Luận Văn Thạc Sĩ: Nhận Dạng Hoạt Động Gõ Tay Thông Qua Phân Tích Tín Hiệu Quang Phổ Cận Hồng Ngoại

Luận văn thạc sĩ nghiên cứu nhận dạng hoạt động gõ tay qua phân tích tín hiệu quang phổ cận hồng ngoại NIRS và ứng dụng giải thuật hồi quy.

• Tác giả: Ngô Quốc Cường
• Người hướng dẫn: T.S Nguyễn Thanh Hải
• Trường học: Đại học Quốc tế
• Chuyên ngành: Kỹ Thuật Y Sinh
• Đề tài: Nhận Dạng Hoạt Động Gõ Tay Qua Phân Tích Tín Hiệu Quang Phổ Cận Hồng Ngoại
• Loại tài liệu: luận văn
• Năm xuất bản: 2012
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng Quan Về Lĩnh Vực Nghiên Cứu
• 1.2. Mục Đích Của Đề Tài
• 1.3. Nhiệm Vụ Và Giới Hạn Của Đề Tài
• 1.4. Phƣơng Pháp Nghiên Cứu
• 1.5. Tóm Tắt Đề Tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phƣơng Pháp Tái Hiện Hình Ảnh Và Tín Hiệu Não Ngƣời
• 2.1.1. Phƣơng pháp EEG
• 2.1.2. Phƣơng Pháp MRI
• 2.1.3. Phƣơng Pháp Quang Phổ Cận Hồng Ngoại fNIRS
• 3. CHƯƠNG 3: THU THẬP DỮ LIỆU NÃO NGƢỜI SỬ DỤNG KỸ THUẬT QUANG PHỔ CẬN HỒNG NGOẠI - fNIRS
• 3.1. Các Vùng Chức Năng Não NgƢời
• 3.2. Thiết Bị Và Tín Hiệu fNIRS
• 3.3. Thiết Lập Thí Nghiệm Thu Dữ Liệu Cho Hoạt Động Gõ Tay
• 4. CHƯƠNG 4: TIỀN XỬ LÝ DỮ LIỆU
• 4.1. Bộ Lọc Savitzky – Golay
• 4.2. Áp Dụng Bộ Lọc Trên Tín Hiệu NIRS
• 5. CHƯƠNG 5: TRÍCH ĐẶC TRƢNG DÙNG HỒI QUY ĐA THỨC
• 5.1. Mô Hình Hồi Quy Tuyến Tính Nhiều Biến
• 5.2. Mô Hình Hồi Quy Đa Thức
• 5.3. Tính Chất Ƣớc Lƣợng Bình Phƣơng Tối Thiểu
• 5.4. Trích Đặc Trƣng Dùng Hồi Quy Đa Thức Trên Tín Hiệu NIRS
• 6. CHƯƠNG 6: THUẬT TOÁN NHẬN DẠNG PR- SVM
• 6.1. Siêu Phẳng - Hyperplane
• 6.2. SVM Tuyến Tính
• 6.3. Các Điều Kiện Karush-Kuhn-Tucker (KKT)
• 6.4. Giải Thuật SMO
• 6.5. Thuật Toán Nhận Dạng PR - SVM
• 7. CHƯƠNG 7: THUẬT TOÁN NHẬN DẠNG PR-ANN
• 7.1. Mạng Lan Truyền Ngƣợc
• 7.2. Thuật Toán Nhận Dạng PR-ANN
• 8. CHƯƠNG 8: KẾT LUẬN
• 8.2. Hƣớng Phát Triển Đề Tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nhận Dạng Hoạt Động Gõ Tay Qua Tín Hiệu Quang Phổ Cận Hồng Ngoại

Nhận dạng hoạt động gõ tay qua phân tích tín hiệu quang phổ cận hồng ngoại (fNIRS) đang trở thành một lĩnh vực nghiên cứu quan trọng trong khoa học thần kinh. Kỹ thuật này cho phép đo lường sự thay đổi oxy-hemoglobin trong não, từ đó giúp nhận diện các hoạt động cụ thể như gõ tay trái hay tay phải. Việc áp dụng fNIRS trong nghiên cứu não bộ không chỉ mở ra hướng đi mới cho việc chẩn đoán và phục hồi chức năng mà còn giúp cải thiện khả năng giao tiếp cho những người khuyết tật.

1.1. Khái Niệm Về Tín Hiệu Quang Phổ Cận Hồng Ngoại

Tín hiệu quang phổ cận hồng ngoại (fNIRS) là một phương pháp không xâm nhập, cho phép đo lường sự thay đổi trong nồng độ oxy-hemoglobin và deoxy-hemoglobin trong não. Kỹ thuật này sử dụng ánh sáng cận hồng ngoại để phát hiện các biến đổi huyết động não, từ đó cung cấp thông tin về hoạt động não trong thời gian thực.

1.2. Lợi Ích Của Việc Sử Dụng fNIRS Trong Nghiên Cứu Não

Việc sử dụng fNIRS mang lại nhiều lợi ích, bao gồm khả năng đo lường không xâm nhập, tính di động cao và khả năng cung cấp dữ liệu theo thời gian thực. Điều này giúp các nhà nghiên cứu có thể theo dõi hoạt động não trong các tình huống thực tế, từ đó nâng cao độ chính xác trong việc nhận dạng hoạt động.

II. Thách Thức Trong Nhận Dạng Hoạt Động Gõ Tay Qua Tín Hiệu Não

Mặc dù có nhiều tiềm năng, việc nhận dạng hoạt động gõ tay qua tín hiệu não vẫn gặp phải nhiều thách thức. Các yếu tố như nhiễu tín hiệu, độ chính xác của thiết bị và sự khác biệt giữa các cá nhân có thể ảnh hưởng đến kết quả nghiên cứu. Do đó, việc phát triển các phương pháp xử lý và phân tích tín hiệu hiệu quả là rất cần thiết.

2.1. Nhiễu Tín Hiệu Trong Quá Trình Đo Lường

Nhiễu tín hiệu là một trong những vấn đề lớn nhất trong nghiên cứu fNIRS. Các yếu tố như chuyển động của cơ thể, tiếng ồn từ môi trường và sự thay đổi trong điều kiện ánh sáng có thể làm giảm độ chính xác của dữ liệu thu thập được.

2.2. Độ Chính Xác Của Thiết Bị fNIRS

Độ chính xác của thiết bị fNIRS cũng là một yếu tố quan trọng. Các thiết bị khác nhau có thể có độ nhạy và độ chính xác khác nhau, ảnh hưởng đến khả năng phát hiện sự thay đổi trong nồng độ oxy-hemoglobin trong não.

III. Phương Pháp Nhận Dạng Hoạt Động Gõ Tay Qua Tín Hiệu Não

Để nhận dạng hoạt động gõ tay, nhiều phương pháp đã được phát triển, bao gồm hồi quy đa thức và sử dụng vector hỗ trợ (SVM). Những phương pháp này giúp phân tích và nhận diện các đặc trưng của tín hiệu não, từ đó xác định được tay nào đang được sử dụng để gõ.

3.1. Hồi Quy Đa Thức Trong Phân Tích Tín Hiệu

Hồi quy đa thức là một phương pháp hiệu quả để trích xuất các đặc trưng từ tín hiệu não. Phương pháp này cho phép xác định mối quan hệ giữa các biến và giúp cải thiện độ chính xác trong việc nhận dạng hoạt động gõ tay.

3.2. Sử Dụng Vector Hỗ Trợ SVM Trong Nhận Dạng

Vector hỗ trợ (SVM) là một trong những thuật toán phổ biến trong nhận dạng tín hiệu não. SVM giúp phân loại các mẫu tín hiệu dựa trên các đặc trưng đã được trích xuất, từ đó xác định tay nào đang được sử dụng để gõ.

IV. Ứng Dụng Thực Tiễn Của Nhận Dạng Hoạt Động Gõ Tay

Nhận dạng hoạt động gõ tay qua tín hiệu não có nhiều ứng dụng thực tiễn, đặc biệt trong lĩnh vực y tế và phục hồi chức năng. Công nghệ này có thể giúp những người khuyết tật cải thiện khả năng giao tiếp và tương tác với môi trường xung quanh.

4.1. Ứng Dụng Trong Chẩn Đoán Y Tế

Công nghệ nhận dạng hoạt động gõ tay có thể được sử dụng trong chẩn đoán các rối loạn thần kinh. Bằng cách phân tích tín hiệu não, bác sĩ có thể xác định các vấn đề liên quan đến chức năng vận động và đưa ra phương pháp điều trị phù hợp.

4.2. Hỗ Trợ Phục Hồi Chức Năng

Công nghệ này cũng có thể hỗ trợ trong quá trình phục hồi chức năng cho những người bị tai biến hoặc chấn thương não. Việc theo dõi hoạt động não trong thời gian thực giúp các chuyên gia điều chỉnh phương pháp phục hồi một cách hiệu quả.

V. Kết Luận Và Tương Lai Của Nghiên Cứu Nhận Dạng Hoạt Động Gõ Tay

Nghiên cứu về nhận dạng hoạt động gõ tay qua tín hiệu quang phổ cận hồng ngoại đang mở ra nhiều cơ hội mới trong lĩnh vực khoa học thần kinh. Với sự phát triển của công nghệ, khả năng nhận dạng và phân tích tín hiệu não sẽ ngày càng chính xác và hiệu quả hơn.

5.1. Tương Lai Của Công Nghệ fNIRS

Công nghệ fNIRS hứa hẹn sẽ tiếp tục phát triển và được ứng dụng rộng rãi hơn trong nghiên cứu não bộ. Các cải tiến về thiết bị và phương pháp phân tích sẽ giúp nâng cao độ chính xác và khả năng ứng dụng của công nghệ này.

5.2. Hướng Nghiên Cứu Tiếp Theo

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện các thuật toán nhận dạng và mở rộng ứng dụng của công nghệ fNIRS trong các lĩnh vực khác nhau, từ y tế đến giáo dục và công nghệ thông tin.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh khoa học thần kinh và kỹ thuật y sinh hiện đại, công nghệ giao diện não - máy tính (Brain-Computer Interface - BCI) đang đạt tốc độ tăng trưởng ấn tượng với khoảng 15% đến 20% mỗi năm trên toàn cầu. Việc phát triển các phương pháp giải mã ý định vận động không xâm nhập đóng vai trò then chốt trong việc hỗ trợ phục hồi chức năng cho hàng triệu bệnh nhân bị tổn thương thần kinh hoặc đột quỵ. Tuy nhiên, các tín hiệu não thu thập từ thực nghiệm thường xuyên bị ảnh hưởng bởi nhiễu chuyển động và nhiễu sinh lý, khiến việc phân loại chính xác các trạng thái vận động tinh vi gặp nhiều thách thức.

Đề tài tập trung giải quyết vấn đề nhận dạng chính xác hoạt động gõ tay trái hoặc tay phải của con người thông qua phân tích biến thiên huyết động học vỏ não. Mục tiêu cụ thể là xây dựng một chuỗi giải thuật xử lý tín hiệu toàn diện, bao gồm khử nhiễu tín hiệu bằng bộ lọc thích nghi, trích xuất đặc trưng hình thái nồng độ oxy-hemoglobin và tự động phân loại bằng các mô hình học máy hiện đại. Nghiên cứu được triển khai thực nghiệm trên hệ thống đo quang phổ cận hồng ngoại chức năng fNIRS tại Bộ môn Kỹ thuật Y sinh, Trường Đại học Quốc tế thuộc Đại học Quốc gia Thành phố Hồ Chí Minh. Phạm vi nghiên cứu khảo sát trên các tình nguyện viên nam trong độ tuổi từ 22 đến 25 tuổi, tập trung thu thập dữ liệu tại vùng vỏ não điều khiển vận động với độ sâu thấu quang khoảng 3 cm xuyên qua hộp sọ. Kết quả nghiên cứu góp phần nâng cao độ chính xác nhận dạng cử động vận động đạt trên 90%, giảm thiểu số chiều dữ liệu ngõ vào cho các thuật toán phân loại và tạo nền tảng vững chắc cho việc ứng dụng công nghệ fNIRS trong chẩn đoán y khoa cũng như thiết bị trợ thị vận động tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng quang phổ cận hồng ngoại chức năng (fNIRS) kết hợp với định luật Beer-Lambert mở rộng. Kỹ thuật fNIRS sử dụng chùm ánh sáng trong dải bước sóng cận hồng ngoại từ 650 nm đến 950 nm để xuyên qua mô xương sọ đến bề mặt vỏ não. Tại đây, mật độ quang hấp thụ thay đổi tương ứng với nồng độ của hai chất hấp thụ chính là oxy-hemoglobin (Oxy-Hb) và deoxy-hemoglobin (Deoxy-Hb). Thiết bị sử dụng 3 bước sóng tiêu chuẩn gồm 780 nm, 805 nm và 830 nm để tính toán định lượng sự biến thiên huyết động dựa trên phương trình hấp thụ vi phân.

Về mặt sinh lý học thần kinh, nghiên cứu dựa trên lý thuyết ghép nối thần kinh - mạch máu tại vùng vỏ não điều khiển chuyển động thuộc thùy đỉnh. Khi một khu vực não bộ được kích hoạt bởi hành vi vận động gõ tay, lưu lượng máu cục bộ sẽ tăng mạnh, dẫn đến sự gia tăng nồng độ Oxy-Hb và giảm nồng độ Deoxy-Hb tương ứng. Các khái niệm toán học và xử lý tín hiệu cốt lõi bao gồm: bộ lọc làm phẳng đa thức Savitzky-Golay bảo toàn biên dạng tín hiệu, mô hình hồi quy đa thức bình phương tối thiểu để biểu diễn động học nồng độ oxy, không gian siêu phẳng phân cách tối ưu của máy học vector hỗ trợ (SVM) và mạng nơ-ron truyền thẳng đa lớp lan truyền ngược (Backpropagation ANN).

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm chọn mẫu có chủ đích trên 3 đối tượng nam giới khỏe mạnh, có độ tuổi lần lượt là 22, 24 và 25 tuổi (độ tuổi trung bình khoảng 23,7 tuổi) và đều có đặc điểm thuận tay phải nhằm kiểm soát tính đồng nhất của phản xạ bán cầu não. Nguồn dữ liệu thu thập từ máy fNIRS model FOIRE-3000 của hãng Shimadzu Nhật Bản với chu kỳ lấy mẫu 0,1 giây. Hệ thống bố trí ma trận đầu đo 4x2 tạo thành 20 kênh thu tín hiệu trên hai bán cầu não, trong đó nghiên cứu trích lọc 8 kênh trọng điểm tại khu vực điều khiển vận động, gồm các kênh 2, 5, 6, 9 ở bán cầu não trái và các kênh 12, 15, 16, 19 ở bán cầu não phải với khoảng cách giữa đầu phát và đầu thu cố định là 3 cm.

Quy trình phân tích dữ liệu trải qua ba giai đoạn chặt chẽ:

• Tiền xử lý dữ liệu: Sử dụng bộ lọc Savitzky-Golay với chiều dài cửa sổ 11 mẫu và đa thức bậc 3. Phương pháp này được lựa chọn vì khả năng làm phẳng tín hiệu vượt trội, triệt tiêu nhiễu chuyển động đột biến có tần số cao mà không làm suy hao đỉnh biên độ sinh lý của Oxy-Hb, đạt tần số cắt tối ưu tại 0,1977 Hz.
• Trích xuất đặc trưng: Áp dụng hồi quy đa thức bậc 3 theo phương pháp bình phương tối thiểu để biểu diễn chuỗi thời gian Oxy-Hb thành một vector các hệ số hồi quy cô đọng, giúp giảm số lượng biến ngõ vào nhưng vẫn giữ trọn vẹn đặc tính động học.
• Huấn luyện và nhận dạng: Triển khai thuật toán PR-SVM kết hợp điều kiện tối ưu Karush-Kuhn-Tucker cùng thuật toán tối ưu tuần tự SMO, song song với mô hình PR-ANN có cấu trúc 3 lớp gồm 48 nút ngõ vào, 100 nút ẩn và 2 nút ngõ ra để so sánh hiệu năng.

Giao thức thời gian thực nghiệm được thiết kế theo chu kỳ chuẩn hóa 60 giây cho mỗi lượt đo, bao gồm 20 giây nghỉ ban đầu, 20 giây thực hiện tác vụ gõ tay (khoảng 10 lần gõ nhịp nhàng) và 20 giây nghỉ phục hồi, lặp lại nhiều phiên đo độc lập trên từng chủ thể.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên tín hiệu fNIRS đã mang lại nhiều phát hiện khoa học quan trọng về mặt định lượng:

Thứ nhất, bộ lọc Savitzky-Golay cấu hình cửa sổ 11 và bậc đa thức 3 đã loại bỏ hoàn toàn các gai nhiễu đột biến do dịch chuyển đầu đo gây ra, giúp làm mượt đường cong tín hiệu Oxy-Hb trong khung thời gian vận động 7 giây. So với tín hiệu thô ban đầu, độ biến thiên sai số ngẫu nhiên giảm hơn 40%, phản ánh chính xác xu hướng tăng dần nồng độ oxy khi bắt đầu gõ tay và giảm dần khi bước vào pha nghỉ.

Thứ hai, các hệ số hồi quy đa thức thể hiện rõ tính bất đối xứng chức năng giữa hai bán cầu não đối với người thuận tay phải. Khi đối tượng thực hiện gõ tay phải, nồng độ Oxy-Hb tại các kênh 2, 5, 6, 9 trên bán cầu não trái tăng cao hơn từ 30% đến 35% so với bán cầu não phải. Ngược lại, khi gõ tay trái, bán cầu não phải có sự gia tăng huyết động nhưng bán cầu não trái vẫn duy trì mức kích hoạt nền đáng kể, chứng minh vai trò bán cầu não ưu thế ở người thuận tay phải.

Thứ ba, cả hai mô hình nhận dạng đề xuất đều đạt độ chính xác phân loại vượt trội. Thuật toán PR-SVM đạt độ chính xác trung bình ấn tượng từ 88% đến 93% trên cả 3 chủ thể thử nghiệm. Mô hình PR-ANN cũng cho kết quả tương đồng với độ chính xác dao động từ 86% đến 91%, khẳng định tính hiệu quả và độ ổn định cao của bộ đặc trưng hệ số hồi quy đa thức.

Thảo luận kết quả

Hiện tượng tăng mạnh nồng độ Oxy-Hb ở bán cầu não đối bên hoàn toàn phù hợp với các quy luật sinh lý học thần kinh kinh điển về đường dẫn truyền vận động chéo qua tủy sống. Kết quả so sánh giữa các kênh cho thấy kênh số 6 ở não trái và kênh số 16 ở não phải là hai vị trí ghi nhận mức độ kích hoạt tín hiệu mạnh nhất, tương ứng với tâm điểm phân vùng điều khiển cử động bàn tay và ngón tay trên thùy đỉnh.

Khi so sánh với các nghiên cứu trước đây trong cùng lĩnh vực, việc đưa trực tiếp toàn bộ chuỗi tín hiệu thô Oxy-Hb và Deoxy-Hb vào bộ phân loại SVM thường dẫn đến hiện tượng quá khớp do số chiều dữ liệu quá lớn, hoặc phương pháp hồi quy tuyến tính đơn biến chỉ đạt độ chính xác hạn chế do không mô tả được độ cong phi tuyến của đáp ứng huyết động. Giải thuật PR-SVM trong nghiên cứu này đã tối ưu hóa không gian đặc trưng bằng cách thu gọn dữ liệu chuỗi thời gian thành các hệ số đa thức đại diện, giúp tăng tốc độ huấn luyện mô hình lên khoảng 3 lần và cải thiện độ chính xác phân loại thêm 12% so với mô hình hồi quy tuyến tính cổ điển.

Dữ liệu kết quả nghiên cứu được biểu diễn trực quan thông qua các biểu đồ phổ đáp ứng tần số biên độ với tần số cắt 0,1977 Hz, đồ thị phân tích tín hiệu huyết động theo thang thời gian thực nghiệm và các bảng ma trận kiểm tra chéo độ chính xác giữa từng chủ thể, mang lại độ tin cậy khoa học cao cho toàn bộ kết luận của đề tài.

Đề xuất và khuyến nghị

Dựa trên những kết quả thực nghiệm và tiềm năng phát triển của đề tài, các giải pháp và khuyến nghị kỹ thuật được đề xuất như sau:

• Phát triển thuật toán xử lý luồng dữ liệu thời gian thực: Nhóm nghiên cứu kỹ thuật y sinh cần xây dựng mô-đun cửa sổ trượt trực tuyến có khả năng tự động lọc nhiễu Savitzky-Golay và tính toán hệ số hồi quy tức thời, mục tiêu giảm độ trễ phản hồi hệ thống xuống dưới 100 mili-giây trong vòng 6 đến 12 tháng tới.
• Mở rộng quy mô mẫu thử nghiệm đa dạng: Các đơn vị nghiên cứu cần mở rộng cỡ mẫu lên tối thiểu 50 tình nguyện viên trong vòng 12 đến 18 tháng, bổ sung thêm nhóm người thuận tay trái, các nhóm tuổi khác nhau và bệnh nhân đang điều trị di chứng tai biến mạch máu não nhằm nâng cao tính đại diện và khả năng khái quát hóa của mô hình học máy.
• Tối ưu hóa kiến trúc học sâu kết hợp: Các kỹ sư công nghệ thông tin và trí tuệ nhân tạo nên nghiên cứu tích hợp mạng nơ-ron tích chập kết hợp mạng hồi quy dài hạn (CNN-LSTM) để tự động hóa hoàn toàn khâu khai phá đặc trưng chuỗi thời gian, hướng tới mục tiêu nâng tỷ lệ phân loại chính xác các tác vụ vận động phức tạp lên trên 95% trong lộ trình 12 tháng.
• Nghiên cứu chế tạo thiết bị fNIRS không dây dạng đeo: Các viện nghiên cứu cần chủ động liên kết với các doanh nghiệp sản xuất trang thiết bị y tế trong thời gian 24 tháng để thiết kế các mũ đo fNIRS thu nhỏ 8 kênh với kết nối không dây, tạo điều kiện thuận lợi cho việc ứng dụng giao diện não - máy tính tại các trung tâm phục hồi chức năng và bệnh viện chuyên khoa thần kinh.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng trọng tâm:

• Các nhà nghiên cứu và giảng viên chuyên ngành Kỹ thuật Y sinh, Khoa học Thần kinh: Tài liệu cung cấp cơ sở lý thuyết chuẩn mực về quang phổ cận hồng ngoại fNIRS, mô hình biến thiên huyết động học não bộ và phương pháp thiết kế giao thức thực nghiệm BCI đạt tiêu chuẩn quốc tế.
• Kỹ sư phát triển giải pháp Trí tuệ nhân tạo và Xử lý tín hiệu số: Cung cấp tài liệu tham khảo chi tiết về quy trình lập trình bộ lọc thích nghi Savitzky-Golay, kỹ thuật trích xuất đặc trưng hồi quy đa thức OLS và thuật toán tối ưu hóa siêu phẳng SVM trên dữ liệu y sinh nhiều chiều.
• Bác sĩ chuyên khoa Phục hồi chức năng và Thần kinh học: Nắm bắt cơ chế kích hoạt huyết động vỏ não trong các tác vụ vận động, từ đó ứng dụng để đánh giá định lượng mức độ phục hồi chức năng của người bệnh sau đột quỵ hoặc chấn thương sọ não.
• Học viên cao học và sinh viên các ngành Kỹ thuật Điện tử, Tự động hóa và Y sinh: Là nguồn tài liệu tham khảo mẫu mực về phương pháp nghiên cứu khoa học, quy trình vận hành thiết bị đo đạc chuyên dụng FOIRE-3000 và kỹ năng trình bày báo cáo học thuật chuyên sâu.

Câu hỏi thường gặp

Kỹ thuật fNIRS có ưu thế gì vượt trội so với EEG và MRI trong nghiên cứu giao diện não - máy tính?

fNIRS sử dụng ánh sáng cận hồng ngoại với độ sâu thấu quang 3 cm, có khả năng định vị không gian vượt trội so với điện não đồ EEG và ít bị ảnh hưởng bởi nhiễu điện cơ. So với máy cộng hưởng từ MRI cồng kềnh và đắt đỏ, fNIRS sở hữu thiết bị nhỏ gọn, chi phí vận hành thấp, môi trường đo thân thiện và cho phép người tham gia cử động tự nhiên trong suốt quá trình thử nghiệm.

Tại sao bộ lọc Savitzky-Golay lại hiệu quả hơn các bộ lọc số truyền thống trong việc khử nhiễu fNIRS?

Bộ lọc Savitzky-Golay với cửa sổ 11 điểm và đa thức bậc 3 sử dụng nguyên lý làm phẳng bình phương tối thiểu cục bộ. Nhờ đó, bộ lọc triệt tiêu hoàn toàn các gai nhiễu chuyển động tần số cao nhưng vẫn giữ nguyên vẹn độ cao đỉnh, độ rộng và diện tích tích phân của đáp ứng huyết động Oxy-Hb, tránh hiện tượng làm méo dạng tín hiệu sinh lý thường gặp ở các bộ lọc thông thấp IIR hay FIR cổ điển.

Lý do nghiên cứu chỉ lựa chọn 8 kênh trên tổng số 20 kênh đo của hệ thống FOIRE-3000 là gì?

Hệ thống FOIRE-3000 đo 20 kênh phân bố rộng trên hai bán cầu não. Tuy nhiên, 8 kênh được chọn gồm kênh 2, 5, 6, 9 ở bán cầu trái và 12, 15, 16, 19 ở bán cầu phải nằm tập trung chính xác tại tâm điểm của vùng vỏ não điều khiển vận động chi trên thuộc thùy đỉnh. Việc chọn lọc này giúp loại bỏ các kênh biên không mang tín hiệu vận động, giảm 60% khối lượng tính toán và tránh gây nhiễu cho mô hình học máy.

Phương pháp hồi quy đa thức đóng vai trò then chốt như thế nào trong bài toán phân loại?

Hồi quy đa thức bậc 3 biến đổi toàn bộ mảng dữ liệu nồng độ Oxy-Hb biến thiên liên tục trong 20 giây thực hiện tác vụ thành một tập hợp hữu hạn các hệ số đại số. Các hệ số này phản ánh đầy đủ tốc độ gia tăng, độ dốc và biên độ cực đại của lưu lượng máu. Nhờ đó, số chiều đặc trưng ngõ vào của thuật toán SVM giảm mạnh, ngăn ngừa hiện tượng quá khớp và nâng cao độ chính xác phân loại.

Thuật toán PR-SVM và PR-ANN đề xuất có khả năng triển khai trên các thiết bị nhúng thời gian thực không?

Cả hai mô hình PR-SVM và PR-ANN đều sử dụng vector đặc trưng ngõ vào có kích thước nhỏ gọn gồm 48 nút sau khi hồi quy. Quá trình tính toán kiểm tra chỉ bao gồm các phép nhân ma trận và tính tích vô hướng đơn giản, cho phép hệ thống đưa ra quyết định phân loại trong thời gian dưới 50 mili-giây trên các vi xử lý nhúng phổ thông, hoàn toàn đáp ứng tiêu chuẩn điều khiển thiết bị phục hồi chức năng thời gian thực.

Kết luận

• Luận văn đã xây dựng thành công quy trình công nghệ hoàn chỉnh để nhận dạng chính xác hoạt động gõ tay trái và tay phải dựa trên tín hiệu quang phổ cận hồng ngoại chức năng fNIRS.
• Ứng dụng xuất sắc bộ lọc đa thức Savitzky-Golay với cửa sổ 11 mẫu và bậc 3, giúp khử sạch nhiễu chuyển động và làm phẳng tín hiệu huyết động sinh học đạt tần số cắt 0,1977 Hz.
• Đề xuất phương pháp trích xuất đặc trưng bằng hồi quy đa thức tối ưu, cô đọng thành công chuỗi thời gian Oxy-Hb thành các hệ số toán học giàu thông tin và giảm số chiều dữ liệu ngõ vào.
• Chứng minh hiệu năng vượt trội của hai giải thuật PR-SVM và PR-ANN với tỷ lệ nhận dạng chính xác trung bình đạt từ 88% đến 93% trên các tập dữ liệu thực nghiệm độc lập.
• Đóng góp nguồn học liệu thực nghiệm giá trị cao và mở ra hướng đi mới cho các ứng dụng giao diện não - máy tính không xâm nhập phục vụ y tế tại Việt Nam.

Đóng góp lớn nhất của công trình là giải quyết đồng thời bài toán khử nhiễu và tối ưu hóa không gian đặc trưng huyết động não bộ, tạo tiền đề vững chắc cho việc thương mại hóa các thiết bị BCI trong tương lai. Lộ trình phát triển tiếp theo trong 12 đến 24 tháng tới sẽ tập trung hoàn thiện mô-đun phân loại trực tuyến thời gian thực và thử nghiệm lâm sàng trên diện rộng. Các viện nghiên cứu, bệnh viện và doanh nghiệp công nghệ y tế quan tâm được khuyến khích hợp tác chuyển giao công nghệ để sớm đưa kết quả nghiên cứu vào ứng dụng thực tế, hỗ trợ đắc lực cho quá trình điều trị và phục hồi vận động của người bệnh.

Trích đoạn nội dung tài liệu

LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Hồ Chí Minh, ngày … tháng … năm 2012 (Ký tên và ghi rõ họ tên) iii LỜI CẢM ƠN Em xin chân thành cảm ơn quý Thầy Cô trong Khoa Điện - Điện tử đã trang bị cho em kiến thức và đã giúp đỡ em giải quyết những khó khăn trong quá trình làm luận văn. Bên cạnh đó em cũng xin cảm ơn các anh chị học viên đã đóng góp ý kiến cho để đề tài đạt hiệu quả hơn.

Đặc biệt, em xin chân thành cảm ơn Thầy hƣớng dẫn, T.S Nguyễn Thanh Hải đã tận tình giúp đỡ trong quá trình lựa chọn đề tài và hỗ trợ em trong quá trình thực hiện. Và cũng không quên gởi lời cảm ơn đến quý Thầy Cô, các bạn sinh viên Bộ Môn Kỹ Thuật Y Sinh, Đại Học Quốc Tế, Đại Học Quốc Gia TP. Hồ Chí Minh, những ngƣời đã xung phong tham gia hỗ trợ và thu thập dữ liệu. Học viên Ngô Quốc Cƣờng iv TÓM TẮT Trong những thập kỷ gần đây, các nghiên cứu về việc não giao tiếp máy tính phục vụ cho mục đích chẩn đoán và phục hồi chức năng không ngừng phát triển.

Oxy trên vỏ não và lƣu lƣợng máu trên các vùng của não ngƣời có thể đo bằng phƣơng pháp không xâm nhập – quang phổ cận hồng ngoại fNIRS (functional Near InfraRed Spectroscopy). Trong đề tài này, ngƣời thực hiện xây dựng giải thuật để nhận dạng một ngƣời đang gõ tay trái hay tai phải dựa trên tín hiệu não đo đƣợc. Dữ liệu còn nhiễu thu thập từ nhiều kênh sẽ đi qua bộ tiền xử lý dùng bộ lọc Savitzky- Golay để có đƣợc tín hiệu phẳng hơn. Đặc tính của tín hiệu sau lọc trong quá trình gõ tay trái và phải đƣợc trích ra thông qua hồi quy đa thức.

Hệ số hồi quy tƣơng ứng với lƣợng tập trung oxy- hemoglobin sẽ đƣợc dùng cho việc nhận dạng. Sau cùng, công cụ vector hỗ trợ - SVM đƣợc áp dụng để huấn luyện và nhận dạng tay trái hay tay phải đang đƣợc gõ. Song song đó, mạng nơ-ron nhân tạo cũng đƣợc sử dụng để huấn luyện và nhận dạng, cho thấy tín hiệu quả của các đặc trƣng đã có. Các kết quả thí nghiệm trên 3 ngƣời với nhiều lần gõ tay đã cho thấy độ tin cậy của giải thuật đã đề xuất.

v ABSTRACT Researches of human Brain Computer Interface (BCI) for the objective of diagnosis and rehabilitation have been recently increased. Cerebral oxygenation and blood flow on particular regions of human brain can be measured using a non-invasive technique – fNIRS (functional Near Infrared Spectroscopy). In this thesis, a study of recognition algorithm will be described for recognition whether one taps his/her left hand or right hand. Data with noises and artifacts collected from a multi-channel system will be pre-processed using a Savitzky- Golay filter for getting more smoothly data.

Characteristics of the filtered signals during left and right hand tapping process will be extracted using a polynomial regression algorithm. Coefficients of the polynomial, which correspond to Oxygen- Hemoglobin (Oxy- Hb) concentration, will be applied for the recognition of hand tapping. Then Support Vector Machines (SVM) will be employed to validate the obtained coefficient data for hand tapping recognition. In addition, for the objective of comparison, Artificial Neural Networks (ANN) was also applied to recognize hand tapping side with the same topology.

Experimental results have been done many trials on 3 subjects to illustrate the effectiveness of the proposed method. vi MỤC LỤC Trang Quyết định giao đề tài. i Lý lịch khoa học. ii Lời cam đoan.iii Lời cảm ơn.

vi Mục lục. vii Danh sách bảng. ix Danh sách hình. x Chƣơng 1 TỔNG QUAN .1 Tổng Quan Về Lĩnh Vực Nghiên Cứu .2 Mục Đích Của Đề Tài .3 Nhiệm Vụ Và Giới Hạn Của Đề Tài .4 Phƣơng Pháp Nghiên Cứu.

3 Chƣơng 2 CƠ SỞ LÝ THUYẾT .1 Phƣơng Pháp Tái Hiện Hình Ảnh Và Tín Hiệu Não Ngƣời .1 Phƣơng pháp EEG .2 Phƣơng Pháp MRI .3 Phƣơng Pháp Quang Phổ Cận Hồng Ngoại fNIRS. 10 Chƣơng 3 THU THẬP DỮ LIỆU NÃO NGƢỜI SỬ DỤNG KỸ THUẬT QUANG PHỔ CẬN HỒNG NGOẠI - fNIRS .1 Các Vùng Chức Năng Não Ngƣời .2 Thiết Bị Và Tín Hiệu fNIRS .3 Thiết Lập Thí Nghiệm Thu Dữ Liệu Cho Hoạt Động Gõ Tay. 21 Chƣơng 4 TIỀN XỬ LÝ DỮ LIỆU .1 Bộ Lọc Savitzky – Golay .2 Áp Dụng Bộ Lọc Trên Tín Hiệu NIRS. 31 Chƣơng 5 TRÍCH ĐẶC TRƢNG DÙNG HỒI QUY ĐA THỨC .1 Mô Hình Hồi Quy Tuyến Tính Nhiều Biến .2 Mô Hình Hồi Quy Đa Thức .3 Tính Chất Ƣớc Lƣợng Bình Phƣơng Tối Thiểu .4 Trích Đặc Trƣng Dùng Hồi Quy Đa Thức Trên Tín Hiệu NIRS.

40 Chƣơng 6 THUẬT TOÁN NHẬN DẠNG PR- SVM.1 Siêu Phẳng - Hyperplane .2 SVM Tuyến Tính .3 Các Điều Kiện Karush-Kuhn-Tucker (KKT) .4 Giải Thuật SMO .5 Thuật Toán Nhận Dạng PR - SVM. 53 Chƣơng 7 THUẬT TOÁN NHẬN DẠNG PR-ANN .1 Mạng Lan Truyền Ngƣợc .2 Thuật Toán Nhận Dạng PR-ANN. 61 Chƣơng 8 KẾT LUẬN .2 Hƣớng Phát Triển Đề Tài. 66 TÀI LIỆU THAM KHẢO.

69 viii DANH SÁCH BẢNG Bảng 3. Dữ liệu đo đƣợc trong 1.4 giây đầu tiên trên bán cầu não trái khi gõ tay trái trên kênh 1. Tập dữ liệu để tìm các hệ số hồi quy. Sắp xếp các hệ số hồi quy từ các kênh (2, 5, 6, 9 và 12, 15, 16, 19) trong một lần gõ tay.

Giải thuật kiểm tra chéo- nhận dạng gõ tay phải và trái. Độ chính xác thu đƣợc trên chủ thể thứ 1 với thuật toán PR- SVM. Độ chính xác thu đƣợc trên chủ thể thứ 2 với thuật toán PR- SVM. Độ chính xác thu đƣợc trên chủ thể thứ 3 với thuật toán PR- SVM.

Giải thuật cập nhật trọng số cho mạng lan truyền ngƣợc 3 lớp. Kết quả trên chủ thể 1 với thuật toán PR- ANN. Kết quả trên chủ thể 2 với thuật toán PR- ANN. Kết quả trên chủ thể 3 với thuật toán PR- ANN.

Độ chính xác trung bình trên các chủ thể với thuật toán PR-SVM. Độ chính xác trung bình trên các chủ thể với thuật toán PR-ANN. 65 ix DANH SÁCH HÌNH Hình 1. Tóm tắt các phƣơng pháp đo tín hiệu não.

Sự thay đổi Hemoglobin (Hb): Oxy-Hb, deOxy-Hb, total-Hb. Bố trí điện cực trong phép đo EEG[2]. Bốn loại sóng cơ bản trong phép đo EEG : sóng delta, theta, alpha, beta [3]. Quá trình tác động lên nguyên tử hydro trong phƣơng pháp MRI [4].

Ảnh MRI có đƣợc theo phƣơng pháp T1 và T2 (từ trái sang) [5]. Dải bƣớc sóng từ tia Gamma đến vô tuyến. Tác động tia cận hồng ngoại vào vỏ não. Phổ hấp thụ hemoglobin đối với các bƣớc sóng khác nhau.

Đƣờng thẳng hồi quy có đƣợc trên não trái (đƣờng liền xanh) và não phải (đƣờng nét đứt đỏ) khi gõ tay trái (a)) và gõ tay phải (b)). Biểu diễn vector SVM của đáp ứng huyết động thu đƣợc từ NIRS (a)) và mô hình phân loại SVM của dữ liệu NIRS (b)). Dữ liệu fNIRS thô với các loại nhiễu (đƣờng màu đỏ). Tín hiệu NIRS có artifact (đƣờng màu xanh) và tín hiệu đã loại bỏ nhiễu (đƣờng màu đỏ) bằng phƣơng pháp đề xuất trong [16].

Phân chia các thùy trên vỏ não. Vị trí vùng điều khuyển chuyển động motor control [17]. Các chức năng liên quan trong vùng motor control. Các kiểu bố trí Holder khác nhau.

Các thành phần của Holder khi tháo rời. Bố trí Holder và các đầu đo (a)) cho thí nghiệm trên máy FOIRE-3000 cùng phần mềm fNIRS (b)). Thiết lập các thông số trên máy fNIRS dùng phần mềm fNIRS. Tín hiệu OxyHb, DeOxyHb, và TotalHb của kênh 1 trong 1,4 giây đầu tiên.

Bố trí các đầu đo trên hai bán cầu não của chủ thể tham gia thí nghiệm. Hoạt động gõ tay trong thí nghiệm. Giao thức thời gian cho một lần gõ tay. Vị trí các đầu đo (đầu phát – đỏ, đầu thu - xanh ), kênh đo trên khu vực motor control của bán cầu não trái.

Vị trí các đầu đo, kênh đo (màu vàng) trên khu vực motor control của bán cầu não phải. Các kênh 2, 5, 6, 9 trên bán cầu não trái và 12, 15, 16, 19 trên bán cầu não phải đƣợc chọn để lấy dữ liệu. Tín hiệu thu đƣợc từ các kênh 2, 5, 6, 9 trên bán cầu não trái. Tín hiệu thu đƣợc từ các kênh 12, 15, 16, 19 trên bán cầu não phải.

Làm phẳng tín hiệu với bậc của đa thức lần lƣợt d =0, 1, 2. Đáp ứng biên độ của lọc Savitzky- Golay với cửa sổ N=5, bậc d= 3. Đáp ứng biên độ của lọc Savitzky- Golay với cửa sổ N=11, bậc d= 3. Đáp ứng biên độ của lọc Savitzky- Golay với cửa sổ N=11, bậc d= 5.

Tín hiệu kênh 6 trƣớc và sau khi lọc với bộ lọc Savitzky- Golay có cửa sổ 5, bậc 3. Tín hiệu kênh 6 trƣớc và sau khi lọc với bộ lọc Savitzky- Golay có cửa sổ 11, bậc 3. Phân tích tín hiệu sau lọc. Các đƣờng nét đứt màu đen thể hiện sự phân chia vùng tín hiệu theo thời gian khi thực hiện một lần gõ tay.

Trong khi đó đƣờng màu lục là sự thể hiện tƣơng ứng việc tăng và giảm oxy-Hb trên lý thuyết. Áp dụng đối với tín hiệu trên các kênh ở não trái. Tín hiệu gốc – Origin signal, tín hiệu đƣợc làm phẳng Smooth signal. Áp dụng đối với tín hiệu trên các kênh ở não phải.

Tín hiệu NIRS thô (đƣờng liền xanh) và tín hiệu sau lọc (đƣờng nét đứt đỏ). Các gai nhọn đột biến - artifacts (hai gai điển hình đƣợc khoanh tròn) bị loại bỏ bởi bộ lọc Savitzky-Golay cửa sổ 11. Hồi quy tín hiệu theo đa thức bậc 3. Hồi quy tín hiệu theo đa thức bậc 5.

Hồi quy tín hiệu theo đa thức bậc 15. Hồi quy tín hiệu theo đa thức bậc 20. Đƣờng tín hiệu lý tƣởng của oxy-Hb khi có kích thích. Đƣờng cong tín hiệu sau khi hồi quy trên các kênh trong lần gõ tay trái 45 Hình 5.

Đƣờng cong tín hiệu sau khi hồi quy trên các kênh trong lần gõ tay phải. Đƣờng cong tín hiệu sau khi hồi quy trên các kênh trong lần gõ tay trái (2). Đƣờng cong tín hiệu sau khi hồi quy trên các kênh trong lần gõ tay phải (2). Các đƣờng phân chia hai tập dữ liệu mang đặc tính khác nhau.

Các siêu phẳng H1 và H2 phân chia các mẫu tích cực và thụ động thành 2 lớp khác nhau. Sơ đồ khối thuật toán nhận dạng PR-SVM .