chương 1 Trong chương này tác giả trình bày khái quát tình hình nghiên cứu tín hiệu điện não EEG trong và ngoài nước, những ứng dụng đã đạt được hiện nay, phân tích những vấn đề chưa được giải quyết, còn hạn chế, mà trong luận án cần giải quyết, ngoài ra tác giả cũng trình bày mục đích và phạm vi nghiên cứu, những đóng góp của luận án trong thực tiễn.1 Tình hình nghiên cứu trong nước Cho đến thời điểm hiện nay, các công trình nghiên cứu về lĩnh vực điện não ứng dụng trong kỹ thuật điều khiển ở nước ta không nhiều và chỉ dừng lại ở mức độ nghiên cứu cơ bản như nghiên cứu hoạt động chớp mắt ảnh hưởng như thế nào đối với tín hiệu điện não [4], lọc nhiễu tín hiệu điện não EEG [5] trong ứng dụng nhận diện trạng thái điện não, trong các công trình nghiên cứu này, đối tượng thu nhận tín hiệu điện não là dạng hoạt động cơ nên việc phát hiện và phân loại được thực hiện bằng phương pháp ngưỡng biên độ. Một nghiên cứu khác đó là lý thuyết về tín hiệu điện não liên quan đến vận động chi trên [6], những nghiên cứu này được thực hiện trên lý thuyết và kết quả nghiên cứu chỉ ra có mối liên hệ giữa việc vận động và tưởng tượng vận động liên quan đến các hoạt động của thần kinh, một công trình nghiên cứu về lọc nhiễu tín hiệu điện não EEG… qua đây cho thấy việc nghiên cứu về tín hiệu điện não ứng dụng trong điều khiển tự động ở nước ta là chưa có, qua tìm hiểu một số công trình đã công bố và trang web ở các trường đại học danh tiếng trong nước cũng không có đề tài nào liên quan đến tín hiệu điện não trong điều khiển gần đây được công bố.2 Tình hình nghiên cứu ngoài nước Hiện nay các công trình nghiên cứu được công bố trên các bài báo và tạp chí nước ngoài tập trung nghiên cứu chủ yếu vào phương pháp trích đặc điểm tín hiệu điện não offline, trạng thái tín hiệu điện não được hiện hữu thường xuyên như stress, trầm cảm, động kinh [2][3]…, mà chưa quan tâm nhiều đến trích đặc điểm online, thời điểm xuất hiện tín hiệu và thời gian tồn tại của tín hiệu. Trang 1 luan an Theo [7][8] trong bất kỳ hoạt động nào của não bộ về một vấn đề nào đó nó đều có một đặc điểm riêng biệt được phản ánh thông qua các mẫu tín hiệu điện não mà ta thu nhận được, tuy nhiên việc trích được những đặc điểm này là điều không hề dễ dàng, chính vì thế trong thời gian gần đây để nhận dạng được đặc điểm của từng mẫu tín hiệu điện não, một số công việc được thực hiện phổ biến để trích xuất và phát hiện thời điểm thực hiện như: chuyển động đầu, cổ, chớp mắt…[11][12][13][14] những hoạt động này dễ dàng được phát hiện thông qua biên độ ngưỡng do tác động cơ. Các hoạt động khác như tập trung, sự chú ý, tư duy, tưởng tượng [15][16][17]…, hiện tượng trầm cảm, các bệnh lý như động kinh, đột quỵ… việc này đòi hỏi việc trích đặc điểm để nhận biết được sự kiện tương đối khó hơn so với vận động cơ do biên độ của nó không tăng đột biến [7][18], việc trích đặc điểm này đòi hỏi phải sử dụng các giải thuật để tìm được các đặc điểm như: phương pháp STFT, Wavelet Transform [19][20][21][22], nhưng do các hoạt động này có thời gian thực hiện kéo dài nên việc trích đặc điểm cũng tương đối thuận lợi [23][24][15][16].
Một công việc có thời gian hoạt động ngắn đó là quan sát và cảm nhận các đối tượng bên ngoài, công việc này đòi hỏi trong thời gian ngắn phải trích được đặc điểm của nó và đây chính là mấu chốt giải quyết của luận văn, trong các công bố tương tự việc nhận dạng thường ở trạng thái offline [17] để phân tích và nhận dạng mẫu tín hiệu.3 Nội dung thực hiện đề tài Trong quá trình thực hiện luận án của mình, để đánh giá phương pháp nghiên cứu của mình, tác giả dựa vào cơ sở dữ liệu về tín hiệu điện não EEG có sẵn được cung cấp bởi trường Đại học San Diego (UCSD) có uy tín của Mỹ, xếp hạng thứ 38 trên thế giới năm 2018 [26][27], để xây dựng các giải thuật xử lý và nhận dạng các mẫu tín hiệu điện não, cơ sở dữ liệu này chứa tín hiệu điện não EEG thu nhận được khi con người nhìn vào các loại hình ảnh khác nhau sẽ có những đặc trưng tín hiệu điện não khác nhau. Sau khi đã đánh giá được tính khả thi của của việc nhận dạng mẫu tín hiệu thông qua mạng neural, tác giả tiến hành thu nhận 5 mẫu tín hiệu điện não thông qua việc quan sát 5 loại hình khác nhau trên bảng quan sát (con người, thành phố, phong cảnh, bông hoa và con vật), sau đó sử dụng những công cụ toán học để nâng cao độ chính xác quá trình xử lý và nhận dạng mẫu tín Trang 2 luan an hiệu EEG như phương pháp trích đặc điểm Wavelet Transform, HHT [28][29][30] và các công thức tính toán tỉ lệ giữa tròng đen mắt, chân mày một cách hợp lý để có được kết quả chính xác thông qua xử lý hình ảnh, tính mới của luận án so với các công trình trước là tác giả mạnh dạn sử dụng nhận dạng mẫu tín hiệu EEG trực tuyến khi người dùng nhìn vào 5 loại hình ảnh khác nhau và kết hợp camera để tăng độ chính xác của giải thuật, ngoài ra trong khâu tiền xử lý tác giả kết hợp giữa trích đặc điểm HHT với giải thuật gom cụm dữ liệu giúp cho việc nhận dạng thông qua mạng neural được nhanh hơn sử dụng phương pháp khác như Wavelet Transform và giúp cho mạng Neural dễ hội tụ, tránh bị “overfitting”, làm việc hiệu quả và chính xác hơn. Việc thiết kế phần mềm thu thập tín hiệu điện não EEG và kỹ thuật xử lý ảnh cho hoạt động quan sát chuyển động mắt đã thể hiện tính khả thi của luận án khi áp dụng vào thực triển, một số các luận án trước đây liên quan đến việc hỗ trợ người khuyết tật như điều khiển bằng giọng nói, gậy thông minh cho người mù, các thiết bị cảm biến khác nhưng chưa có công trình nào trong nước cũng như ngoài nước thực hiện đầy đủ các nội dung trên.4 Mục đích nghiên cứu Tìm ra phương thức thu nhận 5 mẫu tín hiệu điện não EEG một cách dễ dàng và hiệu quả. Phân loại tín hiệu điện não EEG thu nhận được khi con người nhìn vào các loại hình ảnh khác nhau.
Nhận dạng được thời điểm xuất hiện mẫu tín hiệu điện não nhanh và chính xác phục vụ cho việc phân loại các mẫu tín hiệu để điều khiển xe lăn mô hình. Thiết kế thiết bị điều khiển xe lăn mô hình phục vụ cho người khuyết tật nặng sử dụng công nghệ điện não EEG và camera, kết quả luận án cho thấy rằng một người khuyết tật nặng, không thể tự mình di chuyển (nhưng còn minh mẫn và mắt hoạt động tốt) có thể điều khiển xe lăn theo ý muốn trong một phạm vi nào đó bằng việc sử dụng cảm nhận mắt của mình thông qua tín hiệu điện não EEG, ngoài ra sản phẩm của đề tài có yếu tố dễ sử dụng do có sự hỗ trợ của camera (được gắn trực tiếp trên bảng quan sát) giúp cho người chưa từng tham gia điều khiển xe lăn bằng tín hiệu điện não cũng có thể điều khiển được trong thời gian ngắn và dễ thực Trang 3 luan an hiện, đây được xem là tiền đề giúp cho các công trình nghiên cứu sau kế thừa phát huy để tạo ra được các công trình nghiên cứu thật sự có ích trong cuộc sống.5 Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu chính trong luận án này là sử dụng mạng neural để phân loại 5 mẫu tín hiệu điện não EEG thu nhận được thành các dạng lệnh điều khiển tương ứng với 5 lệnh điều khiển xe lăn chạy tới, chạy lui, quay phải, quay trái, dừng lại, trong luận án còn đề cập đến quá trình xử lý ảnh để phát hiện hướng mắt hổ trợ cho việc điều khiển xe được chính xác và hiệu quả hơn, tuy nhiên trong phần xử lý ảnh tác giả không tập trung nhiều mà chủ yếu phần tín hiệu điện não EEG. Trong phạm vi đề tài này tác giả chỉ tập trung về ý tưởng, học thuật và phương pháp phân loại các mẫu tín hiệu điện não EEG, xây dựng phần mềm ứng dụng để khiển xe lăn thực hiện như chạy tới, chạy lui, quay trái, quay phải và dừng lại (xe chỉ có thể xoay 1 góc 90o). Do việc viết phần mềm điều khiển hệ thống chỉ mang tính chất minh họa, với yêu cầu đạt được một số trọng điểm chính nên luận án bỏ qua quy trình kiểm thử phần mềm.
Luận án không tập trung vào thời gian xử lý tín hiệu để phát hiện câu lệnh, tốc độ di chuyển, gia tốc, góc quay của xe, luận án cũng không tập trung nhiều vào phần xử lý ảnh để tìm ra vị trí hướng mắt vì đây là đề tài đã được thực hiện khá nhiều [31][32][33][34] và đạt được kết quả khả quan. Do vấn đề thiết kế xe lăn cho người tàn tật nặng thực tế khó khăn về kinh phí, thời gian thực hiện, mặt khác vấn đề nghiên cứu của luận án phần lớn tập trung vào xử lý và phần loại mẫu tín hiệu EEG online để điều khiều khiển xe lăn, do đó luận án sử dụng các đối là sinh viên trường Cao đẳng Công thương TP. HCM thực hiện, trong quá trình thực nghiệm thu nhận tín hiệu điện não các em sinh viên chỉ sử dụng mắt và suy nghĩ của mình, do đó về bản chất luận án vẫn đảm bảo tính khoa học.6 Những đóng góp của luận án 1.1 Đóng góp về mặt lý thuyết Xây dựng được mô hình mạng Neural phân loại được 5 dạng mẫu tín hiệu điện não EEG khi con người nhìn vào 5 loại hình ảnh khác nhau. Tìm ra được bảng Trang 4 luan an quan sát phù hợp và đơn giản để thu thập dữ liệu, kết hợp một cách khoa học giữa giải thuật trích đặc điểm và gom cụm dữ liệu trước khi đưa vào mạng neural để phân loại từng mẫu dữ liệu, chứng minh được rằng việc áp dụng kỹ thuật công nghệ về tín hiệu điện não EEG có rất nhiều ứng dụng hữu ích trong cuộc sống, không chỉ ứng dụng trong y sinh mà còn trong lĩnh vực điều khiển tự động, và đây là lĩnh vực nghiên cứu mới giúp cho các bạn sinh viên Đại học và Sau đại học có thể nghiên cứu cho luận văn tốt nghiệp của mình.