Nghiên Cứu Và Ứng Dụng Tín Hiệu EEG Điều Khiển Khung Xương Trợ Lực Cánh Tay


Tóm tắt nghiên cứu (Research Summary)

Nghiên cứu "Nghiên cứu và ứng dụng tín hiệu EEG điều khiển khung xương trợ lực cánh tay" được thực hiện bởi nhóm tác giả thuộc ngành Kỹ thuật Y Sinh, Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. Đề tài tập trung giải quyết câu hỏi nghiên cứu cốt lõi: Làm thế nào để xây dựng một hệ thống giao tiếp não – máy tính (Brain-Computer Interface - BCI) chi phí thấp, có khả năng giải mã chính xác các tín hiệu điện não (EEG) và điện cơ mắt (EOG artifact) để điều khiển chuyển động của khung xương trợ lực cánh tay cho người bị suy giảm chức năng vận động?

                 HỆ THỐNG GIAO TIẾP NÃO - MÁY TÍNH (BCI)
  +-------------------+       +-------------------+       +--------------------+
  |   Emotiv EPOC+    | ----> |   Máy tính xử lý  | ----> |  Bộ điều khiển     |
  |  (Thu tín hiệu)   |       |  (Lọc FIR / API)  |       |  (Arduino / A4988) |
  +-------------------+       +-------------------+       +--------------------+
                                                                     |
                                                                     v
                                                          +--------------------+
                                                          | Khung xương Cycloid|
                                                          |  (Nâng/Hạ tay 20°) |
                                                          +--------------------+

Phương pháp tiếp cận của nghiên cứu kết hợp giữa xử lý tín hiệu số y sinh thời gian thực và kỹ thuật cơ điện tử chính xác. Tín hiệu điện não và chuyển động chớp mắt được thu nhận không xâm lấn thông qua thiết bị Emotiv EPOC+ (14 kênh), sau đó truyền qua Cortex API về máy tính để xử lý bằng ngôn ngữ Python. Thuật toán sử dụng bộ lọc thông cao FIR kết hợp phương pháp ngưỡng động nhằm phân tách chính xác các xung chớp mắt tự nguyện (trái, phải, đa nhịp). Tín hiệu điều khiển được gửi không dây qua module Bluetooth HC-05 tới vi điều khiển Arduino Nano, kích hoạt động cơ bước kết hợp hộp số giảm tốc Cycloid tỉ lệ 1:40 để nâng/hạ cánh tay trợ lực từng nấc 20°.

Kết quả thực nghiệm khẳng định hệ thống đạt độ chính xác cao trong nhận diện ý định điều khiển, thời gian đáp ứng thời gian thực và cơ cấu chấp hành hoạt động êm ái, an toàn với tải trọng nâng hơn 2 kg. Nghiên cứu mang lại tiềm năng ứng dụng thực tiễn lớn trong lĩnh vực phục hồi chức năng thần kinh - cơ và nâng cao tính độc lập trong sinh hoạt cho bệnh nhân liệt chi trên.


Bối cảnh và tầm quan trọng (Context & Significance)

Thực trạng và khoảng trống nghiên cứu

Tai biến mạch máu não (đột quỵ), chấn thương tủy sống và tai nạn lao động đang khiến tỷ lệ người bị liệt hoặc suy giảm khả năng vận động chi trên gia tăng nhanh chóng trên toàn cầu. Đối với những bệnh nhân mất hoàn toàn trương lực cơ tay, các thiết bị trợ lực truyền thống dựa trên tín hiệu điện cơ (EMG) trở nên vô hiệu vì cơ bắp không còn khả năng phát sinh điện thế co cơ đủ lớn.

Mặt khác, các hệ thống khung xương trợ lực y tế nhập khẩu hiện nay có giá thành vô cùng đắt đỏ, cấu trúc cồng kềnh và đòi hỏi chuyên viên vật lý trị liệu túc trực hỗ trợ liên tục. Việc thiếu hụt giải pháp hỗ trợ cá nhân hóa, giá thành hợp lý và có khả năng điều khiển trực tiếp từ tín hiệu thần kinh trung ương là rào cản lớn đối với quá trình tái hòa nhập của người khuyết tật.

Tính cấp thiết và xu hướng công nghệ

Khoa học thần kinh hiện đại đã chứng minh hiện tượng dẻo gai thần kinh (Neuroplasticity): não bộ có khả năng tái cấu trúc và hình thành các liên kết synap mới thông qua các bài tập vận động lặp đi lặp lại có chủ ý. Do đó, việc kết hợp công nghệ BCI với khung xương trợ lực (Exoskeleton) không chỉ dừng lại ở vai trò bù đắp vận động thụ động mà còn chủ động kích thích quá trình hồi phục chức năng vận động của vỏ não.

       Mô hình tác động phục hồi chức năng qua công nghệ BCI
+------------------------------------------------------------------+
| Ý định vận động (Vỏ não) -> Giải mã EEG/EOG -> Khung xương cử động |
|        ^                                                |        |
|        +---------------- Phản hồi cảm giác -------------+        |
+------------------------------------------------------------------+

Tác động tiềm năng

Đề tài mở ra hướng tiếp cận khả thi cho việc chế tạo thiết bị y tế thông minh "Made in Vietnam". Giải pháp giúp người bệnh giảm phụ thuộc vào người chăm sóc, tối ưu hóa chi phí điều trị phục hồi chức năng và cung cấp một nền tảng mở cho các nghiên cứu chuyên sâu về giao tiếp người - máy trong tương lai.


Phương pháp nghiên cứu và Thiết kế hệ thống (Methodology & Approach)

Nghiên cứu ứng dụng quy trình thiết kế kỹ thuật tích hợp khép kín từ khâu thu thập dữ liệu y sinh, xử lý thuật toán đến gia công chế tạo phần cứng.

                 SƠ ĐỒ KHỐI CHI TIẾT HỆ THỐNG ĐIỀU KHIỂN
 +-------------------------------------------------------------------+
 | 1. KHỐI THU NHẬN TÍN HIỆU                                         |
 |    - Mũ đo Emotiv EPOC+ (14 điện cực chuẩn 10-20)                 |
 |    - Tập trung 2 kênh trán: F7, F8 (thu nhận tín hiệu mắt EOG)    |
 +-------------------------------------------------------------------+
                                   | (Bluetooth 2.4 GHz)
                                   v
 +-------------------------------------------------------------------+
 | 2. KHỐI XỬ LÝ TRUNG TÂM (Máy tính / Python)                       |
 |    - Cortex API & Websockets -> Đọc luồng dữ liệu thô (128 Hz)   |
 |    - Bộ lọc thông cao FIR (Finite Impulse Response)               |
 |    - Thuật toán trích xuất đặc trưng biên dạng xung & phân ngưỡng |
 +-------------------------------------------------------------------+
                                   | (Bluetooth HC-05 - Chuẩn UART)
                                   v
 +-------------------------------------------------------------------+
 | 3. KHỐI ĐIỀU KHIỂN CƠ ĐIỆN TỬ & CHẤP HÀNH                        |
 |    - Vi điều khiển Arduino Nano (ATmega328P)                      |
 |    - Driver động cơ A4988 / DRV8825 (Microstepping)              |
 |    - Động cơ bước Step 42mm (2 pha)                               |
 |    - Hộp giảm tốc bánh răng con lăn Cycloid (Tỉ số truyền 1:40)   |
 |    - Bộ khung hợp kim nhôm định hình 20x20 & ốp 3D PLA sinh học   |
 +-------------------------------------------------------------------+

1. Thu nhận và xử lý tín hiệu điện sinh học

  • Phần cứng thu nhận: Thiết bị Emotiv EPOC+ 14 kênh với độ phân giải 14/16-bit, tần số lấy mẫu 128 SPS. Nghiên cứu tập trung khai thác dữ liệu từ hai kênh cực trán F7 và F8, nơi ghi nhận biên độ điện thế chớp mắt rõ ràng nhất.
  • Giao thức truyền dữ liệu: Ứng dụng Cortex API qua giao thức WebSocket và định dạng JSON để trích xuất dữ liệu dòng thời gian thực từ phần cứng.
  • Thuật toán lọc và nhận dạng: Tín hiệu thô được đưa qua bộ lọc số thông cao FIR (tổng hợp theo phương pháp cửa sổ) nhằm triệt tiêu nhiễu trôi đường nền (baseline drift) tần số thấp và giữ lại các thành phần tần số hữu ích từ 0.2 - 45 Hz. Hệ thống trích xuất biên độ đỉnh âm - dương của xung chớp mắt tự nguyện (dao động từ -200 µV đến 1200 µV) và áp dụng thuật toán ngưỡng thích nghi để phân loại:
    • Chớp mắt trái 1 lần: Khung cánh tay gập lên 20°.
    • Chớp mắt phải 1 lần: Khung cánh tay duỗi hạ xuống 20°.
    • Chớp mắt liên tục: Kích hoạt dừng khẩn cấp hoặc đưa về vị trí ban đầu.

2. Thiết kế cơ khí và hệ thống truyền động

  • Hộp số giảm tốc bánh răng con lăn Cycloid (Tỉ lệ 1:40): Khắc phục nhược điểm cồng kềnh của bộ truyền bánh răng thông thường, nhóm nghiên cứu thiết kế và tính toán hộp số Cycloid 2 tầng đĩa lệch tâm ($z_1 = 40, z_2 = 41$). Cơ cấu con lăn mang lại chuyển động êm ái, chống hiện tượng lẹm chân răng, cho hiệu suất truyền động đạt 85% và khả năng tự hãm an toàn.
  • Khung cơ khí cánh tay: Sử dụng thanh hợp kim nhôm định hình 20x20mm kết hợp các ốp đỡ bắp tay, cẳng tay và cổ tay in 3D bằng vật liệu nhựa sinh học PLA, cho phép tùy chỉnh linh hoạt theo kích thước nhân trắc học của từng người bệnh.
  • Hệ thống điện tử - nguồn: Vi điều khiển Arduino Nano nhận chuỗi byte lệnh qua UART từ module Bluetooth HC-05, điều khiển động cơ bước size 42mm thông qua driver A4988. Hệ thống vận hành hoàn toàn độc lập nhờ khối pin LiPo 3S (11.1V - 2000mAh).

Phát hiện và Kết quả thực nghiệm chính (Key Findings)

Qua quá trình thử nghiệm lâm sàng mô phỏng và đo đạc thực tế, đề tài ghi nhận những kết quả nổi bật sau:

1. Phân tách đặc trưng tín hiệu điện sinh học chính xác

Nghiên cứu chỉ ra sự khác biệt rõ nét giữa các loại xung chớp mắt trên đồ thị EEG:

  • Chớp mắt tự phát/phản xạ: Biên độ nhỏ (-50 µV đến 200 µV), thời gian xung ngắn (< 200 ms).
  • Chớp mắt tự nguyện (theo ý muốn): Biên độ đỉnh rất lớn (-200 µV đến 1200 µV), độ rộng xung đối xứng rõ ràng giữa pha dương và pha âm.
  • Nhờ bộ lọc FIR và thuật toán cửa sổ trượt, hệ thống đã loại bỏ hoàn toàn hiện tượng kích hoạt giả do chớp mắt vô thức thông thường.
       Đặc tuyến biên độ các dạng tín hiệu điện não & điện cơ mắt
 Biên độ (µV)
   1200 |              /\ (Chớp mắt tự nguyện)
    800 |             /  \
    400 |            /    \
      0 |-----------/------\-----------------/\------ (Chớp mắt tự phát: -50 ~ 200 µV)
   -200 |          /        \               /  \
        +--------------------------------------------- Tín hiệu EEG nền (10 ~ 100 µV)

2. Độ chính xác nhận dạng và Ma trận nhầm lẫn

Hệ thống được đánh giá qua hàng trăm lượt thử nghiệm trên đối tượng thực tế với ma trận nhầm lẫn (Confusion Matrix) đạt kết quả tối ưu:

  • Độ nhạy nhận dạng chớp mắt trái: Đạt trên 93.5%.
  • Độ nhạy nhận dạng chớp mắt phải: Đạt trên 91.8%.
  • Thời gian trễ xử lý thuật toán: Trung bình chỉ mất $62.5\text{ ms}$, đảm bảo phản hồi tức thời theo thời gian thực (Real-time).
Thao tác ý định Tỷ lệ nhận diện đúng (%) Thời gian đáp ứng (ms) Hiện tượng trượt bước
Gập tay (Chớp mắt trái) 93.5% ~65 ms Không
Duỗi tay (Chớp mắt phải) 91.8% ~62 ms Không
Trạng thái nghỉ (Mở mắt) 98.2% - -

3. Hiệu năng vận hành cơ khí và lực nâng

  • Hộp số giảm tốc Cycloid 1:40 chế tạo từ nhựa PMMA và trục truyền động Inox 304 chịu được ứng suất uốn/nén cao, vận hành không phát sinh rung lắc hay kẹt răng.
  • Động cơ bước với momen xoắn định mức kết hợp hộp số tạo ra lực nâng tại đầu cẳng tay tương đương $20\text{ N}$, cho phép nâng - giữ ổn định vật nặng hoặc cẳng tay có khối lượng lên tới $2.04\text{ kg}$ ở từng góc quay cố định 20°.

Đóng góp khoa học và Ứng dụng thực tiễn (Contributions)

Đóng góp về mặt lý thuyết và phương pháp luận

  • Tối ưu hóa BCI phi xâm lấn: Chứng minh tính khả thi của việc sử dụng các thành phần nhiễu sinh học biên độ lớn (EOG Artifacts) trên nền tín hiệu điện não trán làm tín hiệu điều khiển tin cậy cao, thay vì phụ thuộc vào các thuật toán phân loại sóng não phức tạp đòi hỏi cấu hình máy tính công suất lớn.
  • Quy chuẩn thiết kế bộ truyền Cycloid y sinh: Xây dựng bộ công thức toán học và kiểm nghiệm bền cho bộ truyền bánh răng con lăn Cycloid siêu nhẹ, ứng dụng trực tiếp vào khớp cơ điện tử cho thiết bị y tế đeo được (Wearable Medical Devices).
                            GIÁ TRỊ CỐT LÕI CỦA ĐỀ TÀI
 +-----------------------------------+   +------------------------------------+
 |         ĐÓNG GÓP KHOA HỌC         |   |         ỨNG DỤNG THỰC TIỄN         |
 | - Làm chủ giải mã tín hiệu EOG/EEG|   | - Giá thành gia công thấp (<5 triệu)|
 | - Thuật toán lọc số FIR tối ưu    |   | - Thiết kế công thái học in 3D     |
 | - Tính toán hộp số Cycloid 1:40   |   | - Tự động hóa tập phục hồi chức năng|
 +-----------------------------------+   +------------------------------------+

Ứng dụng thực tiễn và tác động xã hội

  • Chi phí gia công thấp: Khung xương sử dụng vật liệu hợp kim nhôm và nhựa in 3D phổ dụng, giúp giảm giá thành sản phẩm xuống mức dễ tiếp cận cho người bệnh tại các nước đang phát triển.
  • Hỗ trợ phục hồi chức năng tự chủ: Cho phép bệnh nhân tự thực hiện các bài tập gập/duỗi khuỷu tay tại nhà theo đúng quỹ đạo góc mong muốn mà không cần trợ lực cơ học từ tay.

Đối tượng quan tâm (Target Audience)

Nghiên cứu này mang lại giá trị tham khảo và ứng dụng thiết thực cho nhiều nhóm đối tượng:

  • Bác sĩ và Kỹ thuật viên Phục hồi Chức năng: Công cụ hỗ trợ đắc lực trong việc theo dõi và kích hoạt quá trình trị liệu vận động cho bệnh nhân liệt nửa người, teo cơ hoặc sau phẫu thuật chấn thương chỉnh hình.
  • Kỹ sư Y Sinh và Cơ điện tử (Biomedical & Mechatronics Engineers): Tài liệu tham khảo toàn diện về tích hợp hệ thống nhúng, lập trình Cortex API, xử lý tín hiệu số y sinh và thiết kế cơ cấu giảm tốc chịu tải lớn.
  • Nhà nghiên cứu BCI & Robot học: Cung cấp nền tảng mã nguồn mở và kiến trúc phần cứng chuẩn mực để phát triển tiếp các hệ thống điều khiển đa bậc tự do hoặc điều khiển xe lăn thông minh.
  • Bệnh nhân và Người chăm sóc: Mang đến giải pháp công nghệ trợ giúp đắc lực, tăng cường sự độc lập trong sinh hoạt hàng ngày.

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng nhất của nghiên cứu này là gì?

Nghiên cứu chứng minh rằng việc khai thác tín hiệu chớp mắt tự nguyện biên độ cao (-200 đến 1200 µV) tại hai kênh trán F7, F8 thông qua bộ lọc thông cao FIR mang lại độ chính xác điều khiển trên 92% với thời gian đáp ứng cực nhanh ($< 65\text{ ms}$), vượt trội hơn nhiều so với việc cố gắng phân tách các dải sóng não Alpha/Beta thuần túy vốn dễ bị nhiễu.

2. Phương pháp thiết kế cơ khí có điểm gì đặc biệt?

Điểm nhấn cơ khí là việc tự tính toán và gia công hộp số giảm tốc bánh răng con lăn Cycloid 1:40. Thiết kế này loại bỏ hiện tượng trượt bước của động cơ, triệt tiêu khe hở ăn khớp, tăng momen xoắn lên 40 lần nhưng vẫn đảm bảo kích thước nhỏ gọn gắn trực tiếp lên khớp khuỷu tay.

3. Kết quả của nghiên cứu có thể nhân rộng (Generalize) không?

Có. Cấu trúc khung xương được thiết kế dạng module hóa trên thanh nhôm 20x20mm và các ốp tay in 3D có thể trượt điều chỉnh linh hoạt theo kích thước nhân trắc học của nhiều đối tượng người lớn khác nhau mà không cần thay đổi phần cứng điều khiển.

4. Hướng phát triển tiếp theo (Next Steps) của đề tài là gì?

Nhóm nghiên cứu định hướng:

  1. Tích hợp vi điều khiển trực tiếp trên bo mạch nhúng để xử lý tín hiệu độc lập không cần qua máy tính (Stand-alone BCI).
  2. Tích hợp thêm cảm biến góc quay phản hồi kín (Closed-loop encoder) và cảm biến áp lực để đảm bảo an toàn tuyệt đối.
  3. Mở rộng điều khiển các khớp bàn tay và ngón tay.

5. Ứng dụng thực tế ngoài cánh tay trợ lực là gì?

Giải pháp xử lý tín hiệu chớp mắt và kiến trúc điều khiển này có thể chuyển giao trực tiếp sang các ứng dụng khác như: điều khiển xe lăn điện thông minh, bàn phím ảo cho người bị hội chứng "khóa trong" (Locked-in syndrome), hoặc điều khiển các thiết bị nhà thông minh (Smart Home).


Kết luận (Conclusion)

Đề tài "Nghiên cứu và ứng dụng tín hiệu EEG điều khiển khung xương trợ lực cánh tay" của nhóm sinh viên Trường ĐH Sư phạm Kỹ thuật TP.HCM là một công trình nghiên cứu khoa học liên ngành xuất sắc, dung hòa hoàn hảo giữa Kỹ thuật Y Sinh, Xử lý tín hiệu số và Cơ điện tử chính xác. Bằng việc tận dụng sáng tạo tín hiệu EOG/EEG từ thiết bị Emotiv EPOC+ kết hợp bộ truyền động Cycloid hiệu suất cao, nhóm tác giả đã chế tạo thành công một mô hình khung xương trợ lực thực tế, hoạt động ổn định và có tính ứng dụng cao.

Đây là bước tiến đầy triển vọng mở đường cho các sản phẩm thiết bị y tế hỗ trợ người khuyết tật chất lượng cao, giá thành hợp lý, góp phần nâng cao chất lượng cuộc sống cho cộng đồng người yếu thế trong xã hội.


[!TIP] Tài liệu tham khảo chuyên ngành: Độc giả quan tâm đến cấu trúc giải thuật xử lý tín hiệu Cortex API, bản vẽ thiết kế SolidWorks hộp số Cycloid 1:40 và sơ đồ nguyên lý mạch có thể tham khảo trực tiếp toàn văn Báo cáo đề tài NCKH Sinh viên 2020 - Chuyên ngành Kỹ thuật Y Sinh, Trường Đại học Sư phạm Kỹ thuật TP.HCM.