BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Phạm Phúc Ngọc XỬ LÝ TÍN HIỆU ĐIỆN NÃO TRONG TƯỞNG TƯỢNG VẬN ĐỘNG CHI TRÊN LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ Hà Nội – 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Phạm Phúc Ngọc XỬ LÝ TÍN HIỆU ĐIỆN NÃO TRONG TƯỞNG TƯỢNG VẬN ĐỘNG CHI TRÊN Chuyên ngành: Kỹ thuật điện tử Mã số: 62520203 LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN TỬ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS PHẠM VĂN BÌNH TS PHẠM HẢI ĐĂNG Hà Nội – 2016 LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng Các số liệu luận án trung thực chưa công bố công trình khác Tập thể giáo viên hướng dẫn Tác giả Phạm Phúc Ngọc LỜI CẢM ƠN Đầu tiên xin bày tỏ lòng biết ơn chân thành sâu sắc tới thầy hướng dẫn khoa học PGS.TS Phạm Văn Bình thầy đồng hướng dẫn TS Phạm Hải Đăng Các thầy người định hướng cho triển khai ý tưởng khoa học tận tình hướng dẫn suốt thời gian thực luận án Tôi xin chân thành cảm ơn Anh, Chị, em bạn đồng nghiệp Bộ môn Công nghệ Điện tử & Kỹ thuật Y sinh, Viện Điện tử - Viễn thông trường Đại học Bách Khoa Hà nội tạo điều kiện, định hướng giúp đỡ để hoàn thành công trình nghiên cứu Tôi xin cảm ơn Bộ môn Công nghệ Điện tử & Kỹ thuật Y sinh, môn Mạch & xử lý tín hiệu Viện Điện tử - Viễn thông trường Đại học Bách Khoa Hà nội, khoa Thần kinh Bệnh viện Bạch Mai hỗ trợ sở vật chất, trang thiết bị nghiên cứu, góp ý định hướng nghiên cứu kỹ thuật y học để hoàn thành tốt công trình nghiên cứu Tôi xin trân trọng cảm ơn tới Ban Giám hiệu, Viện Đào tạo Sau đại học, Viện Điện tử - Viễn thông trường Đại học Bách Khoa Hà nội tạo điều kiện cho trình học tập nghiên cứu Tôi xin cảm ơn thành viên nhóm nghiên cứu EEG&Arm Rehabilitation hỗ trợ tham gia với việc triển khai thí nghiệm đo lường, phân tích tín hiệu điện não phòng thí nghiệm Cuối xin chân thành cảm ơn Bố mẹ, vợ, trai người thân gia đình động viên tinh thần, thời gian vật chất để có động lực thực đường nghiên cứu khoa học Hà nội ngày …… tháng … ….năm…… Tác giả Phạm Phúc Ngọc MỤC LỤC Trang MỞ ĐẦU……………………………………………………………………… … CHƢƠNG HỆ THẦN KINH ĐIỀU KHIỂN VẬN ĐỘNG VÀ MÔ HÌNH XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ LIÊN QUAN VẬN ĐỘNG … CỦA NGƢỜI……………………………………………………………… 1.1 Hệ thần kinh điều khiển vận động……………………………………… … 1.1.1 Các hoạt động não………………………………………… điện ….12 1.1.2 Điện hoạt động……………………………………………… ……13 1.1.3 Tạo tín hiệu EEG………………………………………………… ……14 1.1.4 Hệ thống điều khiển vận động não…………………………… ……18 1.1.5 Tín hiệu điện não đồ liên quan đến tưởng tượng vận động……… ……25 1.2 Mô hình xử lý tín hiệu điện não IHMv………………………………… ……27 1.2.1 Xác định vị trí không gian điện cực thu nhận tín hiệu IHMv……………28 1.2.2 Nâng cao tỷ số SNR tín hiệu………………………………… ……31 1.2.2.1 Tăng cường chất lượng tín hiệu EEG dựa việc sử dụng lọc số có pha không………………………… … 31 1.2.2.2 Tăng cường chất lượng kênh đo tín hiệu EEG kỹ thuật lọc không ……36 gian…………………………………………… 1.2.2.3 Phân giải nhóm tín hiệu điện não IHMv (segmentation) từ ghi điện não đồ…………………………………… ……37 1.3 Kết luận chương………………………………………………………… ……46 i CHƢƠNG PHÁT TRIỂN BỘ ĐẶC TRƢNG MỚI NÂNG CAO ĐỘ CHÍNH XÁC PHÂN LOẠI HỆ THỐNG QUYẾT ĐỊNH BA PHÂN LỚP IHMv ĐẦU RA… ………………………………………………………… ……48 2.1 Phương pháp định lượng miền thời gian – tần số dựa biến đổi wavelet………………………………………………………………… ……53 2.2 Xây dựng thuộc tính định lượng tín hiệu điều khiển vận động IHMv…………………………………………………………………… ……59 2.3 Mô tả sở liệu vận động/tưởng tượng vận động……65 Physionet…… 2.4 Đề xuất lựa chọn thuộc tính mô tả tín hiệu IHMv phương pháp phân tích phương sai chiều ANOVA theo số F và……70 p…………… 2.4.1 Phương pháp phân ANOVA………… tích phương sai chiều……72 2.4.2 Đề xuất xây dựng đặc trưng lựa chọn phương pháp kiểm định ANOVA theo số F p………………………………… ……73 2.5 Kết luận chương………………………………………………………….……78 CHƢƠNG PHƢƠNG PHÁP PHÂN LOẠI BA PHÂN LỚP……80 IHMv…… 3.1 Xây dựng vector đặc trưng mô tả tín hiệu điện não IHMv từ đặc trưng đề xuất cấu trúc các……85 lớp……………………………………………… 3.2 Mô hình máy vector hỗ trợ nhị phân SVM……………………………………87 3.3 Đề xuất xây dựng mô hình phân loại 3IHMv_SVM2 dựa mô hình vector học máy phi tuyến (SVM) thực phân lớp ba trạng thái tưởng tượng vận động tay trái, tay phải nghỉ……………………………… ……95 3.4 Mô đánh giá khả phân loại phân loại 3IHMv_SMV2………………………………………………………… ……99 ii 3.5 Kết luận chương………………………………………………………….… 104 CHƢƠNG XÂY DỰNG BỘ DỮ LIỆU ĐIỆN NÃO IHMv CỦA ĐỐI TƢỢNG NGƢỜI VIỆT NAM…………………………………………… … 105 4.1 Quy trình đo xây dựng liệu điện não liên quan đến vận động người Việt ….105 Nam………………………………………………………… 4.1.1 Hệ thống thu nhận liệu điện não liên quan đến vận động/ tưởng tượng vận động đối tượng đo người Việt… 106 nam………………… 4.1.2 Kết đánh giá liệu…………………………………… … 114 4.2 Xây dựng công cụ phân tích tín hiệu IHMv, ứng dụng tạo định ba phân lớp IHMv hệ thống cánh tay robot hỗ trợ vận ….123 động………… 4.3 Kết luận chương………………………………………………………….… 125 KẾT LUẬN CHUNG………………………………………………………… ….127 Các đóng mới……………………………………………………… góp ….127 Hướng nghiên cứu tiếp………………………………………………… ….129 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CÔNG BỐ…………… … 131 TÀI LIỆU THAM KHẢO………………………………………………… … 132 PHỤ 1…………………………………………………………………… LỤC ….143 PHỤ LỤC 2…………………………………………………………………… ….153 PHỤ LỤC 3…………………………………………………………………….….157 PHỤ 4………………………………………………………………… iii LỤC… 170 PHỤ 5………………………………………………………………… LỤC… 173 DANH MỤC TỪ VIẾT TẮT ANOVA AP AR ARMA AUC AVACC BA4 BA6 BCI CAR CNS CS_LDA CSP CS_SVM DWT EEG EMG ERD ERP ERS ERSP Analysis of Variance Action Potential Autoregressive Autoregressive Moving Avarage Area Under ROC Curve Average Accuracy Brodmann Area Brodmann Area Brain Computer Interface Common Average Reference Central Nervous System Class Separability Linear Discriminant Analysis Common Spatial Patterns Class Separability Support Vector Machine Discrete Wavelet Transform Electroencephalogram Electromyography Event-Related Desynchronization Event – Related Potential Event-related Synchronization Event-related spectral iv Phân tích phương sai Điện hoạt động Tự động hồi quy Tự đồng hồi quy trung bình dịch Diện tích đường ROC Độ xác trung bình Khu vực Brodmann Khu vực Brodmann Giao tiếp người – máy Tham chiếu trung bình Hệ thần kinh trung ương Phân chia lớp kết hợp với phân tích phân chia tuyến tính Các thành phần không gian chung Phân tích lớp kết hợp vector máy hỗ trợ Biến đổi wavelet rời rạc Điện não đồ Điện Khử đồng liên quan đến kiện Điện liên quan đến kiện Đồng liên quan đến kiện Phổ lượng hỗn loạn liên FFT FIR FMRI FNR FPR HJ_ACT HJ_MOBI ICA ICMS IHMv IPL L Lf_IHMv LOG_EN M1 MEMD MI MMAV MRCPs MRMR MSE NA-MEMD NN PLV RBF Re Re_IHMv Ri Ri_IHMv RMS ROC S1 SHAN_EN SMA perturbation Fast Fourier Transform Finite Impulse Response Functional Magnetic Resonance Imaging False Negative Rate False Positive Rate Hjorths Activity Hjorths Mobility Independent Component Analysis Intracortical Microstimulation Imagery Hand Movement Inferior Parietal Lobule Left Imagery Left Hand Movement Logarithm Entropy Primary Motor Cortex Multivariate Empirical Mode Decomposition Mutual Information Modified Mean Absolute Value Movement-Related Cortical Potentials Max Relevance and Min Redundancy Mean Square Error Noise Assisted MEMD Neural Network Phase Lock Value Radial basis function Rest Rest state Right Imgary Right Hand Movement Root Mean Square Receiver Operating Characteristic Primary Somatosensory Cortex Shannon Entropy Supplement Motor Area v quan đến kiện Biến đổi Fourier nhanh Đáp ứng xung hữu hạn Cộng hưởng từ chức Tỷ lệ âm tính giả Tỷ lệ dương tính giả Thông số Hjorths hoạt động Thông số Hjorths linh động Phân tích thành phần độc lập Vi kích thích hộp sọ Tưởng tượng vận động chi Tiểu thùy đỉnh Trái Tưởng tượng vận động tay trái Logarit Entropy Vỏ não vận động Phương pháp MEMD Thông tin chung Giá trị sửa đổi trung bình tuyệt đối Điện não liên quan đến vận động Tối đa liên quan giảm độ dư thừa Sai số trung bình bình phương Kỹ thuật MEMD cộng nhiễu Mạng nơ ron Giá trị khóa pha Hàm RBF Nghỉ Trạng thái nghỉ Phải Tưởng tượng vận động tay phải Căn bậc hai trung bình bình phương Đường cong ROC Vùng não cảm giác Shannon Entropy Vùng não vận động bổ sung SNR SPL SSI STFT SVM SSC SWT TNR TPR WAMP WPICA ZC Signal to Noise Ratio Superior Parietal Lobule Simple Square Integral Short Time Fourier Transform Support Vector Machine Slope Sign Change Stationary Wavelet Transform True Negative Rate True Positive Rate Willison Amplitude Wavelet packet-based independent component analysis Zero Crossings vi Tỷ lệ tín hiệu nhiễu Tiểu thùy đỉnh Chỉ số lượng tín hiệu Biến đổi Fourier thời gian ngắn Máy vector hỗ trợ Thay đổi chiều dốc Biến đổi wavelet ổn định Tỷ lệ âm tính thật Tỷ lệ dương tính thật Thuộc tính WAMP Phân tích thành phần độc lập dựa biến đổi wavelet Tỷ lệ cắt không b) Thí nghiệm P005E06 (tưởng tượng chuyển động tay) - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s  Trái: C3, C4  Phải: C3, C4  Nghỉ: C3, C4 163 Đối tượng P007 a) Thí nghiệm P007E04 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s - Thuận tay trái  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 164 b) Thí nghiệm P007E06 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s - Thuận tay trái  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 165 c) Thí nghiệm P007E08 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s - Thuận tay trái  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 166 Đối tượng P009 a) Thí nghiệm P009E04 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 167 b) Thí nghiệm P009E06 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 168 c) Thí nghiệm P009E08 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 169 Đối tượng P011: a) Thí nghiệm P011E04 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 170 b) Thí nghiệm P011E06 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 171 c) Thí nghiệm P011E08 (tưởng tượng chuyển động tay): - Thời gian thực chuyển động: 2.5s - Thời gian nghỉ: 5s - Thời gian cắt epoch: -2 đến 5.5s  Trái: C3 C4  Phải: C3 C4  Nghỉ: C3 C4 172 PHỤ LỤC CẤU HÌNH HỆ THỐNG ĐO ĐIỆN NÃO BITMED EXEA ULTRA 19 KÊNH Nguồn Nguồn y tế tuân theo EN60601-1 Đầu vào: 100-240V, 50-60Hz, 0.8A Đầu ra: +6VDC, 5A Nguồn +6VDC, cực tính: dương, âm Nguồn Pin Pin Li-Ion sạc, 5600mAh/tối đa 9h45 phút phụ thuộc vào số kênh Thời gian nạp 40dB CMRR >100 dB với điện cực Neutral kết nối 173 Khử nhiễu crosstalk >50dB kênh Nhiễu đầu vào [...]... KINH ĐIỀU KHIỂN VẬN ĐỘNG VÀ MÔ HÌNH XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ LIÊN QUAN VẬN ĐỘNG CỦA NGƢỜI Chương 1 trình bày cơ sở hệ thần kinh điều khiển vận động, các mô hình xử lý và phân giải tín hiệu IHMv Phần đầu chương trình bày tổng quan về đặc điểm giải phẫu khu vực vỏ não vận động, hoạt động điện, cơ chế truyền dẫn, cách thức thu nhận tín hiệu điều khiển vận động theo hệ thống đo điện não EEG Phần tiếp... pháp phân giải các tín hiệu tưởng tượng vận động chi trên có độ tin cậy và chính xác cao dựa trên tín hiệu điện não đồ sử dụng cho các hệ thống hỗ trợ vận động của người điều khiển bằng sóng não Mục tiêu nghiên cứu của luận án - Đề xuất bộ đặc trưng tín hiệu IHMv nhằm nâng cao độ chính xác phân loại ba phân lớp tưởng tượng vận động chi trên - Xây dựng phương pháp phân loại các tín hiệu IHMv theo hướng... lấn điện não đồ đa kênh EEG và tạo ra tín hiệu điều khiển vận động có nhiều ý nghĩa trong thực tiễn Luận án tập trung nghiên cứu các tín hiệu não bộ liên quan đến điều khiển vận động Vận động chi trên của người là một vận động quan trọng giúp con người có thể thực hiện các hoạt động cần thiết hàng ngày của con người như cầm nắm vật, vệ sinh hay mặc quần áo Sóng não điều khiển tưởng tượng vận động chi. .. trạng thái tưởng tượng vận động chi trên dựa trên tín hiệu điện não - Nghiên cứu và đề xuất phương pháp phân loại ba phân lớp IHMv bao gồm: tưởng tượng chuyển động tay trái (Lf_IHMv), tưởng tượng chuyển động tay phải (Ri_IHMv) và trạng thái nghỉ (Re_IHMv) dựa trên tín hiệu sóng não để sử dụng trong các hệ thống hỗ trợ vận động người Để thực hiện được điều này thì kết hợp giữa nhóm các thuộc tính đề xuất... khiển vận động, các mô hình xử lý và phân giải tín hiệu IHMv Phần đầu chương trình bày tổng quan về đặc điểm giải phẫu khu vực vỏ não vận động, hoạt động điện, cơ chế truyền dẫn, cách thức thu nhận tín hiệu điều khiển vận động theo hệ thống đo điện não EEG Phần tiếp theo, nghiên cứu mô hình xử lý tín hiệu IHMv và đưa ra các kiến nghị về các giải pháp kỹ thuật trong mô hình xử lý để tăng tỷ số SNR của tín. .. thái đầu ra (giữa tưởng tượng chuyển động tay trái và tay phải hoặc trường hợp có vận động tay và trạng thái nghỉ) Như vậy, để có thể tăng cường khả năng ứng dụng của hệ thống tạo tín hiệu điều khiển vận động từ sóng não vận động lên các hệ thống hỗ trợ vận động, luận án tập trung nghiên cứu phương pháp phân loại các trạng thái tưởng tượng vận động chi trên dựa trên tín hiệu điện não IHMv có độ chính... sau quá trình tiền xử lý bằng 118 bộ lọc FIR (1-40Hz)(Bản ghi P011E08) Hình 4.13 Kết quả phân tách đoạn tín hiệu liên quan đến vận động của 121 thí nghiệm P011E08 (tưởng tượng chuyển động tay) Hình 4.14 Mô hình hệ thống hỗ trợ vận động bằng sóng não 123 Hình 4.15 Ứng dụng tạo quyết định 3 phân lớp trạng thái đầu ra tín hiệu 124 điện não điều khiển tưởng tượng vận động chi trên dựa trên bộ phân loại... khiển vận động từ sóng não và tạo ra được các tín hiệu điều khiển vận động từ sóng não sẽ có vai trò trò rất lớn trong các hệ thống hỗ trợ vận động, giao tiếp người máy BCI hoặc các thiết bị chân tay giả được điều khiển bởi hệ thống thần kinh Trong nghiên cứu của luận án, tác giả tập trung nghiên cứu về các tín hiệu tưởng tượng vận động của chi trên của người Tuy nhiên các hệ thống phân giải sóng điện não. .. tín hiệu EEG 15 Hình 1.6 Cấu trúc của một nơ ron Hình 1.7 Ba lớp của não trong đó thể hiện điện trở xấp xỉ và độ dày của các lớp Tín hiệu điện não EEG là tín hiệu điện được đo trên sọ não và được tạo ra bởi các dòng ion trong các nơron của não 16 F7 O1 O2 F8 Fp2 F4 C4 P4 Fp1 F3 C3 P3 Fz Cz Pz 2 4 6 8 10 12 14 16 18 20 Hình 1.8 Tín hiệu điện não ghi được từ các điện cực Thế mạnh của phương pháp đo điện. .. Tại khu vực vỏ não vận động có thể phát ra tín hiệu điều khiển vận động của chân, tay, bụng, vai, lưng, đầu, mắt, môi v.v Ngoài ra để có thể thực hiện được chuyển động, một số khu vực khác cũng có những thông tin để hỗ trợ cho việc vận động đó là: Vỏ não tiền vận động, khu vực vận động bổ sung Hình 1.10 Phân chia khu vực chức năng cảm giác và điều khiển vận động của vỏ não[ 101] - Vùng vận động chính: