Nội dung chương này sẽ giới thiệu cơ sở lý thuyết và các công trình nghiên cứu liên quan gan đây về việc dự đoán giai đoạn giấc ngủ. Nhóm sinh viên đã tiến hành tìm hiểu các nghiên cứu có liên quan đến dé tài dé có kiến thức sâu hơn về bài
toán và các phương pháp đã được áp dụng trong lĩnh vực này. Việc nắm vững cơ sở
lý thuyết và tổng quan về các nghiên cứu trước đây sẽ giúp nhóm xác định và xây
dựng một cách tiếp cận hiệu quả trong việc giải quyết bài toán phân lớp các giai đoạn giác ngủ.
2.1. Cac khái niệm về sóng não và các giai đoạn của giác ngủ
2.1.1. Sóng não và điện não đồ
2.1.1.1. Sóng não
Não bộ của con người được tạo thành từ hàng tỷ nơ-ron thần kinh, chúng kết nối với nhau thông qua các tín hiệu điện. Những tín hiệu này di chuyển qua não đồng thời, tao ra dòng điện trong não. Hoạt động này được biểu hiện dưới dạng sóng não. Tốc độ của sóng não được đo bằng công cụ y tế gọi là điện não đồ (EEG - Electroencephalography), và được đo bằng đơn vị Hertz (Hz) [16].
Gamma
Problem solving, concentration
0.0 0.2 0.4 0.6 0.8 1.0
Beta
Busy, active mind
0.0 0.2 0.4 0.6 0.8 1.0
Äiphìs ^^
Reflective, restful :
0.0 0.2 0.4 0.6 0.8 1.0
Theta rrme-3lh"\
Drowsiness
0.0 0.2 0.4 0.6 0.8 1.0
Delta ah
Sleep, dreaming 99 02 04 06 08 7.0
Hình 2.1: Biểu diễn các loại sóng não [16]
Don vị uV (microvolt) được sử dung dé đo biên độ của các tín hiệu điện não. Trong nghiên cứu sóng não giấc ngủ, biên độ của sóng não được sử dụng để phân tích các đặc trưng của các giai đoạn giắc ngủ.
Đơn vị Hz (hertz) được sử dụng để đo tần số của các sóng não. Trong nghiên cứu sóng não giấc ngủ, tần số của các sóng não cũng được sử dung dé phân tích các đặc trưng của các giai đoạn giấc ngủ.
2.1.12. Điện não đồ EEG
Điện não đồ EEG: EEG (Electroencephalography) là hệ thống ghi lại các xung điện từ não con người. Đây là sự phản ứng điện sinh học từ tế bào não được ghi lại
thông qua vỏ não. EEG thu thập các tín hiệu điện nhỏ từ các khu vực khác nhau của
não bằng cách gắn nhiều điện cực xung quanh đầu. Mỗi điện cực được coi là một
kênh, thu nhận các xung điện từ khu vực riêng biệt [17].
Hình 2.2: Các vị trí đặt điện cực theo chuẩn quốc té 10 — 20 [17]
10
Theo hệ thống đặt điện cực chuẩn quốc tế 10-20, sẽ sử dụng một bộ 21 điện cực gắn lên da đầu:
- Vị trí các điểm mốc:
e _ Điểm gốc mũi (Nasion), năm giữa hai chân lông mày (Glabella).
e Điểm châm (Inion).
e Ong tai ngoài hai bên.
- Các ký hiệu ving não:
e F 1a vùng trán (Frontal).
e Ca vùng trung tâm (Central).
e _ O là vùng châm (Occipital).
e =P là vùng đỉnh (Parietal).
- Các điện cực được đánh số lẻ nếu ở phía trái và sô chăn nếu ở phía phải.
- Các điểm mốc được kết nối trên mạng phi điện não đồ bao gồm: Fpz, Fz,
Cz, Pz, Oz, T3, T4, C3, C4, E3, F4, P3, P4.
e _ Điểm Fpz đặt cách gốc mũi 10%.
e _ Điểm Cz là trung tâm đỉnh đầu.
e DiémPz đặt cách điểm châm 10%.
e Đường vòng cung phía trong gồm các diém Fpl, C3, OI bên trái va
Fp2, C4, O2 bên phải.
e _ Đường vòng cung phía ngoài gồm các điểm Fpz, T3, Oz, T4.
2.1.2. Cac giai đoạn của giác ngủ
Theo tài liệu tên “Physiology, Sleep Stages” [18] giấc ngủ xảy ra trong năm
giai đoạn: Wake (Wakefulness), N1 (NREM 1), N2 (NREM 2), N3 (NREM 3) và
REM (Rapid Eye Movement). Các giai đoạn N1 đến N3 được gọi là giai đoạn giắc ngủ chuyên động mắt không nhanh (None Rapid Eye Movement - NREM), với mỗi giai đoạn là một giấc ngủ sâu hơn dần dần. Khoảng 75% giấc ngủ được dành cho giai đoạn NREM, với phần lớn được dành cho giai đoạn N2 (45%), giai đoạn NI là 5% và giai đoạn N3 là 25% [18]. Một giấc ngủ ban đêm điển hình bao gồm 4 đến 5
11
chu kỳ giác ngủ, voi su tiến triển của các giai đoạn ngủ theo thứ tự sau: N1, N2, N3, N2, REM [19]. Một chu kỳ giấc ngủ hoàn chỉnh mat khoảng 90 đến 110 phút. Giai đoạn REM đầu tiên ngắn và khi màn đêm kéo dai, giai đoạn REM dài hơn và giảm
thời gian ngủ sâu (NREM) xảy ra.
Giác ngủ NREM gồm ba giai đoạn khác nhau. Giấc ngủ NREM có giai đoạn càng cao thì càng khó đánh thức một người. Khi chuyên qua giai đoạn NI, giai đoạn N2 và sau đó là giai đoạn N3 của giấc ngủ NREM, các chức năng cơ thê khác nhau
sẽ chậm lại hoặc dừng hoàn toàn, cho phép các quá trình phục hồi và tái tạo sức
khỏe điển ra.
@ REM
@ N1
@ N2
@ N3
Hình 2.3: Chu kỳ giắc ngủ [18]
2.1.2.1. — Giai đoạn W (Wake)
Giai đoạn Wake là giai đoạn khi con người ở trạng thái tỉnh táo và có khả năng
tương tác với môi trường xung quanh, thường xảy ra khi con người thức dậy sau
một đợt ngủ hoặc trong suốt khoảng thời gian thức trong ngày. Trong giai đoạn này,
hoạt động não bộ được kích hoạt, cho phép con người tham gia vào các hoạt động
như làm việc, học tập, giao tiếp xã hội và thực hiện các nhiệm vụ hàng ngày. Giai đoạn Wake đóng vai trò quan trọng trong chu kỳ giấc ngủ và ảnh hưởng đến sự tỉnh
táo và năng suât của con người trong thời gian thức dậy.
12
2.1.2.2. Giai đoạn NI
Giai đoạn NI của giấc ngủ thường chỉ kéo dài từ 1 đến 7 phút. Trong giai đoạn này, mặc dù các hoạt động của cơ thể và não bộ bắt đầu chậm lại với những khoảng thời gian chuyên động ngắn, nhưng cơ thê vẫn chưa hoàn toàn thư giãn. Ngoài ra, có một số thay đổi nhỏ trong hoạt động của não liên quan đến việc chìm vào giấc ngủ
trong giai đoạn này.
Mặc dù có thé dé dàng đánh thức ai đó trong giai đoạn ngủ này, nhưng nếu không bị quay ray, người đó có thé nhanh chóng chuyền sang giai đoạn 2. Vào buồi tối, nêu một người ngủ không bị gián đoạn, họ có thé không dành nhiều thời gian hơn cho giai đoạn 1 khi chuyên sang chu kỳ giấc ngủ tiếp theo.
2.1.2.3. Giai đoạn N2
Trong giai đoạn N2, cơ thé giam nhiét d6 va co bap thư giãn, nhip thở va nhịp
tim chậm lại. Sóng não hiển thị một mô hình mới và chuyển động của mắt dừng lại.
Tuy hoạt động của não chậm lại, nhưng vẫn có những dot hoạt động ngắn giúp chống lại việc bị đánh thức bởi kích thích bên ngoài. Giai đoạn N2 có thé kéo dai từ
10 đến 25 phút trong chu kỳ ngủ đầu tiên và kéo dài hon trong đêm. Trong tổng thời
gian ngủ của một người thì khoảng một nửa thời gian là ở giai đoạn N2.
2.1.2.4. Giai đoạn N3
Giai đoạn N3 còn được gọi là giai đoạn giấc ngủ sâu, là giai đoạn khó đánh thức nhất trong quá trình ngủ. Trong giai đoạn này, cơ thể hoàn toàn thư giãn, dẫn đến giảm lực cơ, mạch và nhịp thở. Ngoài ra, hoạt động của não cũng rơi vào mô hình sóng delta, được gọi là giấc ngủ delta hoặc giấc ngủ sóng chậm.
Giai đoạn này rất quan trọng đối với quá trình phục hồi và tăng trưởng cơ thể.
Nó có thé tăng cường hệ thống miễn dịch và các quá trình khác của cơ thé. Mặc dù hoạt động của não giảm nhưng có bằng chứng cho thấy giấc ngủ sâu có thể giúp con người suy nghĩ sâu sắc hơn, sáng tạo và cải thiện bộ nhớ.
Con người dành nhiều thời gian nhất dé ngủ sâu trong nửa đầu của đêm. Trong chu kỳ ngủ sớm, giai đoạn N3 thường kéo dai từ 20 đến 40 phút. Tuy nhiên, khi tiếp
13
tục ngủ, thời gian cho giai đoạn này sẽ ngăn lại và thay vào đó, con người sẽ dành
nhiều thời gian hơn cho giai đoạn giấc ngủ REM.
2.1.2.5. Giai đoạn REM
Trong giai đoạn REM, mắt di chuyền nhanh sau khi nhắm mắt, nhịp tim tăng nhanh và hơi thở trở nên không đều. Trái ngược với các giai đoạn khác của giấc ngủ, ở giai đoạn REM sóng não chậm lại, não hoạt động tích cực hơn trong giác ngủ REM va sóng não của trở nên biến đổi hơn.
Giác ngủ REM là một trong những giai đoạn hấp dẫn nhất của giấc ngủ vì nó liên quan đến giấc mơ, một phan vì nó rất khác so với các giai đoạn khác của giắc ngủ. Các đặc điểm của giấc ngủ REM giúp phân biệt nó với giấc ngủ NREM bao gồm:
- Hoạt động của sóng não giống với trạng thái tỉnh táo hơn bất kỳ giai đoạn nào khác của giấc ngủ.
- Mất trương lực cơ hoàn toàn so với trương lực cơ một phan của giấc ngủ
NREM.
- Nhịp thở không đều so với nhịp thở đều đặn, chậm hơn của giấc ngủ
NREM.
- Nhịp tim tăng so với sự chậm lại trong giấc ngủ NREM.
- Não hoạt động tích cực trong suốt giai đoạn REM, và chuyền hoá não tăng
lên khoảng 20% [18].
2.1.3. Cách phân lớp các giai đoạn của giác ngủ
Dé xác định các giai đoạn của giấc ngủ dựa trên EEG, cần phân tích dữ liệu EEG theo các đặc điểm khác nhau của sóng não. Các sóng não này được phân lớp thành các giai đoạn khác nhau của giấc ngủ, từ giai đoạn tỉnh táo đến giai đoạn REM. Dưới đây là cách phân tích EEG thường được sử dụng để xác định các giai đoạn của giác ngủ [20]:
14
- Giai đoạn W:
e Sóng beta (tần số > 13Hz) xuất hiện trong khi tâm trạng tỉnh táo và tập
trung.
e Sóng alpha (tần số 8 — 13Hz) xuất hiện trong khi tâm trạng thư giãn và
không tập trung.
- Giai đoạn NI:
e Song theta (tần số 4 — 8Hz) và sóng alpha giảm dan.
e Sóng hypnagogic (sóng nhỏ, không đều) xuất hiện khi người ngủ vừa bắt đầu chìm vào giấc ngủ.
- Giai đoạn N2:
e Song theta và sóng sleep spindle (sóng giống như trục quay) xuất hiện. Một day sóng hình sin riêng biệt có tần số 11 — 16Hz (phổ biến nhất là 12 —14Hz)
với thời lượng > 0.5 giây.
e Sóng K-complex (sóng hình chữ K) xuất hiện khi có sự kích thích bất
ngờ từ môi trường xung quanh.
- Giai đoạn N3:
e_ Sóng delta (tần số 0. 5 — 4Hz) xuất hiện.
e _ Sóng slow wave (sóng chậm) xuất hiện. Đây là giai đoạn ngủ sâu.
- Giai đoạn REM:
e _ Sóng theta và sóng beta xuất hiện.
e Song sawtooth (sóng răng cưa) xuất hiện. Hoạt động đồng loạt của mat
di chuyén nhanh và sự hoạt động da dang của co thê.
Hình 2.4 minh họa tín hiệu điện não đồ dé mô phỏng các giai đoạn khác nhau của giấc ngủ, bao gồm NI, N2, N3, REM và giai đoạn thức (W). Trong biểu đồ, các
thành phần tần số khác nhau như tần số hỗn hợp biên độ thấp, sóng Alpha, trục ngủ, K-compex, sóng delta và sóng răng cưa được hiển thị. Giai đoạn giấc ngủ được nhận biết dựa trên các đặc trưng từ tín hiệu điện não đồ và các sự kiện cùng với thời
gian xuât hiện của chúng. Cụ thê:
15
- Giai đoạn Wake (W) được đặc trưng bởi mức độ biên độ thấp và tần số hỗn
hợp trong tín hiệu EEG.
- Giai đoạn NI, tín hiệu điện não dé có biên độ cao nhất, tần số trong khoảng
2-7 Hz và có sự hiện diện của sóng Alpha.
- GIai đoạn N2 được đặc trưng bởi sự xuất hiện của trục ngủ (12-14 Hz) và
K-complex.
- Giai đoạn N3 là giai đoạn ngủ sâu nhất, có tần số sóng thấp dưới 2 Hz; cũng
có thể xuất hiện trục ngủ và K-complex.
- Giai đoạn REM thẻ hiện điện áp thấp, tần số hỗn hợp trong tín hiệu điện não
đổ, và có sự tương đồng với sóng răng cưa.
Low Amplitude mixed frequency
S
° .bù
g engage MÈ# xua Stage
à_ 5 D 5 m : F
‘00 time l9.
Ey Alpha waves ik Bane
3 sn eine Ị Nan Hive mm 9
+ L ——— + —— SE `
= 5 Lj .. ~m 5 a
t0 time (sec)
> 1 Sleep spindle Keomplex N2 Stage
= ey" Yeni 9B gown ptm nehaarenant HR Ni
E -m- a = hot L 4
0 5 0 E ?0 3% ằ
00 — HỆ : time ree) - Delta waves_
"Ty meri
iG ẹẹ lu 4 ‘
g aon eed MÀ yey Prep fe atta wwf P ị Ws hàng
Mm, 5 B i) 4) 1
no time to)
> Sawooth waves” Tr
x Otay \, ah yh nee A MY ene rh \ J#ˆwm tape yt (ÝAvivRhavvh event Ot REM Stage
R po at L 1% L 1
‘ L , time fee) 2 5 3
Hình 2.4: Tín hiệu điện não đồ cho các giai đoạn khác nhau của giác ngủ [20]
2.2. Các hướng tiếp cận liên quan đến bài toán
Cho đến nay, các hướng tiếp cận được sử dụng để giải quyết bài toán phân lớp các giai đoạn giác ngủ chủ yếu bao gồm hướng tiếp cận theo phương pháp học máy
truyén thông và hướng tiép cận dựa trên học sâu.
16
2.2.1. Hướng tiếp cận theo phương pháp hoc máy truyền thống
Trong phân lớp các giai đoạn giấc ngủ, một số phương pháp học máy truyền thống phô biến được sử dụng và đạt được kết quả khả quan. Dưới đây là một số phương pháp học máy truyền thống được áp dụng trong lĩnh vực nay:
- Random Forests: Random Forests là một phương pháp học máy dựa trên tap
hợp các cây quyết định (decision trees). Mỗi cây quyết định được huấn luyện trên một tập dữ liệu con được lay ngẫu nhiên từ tap huấn luyện ban đầu. Sau đó, các cây quyết định này bỏ phiếu dé quyết định phân lớp cuối cùng. Random Forests có thé
sử dụng các đặc trưng từ tín hiệu EEG dé phân lớp giai đoạn giấc ngủ [20].
- Support Vector Machines (SVM): SVM là một thuật toán học giám sat được
sử dụng cho phân lớp và hồi quy. Nó tìm siêu phăng có khoảng cách biên lớn nhất đến các điểm đữ liệu huấn luyện, tạo ra đường ranh giới rõ ràng giữa các lớp. Mục tiêu của SVM là tối đa khoảng cách biên dé đảm bảo tính tổng quát và kha năng phân lớp chính xác. SVM tìm cách tạo ra một đường phân chia tuyến tính tốt nhất giữa các lớp dữ liệu khác nhau. Trong việc phân lớp giai đoạn giấc ngủ, SVM có thê
sử dụng các đặc trưng trích xuất từ tín hiệu EEG dé phân lớp các giai đoạn khác
nhau như REM, NI, N2, và N3 [21].
- K-Nearest Neighbors (KNN): KNN là một phương pháp học máy đơn giản
nhưng hiệu quả trong việc phân lớp. KNN tìm k điểm dữ liệu gần nhất với truy van
và quyết định dự đoán dựa trên bỏ phiếu. Hiệu quả của KNN phụ thuộc vào giá trị k
được chọn. Trong phân lớp giai đoạn giấc ngủ, KNN có thê sử dụng các đặc trưng
từ tín hiệu EEG và so sánh với các điểm dữ liệu huấn luyện dé xác định giai đoạn
tương ứng [21].
- Naive Bayes: Naive Bayes là một phương pháp phân lớp dựa trên nguyên
tắc xác suất Bayes. Phương pháp này giả định rang các đặc trưng độc lập với nhau
và tính toán xác suất dé xác định lớp phân lớp. Trong phân lớp giai đoạn giấc ngủ, Naive Bayes có thé sử dụng các đặc trưng từ tín hiệu EEG dé tính toán xác suất của từng giai đoạn và chọn lớp có xác suất cao nhất [21].
17
Các phương pháp học máy truyền thống này đã được áp dụng trong nhiều nghiên cứu liên quan đến phân lớp giai đoạn giấc ngủ và đạt được kết quả khả quan.
Năm 2012, Fraiwan và cộng sự đề xuất một hệ thống xác định giai đoạn giấc
ngủ tự động từ tín hiệu EEG trong bài báo "Automated sleep stage identification
system based on tine-frequency analysis of a single EEG channel and random
forest classifier" [20]. Phuong pháp này sử dung phân tích thời gian-tan số và mô hình phân lớp Random Forest dé trích xuất đặc trưng va phân lớp giai đoạn giấc ngủ. Kết quả cho thấy hệ thống đề xuất có độ chính xác và hiệu suất tốt trong việc xác định giai đoạn giấc ngủ từ một kênh EEG duy nhất.
Năm 2012, trong bai báo "An ensemble system for automatic sleep stage
classification using single channel EEG signal", B. Koley and D. Dey tap trung vao
việc phát triên một hệ thống (ensemble system) phân lớp các giai đoạn giấc ngủ tự động sử dụng tín hiệu EEG từ một kênh duy nhất và sử dụng kết hợp ba phương
pháp: Support Vector Machines (SVM), K-Nearest Neighbors (KNN) va Naive
Bayes [21]. Mỗi phương pháp đều được huấn luyện và thử nghiệm độc lập trên tập
dữ liệu huấn luyện và kiểm thử. Sau khi rút trích các đặc trưng đại diện cho các đặc điểm quan trọng, ba phương pháp SVM, KNN và Naive Bayes được áp dụng để phân lớp các giai đoạn giấc ngủ. Mỗi phương pháp đưa ra một quyết định riêng dựa trên các đặc trưng đầu vào. Hệ thống được tạo ra bằng cách kết hợp kết quả phân lớp từ ba phương pháp thành một quyết định cuối cùng. Điều này có thể được thực hiện thông qua việc sử dụng nguyên tắc biểu quyết (voting) hoặc cân nhắc các trọng
số khác nhau cho mỗi phương pháp.
Bài báo “Application of Machine Learning to Sleep Stage Classification” được
dé xuất năm 2021, trình bày một khảo sát về các phương pháp hoc máy được áp dụng trong lĩnh vực này, bao gồm mạng neural nhân tạo (Artificial Neural Networks
- ANN), SVM, Decision Tree và KNN [22]. Các đặc trưng từ tín hiệu giấc ngủ được trích xuất và sử dụng làm đầu vào cho các mô hình học máy. Bài báo cũng đề cập đến việc xử lý và tiền xử lý đữ liệu giấc ngủ để cải thiện chất lượng phân lớp. Kết
18