này, ký tự đích xuất hiện và tín hiệu EEG có cƣờng độ mạnh hơn so với cƣờng độ của tín hiệu EEG khi chữ A xuất hiện.

Hình 3.14. Biểu đồ phân loại tín hiệu EEG tại điện cực O1 cho 15 tập dữ liệu [8]

Trong biểu đồ phân loại tín hiệu EEG trên: các đƣờng nét đứt màu đỏ biểu diễn cụ thể tín hiệu EEG của từng mẫu thử nghiệm xuất hiện các ký tự đích, thuộc lớp target và các đƣờng nét đứt màu xanh biểu diễn tín hiệu EEG của mẫu thử nghiệm xuất hiện ký tự khác không phải ký tự đích, thuộc lớp non-target. Các đƣờng màu đỏ nét liền nổi bật biểu diễn giá trị trung bình của tất cả các mẫu thử nghiệm xuất hiện đúng ký tự đích; các đƣờng màu xanh nét liền nổi bật biểu diễn

Một phần của tài liệu phân tích khác biệt tuyến tính đa bước cho phân tích dữ liệu điện não đồ số chiều cao (Trang 39 - 80)