Tài liệu Luận văn ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc​

i ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP HOÀNG TIẾN THÊM ỨNG DỤNG BIẾN ĐỔI WAVELET CHO TRÍCH CHỌN ĐẶC TRƯNG TÍN HIỆU ĐIỆN NÃO TRONG HỆ THỐNG NHẬN DẠNG CẢM XÚC LUẬN VĂN THẠC SĨ KỸ THUẬT Chuyên ngành: Kỹ thuật điện tử THÁI NGUYÊN 2018 ii LỜI CAM ĐOAN Tên tôi là: Hoàng Tiến Thêm Sinh ngày: 06/07/1991 Học viên lớp cao học CK18_KTĐT - Trường Đại học kỹ thuật công nghiệp – Đại học Thái Nguyên. Hiện đang công tác tại: Trường Cao đẳng Nghề số 1 – Bộ Quốc Phòng Xin cam đoan: Đề tài “Ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc” 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 03 năm 2018 TÁC GIẢ LUẬN VĂN Hoàng Tiến Thêm iii 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 “Ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc” 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. Khoa sau đại học, các thầy, cô giáo trong Khoa Điện tử – Trường Đại học kỹ thuật công nghiệp – Đại học Thái Nguyên 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 quá trình học tập, thực hiện và hoàn thành luận văn này. TÁC GIẢ LUẬN VĂN HOÀNG TIẾN THÊM iv MỤC LỤC Lời cam đoan ...................................................................................................... i Lời cảm ơn ....................................................................................................... iii Mục lục ............................................................................................................. iv Danh mục từ viết tắt ......................................................................................... vi Danh mục bảng biểu........................................................................................ vii Danh mục hình ảnh ........................................................................................ viii LỜI MỞ ĐẦU .................................................................................................. 1 CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ VÀ CÁC PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU SÓNG ĐIỆN NÃO ............................................. 4 1.1 Tổng quan về tín hiệu điện não ................................................................ 4 1.1.1 Khái quát chung về EEG ................................................................... 5 1.1.2 Thu nhận và đo đạc tín hiệu điện não EEG ....................................... 7 1.2 Các dạng sóng điện não cơ bản.............................................................. 10 1.2.1 Nguyên tắc phân tích sóng điện não ................................................ 10 1.2.2 Phân biệt sóng điện não dựa vào tần số ........................................... 11 1.3 Hệ thống nhận dạng cảm xúc dựa trên tín hiệu điện não. ...................... 15 1.3.1 Nhận dạng cảm xúc dựa trên tín hiệu điện não. .............................. 17 1.3.2 Các hướng tiếp cận trong nhận dạng cảm xúc dựa trên tín hiệu điện não. ............................................................................................................ 19 1.3.3 Một số phương pháp tiêu biểu trong trích chọn đặc trưng tín hiệu điện não. .................................................................................................... 22 1.4 Giải pháp đề xuất trong nhận dạng cảm xúc.......................................... 24 1.5 Kết luận .................................................................................................. 25 CHƯƠNG 2: TRÍCH CHỌN ĐẶC TRƯNG SÓNG ĐIỆN NÃO SỬ DỤNG BIẾN ĐỔI WAVELET .................................................................... 26 2.1 Tổng quan về biến đổi wavelet .............................................................. 26 v 2.1.1 Biến đổi wavelet liên tục ................................................................. 27 2.1.2 Biến đổi wavelet rời rạc ................................................................... 30 2.2.3 Trích chọn đặc trưng áp dụng biến đổi wavelet rời rạc ................... 33 2.2.4 Các họ Wavelet ................................................................................ 44 2.2 Biến đổi wavelet rời rạc trong hệ thống nhận dạng cảm xúc ................ 46 2.2.1 Vai trò của DWT trong quá trình nhận dạng cảm xúc..................... 46 2.2.2 Các tham số đặc trưng của DWT trong việc nhận dạng cảm xúc ... 47 2.3 Kết luận .................................................................................................. 48 CHƯƠNG 3: MÔ PHỎNG HỆ THỐNG .................................................... 49 3.1 Xây dựng thuật toán trích chọn đặc trưng DWT trong xử lý tín hiệu sóng não ....................................................................................................... 49 3.1.1 Tiền xử lý dữ liệu ............................................................................. 50 3.1.2 Xử lý tín hiệu điện não thành các dạng sóng đặc trưng .................. 55 3.1.3 Tính toán các tham số đặc trưng ảnh hưởng tới việc nhận dạng cảm xúc ............................................................................................................. 57 3.2 Thiết kế giao diện matlab guide ............................................................. 59 3.2.1 Matlab GUI ...................................................................................... 59 3.2.2 Thiết kế giao diện GUI cho việc xử lý tín hiệu EEG ...................... 60 3.2.3 Các bước thực hiện quá trình phân tích DWT sử dụng giao diện thiết kế trên GUI ............................................................................................... 63 3.3 Kết luận .................................................................................................. 67 KẾT LUẬN VÀ ĐỀ NGHỊ ........................................................................... 68 TÀI LIỆU THAM KHẢO ............................................................................ 69 vi DANH MỤC TỪ VIẾT TẮT Từ hoặc cụm từ Từ tiếng Anh Từ tiếng Việt Cơ sở dữ liệu CSDL Điện não đồ EEG Electroencephalogram EBGM Elastic Bunch Graph Matching Phương pháp đồ thị đàn hồi ER Emotion Recognition Nhận dạng cảm xúc ERS Emotion Recognition System Hệ thống nhận dạng cảm xúc LDA Linear Discriminant Analysis NN Neural Network PCA Principal Component Analysis SVM Support Vector Machine Phương pháp phân tích sự khác biệt tuyến tính Mạng Nơron Phương pháp phân tích thành phần chính Học máy vectơ hỗ trợ vii DANH MỤC BẢNG BIỂU Bảng 3. 1 Định nghĩa các sóng EEG theo tần số ....................................................55 viii DANH MỤC HÌNH ẢNH Hình 1. 1 Cấu tạo bộ não con người. .......................................................................... 4 Hình 1. 2 Cấu trúc vỏ não ........................................................................................... 5 Hình 1. 3 Dòng điện bên trong tế bào pyramidal lớn.................................................. 6 Hình 1. 4 Sóng Alpha[4] ........................................................................................... 12 Hình 1. 5 Sóng Beta. ................................................................................................. 12 Hình 1. 6 Sóng Theta ................................................................................................ 13 Hình 1. 7 Sóng Delta. ................................................................................................ 14 Hình 1. 8 Nhận dạng các dạng sóng theo tần số ....................................................... 14 Hình 1. 9 Ứng dụng giao tiếp với máy tính. ............................................................. 16 Hình 1. 10 Ứng dụng tín hiệu điện não trong quân đội. ........................................... 17 Hình 1. 11 Ứng dụng tín hiệu điện não trong nhận diện cảm xúc ............................ 18 Hình 1. 12 Hệ thống nhận dạng cảm xúc. ................................................................. 18 Hình 1. 13 Thiết bị phần cưng Emotiv. ..................................................................... 19 Hình 1. 14 Mô hình cảm xúc Russuell. ..................................................................... 21 Hình 1. 15 Thuật toán Higuchi Fractal Dimension. .................................................. 22 Hình 1. 16 Một cô gái đang thử trải nghiệm sản phẩm đuôi mèo Shippo tại Hội chợ Trò chơi Tokyo 2012................................................................................................. 24 Hình 2. 1 Không gian và các không gian con trong đa phân giải. Không gian L2 biểu diễn toàn bộ không gian. Vj biểu diễn một không gian con, Wj biểu diễn chi tiết ... 34 Hình 2. 2 Thuật toán hình chóp hay thuật toán mã hoá băng con: (a) Quá trình phân tích (b) Quá trình tổng hợp ........................................................................................ 37 Hình 2. 3 Phân tích wavelet sử dụng ký hiệu toán tử ............................................... 39 Hình 2. 4 Băng lọc hai kênh ...................................................................................... 40 Hình 2. 5 Các họ Wavelet (a) Haar (b) Daubechies4 (c) Coiflet1 (d) Symlet2 (e) Meyer (f) Morlet (g) Mexican Hat ............................................................................ 45 Hình 2. 6 Hệ thống nhận dạng cảm xúc sử dụng EEG ............................................. 46 Hình 3. 1 Sơ đồ quá trình trích chọn đặc trưng sử dụng phép biến đổi DWT rời rạc .............................................................................................................................. 49 ix Hình 3. 2 Chuẩn độ: đỉnh nhọn chứng tỏ máy đủ độ nhạy để có khả năng ghi được những sóng có tần số cao và biên độ nhỏ, đoạn dốc xuống phải bằng 2/3 tổng chiều cao.[4]........................................................................................................................ 51 Hình 3. 3 Các vị trí đặt điện cực ghi điện não........................................................... 52 Hình 3. 4 Emotive Epoc Headset .............................................................................. 54 Hình 3. 5 Mức phân tích tín hiệu EEG...................................................................... 55 Hình 3. 6 Giao diện GUI cho việc xử lý tín hiệu EEG ............................................. 61 Hình 3. 7 Giao diện phần cài đặt ............................................................................... 62 Hình 3. 8 Giao diện hiển thị đồ họa (Graph views) .................................................. 62 Hình 3. 9 Giao diện hiển thị các tham số Feature Extraction Parameters ................ 63 Hình 3. 10 Load cơ sở dữ liệu ................................................................................... 64 Hình 3. 11 Lựa chọn số mẫu ..................................................................................... 65 Hình 3. 12 Lựa chọn mức phân tích DWT (level) .................................................... 65 Hình 3. 13 Lựa chọn họ Wavelet .............................................................................. 66 Hình 3. 14 Kết quả sau khi thực hiện quá trình phân tích DWT .............................. 67 1 LỜI MỞ ĐẦU Nghiên cứu não bộ con người và đặc biệt liên quan đến ý nghĩ của con người là một vấn đề rất khó đã được các nhà khoa học trên thế giới nghiên cứu từ rất lâu và đã đạt được những thành tựu rất khả quan. Kết hợp với ngành khoa học máy tính, thì ngành khoa học Não-Máy được biết đến với tên gọi Brain-Computer Interfaces (BCI) cũng đã bước đầu có được các kết quả ấn tượng và hiệu quả. Trên thế giới, hiện tại các nhóm nghiên cứu về ngành BCI cũng bắt đầu phát triển về số lượng. Trong đó nổi bật nhất là công ty Emotiv, công ty nghiên cứu chuyên sâu về não bộ con người đã có sản phẩm thực tế trên thị trường với mũ Epoc thu nhận tín hiệu điện não và Emotiv SDK dùng để xử lý tín hiệu điện não. Sản phẩm của công ty được ứng dụng trên rất nhiều lĩnh vực như y tế, giải trí, an ninh quốc phòng,… và trên nhiều quốc gia như Mỹ, Úc, Nhật Bản, Hàn Quốc… Trong Cộng đồng mã nguồn mở thì EEGLab cung cấp các bản thiết kế về phần cứng và các SDK dùng cho việc xử lý tín hiệu điện não đã được ứng dụng rộng rãi trong nghiên cứu, ứng dụng vào thực tế.Tại Việt Nam có không nhiều công trình nghiên cứu về não bộ con người, một số ít nổi bật như đề tài cấp bộ “Điện Não Đồ” do thầy Lê Tấn Hùng bộ môn công nghệ phần mềm thuộc Viện CNTT&TT ĐH Bách Khoa Hà Nội đề xuất đã có những kết quả nghiên cứu khả quan. Tiếp đó, nhóm sinh viên MiMaS trường ĐH Bách Khoa đã tiếp tục phát triển thành sản phẩm thực tế. Sản phẩm của nhóm là “hệ thống chăm sóc hỗ trợ trẻ em bị khuyết tật” bao gồm cả phần cứng, phần mềm thu nhận xử lý tin hiệu điện não đã được Hội tin học Việt Nam và công ty Microsoft Việt Nam đáng giá cao sản phẩm khả năng ứng dụng vào thực tế ở Việt Nam trong cuộc thi ImagineCup 2009. Thực tế tại Việt Nam hầu như không có sản phẩm liên quan đến tín hiệu điện não ứng dụng ngoài máy điện não đồ được nhập khẩu với giá rất cao từ vài trăm triệu đến hàng tỉ đồng từ nước ngoài trong các bệnh viện. Các nghiên cứu về ngành BCI tại Việt Nam cũng đều rất hạn chế và chưa có nhiều kết quả tốt. 2 Trên cơ sở đó, với mong muốn tiếp cận nghiên cứu và xây dựng những sản phẩm có giá trị hữu ích phục vụ cho cuộc sống trong ngành khoa học BCI mới mẻ này. NVLV đã tập trung nghiên cứu các cơ sở khoa học cơ bản về não cùng với các công nghệ trên thế giới, từ đó đề xuất ra một mô hình giải pháp tổng thể cho việc thu nhận và xử lý tín hiệu điện não, nhằm tạo ra một nền tảng tốt cho việc nghiên cứu và phát triển các ứng dụng công nghệ cao về sau này. 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 cảm xúc con người thông qua sóng điện não. Pha quan trọng đầu tiên của nhận diện cảm xúc thông qua tín hiệu EEG chính là trích chọn đặc trưng. Trong hướng tiếp cận truyền thống dựa trên kỹ thuật trích chọn đặc trưng, có một số phương pháp tiêu biểu phải kể đến là Phương pháp phân tích thành phần chính (Principal Component Analysis – PCA), Phương pháp phân tích thành phần độc lập (Independent Component Analysis – ICA), Mô hình tự hồi quy (Autoregressive Modeling - AR). Các phương pháp trên chủ yếu dựa vào việc phân tích tín hiệu trên không gian tuyến tính, vì vậy không khai thác hết được bản chất phi tuyến của tín hiệu EEG. Gần đây, dựa trên các ưu điểm biểu diễn tín hiệu phi tuyến trên cả hai miền tần số và thời gian của phép biến đổi Wavelet, một số công trình công bố trên thế giới đã tập trung vào áp dụng kỹ thuật này cho phân tích đặc trưng của tín hiệu EEG và thu được hiệu quả cao hơn so với các phương pháp truyền thống. Ở Việt Nam, các nghiên cứu về EEG và BCI vẫn còn hạn chế, chủ yếu là phân tích tín hiệu EEG dưới dạng “thô”. Việc áp dụng biến đổi Wavelet mới chỉ dùng cho việc lọc nhiễu tín hiệu EEG hoặc xử lý tín hiệu điện tim ECG. Vì những lý do trên, được sự gợi hướng của Thầy giáo, TS. Nguyễn Phương Huy, tôi KS Hoàng Tiến Thêm lựa chọn đề tài “Ứng dụng biến đổi wavelet cho trích chọn đặc trưng tín hiệu điện não trong hệ thống nhận dạng cảm xúc” làm đề tài nghiên cứu luận văn tốt nghiệp thạc sĩ chuyên ngành Kỹ thuật điện tử. 3 Đối tượng của luận văn là: Phương pháp trích chọn đặc trưng sóng điện não sử dụng biến đổi wavelet rời rạc. Về phạm vi nghiên cứu: Dựa trên các bộ cơ sở dữ liệu có sẵn về các tín hiệu EEG (được cộng đồng khoa học quốc tế công nhận là cơ sở dữ liệu chuẩn để đối sánh các phương pháp), luận văn sẽ khảo sát và chứng minh tính hiệu quả hơn của phương pháp trích chọn đặc trưng sóng điện não sử dụng biến đổi wavelet rời rạc so với một số phương pháp thường dùng như PCA, ICA, AR; Đề xuất thuật toán phù hợp nhất đối với bài toán trích chọn đặc trưng tín hiệu EEG; Cài đặt phần mềm mô phỏng nhằm chứng minh tính đúng đắn và khả năng ứng dụng trong thực tế của thuật toán đề xuất. Đề tài có ý nghĩa nhằm nghiên cứu việc áp dụng kỹ thuật biến đổi wavelet cho việc trích chọn các đặc trưng quan trọng của tín hiệu sóng điện não. Từ đó làm cơ sở khoa học cho việc xây dựng các hệ thống nhận dạng cảm xúc trong thực tế. Nội dung của luận văn gồm có các chương như sau: Chương 1: Bài toán nhận dạng cảm xúc dựa trên tín hiệu điện não. Trong chương chủ yếu trình bày tổng quan về tín hiệu điện não, hệ thống nhận dạng cảm xúc được xây dựng dựa trên tín hiệu điện não. Đồng thời trong chương còn đề cập đến một số hướng và phương pháp tiêu biểu trong trích chọn đặc trưng. Chương 2: Trích trọn đặc trưng sóng điện não sử dụng biến đổi wavelet. Chương đề cập đến tổng quan về wavelet và trích chọn đặc trưng dùng để biến đổi wavelet, đồng thời cũng đề cập đến một số hướng nghiên cứu ứng dụng biến đổi wavelet trong trích chọn đặc trưng EEG. Đề xuất phương pháp kết hợp biến đổi wavelet và mạng nôron MPL trong giải quyết bài toán nhận dạng cảm xúc. Chương 3: Xây dựng phần mềm mô phỏng. Chủ yếu tiến hành xây dựng trên phần mềm Matlab, từ kết quả thu được có thể kết luận cơ sở thực tiễn của đề tài. 4 CHƯƠNG 1: TỔNG QUAN VỀ ĐIỆN NÃO ĐỒ VÀ CÁC PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU SÓNG ĐIỆN NÃO 1.1 Tổng quan về tín hiệu điện não Hình 1. 1 Cấu tạo bộ não con người. Não người [1], [2], [3] là phần trên và trước nhất của hệ thần kinh trung ương và là cơ quan chủ yếu trong điều hành hệ thần kinh ngoại vi. Não người nặng khoảng 1500g (Williams và Warwick, 1989). Diện tích bề mặt của não khoảng 1600 cm², và dày khoảng 3 mm. Não gồm có: thân não, tiểu não, não trung gian và đại não. 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 giai 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 5 triển như: các bệnh về động kinh, viêm não, u não ….. Do vậy, việc thu nhận và xử lí tín hiệu điện não sẽ giúp chúng ta chẩn đoán chính xác được các bệnh về não. Vì thế, các bệnh nhân não sẽ có cơ hội được cứu chữa nhiều hơn. 1.1.1 Khái quát chung về EEG Electroencephalogram não đồ (EEG) là điện thế hoạt động của vỏ não phát ra. 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. Tín hiệu này là phản hồi điện sinh học ngay tức khắc của tế bào não. Ngày nay, người ta cho rằng tín hiệu EEG giống như như tín hiệu EEG lấy từ lưỡng cực trong lớp tế bào hình chóp. Rất nhiều tế bào hình chóp và sợi thần kinh của nó được sắp xếp thẳng đứng. Sự sắp xếp này được đưa ra 1 dendro-somatic lưỡng cực hoặc điện thế là cái dao động do tác nhân kích thích gây ra. 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. Hình 1. 2 Cấu trúc 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. 6 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. Neuron pyramidal là thành phần cấu tạo chủ yếu của vỏ não. Điện thế EEG [1], [2] 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. 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. Hình 1. 3 Dòng điện bên trong tế bào pyramidal lớn. Dòng ion được thiết lập cho phép cân bằng điện tích giữa bên trong và bên ngoài màng tế bào. Dòng điện sinh ra do điện thế của postsynaptic kích thích (EPSP) được thể hiện ở hình 3. Điện thế postsynaptic 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 bảo là hàm của điện thế xuyên màng. Trong đó là điện thế bên ngoài màng, là bán kính của sợi trục hoặc tua gai, là điện thế xuyên màng, là độ dẫn môi trường bên trong tế bào, là độ dẫn của môi trường 7 bên ngoài tế bào. 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 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. Nhưng 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 thể hoạt động tồn tại trong thời gian ngắn hơn( cỡ 1 - 2ms) so với của EPSPs hoặc IPSPs là 10 – 250ms. Qua các quan 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. 1.1.2 Thu nhận và đo đạc tín hiệu điện não EEG a) Vị trí đặt điện cực chuẩn [9], [10]. Hiệp hội quốc tế về sinh lí thần kinh lâm sàng và điện não đề đưa ra chuẩn đặt điện cực cho 21 điện cực (gồm cả điện cực tại dái tai). Các điện cực đặt tại dái tai được gọi là A1, A2 được nối tương ứng với tai trái và tai phải được sử dụng làm điện cực tham chiếu. Hệ thống 10-20 tránh đặt điện cực tại vị trí nhãn cầu, và cân nhắc một vài khoảng cách không đổi bởi sử dụng các mốc giải phẫu cụ thể. Các điện cực lẻ được đặt bên trái và các điện cực lẻ được đặt bên phải. Để thiết lập số lượng các điện cực nhiều hơn mà vẫn tuân theo qui ước trên, các điện cực còn lại ngoài 21 điện cực chuẩn được đặt giữa các điện cực trên và cách đều nhau giữa chúng. Ví dụ C1 8 được đặt giữa C3 và Cz. Hai dạng khác nhau dùng để ghi tín hiệu điện não là dạng vi sai và dạng tham chiếu. Đối với dạng vi sai hai đầu vào của mỗi bộ khuếch đại vi sai là hai cực, còn kiểu tham chiếu thì chỉ một trong hai điện cực tham chiếu được dùng. Một kiểu bố trí điện cực tương tự khác là hệ thống vị trí điện cực Maudsley, hệ thống 10 – 20 được thay đổi để chụp ghi được tín hiệu từ tiêu điểm động kinh trong việc thu tín hiệu động kinh. Chỉ có một sự khác nhau giữa hai hệ thống này là các điện cực bên ngoài được làm nhẹ hơn một chút cho phép ghi tín hiệu động kinh được tốt hơn. Ưu điểm của hệ thống này là diện tích được trùm bởi mũ điện cực được mở rộng, do đó làm tăng độ nhạy khi ghi lại tín hiệu điện não. b) Phương pháp thu tín hiệu điện não. Việc thu nhận các tín hiệu và hình ảnh từ các bộ phận của cơ thể người trở thành cần thiết cho việc chẩn đoán sớm các loại bệnh tật. Dữ liệu thu được có thể dưới dạng điện sinh học như tín hiệu điện tim, tín hiệu điện cơ đồ EMG hay tín hiệu điện não EEG, từ não đồ MEG…Các phương pháp đo đạc được dùng có thể là siêu âm, chụp CT, hay ảnh cộng hưởng từ MRI hoặc cộng hưởng từ chức năng fMRI, chụp positron cắt lớp PET. Các hoạt động thần kinh điện đầu tiên được ghi lại bằng máy điện kế đơn giản. Để khuếch đại sự thay đổi của các điểm một tấm gương được sử dụng để phản xạ ánh sáng được chiếu ra từ điện kế lên bức tường. Sau đó, điện kế Arsonval được gắn vào một cuộn dây có thể di chuyển được, do đó ánh sáng tập trung trên gương sẽ bị phản xạ khi cho dòng điện chạy qua cuộn dây này. Điện kế mao dẫn được tạo ra bởi Lippmann và Marey. Điện kế dây rất nhạy và đo chính xác hơn được Einthoven giới thiệu vào năm 1903. Điện kế này trở thành dụng cụ đo chuẩn trong vài thập kỉ và được cho phép sử dụng ghi lại hình ảnh. Các hệ thống đo tín hiệu EEG gồm số lượng lớn các điện cực tinh vi, các mạch khuếch đại vi sai (cho mỗi kênh), bộ lọc và đồng hồ ghi có mũi kim chỉ. Tín hiệu EEG đa kênh được ghi lại lên tấm giấy nhẵn hoặc giấy có ô lưới. Ngay sau đó, hệ thống đo tín hiệu EEG này được tung ra thị trường, các nhà nghiên 9 cứu bắt đầu tìm kiếm hệ thống được máy tính hóa, hệ thống này số hóa và lưu trữ tín hiệu. Do vậy để phân tích tín hiệu EEG, ban đầu phải hiểu rằng tín hiệu được chuyển sang dạng số. Số hóa tín hiệu bao gồm các bước: lấy mẫu, lượng tử hóa và mã hóa tín hiệu. Khi số cực được sử dụng càng tăng thì số lượng dữ liệu càng lớn, tức số bít để mã hóa tín hiệu cũng nhiều hơn. Hệ thống được máy tính hóa cho phép thiết lập các kiểu khác nhau, mô phỏng và lấy mẫu tần số và trong một số trường hợp tích hợp cả các công cụ xử lí tín hiệu đơn giản hoặc hiện đại giúp nâng cao hiệu quả quá trình xử lí tín hiệu. Quá trình biến đổi từ tín hiệu EEG tương tự sang dạng số được thực hiện bởi bộ chuyển đổi số tương tự đa kênh. Dải tần hiệu quả cho tín hiệu EEG xấp xỉ 100Hz. Do đó tần số lấy mẫu nhỏ nhất là 200 mẫu/s thỏa mãn qui tắc Nyquist là đủ để lấy mẫu tín hiệu EEG. Trong một số ứng dụng các hoạt động của não được quan sát đòi hỏi độ phân giải cao hơn tần số lấy mẫu có thể lên tới 2000 mẫu/s. Để duy trì thông tin chẩn đoán thì quá trình lượng tử hóa tín hiệu thông thường phải rất tốt. Các hệ thống ghi tín hiệu EEG phổ biến sử dụng các mẫu tín hiệu dưới dạng 16bits. Các điện cực ghi điện tim có độ chính xác cao chủ yếu được sử dụng để thu thập dữ liệu chất lượng cao. Các loại điện cực được sử dụng trong hệ thống ghi tín hiệu điện não như: Điện cực dùng một lần (dạng gel), Điện cực có thể sử dụng nhiều lần (vàng, bạc, thép hoặc tin), Điện cực kẹp và chụp đầu, Điện cực được nhúng mặn, Điện cực dạng kim, khi ghi đa kênh với số lượng lớn của các điện cực thì điện cực dạng mũ chụp thường được dùng. Thông thường điện cực dạng mũ chụp gồm đĩa Ag – AgCl có đường kính nhỏ hơn 3 mm, với các cực linh hoạt có thể gắn vào bộ khuếch đại. Điện cực kim phải được cắm dưới vỏ não với độ sâu nhỏ nhất có thể. Trở kháng cao giữa điện cực và da đầu cũng như các điện cực có trở kháng cao cũng có thể dẫn tới méo dạng tín hiệu. Do vậy các máy ghi điện não thương mại thông thường được trang bị bộ phận theo dõi trở kháng. Để đảm bảo việc ghi tín hiệu điện não chính 10 xác, trở kháng của điện cực phải nhỏ hơn 5kΩ, tốt nhất là 1kΩ Cân bằng với các điện cực khác trong mũ. Tương ứng với từng cấu trúc lớp và xoắn của não sự phân bố các điện cực lên da phù hợp. 1.2 Các dạng sóng điện não cơ bản 1.2.1 Nguyên tắc phân tích sóng điện não Hình ảnh điện não là những đặc trưng biểu hiện lâm sàng thần kinh tâm thần và các bệnh khác. Do đó cần phải phân tích và mô tả chi tiết, đồng thời tổng hợp và khái quát để bổ sung cho lâm sàng và những thông tin chưa có lâm sàng hoặc các triệu chứng khó phân biệt. Khi phân tích điện não cần tuân theo một số nguyên tắc: Trục tung là biên độ của sóng. Trục hoành là tần số sóng. Dạng sóng: hình sin, có nhịp hay không có nhịp, đơn dạng hay đa dạng, đều hay không đều, sóng một pha hay nhiều pha. Các sóng ở trên đường đẳng điện là sóng âm (-), ở dưới là sóng dương (+). Tần số: là số sóng có trong một giây kí hiệu là chu kỳ giây (ck/gy) hoặc (Hz) Biên độ: là chiều cao của sóng tính bằng µV. Vi trí: sóng điện não biểu hiện ở các vị trí khác điện cực khác nhau và khác nhau theo vùng. Chỉ số: số sóng xuất hiện trong một thời gian nhất định xác đinh ở bản ghi được tính theo tỷ lệ %. Thông số này thường dùng để đánh giá lâm sàng. Tính chất xuất hiện: các sóng điện não xấy hiện khác nhau không chỉ về dạng sóng mà còn cả tính chất. Kịch phát: một sóng, một nhóm sóng xuất hiện và kết thúc đột ngột. Có thể kịch phát toàn thể hay khu trú, kéo dài 1-2/10 giây đến nhiều giây. Đồng thì: cùng một thời điểm đồng bộ ở hai bán cầu cân xứng, hay một bán cầu. Không đồng thì: không cùng một lúc xuất hiện, mất cân xứng một bán cầu về tấn số, biên độ hoặc cả 2. 11 Liên tục: các sóng bệnh lý có những khoảng gián đoạn, không giống nhau. Từng nhóm: các sóng xuất hiện từng nhóm với số sòng và dạng tương tự nhau. [4] 1.2.2 Phân biệt sóng điện não dựa vào tần số 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. a) Sóng Alpha (α) Dạng sóng hình sin là chủ yếu, có tần số từ 8 -13 ck/gy Alpha nhanh: 11-13 ck/gy Alpha trung bình: 10 ck/gy Alpha chậm: 8-9 ck/gy 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 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 đến 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