Tài liệu điều khiển thiết bị trong nhà thông minh qua sóng điện não

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LƯU VĂN TOÀN ĐIỀU KHIỂN THIẾT BỊ TRONG NHÀ THÔNG MINH THÔNG QUA SÓNG ĐIỆN NÃO Chuyên ngành: Kỹ thuật Điện tử Mã số: 8.52.02.03 LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỆN TỬ HỌC VIÊN NGƯỜI HƯỚNG DẪN KHOA HỌC Lưu Văn Toàn Ts. Nguyễn Phương Huy KHOA CHUYÊN MÔN TRƯỞNG KHOA THÁI NGUYÊN - 2020 Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn LỜI CAM ĐOAN Tên tôi là: Lưu Văn Toàn Sinh ngày: 28/12/1986 Học viên lớp cao học CHK20KTĐT - Trường Đại học Kỹ thuật Công nghiệp - Đại học Thái Nguyên. Hiện đang công tác tại: Trường Cao Đẳng Công nghệ và Nông lâm Đông Bắc Xin cam đoan: Đề tài “Điều khiển thiết bị trong nhà thông minh thông qua sóng điện não” do Thầy giáo TS. Nguyễn Phương Huy hướng dẫn là công trình nghiên cứu của riêng tôi. Tất cả tài liệu tham khảo đều có nguồn gốc, xuất xứ rõ ràng. Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng như nội dung trong đề cương và yêu cầu của thầy giáo hướng dẫn. Nếu sai tôi hoàn toàn chịu trách nhiệm trước hội đồng khoa học và trước pháp luật. Thái Nguyên, ngày 26 tháng 6 năm 2020 Tác giả luận văn Lưu Văn Toàn Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn LỜI CẢM ƠN Sau một thời gian nghiên cứu và làm việc nghiêm túc, được sự động viên, giúp đỡ và hướng dẫn tận tình của Thầy giáo hướng dẫn TS. Nguyễn Phương Huy, luận văn với đề tài “Điều khiển thiết bị trong nhà thông minh thông qua sóng điện não” đã hoàn thành. Tôi xin bày tỏ lòng biết ơn sâu sắc đến: Thầy giáo hướng dẫn TS. Nguyễn Phương Huy đã tận tình chỉ dẫn, giúp đỡ tôi hoàn thành luận văn này. Trường Đại học Kỹ thuật công nghiệp và đặc biệt là các Thầy, cô trong Khoa Điện tử đã giúp đỡ tôi trong quá trình học tập cũng như thực hiện luận văn. Tôi xin chân thành cảm ơn bạn bè, đồng nghiệp và gia đình đã động viên, khích lệ, tạo điều kiện giúp đỡ tôi trong suốt quá trình học tập, thực hiện và hoàn thành luận văn này./. Thái Nguyên, ngày 26 tháng 6 năm 2020 Tác giả luận văn Lưu Văn Toàn Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn MỤC LỤC LỜI CAM ĐOAN ........................................................................................................ i LỜI CẢM ƠN ............................................................................................................. ii DANH MỤC CÁC TỪ VIẾT TẮT ............................................................................ v DANH MỤC CÁC HÌNH ẢNH ................................................................................ vi DANH MỤC BẢNG BIỂU ..................................................................................... viii MỞ ĐẦU ..................................................................................................................... 1 1. Tính khoa học và cấp thiết của đề tài ..................................................................... 1 2. Đối tượng và phạm vi nghiên cứu của đề tài .......................................................... 1 3. Phương pháp luận nghiên cứu ................................................................................ 2 4. Nội dung và bố cục của luận văn ............................................................................ 2 CHƯƠNG 1 TỔNG QUAN VỀ NHẬN DẠNG TÍN HIỆU ĐIỆN NÃO ............. 3 Tổng quan về tín hiệu điện não ........................................................................ 3 1.1.1 EEG là gì .......................................................................................................... 3 1.1.2 Tại sao phải thu nhận tín hiệu EEG ................................................................. 3 1.1.3 Nguồn gốc của tín hiệu EEG ............................................................................ 5 1.1.4 Các dạng sóng EEG cơ bản .............................................................................. 7 Hệ thống tương tác máy não .......................................................................... 10 1.2.1 Kiến trúc cơ bản của hệ thống BCI ................................................................ 10 1.2.2 Một số kỹ thuật cơ bản trong triển khai hệ thống BCI ................................... 12 1.2.3 Cập nhật một số kết quả nghên cứu trong và ngoài nước .............................. 18 Một số ứng dụng của hệ thống nhận dạng tín hiệu điện não.......................... 19 Kết luận chương ............................................................................................. 20 CHƯƠNG 2 ĐIỀU KHIỂN THIẾT BỊ NHÀ THÔNG MINH THÔNG QUA TÍN HIỆU EEG ......................................................................................................... 21 Tổng quan về nhà thông minh ........................................................................ 21 2.1.1 Định nghĩa nhà thông minh ............................................................................ 21 2.1.2 Các thành phần cơ bản hệ thống nhà thông minh .......................................... 22 2.1.3 Một số giải pháp điều khiển nhà thông minh ................................................. 25 Xây dựng hệ thống điều khiển thiết bị cho nhà thông minh bằng EEG ........ 26 Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn Trích xuất đặc trưng tín hiệu EEG sử dụng DWT ......................................... 27 2.3.1 Các khái niệm cơ bản ..................................................................................... 27 2.3.2 Biến đổi wavelet liên tục ................................................................................ 29 2.3.3 Biến đổi wavelet rời rạc ................................................................................. 31 2.3.4 Giới thiệu một số họ Wavelet ........................................................................ 32 2.3.5 Biến đổi DWT và phân tích đa phân giải tín hiệu EEG ................................. 32 Chọn lọc đặc trưng EEG sử dụng phương pháp phân tích thành phần chính 34 2.4.1 Nguyên lý chung ............................................................................................ 34 2.4.2 Nội dung thuật toán PCA ............................................................................... 35 2.4.3 Áp dụng PCA vào trích chọn vector đặc tính cho bài toán nhận dạng tín hiệu EEG ........................................................................................................................ 36 2.4.4 Đánh giá thuật toán ........................................................................................ 37 Mạng nơ ron MLP và ứng dụng trong nhận dạng tín hiệu EEG .................... 37 2.5.1 Kiến trúc mạng ............................................................................................... 37 2.5.2 Huấn luyện mạng ........................................................................................... 38 2.5.3 Các yếu tố ảnh hưởng đến hoạt động của mạng MLP ................................... 41 2.5.4 Ưu nhược điểm và một số vấn đề của mạng nơron nhiều lớp ....................... 43 Kết luận chương ............................................................................................. 43 CHƯƠNG 3 XÂY DỰNG MÔ HÌNH MÔ PHỎNG ........................................... 45 Phát biểu bài toán ........................................................................................... 45 Xây dựng hệ thống ......................................................................................... 45 3.2.1 Mũ thu thập và tiền xử lý tín hiệu điện não ................................................... 45 3.2.2 Bộ điều khiển tương tác bằng sóng điện não ................................................. 46 3.2.3 Các modul giao tiếp........................................................................................ 49 Kết quả và thảo luận ....................................................................................... 50 Kết luận chương ............................................................................................. 52 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ................................................................ 53 TÀI LIỆU THAM KHẢO ......................................................................................... 55 Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn DANH MỤC CÁC TỪ VIẾT TẮT Từ hoặc cụm từ Từ tiếng Anh Từ tiếng Việt AR Autoregressive Modeling Mô hình tự hồi quy BCI Brain-Computer Interface Giao tiếp máy - điện não CSDL Data base Cơ sở dữ liệu CWT Continuous Wavelet Transform Biến đối Wavelet liên tục DWT Discrete Wavelet Transform Biến đối Wavelet rời rạc EEG Electroencephalogram Điện não đồ ER Emotion Recognition Nhận dạng cảm xúc ERS Emotion Recognition System Hệ thống nhận dạng cảm xúc ICA Independent Component Analysis Phân tích thành phần độc lập LDA Linear Discriminant Analysis Phương pháp phân tích sự khác biệt tuyến tính MLP MultiLayer Perceptron Mạng nơron Perceptron đa lớp NN Neural Network Mạng Nơron PCA Principal Component Analysis SVM Support Vector Machine Phương pháp phân tích thành phần chính Học máy vectơ hỗ trợ Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn DANH MỤC CÁC HÌNH ẢNH Hình 1.1. Thiết lập ghi tín hiệu EEG .........................................................................3 Hình 1.2. Một số phương pháp thu thập thông tin của não ........................................4 Hình 1.3. Quá trình hình thành tín hiệu EEG từ nơ ron hình chóp ............................7 Hình 1.4. Nhận dạng các dạng sóng theo tần số .........................................................7 Hình 1.5. Sóng Alpha .................................................................................................8 Hình 1.6. Sóng Beta. ..................................................................................................9 Hình 1.7. Sóng Theta ..................................................................................................9 Hình 1.8. Sóng Delta. ................................................................................................10 Hình 1.9. Kiến trúc cơ bản của một hệ thống BCI ....................................................10 Hình 1.10. Ví dụ minh họa quá trình xử lý tín hiệu trong hệ thống BCI ..................11 Hình 1.11. Thu thập tín hiệu EEG............................................................................12 Hình 1.12. Vị trí đặt điện cực EEG của hệ thống 10-20 ..........................................14 Hình 1.13. Một số cách sắp xếp vị trí điện cực EEG 16,32,64 kênh .......................14 Hình 1.14. Một kênh sau khi được xử lí loại bỏ artifact ..........................................15 Hình 1.15. Một số phương pháp phân lớp trong nhận dạng tín hiệu EEG [14] .......17 Hình 2.1. Mô hình nhà thông minh ..........................................................................21 Hình 2.2. Các thành phần cơ bản của hệ thống nhà thông minh .............................23 Hình 2.3. Sơ đồ khối hệ thống điều khiển thiết bị thông qua sóng điện não. ..........26 Hình 2.4. Lược đồ xây dựng các chức năng trong phần mềm điều khiển ...............27 Hình 2.5. Wavelet và không wavelet ......................................................................28 Hình 2.6. Sơ đồ phân tích wavelet ...........................................................................28 Hình 2.7. Các phương pháp hiển thị tín hiệu khác nhau ..........................................29 Hình 2.8. Sơ đồ thay đổi hệ số Scaling a. .................................................................30 Hình 2.9. Các họ Wavelet (a) Haar (b) Daubechies4 (c) Coiflet1 (d) Symlet2 (e) Meyer (f) Morlet (g) Mexican Hat ............................................................................32 Hình 2.10. Sơ đồ biểu diễn biến đổi wavelet để phân tích đa phân giải ...................32 Hình 2.11. Phân tích đa phân giải tín hiệu EEG .......................................................33 Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn Hình 2.12. Không gian mới (p1,p2) theo hướng phân bố mạnh nhất của các vector trong không gian (x1,x2) tìm theo PCA .....................................................................34 Hình 2.13. Mạng Perceptron đa lớp (MLP) ..............................................................38 Hình 2.14. Cực trị địa phương và toàn cục ...............................................................42 Hình 3.1. Sơ đồ khối hệ thống điều khiển thiết bị thông qua sóng điện não. ..........45 Hình 3.2. Mũ Emotiv Epoc+ và vị trí 16 điện cực ....................................................46 Hình 3.3. Thu nhận tín hiệu EEG bằng Emotiv SDK software ................................46 Hình 3.4. Trích chọn đặc trưng dùng DWT ..............................................................47 Hình 3.5. Giảm số chiều vecto đặc trưng dùng PCA ................................................47 Hình 3.6. Kiến trúc mạng nơ ron MLP cho luyện các lệnh ......................................48 Hình 3.7. Module Bluetooth (HC-05) + Hồng ngoại (IR-T940) ..............................49 Hình 3.8. Module Relay dùng cho điều khiển bật tắt bóng đèn................................49 Hình 3.9. Chương trình chạy bật đèn ........................................................................50 Hình 3.10. Chương trình chạy tắt đèn .......................................................................51 Hình 3.11. Chương trình chạy bật Ti Vi ..................................................................51 Hình 3.12. Chương trình chạy tắt Ti Vi ...................................................................52 Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn DANH MỤC BẢNG BIỂU Bảng 3.1. Một số kết quả thử nghiệm điều khiển thiết bị .........................................52 Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn MỞ ĐẦU 1. Tính khoa học và cấp thiết của đề tài Hiện tại, với sự phát triển bùng nổ của các công nghệ, nhà thông minh đã trở thành một giải pháp quen thuộc hỗ trợ nâng cao chất lượng cuộc sống của con người. Điểm mấu chốt trong nhà thông minh là hiểu được “ý tưởng” của người sử dụng để từ đó điều khiển các thiết bị trong nhà một cách hợp lý. Ý tưởng này có thể được thể hiện thông qua một chiếc điều khiển từ xa (điều khiển bằng Bluetooth hoặc RF), một chiếc smart phone (điều khiển qua môi trường di động hoặc mạng Internet), thông qua cử chỉ (hệ thống nhận dạng cử chỉ) hoặc giọng nói (hệ thống nhận dạng bằng giọng nói). Tuy nhiên, đối với những người sử dụng mất khả năng vẫn động toàn thân (không đi lại và nói chuyện được) việc hiểu được “ý tưởng” này thông qua những tín hiệu “bên trong” như sóng điện não (Electro EncephaloGraphy - EEG) trở nên cần thiết, quan trọng. Nhu cầu này đã tạo ra sự phát triển mạnh mẽ không ngừng của các ứng dụng tương tác Não - Máy (Brain Computer Interface - BCI) [7] , [12] . Trong những năm gần đây, đã có rất nhiều công trình công bố, đưa ra các hướng tiếp cận khác nhau cho việc giải quyết bài toán nhận dạng sóng điện não. Mọi nỗ lực đều tập trung vào nhiệm vụ xây dựng nên một hệ thống BCI tác động nhanh và có độ chính xác cao [12] . Tuy nhiên, các kết quả đạt được còn hạn chế, hầu hết các ứng dụng phục vụ cuộc sống mới chỉ nằm trong phòng thí nghiệm và cũng chỉ được ứng dụng cho ngành công nghiệp giải trí. Việc áp dụng hệ thống BCI cho bài toán nhà thông minh trong thực tế vẫn còn là một thách thức. Vì những lý do trên, được sự gợi hướng của Thầy giáo, TS. Nguyễn Phương Huy, học viên lựa chọn đề tài “Điều khiển thiết bị trong nhà thông minh thông qua sóng điện não” làm đề tài nghiên cứu luận văn tốt nghiệp thạc sĩ chuyên ngành Kỹ thuật điện tử. 2. Đối tượng và phạm vi nghiên cứu của đề tài - Đối tượng của luận văn là: Phương pháp điều khiển thiết bị trong nhà thông minh thông qua sóng điện não Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn - Về phạm vi nghiên cứu: Dựa trên thiết bị thu nhận EEG có sẵn (mũ Emotiv Epoch+), dựa trên kết quả thu được của các phương pháp trích chọn và nhận dạng tín hiệu EEG trong [6] ,[4] để triển khai thử nghiệm mô hình hệ thống điều khiển đóng mở một số thiết bị trong nhà thông minh. 3. Phương pháp luận nghiên cứu - Phương pháp nghiên cứu lý thuyết: Tổng hợp, nghiên cứu các tài liệu về nhà thông minh, sóng điện não; Nghiên cứu các phương pháp, thuật toán nhận dạng tín hiệu điện não; Tìm hiểu các kiến thức liên quan như xử lý tín hiệu số, lý thuyết nhận dạng, lập trình nhúng. - Phương pháp nghiên cứu thực nghiệm: Sau khi nghiên cứu lý thuyết, phát biểu bài toán, đưa ra giải pháp xử lý; Thiết kế và xây dựng phần cứng; cài đặt phần mềm. - Phương pháp trao đổi khoa học: Thảo luận, xemina, lấy ý kiến chuyên gia, công bố các kết quả nghiên cứu trên tạp chí khoa học. 4. Nội dung và bố cục của luận văn Ngoài phần mở đầu, kết luận và hướng phát triển, luận văn được bố cục thành ba chương chính như sau: - Chương 1 Tổng quan về nhận dạng tín hiệu điện não: Trình bày các kiến thức cơ bản về sóng điện não, kiến trúc một hệ thống BCI , giới thiệu một số kỹ thuật quan trọng cần triển khai khi xây dựng hệ thống BCI, các ứng dụng của hệ thống BCI trong thực tế. - Chương 2 Ứng dụng sóng điện não trong bài toán nhà thông minh: Chương này giới thiệu chung về nhà thông minh; Đề xuất phương án xây dựng hệ thống điều khiển thiết bị trong nhà thông minh dựa trên tín hiệu điện não; Phân tích và làm rõ các cơ sở lý thuyết cần thiết cho đề xuất này. - Chương 3 Xây dựng mô hình thử nghiệm: Nội dung chương sẽ mô tả các bước triển khai cụ thể nhằm xây dựng phần cứng cũng như phần mềm cho mô hình minh họa điều khiển thiết bị trong nhà thông minh thông qua sóng não. Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn CHƯƠNG 1 TỔNG QUAN VỀ NHẬN DẠNG TÍN HIỆU ĐIỆN NÃO Tổng quan về tín hiệu điện não 1.1.1 EEG là gì EEG là phương pháp ghi lại hoạt động điện của não. Thông thường đây là phương pháp không xâm lấn (không gây ảnh hưởng đến đối tượng). Trong phương pháp này, một số điện cực được đặt dọc theo da đầu, đo dao động điện áp ở các vị trí khác nhau (Hình 1.1). EEG được phát hiện bởi Berger năm 1924 bằng 1 dụng cụ đo dòng điện với 1 điện cực bề mặt trên đầu con trai ông và ghi lại được 1 mẫu nhịp nhàng những dao động điện. Hình 1.1. Thiết lập ghi tín hiệu EEG 1.1.2 Tại sao phải thu nhận tín hiệu EEG Não bộ của con người là một tổ chức phức tạp, tinh vi nhất của hệ thần kinh. Thông qua các giác quan như mắt, tai, da, bộ não tiếp thu các thông tin về thị giác, thính giác, xúc giác... để từ đó nhận thức ra đối tượng, xử lý và giải đáp thông tin qua các hình thức vận động. Do vậy bộ não giữ vai trò quan trọng trong hoạt động toàn diện, đa dạng của con người, giúp con người thích ứng với các hoàn cảnh xã hội. Ngày nay, khi thế giới ngày càng phát triển thì các bệnh về não cũng ngày càng phát triển như: các bệnh về động kinh, viêm não, u não ….. Do vậy, tìm hiều vể cấu trúc của não bộ cũng như cách thức não bộ truyền nhận thông tin là một lĩnh vực chứa nhiều tiềm năng đem tới những phát kiến khoa học lớn. Để thực hiện được việc đó, một trong những việc đầu tiên và quan trọng nhất là phải thu nhận được những tín Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn hiệu/thông tin do não bộ sản sinh. Một số phương pháp khác nhau ghi lại hoạt động của não (Hình 1.2), đó là [1] : Hình 1.2. Một số phương pháp thu thập thông tin của não - Điện não đồ (Electroencephalography - EEG), - Chụp quang phổ cận hồng ngoại chức năng (Functional Near-Infrared Spectroscopy - fNIRS), - Điện não xâm lấn (Electro-corticography - ECoG), - Chụp cắt lớp (Computed Topography - CT) - Từ não đồ (Magnetoencephalography - MEG), - Chụp cắt lớp phát xạ positron (Positron emission tomography - PET) - Chụp cộng hưởng từ chức năng (functional magnetic resonance imaging fMRI). Các phương pháp thu tín hiệu hình ảnh từ não như CT, PET, MRI thường có thiết kế cồng kềnh, giá thành rất cao. Phương pháp điện não xâm lấn ECoG cho tín hiệu có độ tin cậy cao, chất lượng và độ phân giải tốt tuy nhiên lại là phương pháp xâm lấn, không dễ thực hiện và đòi hỏi phải có can thiệp y khoa để mở hộp sọ đặt điện cực thu tín hiệu. So với các phương pháp này, điện não đồ EEG cho kết quả là tín hiệu điện não có độ phân giải và chất lượng tốt. Thiết bị thu EEG thường nhỏ gọn, Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn có thể di chuyển linh hoạt và giá thành thấp. Tín hiệu điện não EEG là một phương thức phương thức được sử dụng phổ biến nhất thu nhận tín hiệu đầu vào cho các ứng dụng giao diện não - máy tính, phù hợp với điều kiện kinh tế - xã hội nếu được triển khai áp dụng tại Việt Nam. 1.1.3 Nguồn gốc của tín hiệu EEG Vỏ não là nguồn gốc của các hoạt động điện của não thu được từ bề mặt của da đầu, các dạng khác nhau của hoạt động điện và dẫn tới trường điện thế được tạo ra bởi các tế bào thần kinh vỏ não. Sự sắp xếp của các tế bào ở các khu vực khác nhau trên vỏ não là khác nhau, mỗi vùng có kiểu hình thái khác nhau. Hầu hết các tế bào vỏ não được sắp xếp thành các cột, trong các cột này các neuron được phân bố dọc theo trục chính của các cây dạng nhánh, song song với mỗi cây khác và trực giao với bề mặt vỏ não. Vỏ não gồm các lớp khác nhau, các lớp này là không gian của cấu trúc các tế bào thần kinh đặc biệt, với các trạng thái và chức năng khác nhau trong đáp ứng xung điện. Tế bào thần kinh pyramidal là thành phần cấu tạo chủ yếu của vỏ não. Điện thế EEG ghi được từ các điện cực được đặt tiếp xúc với lớp da đầu là sự tổng hợp các thay đổi về điện thế ngoài của tế bào pyramidal. Màng tế bào pyramidal không bao giờ trong trạng thái nghỉ bởi vì nó bị tác động liên tiếp bởi hoạt động sinh ra do các neuron khác có các liên kết synaptic (mối nối giữa một axon và tế bào kế tiếp mà chúng trao đổi thông tin được gọi là synapse). Các liên kết synaptic có thể là kích thích hoặc ức chế sự thay đổi tương ứng tính thẩm thấu của màng tế bào đối với ion K và ion Cl làm phát sinh dòng điện. Điện thế postsynaptic (phần synapse cạnh tế bào kế tiếp) kích thích là tổng hợp của dòng đi vào trong màng tế bào gây ra bởi các ion dương và dòng đi ra ngoài màng tế bào tạo dọc theo phần mở rộng của tế bào extra-synaptic. Điện trường bên ngoài tế bào là hàm của điện thế xuyên màng. Mặc dù các điện thế bên ngoài tế bào riêng rẽ là nhỏ nhưng tổng điện thế của chúng cũng đáng kể đối với nhiều tế bào. Điều này là do các neuron pyramidal được kích hoạt tức thời lớn hơn hoặc nhỏ hơn cách mà liên kết synaptic và các thành phần Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn dọc trục của dòng bên ngoài màng được thêm vào, trong khi đó các thành phần nằm ngang lại có xu hướng làm giảm điện thế này. Ngoài ra các nguồn khác cũng góp phần tạo ra tín hiệu EEG. Sự giảm điện thế màng tế bào tới mức giới hạn xấp xỉ 10 mV nhỏ hơn điện thế tái khử cực tại trạng thái nghỉ của màng tế bào. Điện thế hoạt động của các neuron não là nguồn gốc của EEG, chúng góp phần nhỏ trong việc tạo ra tín hiệu EEG ghi được tại bề mặt của não. Do chúng thường hoạt động không đồng bộ trong cùng một thời gian đối với một số lượng lớn các sợi trục, các sợi trục này di chuyển theo nhiều hướng tương đối với bề mặt vỏ não. Nguyên nhân khác là phần của màng tế bảo bị khử cực bởi điện thế hoạt động tại các thời điểm cố định nhỏ hơn so với thành phần của màng tế bào được kích thích bởi một EPSP và điện thế hoạt động tồn tại trong thời gian ngắn hơn( cỡ 1 - 2ms) so với của EPSPs hoặc IPSPs là 10 - 250ms. Qua các điểm trình bày ở trên thì EEG thu được tại bề mặt da đầu có thể coi là kết quả của nhiều thành phần tích cực, trong đó điện thế của postsynaptic từ tế bào pyramidal là thành phần chính tạo ra tín hiệu điện não. Hình 1.3 mô tả các dao động điện áp gây ra bởi các tế bào thần kinh pyramidal. Trên cùng bên trái là kết quả của điện não đồ, dạng sóng ở giữa cho thấy những thay đổi trong trường điện thế trường bên trong, phía dưới bên trái hiển thị dao động của một nơron pyramidal. Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn Hình 1.3. Quá trình hình thành tín hiệu EEG từ nơ ron hình chóp 1.1.4 Các dạng sóng EEG cơ bản Năm 1924, nhà tâm thần học người Áo tên là Hans Berger là người đầu tiên ghi được EEG. Ông nhận thấy trên bản ghi EEG bình thường, nhịp của các sóng điện não gồm có vài loại sóng có thể phân biệt theo tần số. Đây còn gọi là các dạng sóng đặc trưng sinh lý. Hình 1.4. Nhận dạng các dạng sóng theo tần số 1.1.4.1 Sóng Alpha (α) Dạng sóng hình sin là chủ yếu, có tần số từ 8 -13 chu kỳ/giây Alpha nhanh: 11-13 chu kỳ/giây Alpha trung bình: 10 chu kỳ/giây Alpha chậm: 8-9 chu kỳ/giây Sóng thường có biên độ khoảng 50µV (mặc dù cũng có thể giao động từ 5 tới 100 µV). Sóng này thấy rõ nhất ở phần phía sau của não người, vốn là nơi xử lý các tín hiệu thị giác, tức là vùng chẩm (occipital region) ở cả 2 bên, ít ở vùng đỉnh và Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn giảm dần về phía thái dương Vì vậy, đôi khi người ta còn gọi nhịp alpha là nhịp trội ở phía sau (the posterior-dominant rhythm). Có nhiều giả thuyết giải thích cơ chế này. Theo P.V simonov (1956) cho rằng alpha có vai trò lớn trong cơ chế điều chỉnh giữa nội môi và ngoại môi của chức năng ngăn cản các tín hiệu đi vào não. Theo Bunch alpha có vai trò điều chỉnh đồng bộ của các tín hiệu vào và ra khỏi não; D.G. Shmelkin (1955) thấy alpha luôn đi cùng với trạng thái cân bằng liên quan đền hưng phấn và ức chế. Sóng alpha trở nên rõ nhất khi nhắm mắt lại, bị triệt tiêu khi mở mắt. Như vậy sóng alpha là dấu hiệu cho biết não đang ở tình trạng không chú ý (inattentive brain), và đang chờ để được kích thích. Thực tế là có một vài tác giả đã gọi nó là “nhịp chờ đợi” ("waiting rhythm"). Đây là nhịp sóng chủ yếu thấy được trên người lớn bình thường và thư giãn – sóng hiện diện trong hầu hết các thời kỳ của cuộc đời, nhất là khi trên 30 tuổi, khi ấy sóng này chiếm ưu thế trên đường ghi EEG lúc nghỉ ngơi. Alpha 10 Hz, biên độ thấp. Alpha 10Hz, biên độ cao. Alpha 10Hz, xuất hiện từng chùm. Hình 1.5. Sóng Alpha 1.1.4.2 Sóng Beta (β) Dạng sóng không ổn định, có tần số từ 13-35 Hz, có biên độ dưới 30µV. Sóng Beta là sóng nhanh ở phía trước, phân bố điển hình ở vùng trán và giảm dần ở thái dương và đỉnh chẩm. Sóng Beta liên quan đến trạng thái hưng phấn của thẩn kinh. Sóng Beta sẽ nổi bật lên khi dung thuốc an thần gây ngủ. Sóng có thể mất hoặc suy giảm ở vùng có tổn thương vỏ não. Nhịp beta thường được coi là nhịp bình thường, Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn nó là nhịp chiếm ưu thế ở những bệnh nhân đang thức tỉnh cảnh giác hoặc lo sợ, hoặc khi mở mắt. Hình 1.6. Sóng Beta. 1.1.4.3 Sóng Theta (θ) Dạng sóng hình cung hay hình thang, tần số từ 4-8Hz. Theta nhanh từ 6-8Hz, Theta bình thường từ 5-6Hz, Theta chậm từ 4-5Hz. Sóng Theta xuất hiện ở thái dương, hay vùng trán thái dương và thái dương trước trung tâm. Sóng Theta là loại sóng chậm, thường thấy khi bệnh nhân trong tình trạng buồn ngủ hoặc ngủ nông (light stages of sleep). Sóng Theta được coi là bất bình thường nếu thấy ở người lớn đang tỉnh táo, nhưng lại là bình thường ở trẻ em dưới 10 tuổi. Sau 10 tuổi, sóng theta nhanh và chuyển dần sang alpha. Cũng có thể thấy theta tạo thành 1 vùng bất thường trên những nơi có tổn thương dưới vỏ cục bộ. Sóng theta biểu hiện cho giảm hoạt động của vỏ não, nên ngoài lứa tuổi nhỏ, còn thấy xuất hiện ở lứa tuổi cao. Sóng theta xuất hiện ở người lớn nhiều hay ít, lan tỏa hay khu trú đều liên quan đến rối loạn chức năng của não, đặc biệt ở cấu trúc dưới vỏ. Hình 1.7. Sóng Theta 1.1.4.4 Sóng Delta (δ) Dạng sóng hình chuông, tần số từ 0,5-4 Hz, biên độ sóng trung bình tương đương điện thế alpha, cũng có khi cao gấp 2 đến 3 lần biên độ alpha, đây là loại sóng chậm nhất và có biên độ cao nhất. Sóng Delta xuất hiện ở trẻ em dưới 7 tuổi, giảm dần theo lứa tuổi, xuất hiện ở người lớn trong giấc ngủ sâu (ở giai đoạn 3 hoặc 4 của giấc ngủ). Nói chung, nếu sóng Delta xuất hiện trên một người lớn (trừ khi đang ngủ) thì chứng tỏ não có vấn đề nào đó: ví dụ u não, động kinh, tăng áp lực hộp sọ, khiếm khuyết về trí tuệ, hay hôn mê. Khi đã xuất hiện, thì nhịp Delta có khuynh hướng thay Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn thế cho nhịp alpha. Cả sóng beta lẫn sóng delta đều không bị ảnh hưởng bởi mở mắt hay nhắm mắt. Nó có thể xuất hiện cục bộ khi có tổn thương dưới vỏ và phân bố rộng khắp khi có tổn thương lan tràn, trong bệnh não do chuyển hóa (metabolic encephalopathy), bệnh não nước (hydrocephalus) hay tổn thương đường giữa trong sâu (deep midline lesions). Nó thường trội nhất ở vùng trán ở người lớn (ví dụ FIRDA - Frontal Intermittent Rhythmic Delta - sóng delta có nhịp cách hồi ở vùng trán) và phân bố trội ở các vùng phía sau trên trẻ em (ví dụ OIRDA - Occipital Intermittent Rhythmic Delta - sóng delta có nhịp cách hồi ở vùng chẩm). Hình 1.8. Sóng Delta. Hệ thống tương tác máy não 1.2.1 Kiến trúc cơ bản của hệ thống BCI Hình 1.9. Kiến trúc cơ bản của một hệ thống BCI Trong xu hướng phát triển của con người, các hệ thống nhận dạng cảm xúc thông qua những tín hiệu “bên trong” như EEG trở nên cần thiết, quan trọng và tạo ra sự phát triển mạnh mẽ không ngừng của các ứng dụng tương tác Não - Máy (Brain Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn Computer Interface - BCI), đặt con người vào vị trí trung tâm của mối tương tác số trong kỷ nguyên hiện đại. BCI là một hệ thống cố gắng thiết lập giao tiếp giữa não người và hệ thống máy tính để đạt được sự tương tác giữa một cá nhân với môi trường mà không cần sử dụng “đầu ra của não” (dây thần kinh và cơ bắp). Ở giai đoạn đầu phát triển BCI, các hệ thống được thiết kế cho những người bị thiếu hụt thần kinh cơ nghiêm trọng, bị kích thích bởi các rối loạn như đa xơ cứng hoặc chấn thương tủy sống. Gần đây, sự quan tâm trong nghiên cứu BCI đã tăng lên theo cấp số nhân và các ứng dụng hiện tại bao gồm giải trí, phục hồi chức năng, chẩn đoán, điều trị và hệ thống nhà ở thông minh. Một hệ thống BCI (được minh họa trong Hình 1.9) về cơ bản hoạt động như sau. Đầu tiên, các tín hiệu não được cảm nhận, khuếch đại và xử lý. Các tín hiệu như vậy thường được ghi lại bằng EEG, một phương pháp không xâm lấn để đo hoạt động điện của vỏ não. Thứ hai, hệ thống tìm kiếm và trích xuất các tính năng điện sinh lý hữu ích của tín hiệu EEG, phản ánh mong muốn của người dùng trong việc kiểm soát hệ thống. Cuối cùng, hệ thống liên kết các tính năng EEG có ý nghĩa với các lệnh điều khiển cụ thể của thiết bị đích. Hình 1.10 đưa ra một ví dụ minh họa trong trường hợp xây dựng một hệ thống BCI giúp nhận dạng chuyển động của bàn tay người thoogn qua sóng não. Hình 1.10. Ví dụ minh họa quá trình xử lý tín hiệu trong hệ thống BCI Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.tnu.edu.vn