Thiết Kế và Xây Dựng Phần Mềm Phân Tích Tín Hiệu Điện Não

Chuyên khảo kỹ thuật phân tích Khoá luận thiết kế và xây dựng phần mềm để phân tích và phân loại vận động tay tráiphải của con, đánh giá các khía cạnh quan trọng, đề xuất hướng

• Tác giả: Trần Thái Hậu
• Người hướng dẫn: ThS. Trần Đăng Khoa
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật TP. Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Y Sinh
• Đề tài: Thiết Kế và Phân Tích Phần Mềm Phân Loại Tín Hiệu Điện Não
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. CẤU TRÚC CỦA NÃO BỘ
• 1.2. TÍN HIỆU CHẬP MẶT TRONG EEG
• 1.3. THUẬT TOÁN LỌC EOG BẰNG PHƯƠNG PHÁP RLS
• 1.4. PHÂN TÍCH WAVELET COHERENCE
• 1.4.1. Khái niệm Wavelet
• 1.4.2. Phép biến đổi Wavelet
• 1.4.3. Các kênh được sử dụng trong phân tích Wavelet Coherence
• 1.5. MẠNG NƠ-RON TÍCH CHẬP (CONVOLUTIONAL NEURAL NETWORK - CNN)
• 1.6. THIẾT BỊ EMOTIV
• 1.6.1. Thiết bị EPOC Flex
• 1.6.2. Thành phần các thiết bị Emotiv
• 1.6.3. Thông số kỹ thuật của EPOC Flex
• 1.7. TÍNH TOÁN VÀ THIẾT KẾ
• 1.7.1. TÍNH TOÁN VÀ THIẾT KẾ HÀ THẲNG
• 1.7.2. Thiết kế quy trình thu dữ liệu
• 2. CHƯƠNG 2: THIẾT KẾ GIAO THỨC THÍ NGHIỆM
• 2.1. Sàng lọc đối tượng thí nghiệm
• 2.2. Quy định dành cho đối tượng thí nghiệm
• 2.3. Thiết kế giao thức thí nghiệm
• 2.4. Thiết kế quy trình thu dữ liệu EEG
• 2.5. Thiết kế cấu trúc phần mềm
• 2.6. Thiết kế giao diện phần mềm
• 2.7. Thuật toán tìm ngưỡng
• 2.8. Thuật toán RLS
• 3. CHƯƠNG 3: THI CÔNG HÀ THẲNG
• 3.1. Quá trình thu dữ liệu
• 3.2. Giao thức thí nghiệm
• 3.3. Chuẩn bị và cài đặt thiết bị đo EEG
• 3.4. Phương pháp xử lý tín hiệu
• 3.5. Trích đặc trưng
• 4. CHƯƠNG 4: LẬP TRÌNH PHẦN MỀM
• 4.1. Thi công phần mềm
• 4.2. Hệ thống sử dụng phần mềm
• 4.3. Kết quả và nhận xét đánh giá
• 4.4. Kết luận và hướng phát triển
• 4.4.1. Hướng phát triển
• 5. CHƯƠNG 5: TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan về Thiết Kế và Phân Tích Phần Mềm Phân Loại Tín Hiệu Điện Não

Thiết kế và phân tích phần mềm phân loại tín hiệu điện não là một lĩnh vực nghiên cứu quan trọng trong y học và công nghệ. Nó giúp phát hiện và phân tích các hoạt động của não bộ thông qua tín hiệu điện não đồ (EEG). Việc áp dụng công nghệ này không chỉ giúp trong việc chẩn đoán bệnh lý mà còn hỗ trợ trong việc phát triển các ứng dụng giao diện não - máy tính (BCI). Nghiên cứu này tập trung vào việc xây dựng một phần mềm có khả năng phân loại vận động tay trái và tay phải của con người thông qua tín hiệu EEG.

1.1. Khái niệm về Tín Hiệu Điện Não và Phân Tích

Tín hiệu điện não (EEG) là một phương pháp ghi lại hoạt động điện của não bộ. Phân tích tín hiệu này giúp hiểu rõ hơn về các hoạt động thần kinh và trạng thái tâm lý của con người. Các kỹ thuật phân tích như Wavelet Coherence và mạng nơ-ron tích chập (CNN) được sử dụng để xử lý và phân loại tín hiệu.

1.2. Lợi ích của Phần Mềm Phân Loại Tín Hiệu Điện Não

Phần mềm phân loại tín hiệu điện não mang lại nhiều lợi ích, bao gồm khả năng chẩn đoán sớm các bệnh lý thần kinh, hỗ trợ phục hồi chức năng cho bệnh nhân sau đột quỵ, và cải thiện chất lượng cuộc sống cho người khuyết tật. Nó cũng mở ra cơ hội nghiên cứu mới trong lĩnh vực giao diện não - máy tính.

II. Vấn đề và Thách thức trong Phân Tích Tín Hiệu Điện Não

Mặc dù có nhiều tiến bộ trong công nghệ phân tích tín hiệu điện não, nhưng vẫn tồn tại nhiều thách thức. Các tín hiệu EEG thường bị nhiễu bởi nhiều yếu tố bên ngoài, làm giảm độ chính xác của việc phân loại. Hơn nữa, việc thu thập và xử lý dữ liệu từ nhiều nguồn khác nhau cũng là một vấn đề cần được giải quyết.

2.1. Nhiễu và Tín Hiệu Kém Chất Lượng

Nhiễu từ môi trường xung quanh và các yếu tố sinh lý có thể làm giảm chất lượng tín hiệu EEG. Việc phát triển các thuật toán lọc và xử lý tín hiệu là cần thiết để cải thiện độ chính xác trong phân tích.

2.2. Khó Khăn trong Việc Phân Loại Tín Hiệu

Phân loại tín hiệu EEG là một nhiệm vụ phức tạp do sự biến đổi lớn trong các mẫu tín hiệu. Các thuật toán học sâu như CNN đã được áp dụng, nhưng vẫn cần cải thiện để đạt được độ chính xác cao hơn.

III. Phương Pháp Thiết Kế Phần Mềm Phân Loại Tín Hiệu Điện Não

Phương pháp thiết kế phần mềm phân loại tín hiệu điện não bao gồm nhiều bước quan trọng. Từ việc thu thập dữ liệu, xử lý tín hiệu, đến việc áp dụng các thuật toán học máy để phân loại. Mỗi bước đều cần được thực hiện cẩn thận để đảm bảo kết quả chính xác.

3.1. Quy Trình Thu Thập Dữ Liệu EEG

Quy trình thu thập dữ liệu EEG bao gồm việc sử dụng thiết bị ghi tín hiệu như Emotiv Flex. Dữ liệu được thu thập từ các tình nguyện viên trong các điều kiện khác nhau để đảm bảo tính đại diện.

3.2. Xử Lý và Phân Tích Tín Hiệu

Sau khi thu thập, tín hiệu EEG cần được xử lý để loại bỏ nhiễu và chuẩn hóa. Các phương pháp như Wavelet Coherence và RLS được sử dụng để phân tích và trích xuất đặc trưng từ tín hiệu.

3.3. Ứng Dụng Mạng Nơ Ron Tích Chập

Mạng nơ-ron tích chập (CNN) được áp dụng để phân loại tín hiệu EEG. Mô hình này đã cho thấy hiệu quả cao trong việc phân loại vận động tay trái và tay phải với độ chính xác lên đến 94,5%.

IV. Ứng Dụng Thực Tiễn và Kết Quả Nghiên Cứu

Kết quả nghiên cứu cho thấy phần mềm phân loại tín hiệu điện não có thể được ứng dụng trong nhiều lĩnh vực, từ y học đến công nghệ. Việc phân loại chính xác vận động tay trái và tay phải không chỉ giúp trong chẩn đoán mà còn hỗ trợ trong phục hồi chức năng cho bệnh nhân.

4.1. Ứng Dụng trong Y Học

Phần mềm có thể được sử dụng để theo dõi và chẩn đoán các bệnh lý thần kinh, giúp bác sĩ đưa ra quyết định điều trị kịp thời và chính xác.

4.2. Ứng Dụng trong Công Nghệ Giao Diện Não Máy Tính

Phần mềm cũng có thể được tích hợp vào các hệ thống giao diện não - máy tính, giúp người khuyết tật giao tiếp và tương tác với môi trường xung quanh một cách dễ dàng hơn.

V. Kết Luận và Tương Lai của Nghiên Cứu Phân Loại Tín Hiệu Điện Não

Nghiên cứu về thiết kế và phân tích phần mềm phân loại tín hiệu điện não mở ra nhiều cơ hội mới trong lĩnh vực y học và công nghệ. Tương lai của nghiên cứu này hứa hẹn sẽ mang lại nhiều ứng dụng hữu ích hơn nữa, đặc biệt trong việc hỗ trợ người khuyết tật và cải thiện chất lượng cuộc sống.

5.1. Hướng Phát Triển Nghiên Cứu

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện độ chính xác của các thuật toán phân loại và mở rộng ứng dụng của phần mềm trong các lĩnh vực khác nhau.

5.2. Tác Động Đến Xã Hội

Phần mềm phân loại tín hiệu điện não không chỉ có ý nghĩa trong y học mà còn có thể tác động tích cực đến xã hội, giúp nâng cao nhận thức và hỗ trợ người khuyết tật trong cuộc sống hàng ngày.

Trích đoạn nội dung tài liệu

BÞ GIÁO DĀC & ĐÀO T¾O TR¯âNG Đ¾I HâC S¯ PH¾M Kþ THUÂT TP. Hâ CHÍ MINH KHOA ĐIÞN – ĐIÞN Tþ BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH --------------------------------- KHÓA LUÂN TàT NGHIÞP NGÀNH Kþ THUÂT Y SINH ĐÀ TÀI: THI¾T K¾ VÀ XÂY DĂNG PHÄN MÀM Đ PHÂN TÍCH VÀ PHÂN LO¾I VÂN ĐÞNG TAY TRÁI/PHÀI CĂA CON NG¯âI QUA TÍN HIÞU ĐIÞN NÃO Đâ VÀ ĄNG DĀNG M¾NG N¡-RON TÍCH CHÂP GVHD: ThS. TrÅn Đăng Khoa SVTH 1: TrÅn Thá HÃu MSSV: 18129018 SVTH 2: Vũ Thá Minh MSSV: 18129034 Tp. Hồ Chí Minh - 06/2022 TR¯âNG Đ¾I HâC S¯ PH¾M Kþ THUÂT TP.

Hâ CHÍ MINH KHOA ĐIÞN – ĐIÞN Tþ BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH --------------------------------- KHÓA LUÂN TàT NGHIÞP NGÀNH Kþ THUÂT Y SINH ĐÀ TÀI: THI¾T K¾ VÀ XÂY DĂNG PHÄN MÀM Đ PHÂN TÍCH VÀ PHÂN LO¾I VÂN ĐÞNG TAY TRÁI/PHÀI CĂA CON NG¯âI QUA TÍN HIÞU ĐIÞN NÃO Đâ VÀ ĄNG DĀNG M¾NG N¡-RON TÍCH CHÂP GVHD: ThS. TrÅn Đăng Khoa SVTH 1: TrÅn Thá HÃu MSSV: 18129018 SVTH 2: Vũ Thá Minh MSSV: 18129034 Tp. Hồ Chí Minh - 06/2022 BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH iii TR¯äNG ĐH SPKT TP. Hâ CHÍ MINH CÞNG HÒA Xà HÞI CHĂ NGHĨA VIÞT NAM KHOA ĐIÞN-ĐIÞN Tþ Đßc lÃp - Tă do - H¿nh phúc BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH Tp.

HCM, ngày 21 tháng 4 năm 2022 NHIÞM VĀ KHÓA LUÂN TàT NGHIÞP Hã tên sinh viên: TrÅn Thá HÃu MSSV: 18129018 Vũ Thá Minh MSSV: 18129034 Chuyên ngành: Kỹ thuÃt Y Sinh Mã ngành: 01 Há đào t¿o: Đ¿i hãc chính quy Mã há: 1 Khóa: 2018 Lãp: 181290B I. TÊN Đ TÀI: THI¾T K¾ VÀ XÂY DĂNG PHÄN MÀM Đ PHÂN TÍCH VÀ PHÂN LO¾I VÂN ĐÞNG TAY TRÁI/PHÀI CĂA CON NG¯âI QUA TÍN HIÞU ĐIÞN NÃO Đâ VÀ ĄNG DĀNG M¾NG N¡-RON TÍCH CHÂP II. Các sá liáu ban đÅu: - Ngôn ngă lÃp trình sā dāng: Matlab - PhÅn mÃm huÃn luyán: Matlab 2019 - TÃp dă liáu: Dă liáu EEG và 2 d¿ng gÃp dußi khuỷu tay trái/phÁi thu tÿ các tình nguyán viên thuác Đ¿i hãc S° Ph¿m Kỹ ThuÃt thành phá Hã Chí Minh trong đá tuåi tÿ 20-22 - ThiÁt bá thu dă liáu: Emotiv Flex 32 kênh - PhÅn mÃm thu dă liáu: EmotivPRO 2. NàI DUNG thực hián: - Đãc và tìm hiÅu tài liáu liên quan đÁn đà tài - Xây dựng giao thąc thí nghiám - TiÁn hành thu dă liáu - Đánh giá chÃt l°ÿng tín hiáu thô - TiÃn xā lý tín hiáu - Trích đÁc tr°ng căa dă liáu - Phân lo¿i tín hiáu vÃn đáng căa tay trái/phÁi - Xây dựng phÅn mÃm nhÃn dián vÃn đáng tay trái/phÁi BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH iv III.

NGÀY GIAO NHIàM VĀ: 25/02/2022 IV. NGÀY HOÀN THÀNH NHIàM VĀ: 15/06/2022 V. Hâ VÀ TÊN CÁN Bà H¯âNG DÀN: ThS. TrÅn Đăng Khoa CÁN Bà H¯âNG DÀN BM.

ĐIàN TĀ CÔNG NGHIàP 3 Y SINH BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH v TR¯äNG ĐH SPKT TP. Hâ CHÍ MINH CÞNG HÒA Xà HÞI CHĂ NGHĨA VIÞT NAM KHOA ĐIÞN-ĐIÞN Tþ Đßc lÃp - Tă do - H¿nh phúc BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH Tp. Hã Chí Minh, ngày 12 tháng 3 năm 2022 LàCH TRÌNH THĂC HIÞN KHÓA LUÂN TàT NGHIÞP (BÁn lách trình này đ°ÿc đóng vào đã án) Hã tên sinh viên: TrÅn Thá HÃu MSSV: 18129018 Hã tên sinh viên: Vũ Thá Minh MSSV: 18129034 Láp: 181290B Tên đÁ tài: ThiÁt kÁ và xây dựng phÅn mÃm đÅ phân tích và phân lo¿i vÃn đáng tay trái/phÁi căa con ng°åi qua tín hiáu đián não đã và ąng dāng m¿ng n¢-ron tích chÃp Xác nhận Tuần/ngày NàI DUNG GVHD - GÁp GVHD đÅ nghe phå biÁn yêu cÅu làm đà TuÅn 27 tài, tiÁn hành chãn đà tài. (25/2 - 27/2) - GVHD tiÁn hành xét duyát đà tài.

- Đãc hiÅu tài liáu đián não và ph°¢ng pháp TuÅn 28 xā lý tín hiáu liên quan tãi các vÃn đáng tay (28/2 - 6/3) - ViÁt đà c°¢ng KLTN và náp cho GVHD xét duyát - Thu thÃp, phân lo¿i và tång hÿp các bài báo tài liáu nghiên cąu TuÅn 29 - Náp đà c°¢ng KLTN cho BM (7/3- 13/3) - Lên lách trình thực hián KLTN và náp cho GVHD - Thu thÃp các dă liáu và tín hiáu tay TuÅn 30 - CÅt và sÅp xÁp dă liáu phù hÿp vãi m¿ng (14/3- 20/3) CNN BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH vi - Áp dāng m¿ng CNN phân tích dă liáu đã cÅt TuÅn 31 và sÅp xÁp (21/3 - 27/3) - Đánh giá khÁ năng phân tích dă liáu căa m¿ng CNN khi xā lý tín hiáu thô - Thực hành tiÃn xā lý tín hiáu đián não sā dāng các bá lãc trên phÅn mÃm TuÅn 32 - Tìm hiÅu và thực nghiám phÅn mÃm phân (28/3- 3/4) tích tín hiáu đián não và các thuÃt toán liên quan - SÅp xÁp, phân tích cÃu trúc và dă liáu đián não và vÃn đáng tay trái/phÁi TuÅn 33 - LÃp trình/ąng dāng phÅn mÃm vào viác thu (4/4- 10/4) nhÃn, tiÃn xā lý, trích đÁc tr°ng và phân lo¿i tín hiáu đián não - TiÁn hành lÃy và l°u tră kÁt quÁ tiÃn xā lý TuÅn 34 tín hiáu đián não kèm theo chú thích, mô tÁ (11/4-17/4) và phân tích - TiÁn hành trích đÁc tr°ng và phân lo¿i dă liáu đián não và vÃn đáng tay trái/phÁi, kèm TuÅn 35 theo chú thích, mô tÁ, phân tích và đánh giá (18/4-24/4) kÁt quÁ - ViÁt báo cáo tiÁn đá cho BM - TiÁp tāc trích đÁc tr°ng và phân lo¿i dă liáu đián não và vÃn đáng tay trái/phÁi, kèm theo TuÅn 36 chú thích, mô tÁ, phân tích và đánh giá kÁt (25/4-1/5) quÁ - Tìm hiÅu và vÃn dāng các phÅn mÃm phân tích, tháng kê dă liáu trong khoa hãc BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH vii - Náp báo cáo tiÁn đá cho BM - TiÁp tāc trích đÁc tr°ng và phân lo¿i dă liáu đián não và vÃn đáng tay trái/phÁi, kèm theo TuÅn 37 chú thích, mô tÁ, phân tích và đánh giá kÁt (2/5-8/5) quÁ - Tìm hiÅu và vÃn dāng các phÅn mÃm phân tích, tháng kê dă liáu trong khoa hãc - TiÁp tāc trích đÁc tr°ng và phân lo¿i dă liáu TuÅn 38 đián não và vÃn đáng tay trái/phÁi, kèm theo chú thích, mô tÁ, phân tích và đánh giá kÁt (9/5-15/5) quÁ - Tìm hiÅu và vÃn dāng các phÅn mÃm phân tích, tháng kê dă liáu trong khoa hãc - Ąng dāng phÅn mÃm cho viác tång hÿp và TuÅn 39 tháng kê tÃt cÁ kÁt quÁ phân lo¿i dă liáu đián (16/5-22/5) não TuÅn 40 - ViÁt báo cáo KLTN (23/5 - 29/5) - ThiÁt kÁ bài thuyÁt trình Powerpoint TuÅn 41 - Chßnh sāa báo cáo KLTN (30/5 - 5/6) - Chßnh sāa Powerpoint thuyÁt trình TuÅn 42 - TÃp dÿt thuyÁt trình đÅ bÁo vá (6/6- 12/6) - Chßnh sāa báo cáo KLTN TuÅn 43 - Náp quyÅn KLTN cho BM (13/6- 19/6) TuÅn 44 - BÁo vá KLTN (20/6- 25/6) BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH viii GV H¯âNG DÀN (Ký và ghi rõ hã và tên) BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH ix LâI CAM ĐOAN Đà tài này là do nhóm căa chúng tôi tự thực hián dựa vào các tài liáu tr°ãc đó và không sao chép đà tài đã có tr°ãc đó. Ng°åi thực hián đà tài TrÅn Thá HÃu Vũ Thá Minh BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH x LâI CÀM ¡N Em xin gāi låi cÁm ¢n đÁn ThÅy TrÅn Đăng Khoa - GiÁng viên h°ãng dÁn khóa luÃn tát nghiáp đã trực tiÁp h°ãng dÁn và t¿o điÃu kián tát nhÃt đÅ giúp chúng em có thÅ hoàn thành tát đà tài. Em xin chân thành cÁm ¢n đÁn các thÅy cô trong Khoa Đián - Đián Tā đã giúp đỡ và t¿o nhăng điÃu kián tát nhÃt đÅ chúng em hoàn thành đà tài. Em xin cÁm ¢n đÁn tÃp thÅ lãp 181290 vì đã luôn s¿n sàng trao đåi nhăng kiÁn thąc bå ích đÅ giúp em trau dãi thêm nhiÃu kiÁn thąc.

Em cũng muán gāi låi cÁm ¢n sâu sÅc đÁn cha mẹ vì đã luôn đãng hành và ăng há mình trong quá trình hãc tÃp và phát triÅn. Xin chân thành cÁm ¢n! Ng°åi thực hián đà tài TrÅn Thá HÃu Vũ Thá Minh BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH xi MĀC LĀC LäI CAM ĐOAN. xii MĀC LĀC HÌNH ÀNH .xv DANH MĀC BÀNG .xx Ch°¢ng 1. NàI DUNG NGHIÊN CĄU.

CÂU TRÚC CĂA NÃO Bà. TÍN HIàU CHâP MÄT TRONG EEG. ThuÃt toán lãc EOG bằng ph°¢ng pháp RLS:. PHÂN TÍCH WAVELET COHERENCE.

Khái niám Wavelet. Phép biÁn đåi Wavelet. Các kênh đ°ÿc sā dāng trong phân tích Wavelet Coherence. M¾NG N¡-RON TÍCH CHÂP (CONVOLUTIONAL NEURAL NETWORK - CNN).

THIÀT Bà EMOTIV. ThiÁt bá EPOC Flex. Thành phÅn các thiÁt bá Emotiv. Thông sá kỹ thuÃt căa EPOC Flex.

TÍNH TOÁN VÀ THIÀT KÀ. TÍNH TOÁN VÀ THIÀT KÀ Hà THàNG. ThiÁt kÁ quy trình thu dă liáu .20 BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH xii a. Sàng lãc đái t°ÿng thí nghiám.

Quy đánh dành cho đái t°ÿng thí nghiám. ThiÁt kÁ giao thąc thí nghiám. ThiÁt kÁ quy trình thu dă liáu EEG. ThiÁt kÁ cÃu trúc phÅn mÃm.

ThiÁt kÁ giao dián phÅn mÃm. ThuÃt toán tìm ng°ỡng. ThuÃt toán RLS. THI CÔNG Hà THàNG.

THI CÔNG Hà THàNG. Quá trình thu dă liáu. Giao thąc thí nghiám. Chu¿n bá và cài đÁt thiÁt bá đo EEG.

Ph°¢ng pháp xā lý tín hiáu. Trích đÁc tr°ng. LÂP TRÌNH PHÄN MÂM. Thi công phÅn mÃm.

H¯âNG DÀN SĀ DĀNG PHÄN MÂM. KÀT QUÀ 3 NHÂN XÉT 3 ĐÁNH GIÁ. KÀT LUÂN VÀ H¯âNG PHÁT TRIÄN. H¯âNG PHÁT TRIÄN .82 BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH xiii TÀI LIàU THAM KHÀO .86 BÞ MÔN ĐIÞN Tþ CÔNG NGHIÞP – Y SINH xiv MĀC LĀC HÌNH ÀNH Hình 2.1: Tín hiáu đián não đã đÅu tiên đ°ÿc ghi l¿i .2: CÃu t¿o tÁ bào thÅn kinh.4: Vá trí các thùy trong não bá .5: Các d¿ng tín hiáu nhißu trong EEG .8: Vá trí đián cực thu tín hiáu mÅt .9: Mô hình mÁu CNN vãi 2 lãp chÃp và mát lãp đ°ÿc kÁt nái đÅy đă.10: Thành phÅn các thiÁt bá Emotiv .1: S¢ đã khái quát quá trình thiÁt kÁ quy trình thu dă liáu EEG .2: Giao thąc thí nghiám.3: Quá trình thu dă liáu EEG .4: Hình Ánh khái quát quá trình chu¿n bá thiÁt bá đo EEG .5: Hình Ánh khái quát quá trình thiÁt kÁ phÅn mÃm .6: S¢ đã khái khái quát cÃu trúc phÅn mÃm .7: S¢ đã khái thÅ hián chi tiÁt quá trình nhÃp dă liáu đÅu vào .8: S¢ đã khái thÅ hián chi tiÁt quá trình tiÃn xā lý .9: S¢ đã khái thÅ hián chi tiÁt quá trình trích xuÃt đÁc tr°ng .10: S¢ đã khái thÅ hián giao dián giãi thiáu căa phÅn mÃm .