I. Hệ thống điều khiển xe lăn bằng não Tổng quan và mục tiêu nghiên cứu
Luận án tập trung vào hệ thống điều khiển xe lăn cho người tàn tật nặng bằng mạng neural và EEG. Công nghệ điều khiển xe lăn cho người tàn tật đang là một lĩnh vực nghiên cứu trọng điểm. Luận án này hướng đến việc xây dựng một hệ thống hỗ trợ người khuyết tật vận động. Ứng dụng EEG trong điều khiển xe lăn là một hướng tiếp cận mới mẻ, hứa hẹn mở ra nhiều khả năng hỗ trợ người khuyết tật. Mục tiêu chính là thiết kế và phát triển một hệ thống điều khiển xe lăn thông minh sử dụng tín hiệu EEG và mạng neural, nhằm nâng cao chất lượng cuộc sống cho người tàn tật nặng. Đây là một giải pháp công nghệ hỗ trợ người khuyết tật nặng, có ý nghĩa xã hội sâu sắc. An toàn và hiệu quả của hệ thống điều khiển xe lăn được đặt lên hàng đầu trong quá trình nghiên cứu và phát triển. Cải tiến công nghệ hỗ trợ người khuyết tật là mục tiêu quan trọng của luận án. Thiết kế hệ thống điều khiển xe lăn tiên tiến đòi hỏi sự kết hợp hài hòa giữa phần cứng và phần mềm. Xe lăn thông minh cho người tàn tật nặng là sản phẩm hướng tới của luận án.
1.1 Phân tích tình hình nghiên cứu trong và ngoài nước
Luận án đánh giá tình hình nghiên cứu trong nước về công nghệ điều khiển xe lăn cho người tàn tật. Nghiên cứu chỉ ra rằng, ứng dụng EEG trong điều khiển xe lăn còn hạn chế. Công nghệ hỗ trợ người khuyết tật vận động ở Việt Nam đang được phát triển nhưng vẫn còn nhiều thách thức. So sánh các phương pháp điều khiển xe lăn cho thấy, phương pháp sử dụng EEG và mạng neural có tiềm năng vượt trội. Tình hình nghiên cứu ngoài nước cho thấy sự phát triển mạnh mẽ của BCI (Brain Computer Interfaces), đặc biệt là trong lĩnh vực điều khiển thiết bị bằng suy nghĩ. Mạng neural nhân tạo trong điều khiển xe lăn được ứng dụng rộng rãi, cho thấy hiệu quả đáng kể. Tuy nhiên, việc ứng dụng rộng rãi vẫn gặp nhiều khó khăn, đặc biệt là về chi phí và khả năng tiếp cận. EEG và mạng neural trong y sinh đang là lĩnh vực nghiên cứu sôi động, mở ra nhiều ứng dụng tiềm năng. Ứng dụng mạng neural trong thiết bị y tế cũng đang được nghiên cứu và phát triển mạnh mẽ.
1.2 Phương pháp nghiên cứu
Luận án sử dụng phương pháp nghiên cứu định lượng và định tính. Thuật toán điều khiển xe lăn bằng EEG được xây dựng dựa trên việc xử lý tín hiệu EEG bằng các kỹ thuật như biến đổi Fourier, biến đổi Wavelet, và Hilbert Huang Transform (HHT). Xử lý tín hiệu EEG trong điều khiển xe lăn là một phần quan trọng của luận án. Phân tích tín hiệu EEG nhằm trích xuất các đặc trưng cần thiết để điều khiển xe lăn. Mạng neural nhân tạo, cụ thể là mạng neural đa lớp, được sử dụng để phân loại các tín hiệu EEG. Học máy có giám sát được áp dụng trong quá trình huấn luyện mạng neural. Thí nghiệm lâm sàng hệ thống điều khiển xe lăn được thực hiện để đánh giá hiệu quả của hệ thống. Phát hiện tín hiệu EEG cho điều khiển xe lăn là một thách thức lớn. Xử lý tín hiệu EEG đóng vai trò then chốt trong việc đảm bảo tính chính xác của hệ thống. Hệ thống điều khiển xe lăn được mô phỏng và thử nghiệm trên mô hình thực tế.
II. Kết quả nghiên cứu và phân tích
Luận án trình bày kết quả nghiên cứu về phát hiện tín hiệu EEG cho điều khiển xe lăn. Thu thập dữ liệu EEG được thực hiện trên nhiều đối tượng. Xử lý dữ liệu EEG bao gồm các bước tiền xử lý, trích xuất đặc trưng, và phân loại. Mô hình mạng neural đa lớp đạt hiệu quả cao nhất trong việc phân loại tín hiệu EEG. Kết quả thực nghiệm cho thấy hệ thống đạt độ chính xác cao, trên 90%. Chi phí và khả năng tiếp cận hệ thống điều khiển xe lăn được đánh giá. An toàn của hệ thống điều khiển xe lăn được đảm bảo thông qua các biện pháp kỹ thuật. Hệ thống điều khiển xe lăn được tích hợp với camera để tăng cường độ chính xác. Mô hình mạng neural đơn lớp cũng được nghiên cứu và so sánh. So sánh các phương pháp điều khiển xe lăn cho thấy sự ưu việt của phương pháp sử dụng EEG và mạng neural đa lớp.
2.1 Phân tích hiệu quả của các thuật toán xử lý tín hiệu
Luận án so sánh hiệu quả của ba thuật toán xử lý tín hiệu EEG: biến đổi Fourier, biến đổi Wavelet, và HHT. Biến đổi Wavelet cho thấy hiệu quả tốt hơn trong việc trích xuất đặc trưng tín hiệu EEG. Thuật toán HHT có thể xử lý tín hiệu không ổn định tốt hơn. Phân tích mật độ phổ công suất (PSD) được sử dụng để đánh giá hiệu quả của các thuật toán. Tỉ lệ nhiễu tín hiệu (SNR) được cải thiện sau khi xử lý tín hiệu. Gom cụm dữ liệu giúp tăng hiệu quả của quá trình phân loại. Các phương pháp trích đặc điểm tín hiệu đóng vai trò quan trọng trong việc cải thiện hiệu quả của hệ thống. Kết quả thực nghiệm cho thấy biến đổi Wavelet kết hợp với HHT cho kết quả tốt nhất trong việc trích xuất các đặc trưng của tín hiệu EEG. Các dạng sóng cơ bản của tín hiệu điện não EEG (Delta, Theta, Alpha, Beta, Gamma) được sử dụng để phân loại các lệnh điều khiển.
2.2 Đánh giá hiệu quả của mô hình mạng neural
Luận án đánh giá hiệu quả của mô hình mạng neural đơn lớp và mô hình mạng neural đa lớp. Mạng neural đa lớp cho kết quả chính xác hơn so với mạng neural đơn lớp. Thuật toán huấn luyện mạng neural được lựa chọn phù hợp để tối ưu hóa hiệu quả của hệ thống. Cấu trúc mạng neural được thiết kế sao cho phù hợp với đặc điểm của tín hiệu EEG. Kết quả thực nghiệm cho thấy mạng neural đa lớp đạt độ chính xác cao trong việc phân loại tín hiệu. Ma trận nhầm lẫn được sử dụng để đánh giá độ chính xác của hệ thống. Tối ưu hóa cấu trúc mạng neural là một phần quan trọng trong việc nâng cao hiệu quả của hệ thống. Hệ thống điều khiển xe lăn sử dụng mạng neural đa lớp lan truyền ngược để đảm bảo hiệu quả phân loại tín hiệu.
III. Ứng dụng thực tiễn và hướng phát triển
Luận án đề xuất ứng dụng thực tiễn của hệ thống điều khiển xe lăn cho người tàn tật nặng. Hệ thống phần cứng và phần mềm được thiết kế và xây dựng. Xe lăn mô hình được sử dụng để thử nghiệm hệ thống. Thiết bị Emotiv EPOC+ được sử dụng để thu nhận tín hiệu EEG. Quá trình huấn luyện người tham gia điều khiển được mô tả chi tiết. Kết quả thực nghiệm cho thấy hệ thống có độ tin cậy cao và khả năng áp dụng thực tiễn tốt. Tương lai của công nghệ điều khiển xe lăn sẽ tiếp tục được phát triển. Công nghệ hỗ trợ người khuyết tật vận động trên thế giới đang phát triển mạnh mẽ, công nghệ hỗ trợ người khuyết tật vận động ở Việt Nam cần được đầu tư và phát triển hơn nữa.
3.1 Thực nghiệm và đánh giá hệ thống
Luận án trình bày chi tiết quá trình thực nghiệm và đánh giá hệ thống điều khiển xe lăn. Dữ liệu thực nghiệm được thu thập từ nhiều đối tượng. Kết quả thực nghiệm được phân tích và đánh giá. Độ chính xác của hệ thống được đo lường và so sánh. Các chỉ số đánh giá hiệu quả của hệ thống được trình bày rõ ràng. Thời gian tiến hành thực nghiệm được ghi nhận. Lựa chọn nhóm tham gia quá trình đánh giá hệ thống được thực hiện một cách khách quan. Kết quả thực nghiệm cho 2 phương án sử dụng EEG và Camera được so sánh và đánh giá. Hệ thống điều khiển xe lăn chứng minh khả năng ứng dụng thực tiễn cao, mang lại sự tiện lợi và độc lập cho người khuyết tật.
3.2 Hướng phát triển và kiến nghị
Luận án đề xuất các hướng phát triển cho hệ thống điều khiển xe lăn trong tương lai. Việc tích hợp thêm các cảm biến sẽ giúp hệ thống hoạt động chính xác hơn. Cải thiện thuật toán xử lý tín hiệu sẽ nâng cao hiệu quả của hệ thống. Phát triển giao diện người dùng thân thiện sẽ làm tăng tính tiện dụng của hệ thống. Giảm chi phí sản xuất sẽ giúp hệ thống tiếp cận được nhiều người dùng hơn. Luận án cũng đưa ra một số kiến nghị nhằm thúc đẩy phát triển công nghệ hỗ trợ người khuyết tật vận động ở Việt Nam. Việc đầu tư nghiên cứu và phát triển công nghệ hỗ trợ người khuyết tật là cần thiết. Chính sách hỗ trợ cho người khuyết tật cần được quan tâm và hoàn thiện. Hợp tác quốc tế trong lĩnh vực này cũng rất quan trọng.
