Luận văn Thạc sĩ: Nghiên cứu mô hình giao tiếp máy não và ứng dụng (BCI)

Luận văn nghiên cứu mô hình giao tiếp máy não (BCI) và ứng dụng. Phân tích cơ sở lý thuyết sóng điện não EEG, thuật toán xử lý và kết quả thực nghiệm.

• Tác giả: Hoàng Anh Việt
• Người hướng dẫn: PGS. Nguyễn Đức Thuận
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Giao Tiếp Máy - Não: Mô Hình và Ứng Dụng Thực Tiễn
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2011
• Địa điểm: Hà Nội

Tóm tắt

I. Khái niệm cơ bản về Giao tiếp Máy Não

Giao tiếp máy-não (Brain-Computer Interface - BCI) là một lĩnh vực công nghệ tiên tiến kết nối trực tiếp giữa não bộ con người và các thiết bị máy tính. Hệ thống này hoạt động bằng cách thu nhận, phân tích và xử lý các tín hiệu điện não được ghi lại thông qua điện não đồ (EEG). Công nghệ giao tiếp máy-não cho phép chuyển đổi các hoạt động não bộ thành các lệnh điều khiển cho máy tính hoặc các thiết bị khác. Đây là một bước đột phá trong công nghệ thông tin hiện đại, mở ra những khả năng mới trong y tế, giáo dục và các ứng dụng công nghệ cao. Nghiên cứu về mô hình giao tiếp máy-não đã trở thành một hướng phát triển quan trọng tại các trường đại học hàng đầu, đặc biệt là trong lĩnh vực xử lý tín hiệu sinh học.

1.1. Định nghĩa và nguyên lý hoạt động

Giao tiếp máy-não hoạt động dựa trên nguyên lý phát hiện và giải mã các tín hiệu điện não phát sinh từ hoạt động của não bộ. Khi con người thực hiện các hoạt động tâm lý như suy nghĩ, hình dung hay tập trung, không bộ sẽ phát sinh các sóng điện não với các tần số và biên độ khác nhau. Các cảm biến EEG sẽ ghi lại những thay đổi điện thế này. Thông qua các mô hình xác suất và thuật toán xử lý, hệ thống có thể nhận diện ý định của người dùng và chuyển đổi thành các lệnh điều khiển cụ thể.

1.2. Các thành phần chính của hệ thống BCI

Một hệ thống giao tiếp máy-não tiêu chuẩn bao gồm: thiết bị thu nhận tín hiệu (như EEG hay các cảm biến khác), phần cứng xử lý tín hiệu, các thuật toán xử lý dữ liệu, và giao diện người dùng. Công ty Emotiv Systems hiện đang phát triển các sản phẩm BCI tiên tiến nhất trên thế giới. Mỗi thành phần đều đóng vai trò quan trọng trong việc đảm bảo hiệu suất và độ chính xác của toàn bộ hệ thống.

II. Các mô hình xử lý tín hiệu điện não

Xử lý tín hiệu điện não (EEG) là quá trình phức tạp yêu cầu các mô hình thuật toán tiên tiến. Các mô hình xác suất như Gaussian Mixture Model (GMM) và Expectation-Maximization (EM) được sử dụng rộng rãi để phân loại các đặc trưng sóng não. Phân tích các thành phần độc lập (ICA) giúp tách biệt các thành phần tín hiệu độc lập từ dữ liệu EEG nhiễu. Mô hình không gian véc tơ (SVM) cũng được áp dụng để nâng cao độ chính xác trong nhận diện các mẫu não. Các thuật toán xử lý này kết hợp với cơ sở dữ liệu lớn về các mẫu tín hiệu não để tạo ra một hệ thống nhận diện hiệu quả và đáng tin cậy.

2.1. Mô hình GMM và EM trong phân loại EEG

Gaussian Mixture Model (GMM) là một mô hình xác suất mạnh mẽ cho phép biểu diễn phân phối dữ liệu EEG phức tạp. Thuật toán Expectation-Maximization (EM) được sử dụng để ước lượng các tham số của GMM, từ đó tối ưu hóa khả năng phân loại các loại tín hiệu điện não khác nhau. Phương pháp này đã chứng minh được hiệu quả cao trong việc nhận diện các trạng thái não như tập trung, thư giãn hay mệt mỏi.

2.2. Phân tích ICA và SVM trong nhận diện tín hiệu

Phân tích các thành phần độc lập (ICA) giúp loại bỏ các tạp âm và tách biệt các thành phần tín hiệu thực sự từ dữ liệu EEG thô. Mô hình không gian véc tơ (SVM) sau đó sử dụng các đặc trưng được tách này để phân loại với độ chính xác cao. Sự kết hợp giữa ICA và SVM tạo thành một pipeline xử lý mạnh mẽ cho giao tiếp máy-não hiện đại.

III. Ứng dụng thực tiễn của giao tiếp máy não

Giao tiếp máy-não có nhiều ứng dụng tiềm năng trong các lĩnh vực khác nhau. Trong y tế, hệ thống BCI có thể giúp bệnh nhân bị liệt ngoại biên điều khiển các thiết bị phục hồi chức năng hoặc giao tiếp với thế giới bên ngoài. Trong giáo dục, công nghệ này cho phép theo dõi mức độ tập trung của học sinh để tối ưu hóa phương pháp giảng dạy. Các ứng dụng công nghệ cao khác bao gồm điều khiển các robot, chơi game tương tác, hoặc thậm chí các ứng dụng trong thể thao. Sản phẩm Epoc của Emotiv Systems là một ví dụ điển hình của một thiết bị giao tiếp máy-não thương mại thành công, được sử dụng rộng rãi trong nghiên cứu và ứng dụng thực tế.

3.1. Ứng dụng trong lĩnh vực y tế và phục hồi chức năng

Trong y tế, giao tiếp máy-não mở ra cơ hội mới cho bệnh nhân. Những người bị liệt toàn thân hoặc mắc bệnh xơ cứng kéo dài (ALS) có thể sử dụng hệ thống BCI để giao tiếp và điều khiển các thiết bị hỗ trợ. Công nghệ này cũng được ứng dụng trong phục hồi chức năng sau đột quỵ, giúp bệnh nhân tái tập huấn các kỹ năng vận động. Các mô hình xử lý tín hiệu tiên tiến cho phép nhận diện chính xác ý định của bệnh nhân, từ đó cấp phép cho các thiết bị thực hiện các hành động mong muốn.

3.2. Ứng dụng trong giáo dục giải trí và thể thao

Giao tiếp máy-não cũng được ứng dụng trong giáo dục để theo dõi mức độ tập trung và sự mệt mỏi của học sinh. Trong lĩnh vực giải trí, công nghệ này cho phép tương tác theo thời gian thực với các trò chơi và ứng dụng. Trong thể thao, BCI được sử dụng để phân tích hiệu suất tinh thần của vận động viên và giúp họ cải thiện kỹ năng tập trung và xử lý stress.

IV. Hướng phát triển tương lai của công nghệ giao tiếp máy não

Giao tiếp máy-não vẫn còn rất nhiều tiềm năng phát triển trong tương lai. Các mô hình thuật toán mới dựa trên trí tuệ nhân tạo (AI) và học sâu (Deep Learning) sẽ giúp tăng độ chính xác và tốc độ xử lý của hệ thống. Các thiết bị ghi lại tín hiệu não sẽ ngày càng nhỏ gọn, không xâm lấn và dễ sử dụng hơn. Sự kết hợp giữa công nghệ thông tin hiện đại và khoa học thần kinh sẽ tạo ra những đột phá mới. Các ứng dụng công nghệ cao mới sẽ được phát triển, mở rộng phạm vi ứng dụng của BCI trong cuộc sống hàng ngày. Việc xây dựng các cơ sở dữ liệu lớn về tín hiệu điện não và tiêu chuẩn hóa các mô hình xử lý sẽ đẩy nhanh sự phát triển của toàn bộ lĩnh vực này.

4.1. Phát triển thuật toán học sâu cho BCI

Thuật toán học sâu (Deep Learning) như mạng nơron tích chập (CNN) và mạng tái phát (RNN) được kỳ vọng sẽ cải thiện đáng kể hiệu suất của hệ thống giao tiếp máy-não. Các mô hình này có khả năng học các đặc trưng phức tạp từ tín hiệu EEG mà các mô hình truyền thống không thể xác định. Sử dụng cơ sở dữ liệu lớn và kỹ thuật huấn luyện tiên tiến, các mô hình học sâu sẽ tạo ra những bước đột phá trong nhận diện và phân loại tín hiệu não.

4.2. Phát triển thiết bị không xâm lấn và giao diện thân thiện

Tương lai của giao tiếp máy-não sẽ tập trung vào việc phát triển các thiết bị ghi nhận tín hiệu điện não không xâm lấn, nhỏ gọn và dễ sử dụng. Các giao diện người dùng sẽ được thiết kế bón và trực quan hơn, cho phép người dùng tương tác dễ dàng với hệ thống. Sự phối hợp giữa phần cứng tiên tiến và phần mềm thông minh sẽ tạo ra các ứng dụng thực tiễn có giá trị cao cho xã hội.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. THỰC TRẠNG VẺ NGHIÊN CỨU VÀ XƯ LÝ TÍN HIỆU ĐIỆK NÃO EEG. THỰC TRẠNG VỀ NGHIÊN CỨU VÀ XỬ LÝ TÍN HIỆU DIỆN NÃO TRÊN THẺ GIỚI VÀ VIỆT NAM. TÂMGQUAN TRÔNG CỦA XÂY DỰNG NHỮNG ỨNG DỤNG XỬ LÝ TÍN HIỆU BIEN NAO TAI VIETNAM 12 3.

Thực trạng về bệnh nhãn liên quan đến nỡo bộ, bệnh nhân động kinh và bệnh nhôn liệt. TẦm quơn trạng xủy dựng những tng dụng xử lý tín hiệu điện nũo tại Việi Num. MỘT SỐ GIẢI PHIÁP XÂY DỰNG ỨNG DỰNG DIỰA TRÊN XỪ LÝ TÍN HIỆU ĐIỆN NÃO EEG. KÉT CHƯƠNG ve ee ee eo CHƯƠNG 2.

TÌM IIẾU LÝ TIIUYÉT SÓNG DIEN NAO. LÝTHUYẾT SONG ĐIỆN NÃO Y SINH " - 20 1. Cơ sở sinh lý thần kinh cửa se điện não 2. SOHOA TIN Hậu BIỂN HẢO .Vjul đặt điện cực ngoài ra đầu.

Xác định một số sóng chính dựa vào tẫn số. Xác định sóng dựn vào hình dạng. Các hiển thề bình thường. Mgt s6 dang ban ghi tin hiệu điện não 3.

KHÁC BiệT THFO MUNG TREN RN GH BQN NR. Khóc biệt theo vùng: 3. Sơ sánh giữn 2 bởn tu”. KẾT CHƯƠNG.

HE THONG EMOTIV SYSTEMS. TÔNG QUAN VE HE THONG CMOTIV SYSTEMS. Epoc Mydrator Pack 2, EMOTIVCONTROL PANE! 21. EmoFngine Stutus Ponel 2.

Expressiv™ Sule co — 2. ca „me renee AB 3. CMOTIV SOFTWARE DEVELOPMENT KIT API. seventeen _ ce-ee.

Demo sử dụng EDK API. 4, UING DLING COGNITIV TRONG BAO MAT Va NHAN DANG SINH TRAC HOC. DANH GIA VE HE THONG EMOTIV SYSTEMS. KẾT CHƯƠNG.

em CHƯƠNG4. MÔ HÌNH GIAO TIẾP MÁY-NÃO ĐẺ XUẤT. KiếN TRÚC Để xuất. Các thành phẫn chính cũa hộ thông MDK.UẬT TOÁN VÀ Ký THUậT x.

Toc viên:1aàng Ảnh Việt, lắp caa học CNTT 2009 MỞ ĐẦU Nghiên cứu não bộ con người và đặc biệt liên quan đếný nghĩ của con người là một vẫn đề rất khó đã được các nhà khoa học lrên thế giới nghiên cứu từ rất Tâu và đã đạt được nhímg thành tựu rât khả quan. Kết hợp với ngành khoa học máy tính, thì ngành khoa học Xão-Máy được biết dén voi tén goi Brain-Computer Interfaces (CD cũng đã bước đầu cẻ được các kết quá ân tượng và hiệu quả. Trên thế giới, hiện tại các nhỏm nghiên cứu vẻ ngành BCI cững bắt dau phát triển về số lượng. Trong đó nổi bật nhất là công ty Emebrv, công ty nghiên cửu chuyền sêu về não bồ con người đã cỏ săn phẩm thực tê trên thị trưởng với mũ Epoc thu nhận tín hiệu điện nẽo và Emotrv SDK đủng để xử lý tín huệu điện não.

Sân phẩm của công ty được ứng dụng trên rất nhiều lĩnh vực như y tẺ, giải trí, an ninh quốc phòng,. và trên nhiều quốc gia như Mỹ, Úc, Nhật Bán, Hàn Quéc. Trong Cộng đồng mã nguồn mở thì EEGLab cung cấp các bản thiết kế về phần cứng và vie SDK ding cho vide xử lý tín liệu điện não đã được ứng dụng rộng rãi trong nghiên cứu, ứng đụng vào thực lễ Tai Việt Nam có không nhiều công trình nghiên cửa về nặo bộ cơn người, mội số íL nỗi bật như để lài cấp bộ “Điện Não Đề” đo thầy 1ê Tấn Hùng bộ môn công, nghệ phân mềm thuộc Viện CNTT&TT DH Bach Khoa Ha Néi để xuất đã có những kết quả nghiên cứu khả quan. Tiếp đó, nhỏm sinh viên MiMaS trường DH Bách Khoa đã tiếp tục phát triển thành sản phẩm thưc tế.

Sản phẩm của nhóm là “hệ thẳng chăm sỏc hỗ trợ trẻ em bị khuyết tật” bao gồm cả phần củng, phần mễm thu nhận xứ lý tin hiệu điện não đã được Hội tin học Việt Nam và cống ty Microsoft Việt Nam đáng giá cao sản phẩm khả năng ứng dụng vào thực tế ở Việt Nam trong cuge thi ImagineCup 2009. Thực tế tại Việt Nam hầu như không có sán phẩm liên quan đến tín hiệu điện não ứng dụng ngoài máy diện não đồ được nhập khẩu với giá rất cao từ vải trăm triệu dến hàng tỉ đồng từ nước ngoài trong các bệnh viện. Các nghiên cứu về ngành BCI tại Việt Nam cững đều rất hạn chế và chưa có nhiều kết quả tốt. Trên cơ sở đó, với mong muôn tiếp cận nghiên cứn vả xây đựng những sản phẩm có giả trị hữu ich phục vụ cho cuộc sống trong ngảnh khoa học BCI mởi mẻ này.V đã tập trng nghiên cứu các cơ sở khoa học cơ bản về não cùng với các cing nigh m thể giới, từ đỏ để xuất ra một mô hình giải pháp Lỗng thd cho vide Toc vién:Haang Anh Vist, tép cao hoc CNTT 2009 =viii- DANII MUC BANG Bane 4-1: Di igu mau FRG (116x128 Fervor! Book MARK NOT DEFINED, BaNG 6-1: Ker QUs THit NGHIEM Si DuNG SCORE TRAINING CiA RIENG THNGNGUIBS XAC BINH TRING THA] DIU KEEN BEN( ACTION ) Xa4¥ RAERROR! BOOKMARK NOT DEFINED.

Bane 6-2; Ket Qua Tai NGHIỆM Sử DUNG SCORE TRAINING TRUNG BINH Cua 50 NGUBIDE XAC INH ACTION xay RA Ernar! BaokMARK SOT DERINED. Bana 6-3: Kér qua TINE TOAN THuC NGHIOM XAC PINE ACTION XaY RA Su DUNG 8,16 GAUSSIAN, MA TRIN HP PILUONG SAI (CIIEO, DAY Da). ERROR! BOOKMARK NOT DEFINED. Toc vién:Taang Ảnh Việ, lắp caa học CNTT 2009 DANH MỤC HÌNH HiH 1-: MÁY ĐIỆY NÃO Đã 7 Hix 1-2: THIETBi Gla MÃ Ý NGBIK MO Bec Ÿ NGHĨ, MÁY TÍNH Xử LÝ } - 17 TRÌNH 2-1: Tế RÀO THÂN KINH.

0 Hiv 2-2: Hé THANG aT BIEN Cyc 10-20 THEO CHUANDad TRINH QUỐC Tế 2 Hiv 2-3: DựNG SÓNG ALPHA - - - 1 int 2-4: Dave SONG RETA 1 Hint bur 2-5: 2-5: Dav Diva sésone Tine THETA. Trhnrehreerreetrtetreeeerrersereererool1 THÌNH 2-7: TĨNH dNH SÓNG ĐIỆN NÃO GIÁC NGh, 32 HÌnHI 2-8: ĐIỆN NÃO MắC THO DạO TRÌNH 10-20. 33 Hiv 2-9: SÓNG ALPHA. esses 33 HiH 2-10: SÓNG BETA.

- - 34 TRÌNH 2-11: SÓNG DHI.FA 34 HiH 2-12: BỦNG PHÁTVÀ úC CHẾ. sẻ sẻ kh eieoirerie -.35 HiH 2-L3:HOsTĐăNG DELTA NEIPNHÀNG. - 36 in 2-14: DựNG SÔNG BấT THƯỜNG 36 Hawn 3-1 THT Bj EPOC HEADSET. " wo HÍH 3-2 HậP ĐụNG ĐIỆN CụC.

- - - 40 in 3-3 Status PANEL.5 SƠ Bề MÁC ĐIỆN CụC CủA 43 Hint 3-6 Emo TĩXxPRkgBiv AS Hist 3-7 EMO AFTnCTTV. 45 HÍKH 3-8 EMO COGNITIV.9 EMOENGINE V6 THONG TAC RONG GAME. 48 Tint 3-10 EMoRwarve: st HisH 3-11 ỨNG DựNG COGNTTV VÀO XÁC THụC, - 55 Hise 3.12 He THắNG XÁC TEụC 86 DUNG TIN BHU DIN NAO. VÌ Đụ Vệ BÀI TÂN PHẪN LOạI KHÔNG KIỂM SOÁ 6 HÌNH 4-1.

CảU TRÚC MT NGRON (NEURAT) eenntiiatinnnesiaiinraanini nse 6 HÌSH 4-3. MạNG TIẾP DIN METLAP. TEN TRÌNH Học T0 Hist 4-5, Catv TRUC My TNORON (NEURAL) eeetiannnnterinaninreannns va an HÌgH 4-6. MÔ HÌNH NHẬN DạNG TRANG THÁI SÔNG NÃO - - T2 TÍNH 4-7.

MÔ HÌNH NHgN DẠNG BIỂU HIỆN ĐÔI MẪY B HÌRI 4-8. Mô HỈNINIIRN DạNG SUY NGHĨ 76 Hi 4-9. Giai TTTUẠT TÍNIT8CORT Của Xiỗi FPOCT (2 T7? HigH 4-10, Siy KHáP Vị Thỉ GIEA VÒNG TRÒN MÀU Đỏ Với CÁC VÒNG TRÒN RHÁC Sẽ XÁC ĐỊNH: TaN TRAM KIli NANG ACTION XAY RA. -77 HÌRH14-11, Đi THị CÂN DăNG PHÁTTHÿN Lãi 78 Hibs $-L, MIMETHoa QUA THỈNH Học VA NHAN DaNG TRaNG THÁI CủA ĐÔI MắT 83 HÌNH 5-1.

SpHội TịChA MựNG NORON TRÔNG QUÁ THỈNH TRAIRIMCL mM ién:Haang Anh Vist lắp cau học CNTT 2009 vive thu nhận và xử lý tín hiệu điện não, nhằm tạo ra một nên tăng tốt cho việc nghiên cứu và phát triển các ứng dụng công nghệ cao về san này. Các mục tiêu mà luận văn hướng tới bao gồm: © _ Nghiên cứu cơ sở lý thuyết, đặc trưng sóng điện não FEG. « _ Nghiền cửu các mô hình, sản phẩm trên thể giới liên quan đắn xử ly tín hiệu EEG. Dic biét la sin phim cua céng ty Emotiv Systems.

« _ Nghiên cứu đề xuất mô hình thuật toản xử lý sóng điện não nhằm thu nhận và xử lý các thông tin cơ bản nằm trong sóng điện não cúa con người. «_ Xây dựng thừnghiệm và đánh giá kết qnả của mô hình đề xuất. Cac mục tiêu trên sẽ được Thể hiện thông qua tủng chương của luận văn: Chương 1: Trinh bầy các nghiên cứu về thực trạng nghiên cửu ngành IƠI tại Việt Nam. Chương này sẽ chủ yêu nêu ra sự cần thiết của việc nghiên cửu và xây đụng các ứng đụng hong lính vực tiềm năng này.

Và đó cứng chỉnh là mục địch của để tài Tuận văn. Chương 2: Tĩnh bầy các cơ sở khoa học về lý thuyết sống điện não fPG Chương này sẽ cung cấp các kiến thức y sinh cơ băn về rão và việc số hóa tím hiệu này trong máy linh. Các đặc điểm nhận đạng sóng điện não cũng sẽ được rêu trong chương này vì đây là cơ sở đề máy tính có thể xử lý Chương 3: Trình bây về sin phim cia cong ty Emotv Systems. Đảy lả mội mục tiều của NVLV vi sán phẩm Epoc nảy hiện đang nổi bật nhất trên thẻ giới, đặc biệt la nền tảng phân cứng.

Hướng phát triễn của để tải là kết hợp sử dụng nên tảng phân cứng này để phát triển hệ thống, điều này sẽ làm nâng cao hiện năng của sin phẩm. Chương 4: Trinh bây mô hình để xuất của NVLV. Dây la kết quả của quá trình nghiên cứu và phát triển lâu đài của mốt nhóm, trong đó XVI.V làm trưởng nhóm để tài. Mô linh bao gỗin khá rửiễu thành phần tù phần cứng cho đến các thuật loán phan mềm.

Việc trình bây toàn bộ các thiết kế và chỉ tiết kỹ thuật là rất khó trong kimỏn khổ nội dung luận văn, do vậy NVLV sẽ trình bẫy những điểm nối bật nhất trong mỏ hình đã đề xuất. ạc vién:Haang Anh Vist, tép cao hoc CNTT 2009 six. didn di Fourier 2. Phén phéi chudn nhiều chiều (mvnpđf).

Ube long Likelihood. Thudl todn Expectation Maxirnisulion (EM) [61 oe ene 3. Học mắy với mạng neurd. CACMAIIINI MIEN DNS CLA MDK 3.

Mô hình nhận dạng trang thải sông néo. Mö hình nhận dạng biểu hiện đôi mÄ. Mô hình nhận suy nghi - KẾT CHƯƠNG a ¬ one —- CHƯƠNG 5. XÂY DỰNG CHƯƠNG TRÌNH VẢ ĐÁNHI GIÁ THỨ NGHIỆM.

Hồ THỀNG THỨ NGHIỆM. Mê tễ hệ thẳng Demo. Các trưởng hợp thữ nghiệm. KẾt Dê THUCNGIEỆM.

Kết quá thực nghiệm nhận đạng thé hiện đôim 2. Kết quả thực nghiệm xác định trang thái con người. Kết quá thực nghiệm nhận dạng suy nghĩ. KẾT HƯƠNG “ KET LUAN.

1 CACNHIEM WJ BA HOAN THANH. CÁC KẾT QUÁ ĐẤ DẠT DƯỢC. HƯỚNG PHÁT TRIÊN CHO ĐỀ TÀI — TÀI LIỆU THAM KHÁO. ạc vién:Haang Anh Vist, tép cao hoc CNTT 2009 -vi- 2.

didn di Fourier 2. Phén phéi chudn nhiều chiều (mvnpđf). Ube long Likelihood. Thudl todn Expectation Maxirnisulion (EM) [61 oe ene 3.

Học mắy với mạng neurd. CACMAIIINI MIEN DNS CLA MDK 3. Mô hình nhận dạng trang thải sông néo. Mö hình nhận dạng biểu hiện đôi mÄ.

Mô hình nhận suy nghi - KẾT CHƯƠNG a ¬ one —- CHƯƠNG 5. XÂY DỰNG CHƯƠNG TRÌNH VẢ ĐÁNHI GIÁ THỨ NGHIỆM. Hồ THỀNG THỨ NGHIỆM. Mê tễ hệ thẳng Demo.

Các trưởng hợp thữ nghiệm. KẾt Dê THUCNGIEỆM. Kết quá thực nghiệm nhận đạng thé hiện đôim 2.