Tổng quan nghiên cứu

Kỹ thuật ghi nhận điện não đồ (Electroencephalogram - EEG) đóng vai trò then chốt trong lĩnh vực y sinh và kỹ thuật thần kinh khi cho phép đo lường trực tiếp hoạt động điện học của hàng triệu neuron vỏ não thông qua các dải tần số từ 0.5 Hz đến 100 Hz. Tuy nhiên, việc giải mã và phân loại chính xác các tín hiệu điện não phi tuyến, có biên độ nhỏ từ 0.1275 µV đến 0.51 µV và dễ bị nhiễu bởi các hoạt động sinh lý là một thách thức lớn trong khoa học dữ liệu hiện đại. Đề tài tập trung giải quyết bài toán nhận diện ý nghĩ phát âm thầm (imagined speech) đối với 5 nguyên âm cơ bản (/a/, /e/, /i/, /o/, /u/) dựa trên nền tảng kết hợp giữa phương pháp xử lý tín hiệu số và các thuật toán học máy tiên tiến.

Mục tiêu cụ thể của nghiên cứu là xây dựng quy trình tiền xử lý tín hiệu bằng Biến đổi Wavelet rời rạc (Discrete Wavelet Transform - DWT), trích xuất các đặc trưng thống kê phi tuyến và đánh giá so sánh hiệu năng giữa hai nhóm thuật toán phân loại chính: Mô hình học tập hợp (Ensemble Learning) và Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN). Nghiên cứu được triển khai thực nghiệm trên hệ thống thiết bị Emotiv Epoc+ 14 kênh tại phòng thí nghiệm Bộ môn Vật lý Tin học, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia TP.HCM trong năm 2023. Kết quả thực nghiệm đã chứng minh khả năng phân loại vượt trội của mô hình Bagged Trees với độ chính xác đạt mức cực đại 84.0% ở bài toán phân loại nhị phân và duy trì 41.8% ở bài toán phân loại đa lớp phức tạp. Nghiên cứu mang lại ý nghĩa học thuật và thực tiễn sâu sắc, tạo tiền đề vững chắc cho việc phát triển các thiết bị giao diện não - máy tính (Brain-Computer Interface - BCI) phục vụ phục hồi chức năng và hỗ trợ giao tiếp cho người suy giảm vận động.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp chặt chẽ giữa lý thuyết xử lý tín hiệu số thời gian - tần số và lý thuyết học máy thống kê. Hoạt động điện não tự nhiên được phân tách thành 5 dải nhịp sinh học chủ đạo: sóng Delta (0.5 - 3 Hz) đặc trưng cho giấc ngủ sâu, sóng Theta (4 - 7 Hz) phản ánh trạng thái thư giãn, sóng Alpha (8 - 13 Hz) liên quan đến sự tỉnh táo tập trung, sóng Beta (14 - 30 Hz) thể hiện hoạt động tư duy tích cực, và sóng Gamma (30 - 100 Hz) liên quan mật thiết đến quá trình nhận thức cấp cao.

Để khắc phục nhược điểm mất thông tin cục bộ theo thời gian của Biến đổi Fourier rời rạc (DFT), nghiên cứu áp dụng lý thuyết Biến đổi Wavelet rời rạc (DWT) với các họ sóng mẹ Daubechies và Symlet trực giao. DWT cho phép phân rã tín hiệu EEG đa cấp độ phân giải thành các hệ số chi tiết (detail coefficients) và hệ số xấp xỉ (approximation coefficients) mà không làm mất mát năng lượng thông tin gốc. Từ các hệ số này, 6 đặc trưng thống kê cốt lõi được trích xuất làm đầu vào cho mô hình, bao gồm: Giá trị trung bình (Mean), Độ nhọn (Kurtosis), Độ lệch (Skewness), Phương sai (Variance), Giá trị hiệu dụng căn bậc hai trung bình bình phương (Root Mean Square - RMS) và Tổng năng lượng tín hiệu (Energy).

Khung phân loại dựa trên hai mô hình chủ đạo: Lý thuyết học tập hợp (Ensemble Learning) gồm thuật toán đóng bao (Bagged Trees) dựa trên nguyên lý tái lấy mẫu Bootstrap để giảm phương sai, thuật toán tăng cường (Boosted Trees/AdaBoost) huấn luyện tuần tự để giảm độ lệch; và Lý thuyết mạng nơ-ron nhân tạo nhiều lớp (Multilayer Perceptron) với các cấu hình hẹp (Narrow NN), vừa (Medium NN), rộng (Wide NN), hai lớp ẩn (Bilayered NN) và ba lớp ẩn (Trilayered NN).

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu đa tầng kết hợp giữa bộ cơ sở dữ liệu tham chiếu quốc tế và thực nghiệm thu nhận trực tiếp:

  • Tập dữ liệu tham chiếu BD1 gồm 15 sinh viên (7 nữ, 8 nam, độ tuổi 24 - 28) thu thập qua hệ thống Grass 18 điện cực ở tần số lấy mẫu 1024 Hz.
  • Tập dữ liệu kiểm chuẩn BD2 gồm 50 sinh viên (20 nữ, 30 nam, độ tuổi trung bình 24) ghi nhận qua thiết bị 14 điện cực chuẩn quốc tế ở tần số 128 Hz.
  • Tập thực nghiệm độc lập được tiến hành trên thiết bị Emotiv Epoc+ 14 kênh (AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4) với cảm biến nỉ tẩm dung dịch điện giải đạt chất lượng tiếp xúc 100%. Quy trình thu mẫu gồm 20 chu kỳ lặp lại; mỗi chu kỳ kéo dài 126 giây bao gồm 5 giây thư giãn, 5 giây quan sát kích thích thị giác trên màn hình, 8 giây tập trung tưởng tượng nguyên âm khi nhắm mắt và phát âm tín hiệu âm thanh kết thúc.

Toàn bộ dữ liệu thô được lọc dải thông 0.16 - 43 Hz, triệt tiêu nhiễu nguồn 50 Hz/60 Hz bằng bộ lọc số Sinc bậc 5. Các mô hình phân loại được huấn luyện và đánh giá trên nền tảng ứng dụng Classification Learner của MATLAB R2020a kết hợp Python 3 và SPSS 25. Phương pháp phân tích áp dụng kỹ thuật kiểm định chéo K-lớp (k-Fold Cross-Validation) nhằm đánh giá khách quan độ chính xác, hạn chế tối đa hiện tượng quá khớp (overfitting) và đảm bảo tính tổng quát hóa cao cho mô hình.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm và kiểm thử trên các tập dữ liệu nguyên âm độc lập đã mang lại các phát hiện khoa học quan trọng:

  • Hiệu năng vượt bậc của thuật toán Bagged Trees trong các tác vụ phân loại nhị phân: Trên tập dữ liệu cặp nguyên âm a-u, mô hình Bagged Trees xác lập độ chính xác cao nhất đạt 84.0%, theo sau là mô hình Boosted Trees với 82.2%. Trên tập dữ liệu a-o, Bagged Trees tiếp tục dẫn đầu với độ chính xác 79.6%, vượt trội hơn mô hình mạng hai lớp ẩn Bilayered NN đạt 74.9%.
  • Độ ổn định cao của nhóm thuật toán Tăng cường (Boosted Trees): Thuật toán Boosted Trees chứng minh ưu thế trên tập dữ liệu o-u khi đạt tỷ lệ chính xác 64.3%, cao hơn 3.7% so với Bagged Trees (60.6%) và cao hơn 13.7% so với mạng Bilayered NN (50.6%). Trên tập dữ liệu a-i, Boosted Trees đạt 74.1%, cao hơn Bagged Trees đạt 73.8%.
  • Tương quan giữa độ phức tạp không gian lớp và độ chính xác phân loại: Độ chính xác của tất cả các mô hình có xu hướng suy giảm khi số lượng nhãn phân loại tăng lên. Trong bài toán phân loại đồng thời toàn bộ 5 nguyên âm (a-e-i-o-u), Bagged Trees duy trì vị trí dẫn đầu với 41.8%, Boosted Trees đạt 36.2%, Narrow NN đạt 34.9%, trong khi phương pháp Subspace Discriminant chỉ đạt mức thấp nhất là 28.5%.
  • Sự khác biệt về mức độ kích hoạt tín hiệu giữa các nguyên âm: Tín hiệu sóng não tương ứng với các nguyên âm khẩu hình mở và âm sâu như /u/ và /o/ cho khả năng phân tách đặc trưng rõ ràng hơn hẳn so với các nguyên âm đóng hoặc có vị trí phát âm gần nhau như cặp /e/-/i/ (độ chính xác chỉ đạt mức 62.7% ở mô hình Bagged Trees và 62.3% ở Boosted Trees).

Thảo luận kết quả

Sự vượt trội của các mô hình Ensemble (đặc biệt là Bagged Trees và Boosted Trees) so với Mạng nơ-ron nhân tạo (ANN) xuất phát từ bản chất dữ liệu điện não có số lượng mẫu ở mức vừa phải và độ biến động phương sai lớn. Kỹ thuật tái lấy mẫu Bootstrap của Bagged Trees giúp giảm thiểu phương sai hiệu quả, triệt tiêu các dao động ngẫu nhiên của sóng não không liên quan đến tác vụ tư duy. Ngược lại, các mô hình mạng nơ-ron từ Narrow NN (10 neurons), Medium NN (25 neurons) đến Trilayered NN (3 lớp ẩn, 10 neurons mỗi lớp) đòi hỏi không gian mẫu lớn hơn nhiều để tối ưu hóa trọng số liên kết, do đó dễ rơi vào điểm cực tiểu cục bộ hoặc xảy ra hiện tượng quá khớp nhẹ khi xử lý các tập dữ liệu nhỏ.

Các kết quả thực nghiệm được biểu diễn trực quan thông qua đồ thị so sánh độ chính xác kiểm tra (Test Accuracy) và ma trận nhầm lẫn (Confusion Matrix). Trên bảng thống kê tổng hợp 10 cặp phân loại nguyên âm, nhóm mô hình Ensemble duy trì khoảng cách cách biệt từ 4.5% đến 9.1% so với nhóm mạng nơ-ron. Điều này khẳng định rằng việc trích xuất đặc trưng bằng Biến đổi Wavelet đa cấp kết hợp với thuật toán học máy tập hợp dạng cây phân nhánh là giải pháp tối ưu hàng đầu cho việc giải mã tín hiệu điện não đồ từ các thiết bị đo không xâm lấn 14 kênh.

Đề xuất và khuyến nghị

Dựa trên các kết quả định lượng đạt được, nghiên cứu đưa ra 4 nhóm giải pháp và khuyến nghị chiến lược nhằm nâng cao hiệu năng giải mã sóng não trong tương lai:

  • Tối ưu hóa phần cứng thu nhận tín hiệu: Tiến hành nâng cấp hệ thống điện cực đo từ 14 kênh lên chuẩn 32 hoặc 64 kênh y tế, tăng tốc độ lấy mẫu tín hiệu từ 128 Hz lên 1024 Hz nhằm nâng tỷ lệ thu giữ biên độ xung thần kinh chính xác lên trên 95%. Giải pháp này do nhóm kỹ sư phần cứng y sinh chủ trì thực hiện trong thời gian 6 tháng đầu năm.
  • Ứng dụng kiến trúc học sâu lai ghép (Hybrid Deep Learning): Triển khai tích hợp mô hình Mạng nơ-ron tích chập (CNN) kết hợp Mạng bộ nhớ dài-ngắn (LSTM) hoặc kiến trúc Transformer tự động trích xuất không - thời gian trực tiếp từ tín hiệu thô, hướng tới mục tiêu nâng độ chính xác phân loại 5 nguyên âm từ 41.8% lên vượt ngưỡng 75.0%. Nhiệm vụ do nhóm nghiên cứu thuật toán AI đảm nhiệm trong khung thời gian 9 tháng.
  • Chuẩn hóa quy trình thực nghiệm và mở rộng cỡ mẫu: Thiết lập giao thức đo chuẩn hóa với hệ thống phòng cách âm đạt chuẩn kiểm soát tiếng ồn chủ động (ANC), mở rộng quy mô khảo sát từ 50 lên 200 đối tượng thuộc nhiều nhóm lứa tuổi khác nhau nhằm loại bỏ hoàn toàn nhiễu sinh lý ngoại vi trước quý 3.
  • Xây dựng mô hình nhúng giao diện não - máy tính (BCI) thời gian thực: Tối ưu hóa thuật toán phân loại nén để nạp vào các vi điều khiển nhúng chuyên dụng, cắt giảm thời gian xử lý và độ trễ phản hồi xuống dưới mức 150 ms. Kế hoạch này được phối hợp triển khai giữa cơ sở đào tạo đại học và các trung tâm phục hồi chức năng y khoa trong lộ trình 12 tháng.

Đối tượng nên tham khảo luận văn

Nội dung nghiên cứu mang giá trị học thuật và ứng dụng thực tiễn cao, đặc biệt hữu ích cho 4 nhóm đối tượng trọng tâm sau:

  • Giảng viên và nhà nghiên cứu chuyên ngành Vật lý Tin học, Kỹ thuật Y sinh: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình phân rã sóng đa phân giải DWT, kỹ thuật xử lý tín hiệu điện sinh lý và phương pháp xây dựng giao thức đo lường chuẩn xác trên thiết bị Emotiv Epoc+ 14 kênh.
  • Kỹ sư phát triển phần mềm AI và hệ thống Giao diện Não - Máy tính (BCI): Khai thác cấu trúc thuật toán học tập hợp (Bagged Trees, Boosted Trees), các tham số trích xuất đặc trưng thống kê và phương pháp xử lý dữ liệu bảng thông qua MATLAB Classification Learner để tối ưu hóa sản phẩm công nghệ điều khiển bằng sóng não.
  • Bác sĩ và chuyên viên chẩn đoán chức năng thần kinh tại các bệnh viện: Sử dụng các phân tích về biến đổi tần số sóng Delta, Theta, Alpha, Beta, Gamma và các đặc trưng năng lượng để hỗ trợ nhận diện sớm các tổn thương vỏ não, chẩn đoán rối loạn giấc ngủ, bệnh động kinh hoặc hội chứng Alzheimer.
  • Học viên cao học và sinh viên ngành Khoa học Dữ liệu, Công nghệ Thông tin: Sử dụng luận văn như một case study mẫu mực về ứng dụng quy trình kiểm tra chéo (Cross-Validation), xử lý dữ liệu mất cân bằng và so sánh đa mô hình phân loại trên dữ liệu thực tế.

Câu hỏi thường gặp

Biến đổi Wavelet rời rạc (DWT) có điểm gì vượt trội hơn biến đổi Fourier (DFT) trong phân tích điện não?
Biến đổi Fourier chỉ phân tích tín hiệu trên miền tần số thuần túy và làm mất toàn bộ mốc thời gian xuất hiện xung điện, không thích hợp cho tín hiệu không dừng như EEG. Ngược lại, DWT phân tách tín hiệu đồng thời trên cả miền thời gian và tần số qua các hệ số sóng con trực giao, bảo toàn nguyên vẹn 100% đặc trưng động của từng đợt sóng não.

Vì sao mô hình Bagged Trees lại đạt độ chính xác cao hơn mạng nơ-ron nhân tạo trong nghiên cứu này?
Bagged Trees sử dụng cơ chế tổng hợp Bootstrap kết hợp nhiều cây quyết định độc lập, giúp giảm thiểu phương sai và triệt tiêu nhiễu ngẫu nhiên hiệu quả trên tập dữ liệu kích thước vừa phải. Mạng nơ-ron nhân tạo cần tập dữ liệu lớn hàng nghìn mẫu để hội tụ trọng số, do đó chỉ đạt độ chính xác từ 50.6% đến 74.9% ở bài toán 2 lớp.

Cấu hình phần cứng của thiết bị Emotiv Epoc+ ảnh hưởng như thế nào đến dữ liệu thu thập?
Thiết bị trang bị 14 kênh điện cực tiếp xúc đạt chuẩn chất lượng 100%, tốc độ lấy mẫu hạ xuống 128 Hz hoặc 256 Hz và độ phân giải LSB từ 0.1275 µV đến 0.51 µV. Cấu hình này ghi nhận dải băng thông 0.16 - 43 Hz, giúp thu nạp đầy đủ các dải sóng não mà vẫn tối ưu hóa tài nguyên xử lý dữ liệu số.

Nguyên nhân khiến độ chính xác giảm khi phân loại đồng thời 5 nguyên âm a-e-i-o-u xuống còn 41.8%?
Khi không gian phân loại mở rộng từ 2 lớp lên 5 lớp, ranh giới quyết định giữa các mẫu tín hiệu trở nên phi tuyến và phức tạp hơn gấp nhiều lần. Sự tương đồng về dạng sóng kích hoạt giữa các nguyên âm gần nhau làm tăng tỷ lệ nhầm lẫn đặc trưng, đòi hỏi các mô hình học sâu phức tạp hơn để phân biệt.

Hệ thống phân loại tín hiệu điện não này có thể ứng dụng trong đời sống thực tế không?
Hoàn toàn khả thi. Hệ thống mở ra tiềm năng lớn trong việc chế tạo thiết bị giao tiếp thầm cho bệnh nhân mất khả năng phát âm, điều khiển xe lăn thông minh, giám sát trạng thái ngủ gật của tài xế hoặc phát triển các ứng dụng giải trí tương tác thực tế ảo điều khiển bằng suy nghĩ với thời gian phản hồi dưới 200 ms.

Kết luận

  • Nghiên cứu đã xây dựng thành công quy trình khép kín từ thu nhận tín hiệu EEG 14 kênh, tiền xử lý đa phân giải bằng DWT cho đến phân loại trạng thái não bộ với độ tin cậy cao.
  • Chứng minh tính ưu việt của thuật toán học tập hợp Bagged Trees khi xác lập độ chính xác kỷ lục 84.0% trên tập dữ liệu nguyên âm a-u và duy trì hiệu năng ổn định vượt trội so với các cấu hình mạng nơ-ron nhân tạo.
  • Khẳng định vai trò thiết yếu của 6 tham số đặc trưng thống kê thời gian - tần số trong việc chuyển đổi tín hiệu điện não phức tạp thành dữ liệu bảng có tính phân tách cao.
  • Đặt ra lộ trình mở rộng quy mô nghiên cứu với các mô hình học sâu End-to-End, mở rộng tập mẫu lên 200 đối tượng và hoàn thiện hệ thống đo lường không dây trong 12 tháng tiếp theo.
  • Kêu gọi sự hợp tác liên ngành giữa các chuyên gia Vật lý Tin học, Trí tuệ Nhân tạo và Y học lâm sàng nhằm thúc đẩy quá trình thương mại hóa các thiết bị giao diện não - máy tính (BCI) phục vụ cộng đồng.