Thiết Kế Phần Mềm Phân Tích Vận Động Tay Trái/Phải Qua Tín Hiệu Điện Não Đồ

Tài liệu nghiên cứu Thiết kế và xây dựng phần mềm để phân tích và phân loại vận động tay trái phải của con người qua, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

Chuyên ngành

Kỹ Thuật Y Sinh

Người đăng

Ẩn danh

Thể loại

Khóa Luận Tốt Nghiệp

2022

109
3
0

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CAM ĐOAN

LỜI CẢM ƠN

1. CHƯƠNG 1: TỔNG QUAN

1.1. ĐẶT VẤN ĐỀ

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Phần Mềm Phân Tích Vận Động Tay Qua Tín Hiệu EEG

Phần mềm phân tích vận động tay qua tín hiệu EEG đang trở thành một công cụ quan trọng trong lĩnh vực y tế và nghiên cứu thần kinh. Công nghệ này cho phép theo dõi và phân tích các hoạt động của tay thông qua các tín hiệu điện não đồ. Việc hiểu rõ về cách thức hoạt động của phần mềm này sẽ giúp nâng cao hiệu quả trong việc phục hồi chức năng cho bệnh nhân.

1.1. Tín Hiệu EEG Là Gì Và Tại Sao Quan Trọng

Tín hiệu EEG (điện não đồ) là một phương pháp không xâm lấn để ghi lại hoạt động điện của não. Nó cung cấp thông tin quý giá về trạng thái tâm lý và chức năng não bộ, đặc biệt trong việc phân tích các cử động tay.

1.2. Lịch Sử Phát Triển Phần Mềm Phân Tích EEG

Phần mềm phân tích EEG đã trải qua nhiều giai đoạn phát triển, từ những công cụ đơn giản đến các hệ thống phức tạp sử dụng trí tuệ nhân tạo. Sự tiến bộ này đã mở ra nhiều cơ hội mới trong nghiên cứu và ứng dụng y tế.

II. Thách Thức Trong Phân Tích Tín Hiệu EEG Để Nhận Diện Vận Động Tay

Mặc dù công nghệ phân tích tín hiệu EEG đã phát triển, nhưng vẫn còn nhiều thách thức trong việc nhận diện chính xác các vận động tay. Các yếu tố như nhiễu tín hiệu, độ chính xác của thiết bị thu thập và phương pháp phân tích đều ảnh hưởng đến kết quả.

2.1. Nhiễu Tín Hiệu Và Ảnh Hưởng Đến Kết Quả

Nhiễu tín hiệu từ các nguồn bên ngoài như chuyển động cơ thể hoặc tín hiệu điện từ thiết bị khác có thể làm giảm độ chính xác của phân tích. Việc áp dụng các thuật toán lọc là cần thiết để cải thiện chất lượng tín hiệu.

2.2. Độ Chính Xác Của Thiết Bị Thu Thập Tín Hiệu

Thiết bị thu thập tín hiệu EEG như Emotiv Flex có vai trò quan trọng trong việc đảm bảo độ chính xác của dữ liệu. Việc lựa chọn thiết bị phù hợp và hiệu chỉnh đúng cách là yếu tố quyết định cho kết quả phân tích.

III. Phương Pháp Phân Tích Tín Hiệu EEG Để Nhận Diện Vận Động Tay

Để phân tích tín hiệu EEG và nhận diện vận động tay, nhiều phương pháp đã được áp dụng. Các phương pháp này bao gồm tiền xử lý tín hiệu, trích xuất đặc trưng và sử dụng mạng nơ-ron tích chập (CNN) để phân loại.

3.1. Tiền Xử Lý Tín Hiệu EEG

Tiền xử lý tín hiệu là bước quan trọng để loại bỏ nhiễu và cải thiện chất lượng dữ liệu. Các kỹ thuật như lọc thông thấp và lọc thông cao thường được sử dụng để làm sạch tín hiệu trước khi phân tích.

3.2. Trích Xuất Đặc Trưng Từ Tín Hiệu EEG

Trích xuất đặc trưng giúp chuyển đổi tín hiệu EEG thành các thông số có thể sử dụng cho phân loại. Phương pháp Wavelet Coherence là một trong những kỹ thuật hiệu quả để thực hiện điều này.

3.3. Ứng Dụng Mạng Nơ Ron Tích Chập CNN

Mạng nơ-ron tích chập (CNN) đã chứng minh hiệu quả cao trong việc phân loại tín hiệu EEG. Với khả năng học từ dữ liệu lớn, CNN có thể nhận diện chính xác các vận động tay trái và phải.

IV. Ứng Dụng Thực Tiễn Của Phần Mềm Phân Tích Vận Động Tay

Phần mềm phân tích vận động tay qua tín hiệu EEG có nhiều ứng dụng thực tiễn trong y tế, đặc biệt trong việc phục hồi chức năng cho bệnh nhân sau đột quỵ. Nó giúp theo dõi tiến trình hồi phục và cải thiện chất lượng cuộc sống.

4.1. Theo Dõi Tiến Trình Hồi Phục Sau Đột Quỵ

Phần mềm cho phép bác sĩ theo dõi và đánh giá khả năng hồi phục của bệnh nhân thông qua các chỉ số từ tín hiệu EEG. Điều này giúp điều chỉnh phương pháp điều trị kịp thời.

4.2. Cải Thiện Chất Lượng Cuộc Sống Cho Người Khuyết Tật

Bằng cách cung cấp thông tin về khả năng vận động, phần mềm giúp người khuyết tật có thể giao tiếp và tương tác tốt hơn với môi trường xung quanh.

V. Kết Luận Và Tương Lai Của Phần Mềm Phân Tích Vận Động Tay

Phần mềm phân tích vận động tay qua tín hiệu EEG đang mở ra nhiều cơ hội mới trong nghiên cứu và ứng dụng y tế. Tương lai của công nghệ này hứa hẹn sẽ mang lại nhiều cải tiến và ứng dụng phong phú hơn.

5.1. Tiềm Năng Phát Triển Công Nghệ

Với sự phát triển của công nghệ trí tuệ nhân tạo, phần mềm phân tích EEG có thể được cải tiến để đạt được độ chính xác cao hơn và khả năng phân tích đa dạng hơn.

5.2. Hướng Nghiên Cứu Tương Lai

Nghiên cứu trong lĩnh vực này sẽ tiếp tục tập trung vào việc cải thiện các thuật toán phân tích và mở rộng ứng dụng của phần mềm trong các lĩnh vực khác nhau như giáo dục và giải trí.

15/07/2025
Thiết kế và xây dựng phần mềm để phân tích và phân loại vận động tay trái phải của con người qua tín hiệu điện não đồ và ứng dụng mạng nơ ron tích chập

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan • Chương 2: Cơ sở lý thuyết • Chương 3: Tính toán và thiết kế • Chương 4: Thi công hệ thống • Chương 5: Kết quả - Nhận xét - Đánh giá • Chương 6: Kết luận và hướng phát triển BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 4 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Chương 2. Tín hiệu điện não Richard Caton đã thực hiện những bản ghi sinh lý thần kinh đầu tiên trên bộ não của mèo và thỏ. Các kết quả được trình bày vào năm 1875 cho thấy “các dòng điện yếu theo các hướng khác nhau sẽ truyền qua hệ số nhân khi các điện cực được đặt ở hai điểm của bề mặt bên ngoài, hoặc một điện cực trên chất xám và một trên bề mặt hộp sọ”.

Phát hiện này được coi là một khám phá về hoạt động điện não, đặt nền móng cho những bước tiến về phép đo điện não sau này (7). Hans Berger, một bác sĩ tâm thần người Đức, đã đi tiên phong trong việc tạo điện não đồ ở người. Ông đã ghi lại sóng não bằng cách tiêm Novocain vào da đầu và đặt điện cực vào màng xương. Ông ghi lại điện não đồ đầu tiên vào ngày 6 tháng 7 năm 1924, trên một cậu bé 17 tuổi (8).1: Tín hiệu điện não đồ đầu tiên được ghi lại (8) 2.

Nguồn gốc tín hiệu điện não Hầu hết các tín hiệu điện não đồ bắt nguồn từ lớp ngoài của não (vỏ não), được cho là chịu trách nhiệm chính về suy nghĩ, cảm xúc và hành vi của cá nhân chúng ta. Hoạt động tiếp hợp của vỏ não tạo ra các tín hiệu điện thay đổi trong phạm vi 10 đến 100 mili giây. Phép đo EEG (Electroencephalogram - điện não) và MEG (Magnetoencephalography - từ tính não) là những công nghệ duy nhất có sẵn với độ BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 5 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT phân giải theo thời gian đủ để theo dõi những thay đổi nhanh chóng này (9).

Tế bào thần kinh được tạo nên từ thân tế bào, đuôi gai và sợi trục, như có thể thấy trong hình bên dưới: Hình 2.2: Cấu tạo tế bào thần kinh (10) Thân tế bào (còn được gọi là soma) chứa tất cả các bào quan cần thiết cho chức năng tế bào, sợi trục là kênh liên lạc mà thông tin được truyền đến một tế bào thần kinh khác, trong khi đuôi gai nhận các kết nối từ các tế bào thần kinh khác truyền tới. Khi mà hai tế bào thần kinh truyền thông tin thì tại đó gọi là khớp nối giữa các tế bào, hay cũng chính là synapse. Synapse giúp cho thông tin từ tế bào thần kinh này truyền đến tế bào thần kinh khác (10,11). Dòng điện trong não được tạo ra chủ yếu bằng cách bơm các ion dương là Na+, K+, Ca2+ và ion âm là Cl– qua màng tế bào thần kinh.

Đầu cuối của synapse có một khoảng trống giữa hai nơi mà các chất dẫn truyền thần kinh được trao đổi trong quá trình tiếp hợp. Những chất dẫn truyền thần kinh này dẫn đến sự thay đổi tính thấm của màng với các ion, từ đó dẫn đến nồng độ ion khác nhau và kết quả là có sự khác biệt về điện thế của nó, lúc này dòng điện trong não xuất hiện (10,11). Các điện cực gắn vào đầu làm cho sự khác biệt về điện thế có thể được khuếch đại và lưu trữ để tạo ra các biểu diễn đặc trưng của hoạt động não (12). Các dạng sóng EEG có thể được phân loại đặc trưng dựa trên vị trí, biên độ, tần số, hình thái, tính liên tục (nhịp nhàng, ngắt quãng hoặc liên tục), đồng bộ, đối xứng và sự phản ứng của chúng.

Tuy nhiên, phương pháp thường được sử dụng nhất để BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 6 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT phân loại các dạng sóng EEG là theo tần số. Các sóng EEG được đặt tên dựa trên dải tần của chúng bằng cách sử dụng các chữ cái Hy Lạp (13). CẤU TRÚC CỦA NÃO BỘ Ở cấp độ cao, não có thể được chia thành đại não, thân não và tiểu não: - Đại não: Hình 2.3: Cấu trúc của đại não (14) Bao gồm chất xám (nằm ở vỏ não) và chất trắng ở trung tâm.

Đây là phần lớn nhất của não người và điều phối suy nghĩ, hành động của chúng ta. Đại não chia làm hai bán cầu: bán cầu não phải và bán cầu não trái. Trong đó mỗi bán cầu gồm có bốn phần: thùy trán, thùy đỉnh, thùy chẩm và thùy thái dương (15,16). + Thùy đỉnh (Parietal Lobe): Nằm ở phía sau và bên trên của não và kiểm soát các hành vi phức tạp của chúng ta, bao gồm các giác quan như thị giác, xúc giác, nhận thức cơ thể.

Thùy đỉnh giúp não hiểu ngôn ngữ nói, chịu trách nhiệm về khả năng định vị và chuyển động của cơ thể (15,16). BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 7 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT + Thùy thái dương (Temporal Lobe): nằm ngang vị trí hai bên tai ở mỗi bên của não, thùy thái dương có liên quan đến trí nhớ ngắn hạn, giúp não hiểu lời nói, nhịp điệu âm nhạc và nhận biết mùi ở một mức độ nào đó (15).4: Vị trí các thùy trong não bộ (17) - Thân não: Thân não đảm nhận các chức năng quan trọng trong chuyển động cơ, đặc biệt là chuyển động của mắt, thính giác và thị giác. Thân não gồm ba phần: não giữa, cầu não và hành não (15).

+ Não giữa: Chịu trách nhiệm cho các phản ứng thị giác, thính giác, xúc giác (16). + Cầu não: Nằm phía trên tủy, bên dưới não giữa và ngay trước tiểu não. Chứa các dây thần kinh chịu trách nhiệm về cảm giác ở mặt, điều khiển các cơ chịu trách nhiệm cắn, nhai và nuốt, đồng thời có chức năng cho phép nhìn từ bên này sang bên kia và dây thần kinh tiền đình cho phép nghe (15). + Hành não: Ở dưới cùng của thân não và là nơi giao với tủy sống, giúp điều chỉnh nhiều hoạt động của cơ thể, bao gồm nhịp tim, nhịp thở, lưu lượng máu, nồng độ O2 và CO2.

- Tiểu não: Duy trì trạng thái, tư thế cân bằng, trương lực cơ, tư thế và điều phối các chuyển động mang tính chủ động của cơ bằng cách điều chỉnh mức độ căng cơ giữa cơ chủ vận và cơ đối kháng (18). Từ các thông tin trên, ta thấy rằng vùng thùy trán của đại não và tiểu não hỗ trợ nhau để điều hòa các vận động của cơ thể. Đây là một trong những cơ sở để nhóm xác định kênh phù hợp với vận động tay của cơ thể trên mũ điện cực 32 kênh. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 8 CHƯƠNG 2.

TÍN HIỆU CHỚP MẮT TRONG EEG Có một số loại tín hiệu nhiễu thường gặp trong tín hiệu EEG có thể được kể đến như tín hiệu nhiễu do chuyển động, tín hiệu điện cơ, tín hiệu điện tim, tín hiệu điện mắt, và các loại nhiễu khác xuất hiện do sự chuyển động và tác nhân bên ngoài gây ra.5: Các dạng tín hiệu nhiễu trong EEG (19) 2. Tín hiệu chớp mắt Phương pháp đo tín hiệu điện mắt (tiếng Anh: Electrooculograghy - EOG) giúp nhận ra sự khác nhau trong thay đổi điện thế do chuyển động của mắt gây ra giữa hai điện cực được đặt theo chiều ngang nếu đang xét hoạt động nhắm mở mắt, hoặc chiều dọc nếu đang xét hoạt động liếc sang trái, phải. Các nghiên cứu ban đầu về chuyển động mắt cho thấy mắt người là một lưỡng cực điện, trong đó giác mạc tích điện dương và võng mạc tích điện âm (20,21). BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 9 CHƯƠNG 2.

CƠ SỞ LÝ THUYẾT Hình 2.6: Điện áp của mắt (22) Khi nhãn cầu di chuyển, điện thế tăng hoặc giảm tùy vào hướng chuyển động của mắt, nguyên nhân là vì sự thay đổi hướng mắt làm cho vị trí của giác mạc và võng mạc thay đổi so với phần còn lại của đầu. Sự thay đổi điện áp này được gọi là điện thế giác mạc và thay đổi trong khoảng 0,4 đến 1 mV (21). Hình dưới thể hiện sự thay đổi điện thế của mắt khi nhãn cầu chuyển động, cụ thể là thực hiện hành động nhắm mắt và mở mắt.7: Tín hiệu chớp mắt (23) Độ dài nháy mắt thường kéo dài khoảng 100 ms (11). Điện áp của nháy mắt có chủ ý lớn hơn so với nháy mắt không chủ ý (24).

Trong bài báo cáo này, nhóm tập trung vào hoạt động nháy mắt để loại bỏ các tín hiệu nhiễu này, bằng cách quan sát và phân tích tín hiệu ở các kênh Fp1, Fp2, F3, F4. Đây cũng là các điện cực được đặt ở gần mắt nên chúng sẽ thu được tín hiệu chớp mắt một cách rõ ràng nhất. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 10 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Hình 2.8: Vị trí điện cực thu tín hiệu mắt (25) 2.

Thuật toán lọc EOG bằng phương pháp RLS Trong tín hiệu EEG, các tín hiệu chớp mắt được xem là nhiễu mà ta cần phải loại bỏ, vì các tín hiệu nhiễu này sẽ làm ảnh hưởng chất lượng tín hiệu EEG mà ta thu được, từ đó làm giảm độ chính xác kết quả phân loại vận động tay. Trong nghiên cứu này, nhóm sử dụng thuật toán bình phương cực tiểu đệ quy (tiếng Anh: Recursive Least Square - RLS) để lọc tín hiệu EOG. Phương pháp RLS được áp dụng như sau (26): • Ước lượng bình phương cực tiểu đệ quy được sử dụng để ước tính các tham số của tín hiệu EOG. • Điện não đồ không có nhiễu được tái tạo bằng cách lấy điện não đồ bị nhiễu trừ đi VEOG (tín hiệu điện mắt theo chiều dọc) và HEOG (tín hiệu điện mắt theo chiều ngang) đã tính được (26): Contaminated _ EEGi , j = Pure _ EEGi , j + a jVEOG + b j HEOG (2.1) So với các phương pháp lọc tín hiệu EOG khác trong tín hiệu EEG, phương pháp RLS được đánh giá là hoạt động tốt hơn và ít xảy ra lỗi hơn (27).

Đồng thời, thuật toán RLS giúp lọc EOG nhưng ít gây ảnh hưởng đến chất lượng tín hiệu EEG (28). Điều này là cực kỳ quan trọng, bởi vì tín hiệu điện não cần được đảm bảo chính xác sau khi lọc tín hiệu chớp mắt, để có thể mang lại kết quả phân loại vận động tốt nhất. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 11 CHƯƠNG 2. PHÂN TÍCH WAVELET COHERENCE 2.

Khái niệm Wavelet Wavelet là một dao động như dạng sóng được khoanh vùng và xác định theo thời gian, trong một miền hữu hạn. Wavelet có hai giá trị thuộc tính cơ bản, đó là phạm vi và vị trí (29).

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu "Phần Mềm Phân Tích Vận Động Tay Qua Tín Hiệu EEG" cung cấp cái nhìn sâu sắc về việc sử dụng công nghệ phân tích tín hiệu EEG để theo dõi và cải thiện vận động tay. Nó nêu bật các phương pháp và ứng dụng của phần mềm trong việc hỗ trợ phục hồi chức năng cho bệnh nhân, giúp họ cải thiện khả năng vận động và chất lượng cuộc sống. Đặc biệt, tài liệu này không chỉ mang lại kiến thức về công nghệ mà còn mở ra cơ hội cho các nghiên cứu và ứng dụng trong lĩnh vực y sinh.

Nếu bạn muốn tìm hiểu thêm về các nghiên cứu liên quan, hãy xem xét tài liệu Luận văn thạc sĩ hcmute phân tích tín hiệu oxy hb trong não người để xác định mối quan hệ lệch quai hàm và lực cánh tay dựa vào fnirs, nơi bạn có thể khám phá mối liên hệ giữa tín hiệu sinh học và vận động. Ngoài ra, tài liệu Thiết kế và thi công găng tay phục hồi chức năng sẽ cung cấp thêm thông tin về các thiết bị hỗ trợ phục hồi chức năng. Cuối cùng, bạn cũng có thể tham khảo Luận văn thạc sĩ khoa học máy tính xây dựng phần mềm quản lý hồ sơ sức khỏe điện tử cho các phòng khám gia đình để hiểu rõ hơn về việc quản lý dữ liệu sức khỏe trong bối cảnh y tế hiện đại. Những tài liệu này sẽ giúp bạn mở rộng kiến thức và khám phá thêm nhiều khía cạnh thú vị trong lĩnh vực này.