Luận văn thạc sĩ hcmute nhận dạng hoạt động gõ tay thông qua phân tích tín hiệu quang phổ cận hồng ngoại nirs dùng giải thuật hồi quy

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

• Tác giả: Ngô Quốc Cường
• Người hướng dẫn: TS. Nguyễn Thanh Hải
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Nhận Dạng Hoạt Động Gõ Tay Qua Phân Tích Tín Hiệu Quang Phổ Cận Hồng Ngoại
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2012
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 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. Phương Pháp Nghiên Cứu
• 1.5. Tóm Tắt Đề Tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phương Pháp Tái Hiện Hình Ảnh Và Tín Hiệu Não Người
• 2.1.1. Phương pháp EEG
• 2.1.2. Phương Pháp MRI
• 2.1.3. Phương Pháp Quang Phổ Cận Hồng Ngoại fNIRS
• 3. CHƯƠNG 3: THU THẬP DỮ LIỆU NÃO NGƯỜI SỬ DỤNG KỸ THUẬT QUANG PHỔ CẬN HỒNG NGOẠI - fNIRS
• 3.1. Các Vùng Chức Năng Não Người
• 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 TRƯNG 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 Ước Lượng Bình Phương Tối Thiểu
• 5.4. Trích Đặc Trưng 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 Ngược
• 7.2. Thuật Toán Nhận Dạng PR-ANN
• 8. CHƯƠNG 8: KẾT LUẬN
• 8.1. Kết Luận
• 8.2. Hướng Phát Triển Đề Tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nhận dạng hoạt động gõ tay

Trong bối cảnh nghiên cứu hiện đại, nhận dạng hoạt động gõ tay thông qua phân tích tín hiệu quang phổ cận hồng ngoại (fNIRS) đã trở thành một lĩnh vực quan trọng. Kỹ thuật này cho phép đo lường sự thay đổi oxy-hemoglobin trong não, từ đó xác định hoạt động gõ tay trái hay phải. Việc sử dụng công nghệ nhận dạng giúp cải thiện khả năng giao tiếp cho những người khuyết tật và mở ra hướng đi mới trong nghiên cứu não bộ. Theo nghiên cứu, tín hiệu não có thể được phân tích để nhận diện hành động gõ tay, từ đó cung cấp thông tin quý giá cho các ứng dụng trong y học và công nghệ. Các nghiên cứu trước đây đã chỉ ra rằng, việc áp dụng phân tích tín hiệu có thể giúp phát hiện các hoạt động cụ thể của não bộ, từ đó hỗ trợ trong việc phát triển các thiết bị giao tiếp cho người khuyết tật.

II. Phân tích tín hiệu quang phổ cận hồng ngoại

Phân tích 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 sự thay đổi huyết động não, từ đó cung cấp thông tin về hoạt động não trong thời gian thực. Tín hiệu quang thu được từ fNIRS có thể bị nhiễu bởi nhiều yếu tố, do đó việc áp dụng bộ lọc Savitzky-Golay là cần thiết để làm phẳng tín hiệu và loại bỏ nhiễu. Sau khi xử lý, các đặc trưng của tín hiệu sẽ được trích xuất thông qua hồi quy đa thức, giúp xác định chính xác hoạt động gõ tay. Việc phân tích này không chỉ giúp nhận diện hành động mà còn cung cấp cái nhìn sâu sắc về cơ chế hoạt động của não trong các hoạt động vận động.

III. Ứng dụng công nghệ nhận dạng trong thực tiễn

Công nghệ nhận dạng hoạt động gõ tay thông qua fNIRS có nhiều ứng dụng thực tiễn, đặc biệt trong lĩnh vực y tế và phục hồi chức năng. Việc nhận diện chính xác tay gõ có thể hỗ trợ trong việc phát triển các thiết bị giao tiếp cho người khuyết tật, giúp họ tương tác với môi trường xung quanh một cách hiệu quả hơn. Hệ thống nhận dạng này có thể được tích hợp vào các thiết bị hỗ trợ, cho phép người dùng thực hiện các tác vụ đơn giản như gõ văn bản hoặc điều khiển thiết bị điện tử. Hơn nữa, nghiên cứu này còn mở ra hướng đi mới trong việc phát triển các phương pháp chẩn đoán và điều trị các rối loạn liên quan đến vận động. Các kết quả thí nghiệm cho thấy độ tin cậy cao của giải thuật đề xuất, cho thấy tiềm năng lớn trong việc ứng dụng công nghệ này trong thực tiễn.

IV. Kết luận và hướng phát triển

Nghiên cứu về nhận dạng hoạt động gõ tay qua phân tích tín hiệu quang phổ cận hồng ngoại đã chứng minh được tính khả thi và hiệu quả của các phương pháp phân tích hiện đại. Kết quả cho thấy rằng việc áp dụng các thuật toán như hồi quy đa thức và SVM có thể mang lại độ chính xác cao trong việc nhận diện tay gõ. Hướng phát triển tiếp theo có thể bao gồm việc mở rộng nghiên cứu trên nhiều đối tượng và tình huống khác nhau, cũng như cải tiến các thuật toán nhận dạng để nâng cao độ chính xác và tốc độ xử lý. Việc kết hợp với các công nghệ khác như học máy và trí tuệ nhân tạo có thể tạo ra những bước tiến mới trong lĩnh vực này, mở ra nhiều cơ hội cho các ứng dụng trong y tế và công nghệ thông tin.

Nội dung chính

Tổng quan nghiên cứu

Trong những thập kỷ gần đây, lĩnh vực giao tiếp não - máy (Brain-Computer Interface - BCI) đã có nhiều bước tiến vượt bậc, đặc biệt trong việc chẩn đoán và phục hồi chức năng cho người khuyết tật. Một trong những kỹ thuật đo tín hiệu não không xâm nhập được ứng dụng phổ biến là quang phổ cận hồng ngoại chức năng (functional Near-Infrared Spectroscopy - fNIRS). Kỹ thuật này đo sự thay đổi nồng độ oxy-hemoglobin (oxy-Hb) và deoxy-hemoglobin (deoxy-Hb) trên bề mặt não, phản ánh hoạt động huyết động của các vùng não tương ứng.

Luận văn tập trung nghiên cứu nhận dạng hoạt động gõ tay trái hoặc tay phải dựa trên tín hiệu fNIRS thu thập từ vùng điều khiển chuyển động (motor cortex) của não người. Mục tiêu chính là xây dựng giải thuật phân tích và nhận dạng chính xác hoạt động gõ tay thông qua xử lý tín hiệu và mô hình học máy. Dữ liệu được thu thập từ 3 chủ thể thuận tay phải, với giao thức thí nghiệm gồm các chu kỳ nghỉ và gõ tay xen kẽ, sử dụng thiết bị FOIRE-3000 của Shimadzu tại Đại học Quốc tế, TP. Hồ Chí Minh.

Nghiên cứu có ý nghĩa quan trọng trong việc phát triển các hệ thống BCI không xâm nhập, hỗ trợ giao tiếp và phục hồi chức năng vận động cho người khuyết tật. Độ chính xác nhận dạng hoạt động gõ tay được kỳ vọng cải thiện qua việc áp dụng bộ lọc Savitzky-Golay, hồi quy đa thức để trích đặc trưng, kết hợp với các thuật toán nhận dạng như Support Vector Machine (SVM) và mạng nơ-ron nhân tạo (ANN). Phạm vi nghiên cứu giới hạn trong xử lý dữ liệu offline, tập trung trên vùng motor cortex, với dữ liệu thu thập trong năm 2012 tại TP. Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên ba nền tảng lý thuyết chính:

1. Kỹ thuật fNIRS: Sử dụng ánh sáng cận hồng ngoại (650-950 nm) để đo sự thay đổi oxy-Hb và deoxy-Hb trong não, dựa trên phổ hấp thụ của hemoglobin và luật Beer-Lambert. Tín hiệu fNIRS phản ánh hoạt động huyết động não, đặc biệt tại vùng motor cortex khi thực hiện các hoạt động vận động như gõ tay.

2. Bộ lọc Savitzky-Golay: Là bộ lọc làm phẳng tín hiệu theo đa thức bậc d trên cửa sổ mẫu N, giúp loại bỏ nhiễu và artifacts trong tín hiệu fNIRS mà vẫn giữ được đặc trưng hình dạng tín hiệu. Bộ lọc này được thiết kế tối ưu theo phương pháp bình phương tối thiểu, cho phép làm mượt dữ liệu mà không làm mất thông tin quan trọng.

3. Giải thuật hồi quy đa thức và mô hình học máy: Hồi quy đa thức được sử dụng để trích xuất các hệ số đặc trưng từ tín hiệu đã lọc, phản ánh sự thay đổi nồng độ oxy-Hb trong quá trình gõ tay. Các hệ số này làm đầu vào cho các thuật toán nhận dạng:

   • Support Vector Machine (SVM): Thuật toán phân loại dựa trên siêu phẳng tối ưu, phân biệt hai lớp dữ liệu (gõ tay trái và phải) dựa trên đặc trưng hồi quy.
   • Mạng nơ-ron nhân tạo (ANN): Mạng lan truyền ngược 3 lớp được sử dụng để huấn luyện và nhận dạng hoạt động gõ tay, so sánh hiệu quả với SVM.

Các khái niệm chính bao gồm: oxy-Hb, deoxy-Hb, bộ lọc Savitzky-Golay, hồi quy đa thức, siêu phẳng SVM, mạng nơ-ron lan truyền ngược.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu fNIRS được thu thập từ 3 chủ thể nam, tuổi trung bình khoảng 23 tuổi, thuận tay phải. Tín hiệu oxy-Hb được đo trên 20 kênh tại vùng motor cortex hai bán cầu não bằng thiết bị FOIRE-3000 (Shimadzu, Nhật Bản) với bước sóng 780 nm, 805 nm và 830 nm. Trong đó, 8 kênh (4 kênh mỗi bán cầu) được chọn để phân tích do độ tin cậy cao.

• Phương pháp thu thập: Chủ thể thực hiện gõ tay trái và phải theo giao thức gồm 20 giây nghỉ, 20 giây gõ tay, 20 giây nghỉ, lặp lại nhiều lần. Tín hiệu được ghi lại với chu kỳ lấy mẫu phù hợp, lưu dưới dạng file text để xử lý.

• Tiền xử lý dữ liệu: Áp dụng bộ lọc Savitzky-Golay với cửa sổ lọc N=11 và đa thức bậc 3 để loại bỏ nhiễu và artifacts, làm mượt tín hiệu oxy-Hb mà vẫn giữ được đặc trưng sinh lý.

• Trích đặc trưng: Sử dụng hồi quy đa thức để tính các hệ số hồi quy từ tín hiệu đã lọc, các hệ số này biểu diễn sự thay đổi nồng độ oxy-Hb trong quá trình gõ tay.

• Phân loại và nhận dạng: Huấn luyện và kiểm thử mô hình SVM và ANN với các đặc trưng hồi quy để phân biệt hoạt động gõ tay trái và phải. Phương pháp kiểm tra chéo được sử dụng để đánh giá độ chính xác.

• Timeline nghiên cứu: Thu thập dữ liệu và tiền xử lý trong giai đoạn đầu, tiếp theo là trích đặc trưng và xây dựng mô hình nhận dạng, cuối cùng là đánh giá kết quả trên các chủ thể tham gia.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của bộ lọc Savitzky-Golay: Bộ lọc với cửa sổ 11 mẫu và đa thức bậc 3 đã loại bỏ hiệu quả các gai nhiễu (artifacts) trong tín hiệu fNIRS, làm mượt đường cong oxy-Hb mà không làm mất các đặc trưng sinh lý quan trọng. Tín hiệu sau lọc thể hiện rõ sự tăng giảm oxy-Hb theo chu kỳ gõ tay, phù hợp với lý thuyết huyết động não.

2. Đặc trưng hồi quy đa thức phân biệt gõ tay trái và phải: Các hệ số hồi quy đa thức trích từ tín hiệu oxy-Hb cho thấy sự khác biệt rõ ràng giữa hoạt động gõ tay trái và phải trên các kênh não trái và phải. Ví dụ, hệ số góc hồi quy trên não trái khi gõ tay trái lớn hơn khi gõ tay phải, và ngược lại trên não phải, phản ánh sự chi phối vận động của bán cầu não đối diện.

3. Độ chính xác nhận dạng với SVM và ANN:

   • Thuật toán PR-SVM đạt độ chính xác trung bình khoảng 85-90% trên 3 chủ thể trong việc phân biệt gõ tay trái và phải.
   • Mạng nơ-ron nhân tạo PR-ANN cũng cho kết quả tương tự, với độ chính xác trung bình khoảng 83-88%.
   • Kết quả cho thấy SVM có phần nhỉnh hơn về độ chính xác và ổn định.

4. So sánh với các nghiên cứu khác: Kết quả phù hợp với các báo cáo trong ngành về việc sử dụng fNIRS và các thuật toán học máy để nhận dạng hoạt động vận động. Việc kết hợp hồi quy đa thức với SVM và ANN là một hướng tiếp cận hiệu quả, khắc phục hạn chế của các phương pháp chỉ dùng hồi quy tuyến tính hoặc xử lý tín hiệu thô.

Thảo luận kết quả

Nguyên nhân chính của hiệu quả nhận dạng là do việc áp dụng bộ lọc Savitzky-Golay giúp loại bỏ nhiễu và artifacts, làm rõ đặc trưng sinh lý trong tín hiệu oxy-Hb. Việc trích đặc trưng bằng hồi quy đa thức cho phép mô hình hóa chính xác sự biến đổi tín hiệu theo thời gian, từ đó cung cấp dữ liệu đầu vào chất lượng cho các thuật toán phân loại.

So với các nghiên cứu sử dụng hồi quy tuyến tính đơn giản hoặc xử lý tín hiệu thô, phương pháp này giảm thiểu sự biến thiên của hệ số đặc trưng giữa các lần gõ tay, nâng cao độ tin cậy nhận dạng. SVM thể hiện ưu thế nhờ khả năng tìm siêu phẳng tối ưu phân tách hai lớp dữ liệu, trong khi ANN cung cấp khả năng học phi tuyến nhưng đòi hỏi cấu trúc mạng và tham số được tối ưu kỹ lưỡng.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác của hai thuật toán trên từng chủ thể, cũng như bảng thống kê các hệ số hồi quy đặc trưng trên các kênh não trái và phải trong các lần gõ tay. Điều này giúp minh họa rõ ràng sự khác biệt đặc trưng và hiệu quả phân loại.

Đề xuất và khuyến nghị

1. Mở rộng quy mô nghiên cứu: Tăng số lượng chủ thể tham gia, bao gồm cả người thuận tay trái và người có các đặc điểm vận động khác để nâng cao tính tổng quát của giải thuật. Thời gian thực hiện: 6-12 tháng, chủ thể thực hiện: nhóm nghiên cứu tại các trung tâm y sinh.

2. Phát triển hệ thống nhận dạng thời gian thực: Áp dụng giải thuật đã xây dựng vào hệ thống BCI thời gian thực, tích hợp với thiết bị fNIRS để hỗ trợ giao tiếp và phục hồi chức năng vận động. Mục tiêu cải thiện độ trễ và độ chính xác nhận dạng trên 90%. Thời gian thực hiện: 12 tháng, chủ thể thực hiện: nhóm kỹ thuật và phát triển phần mềm.

3. Tối ưu hóa bộ lọc và trích đặc trưng: Nghiên cứu các bộ lọc nâng cao hơn hoặc kết hợp nhiều phương pháp xử lý tín hiệu để tăng cường loại bỏ nhiễu mà vẫn giữ được đặc trưng sinh lý. Thời gian thực hiện: 6 tháng, chủ thể thực hiện: nhóm xử lý tín hiệu.

4. So sánh và kết hợp các mô hình học máy khác: Thử nghiệm các mô hình học sâu (deep learning), mô hình Markov ẩn (HMM) hoặc các thuật toán ensemble để nâng cao độ chính xác và khả năng thích ứng với dữ liệu đa dạng. Thời gian thực hiện: 9 tháng, chủ thể thực hiện: nhóm trí tuệ nhân tạo.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành kỹ thuật điện tử, y sinh: Nghiên cứu về xử lý tín hiệu sinh học, phát triển hệ thống BCI, ứng dụng kỹ thuật fNIRS trong y học và công nghệ.

2. Chuyên gia phát triển công nghệ phục hồi chức năng: Áp dụng giải thuật nhận dạng hoạt động vận động để thiết kế các thiết bị hỗ trợ người khuyết tật, cải thiện giao tiếp và vận động.

3. Bác sĩ và nhà khoa học thần kinh: Hiểu rõ hơn về mối liên hệ giữa hoạt động huyết động não và vận động tay, hỗ trợ chẩn đoán và theo dõi điều trị các bệnh lý thần kinh.

4. Nhà phát triển phần mềm và kỹ sư AI: Tham khảo phương pháp trích đặc trưng và mô hình học máy trong xử lý tín hiệu não, phát triển các ứng dụng trí tuệ nhân tạo trong lĩnh vực y tế.

Câu hỏi thường gặp

1. fNIRS là gì và tại sao được chọn trong nghiên cứu này?
   fNIRS là kỹ thuật đo tín hiệu não không xâm nhập dựa trên ánh sáng cận hồng ngoại, phản ánh sự thay đổi oxy-Hb và deoxy-Hb. Ưu điểm là an toàn, chi phí thấp và dễ sử dụng so với MRI hay EEG, phù hợp cho nghiên cứu nhận dạng hoạt động vận động.

2. Bộ lọc Savitzky-Golay có vai trò gì trong xử lý tín hiệu?
   Bộ lọc này làm mượt tín hiệu bằng cách áp dụng hồi quy đa thức trên cửa sổ mẫu, giúp loại bỏ nhiễu và artifacts mà không làm mất đặc trưng sinh lý quan trọng, từ đó nâng cao chất lượng dữ liệu đầu vào cho mô hình nhận dạng.

3. Tại sao sử dụng hồi quy đa thức để trích đặc trưng?
   Hồi quy đa thức mô hình hóa chính xác sự biến đổi tín hiệu theo thời gian, cung cấp các hệ số đặc trưng phản ánh đặc điểm sinh lý của hoạt động gõ tay, giúp phân biệt hiệu quả giữa tay trái và tay phải.

4. SVM và ANN khác nhau thế nào trong nhận dạng?
   SVM tìm siêu phẳng tối ưu phân tách dữ liệu hai lớp, thường cho kết quả ổn định và dễ huấn luyện với dữ liệu kích thước vừa phải. ANN có khả năng học phi tuyến phức tạp hơn nhưng đòi hỏi cấu trúc mạng và tham số được tối ưu kỹ, có thể phù hợp với dữ liệu lớn và đa dạng.

5. Giải pháp này có thể áp dụng cho các hoạt động vận động khác không?
   Có thể, với việc điều chỉnh giao thức thu thập dữ liệu và huấn luyện lại mô hình, phương pháp này có tiềm năng nhận dạng các hoạt động vận động khác dựa trên tín hiệu fNIRS, mở rộng ứng dụng trong phục hồi chức năng và giao tiếp não - máy.

Kết luận

• Đã xây dựng thành công giải thuật nhận dạng hoạt động gõ tay trái và phải dựa trên tín hiệu fNIRS, kết hợp bộ lọc Savitzky-Golay, hồi quy đa thức và mô hình SVM, ANN.
• Bộ lọc Savitzky-Golay với cửa sổ 11 mẫu và đa thức bậc 3 hiệu quả trong việc loại bỏ nhiễu và giữ đặc trưng sinh lý.
• Đặc trưng hồi quy đa thức phản ánh rõ sự khác biệt hoạt động giữa hai tay, làm đầu vào chất lượng cho mô hình nhận dạng.
• Thuật toán PR-SVM đạt độ chính xác nhận dạng trung bình trên 85%, vượt trội so với ANN trong nghiên cứu này.
• Hướng phát triển tiếp theo là mở rộng quy mô, phát triển hệ thống nhận dạng thời gian thực và áp dụng các mô hình học máy tiên tiến hơn.

Để tiếp tục nghiên cứu và ứng dụng, các nhà khoa học và kỹ sư được khuyến khích triển khai thử nghiệm trên nhiều đối tượng hơn, tối ưu hóa thuật toán và tích hợp vào các thiết bị hỗ trợ phục hồi chức năng. Hành động tiếp theo là xây dựng hệ thống demo thời gian thực và đánh giá hiệu quả trong môi trường thực tế.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGÔ QUỐC CƯỜNG NHẬN DẠNG HOẠT ĐỘNG GÕ TAY THÔNG QUA PHÂN TÍCH TÍN HIỆU QUANG PHỔ CẬN HỒNG NGOẠI (NIRS) DÙNG GIẢI THUẬT HỒI QUY S K C 0 0 3 9 6 5 1 9 3 NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 S KC 0 0 3 7 4 8 Tp. Hồ Chí Minh, 2012 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO lâm TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGÔ QUỐC CƢỜNG NHẬN DẠNG HOẠT ĐỘNG GÕ TAY THÔNG QUA PHÂN TÍCH TÍN HIỆU QUANG PHỔ CẬN HỒNG NGOẠI (NIRS) DÙNG GIẢI THUẬT HỒI QUY NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 Tp. Hồ Chí Minh, tháng 10/2012 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGÔ QUỐC CƢỜNG NHẬN DẠNG HOẠT ĐỘNG GÕ TAY THÔNG QUA PHÂN TÍCH TÍN HIỆU QUANG PHỔ CẬN HỒNG NGOẠI (NIRS) DÙNG GIẢI THUẬT HỒI QUY NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 Hƣớng dẫn khoa học: TS. NGUYỄN THANH HẢI Tp.

Hồ Chí Minh, tháng 10/2012 Luan van Quyết định giao đề tài [chèn vào quyết định có đóng mộc] i Luan van LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: Ngô Quốc Cƣờng Giới tính: Nam Ngày, tháng, năm sinh: 17/05/1987 Nơi sinh: TP. Hồ Chí Minh Quê quán: Tây Ninh Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: 28B, đƣờng 494, khu phố 4, phƣờng Tăng Nhơn Phú A, Quận 9, TP. Hồ Chí Minh.

Điện thoại cơ quan: Điện thoại nhà riêng: Fax: E-mail: ngoquoccuong175@gmail. QUÁ TRÌNH ĐÀO TẠO: 1. Trung học chuyên nghiệp: không Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trƣờng, thành phố): Ngành học: 2. Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 10/2005 đến 01/ 2010 Nơi học (trƣờng, thành phố): Đại Học Sƣ Phạm Kỹ Thuật TP.

HCM Ngành học: Công nghệ điện tử - viễn thông Tên đồ án, luận án hoặc môn thi tốt nghiệp: Thiết kế và thi công hệ thống DS- CDMA Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: 01/2010, Bộ môn Điện Tử Viễn Thông, Khoa Điện- Điện Tử, Đại Học Sƣ Phạm Kỹ Thuật TP. HCM Ngƣời hƣớng dẫn: Th.S Nguyễn Ngô Lâm III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Đại Học Sƣ Phạm Kỹ Thuật 02/2010-8/2010 Giảng viên thỉnh giảng TP. HCM Đại Học Sƣ Phạm Kỹ Thuật 10/2010- nay Giảng viên cơ hữu TP.

HCM ii Luan van 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 Luan van 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 Luan van 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 Luan van 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 Luan van 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.

38 vii Luan van 5.3 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 Luan van 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 Luan van 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 .