Chương 1 TỔNG QUAN 1. Tổng quan về lĩnh vực nghiên cứu, các kết quả nghiên cứu trong và ngoài nước đã công bố 1. Tuy nhiên, nó là một cấu trúc phức tạp, trong đó có khoảng 100 tỷ tế bào thần kinh giao tiếp từ người này sang người khác liên quan đến sự kích thích để đưa ra quyết định kiểm soát (nhận thức, chuyển động, nhận dạng mẫu, v. Vì những lý do này, các công nghệ không xâm lấn như EEG, fMRI và fNIRS đã được nghiên cứu để tìm ra chức năng xử lý động cơ của não người [2-5].
Việc khám phá các công nghệ này có thể cho phép chúng tôi thực hiện các vấn đề phục hồi chức năng hoặc mô phỏng não dẫn đến cải thiện hoặc phục hồi các chức năng vận động / nhận thức của bệnh nhân tetraplegic bị chấn thương tủy sống và bệnh thần kinh thoái hóa [3, 6, 7]. Vì lý do này, nhiều phương pháp dựa trên công nghệ không xâm lấn đã được đề xuất trong nhiều năm gần đây. Phân tích thành phần độc lập (ICA) và Máy vectơ hỗ trợ đa lớp (SVM) đã được đề xuất để ước tính hướng chuyển động của việc đi bộ dựa trên hoạt động của sóng não [19]. Các tín hiệu của 11 kênh dưới dạng Điện não đồ (EEG) của khu vực động cơ được đo và lọc bằng bộ lọc thông dải 5-35Hz trước khi sử dụng ICA và SVM.
Một nghiên cứu khác [20], hai thuật toán Các mô hình không gian chung (CSP), Bộ lọc không gian tối ưu bước sóng (WOSF) đã được sử dụng để làm mờ các hệ thống BCI dựa trên hình ảnh động cơ. Trong nước (phân tích, đánh giá tình hình nghiên cứu thuộc lĩnh vực của đề tài ở Việt Nam, liệt kê danh mục các công trình nghiên cứu, tài liệu có liên quan đến đề tài được trích dẫn khi đánh giá tổng quan) Hệ thống não dựa trên công nghệ không xâm lấn đã được tập trung cơ bản ở trong nước trong những năm gần đây. Tuy nhiên, theo hiểu biết tốt nhất của chúng tôi, có một số dự án về xử lý tín hiệu EEG cũng như một số ứng dụng cơ bản. Cụ thể, tất cả các tính năng của tín hiệu EEG được chia thành các nhóm nhỏ và sau đó điểm số cho mỗi nhóm được sử dụng phân tích phân biệt tuyến tính, trong đó một lỗi lý thuyết bị ràng buộc sử dụng ma trận phương sai tách rời được sử dụng để tạo thành các nhóm con cho dữ liệu [21].
Mắt và tiếng ồn cơ học liên quan đến não đã được điều tra bằng công nghệ EEG [22]. Các tác giả đã tách các tín hiệu nhiễu và chuẩn hóa các tín hiệu được lọc để phân tích. Tính cấp thiết Não người là một mối quan tâm lớn do sự phức tạp của nó với hàng tỷ tế bào dây thần kinh [1]. Ngoài ra, các hoạt động của não ban đầu có nhiều vùng khác nhau như vỏ não vận động, thính giác hoặc các vùng khác.
Do đó, người ta luôn muốn khám phá hoạt động của não để chẩn đoán, điều trị và phục hồi chức năng [23]. Trong những thập kỷ gần đây, các nhà nghiên cứu không chỉ sử dụng kiến thức y tế để dự đoán não người, mà còn áp dụng công nghệ cao không xâm lấn như EEG [15] hoặc fNIRS để có thêm thông tin [7, 24]. Cụ thể, các nhà nghiên cứu có thể phân tích tín hiệu điện não đồ để tăng dự đoán về các hoạt động của não. Nghiên cứu ban đầu về tín hiệu EEG và fNIRS đã được nghiên cứu để tìm ra mối quan hệ giữa não và các bộ phận cơ thể bằng kỹ thuật BCI trong những năm gần đây [9].
Để dễ điều tra, các tín hiệu EEG thu được từ vỏ não đối tượng thường được xử lý để chứng minh vấn đề về não tương ứng với một hoạt động hoặc để phân tích dựa trên số liệu thống kê với cơ sở dữ liệu khổng lồ. Có một kỹ thuật phổ biến đã được xem xét trong tài liệu trên. Đó là một kỹ thuật không xâm lấn làm giảm thiệt hại cho cơ thể con người trong các nhiệm vụ đo lường [26]. Ngoài ra, giả sử rằng có kiến thức nổi tiếng về các vùng não, người ta có thể cải 2 Luan van 1.
Tổng quan thiện hoặc phục hồi tốt nhất cho con người. Trong thực tế, các nhà nghiên cứu thường chỉ tập trung vào tín hiệu EEG để xử lý và phân tích [27] và họ đã thu được kết quả để minh họa hiệu quả của các phương pháp đề xuất của họ. Được thúc đẩy bởi các quan sát trên, nghiên cứu này sẽ phát triển các kỹ thuật khác nhau để xử lý tín hiệu EEG để xác định vùng vỏ não liên quan. Trong dự án này, một số khối lượng công việc như suy nghĩ liên quan đến chuyển động (suy nghĩ về việc di chuyển bàn tay để phục hồi cho bàn tay bị cắt cụt; một chiếc xe lăn điện); đo lường các căng thẳng trong lớp học hoặc ngày làm việc; một ngày chơi trò chơi, v.
Ngoài ra, trong quá trình nghiên cứu, một nhóm hoạt động của hệ thống đa kênh sẽ được điều tra để đánh giá chính xác dữ liệu bằng cách xác định tập hợp con trong tập hợp đa kênh chung. Trong khi các công trình trước đó đã sử dụng tất cả các kênh để điều tra và sau đó điều này có thể làm giảm hiệu quả của việc điều tra và ước tính do các hiện vật. Ngoài ra, các phương pháp mới để tìm các tính năng để phân loại sẽ được đề xuất, đặc biệt, một cách tiếp cận phân tích phân biệt tuyến tính sẽ được áp dụng điểm số trong các nhóm nhỏ để ước tính ma trận hiệp phương sai [21]. Sự ra đời của các công nghệ không xâm lấn như EEG, fNIRS và fMRI trong một số thập kỷ gần đây đã cải thiện triệt để cuộc sống của con người.
Tuy nhiên, thách thức chính là xử lý tín hiệu điện não đồ để dự đoán chính xác bệnh hoặc khuyết tật liên quan đến não người. Mặc dù sự phát triển của các thiết bị EEG là một kỹ thuật đầy hứa hẹn để đáp ứng xử lý tín hiệu y sinh để chẩn đoán và phục hồi. Nhiều phương pháp mới để xử lý tín hiệu dựa trên kỹ thuật này đã được phát triển và hỗ trợ nhiều cho chẩn đoán trong y học. Tuy nhiên, kỹ thuật này và các phương pháp vẫn đang ở giai đoạn đầu để giải quyết thành công tất cả các vấn đề về hoạt động của não trong thực tế.
Dự án nghiên cứu này nhằm mục đích giải quyết đáng kể khó khăn của người khuyết tật hoặc người mắc bệnh liên quan đến vỏ não vận động và với hiệu suất tương tự hoặc tốt hơn. Mục tiêu đề tài Điều tra, phân tích dãy sóng điện não (EEG) để nghiên cứu mối quan hệ giữa vận động và não người. Một giao thức (protocol) được xây dựng để thực hiện những vận động cho đánh giá quan hệ. Cách tiếp cận, phương pháp nghiên cứu, phạm vi nghiên cứu ▪ Cách tiếp cận - Đọc các tài liệu (bài báo, đề tài và luận văn tốt nghiệp trong và ngoài nước) để tìm hiểu các phương pháp xử lý tín hiệu và phân tích sóng điện não.
▪ Phương pháp nghiên cứu - Phương pháp thu thập dữ liệu: phương pháp quan sát, phương pháp phỏng vấn, phương pháp thực nghiệm. - Phương pháp nghiên cứu: nghiên cứu lý thuyết, nghiên cứu định tính, nghiên cứu định lượng. ▪ Phạm vi nghiên cứu - Tín hiệu điện não khi vận động ▪ Nội dung nghiên cứu - Nghiên cứu cơ sở lý thuyết - Xử lý tín hiệu y sinh - Xây dựng giao thức - Thực hiện đo EEG - Khai thác tính năng - Nhận dạng hoạt động - Phân tích thống kê dữ liệu EEG - Kiểm tra và thực hiện - Viết bài báo 4 Luan van 3. Phương Pháp Trích Đặc Trưng GLCM Cho Ảnh Bệnh Da Chương 2: CƠ SỞ LÝ THUYẾT Các tín hiệu điện não đồ (EEG) được ghi lại từ da đầu của não ở dạng điện thế không cố định, các hoạt động tăng vọt do sự điều biến dao động của điện thế trường cung cấp một cửa sổ vào hoạt động thần kinh trong não ADDIN EN.
Các vấn đề còn lại với phân tích dữ liệu điện não đồ là nguy cơ sai lệch trong các phát hiện bị bóp méo, gây nhiễu các tín hiệu điện trường và điện sinh học. Ví dụ, nhiễu đường dây điện 50 / 60Hz là một ví dụ về nhiễu điện, tín hiệu sinh học được tạo ra bởi các cơ chế bên trong khác nhau như điện mắt (EOG) được tạo ra bởi chuyển động của mắt, điện cơ (EMG) gây ra bởi các tín hiệu cơ của các bộ phận cơ thể và điện tim ( ECG) được tạo ra bởi các hoạt động điện của tim. Điện não đồ là một công nghệ hiệu quả cho các mục đích không xâm lấn của Giao diện Máy tính-Não bộ (BCI) trong lĩnh vực kỹ thuật. Bên cạnh đó, công nghệ này được sử dụng trong chẩn đoán lâm sàng và nghiên cứu khoa học thần kinh, trong đó khó khăn vẫn là sự nhiễm bẩn tín hiệu [3-9].
Đặc biệt, EOG tạo ra các tín hiệu điện có thể phân biệt được khi nhãn cầu và mí mắt, hoặc võng mạc và giác mạc tạo thành một lưỡng cực điện [10, 11], ảnh hưởng nghiêm trọng đến tỷ lệ tín hiệu trên nhiễu (SNR) của dữ liệu EEG ghi. Như đã nói, hiện tượng nháy mắt có thể tạo ra các diễn giải EEG có thể sai trong chẩn đoán lâm sàng và nghiên cứu khoa học thần kinh. Ngược lại, nó có thể hữu ích trong các nghiên cứu kỹ thuật cho các ứng dụng BCI. Do đó, việc phát hiện hoặc loại bỏ các thành phần chớp mắt là điều cần thiết trong bất kỳ ứng dụng điện não đồ nào.
Nhiều thuật toán phát hiện chớp mắt đã được xuất bản trong tài liệu. Hầu hết chúng tập trung vào các kỹ thuật như kiểm tra thủ công các tính năng được nhắm mục tiêu, sử dụng nhiều kênh EEG, đào tạo hồ sơ người dùng và ghi dữ liệu EOG với việc sử dụng các điện cực bổ sung [2, 8, 9, 12-15]. Trong bài báo này, chúng tôi mong muốn trình bày các kết quả nhận dạng chớp mắt với sự cân bằng tối ưu giữa độ chính xác, tốc độ và tính đơn giản. Đặc biệt, thuật toán phát hiện chớp mắt tập trung vào việc tính toán ngưỡng đỉnh và thuộc tính đỉnh chính xác.
Việc xác định đỉnh chính xác trong dữ liệu sẽ tối đa hóa sự sẵn có của các 5 Luan van 3.