MỞ ĐẦU Hệ thống vận động người bao gồm thành phần: Hệ xương, hệ hệ thần kinh Các tổ chức quan sinh lý có nhiệm vụ tương tác với để tạo hỗ trợ vận động thể phận khác Trong đó, hệ thần kinh đóng vai trò phát thông tin để điều khiển tạo vận động người thông qua sóng điện từ phát từ não (gọi tắt sóng não) Các sóng điều khiển hệ giúp người thực vận động chủ động theo ý muốn Xét mặt sinh lý học, não người tổ chức có cấu trúc phức tạp gồm hàng triệu nơ ron thần kinh Các nơ ron thần kinh phát xung điện lan truyền theo tủy sống tới điều khiển khu vực khác thể qua hệ thống sợi trục thần kinh gai thần kinh Quá trình thu nhận xử lý thông tin điều khiển vận động não kỹ thuật đo không xâm lấn điện não đồ đa kênh EEG tạo tín hiệu điều khiển vận động có nhiều ý nghĩa thực tiễn Luận án tập trung nghiên cứu tín hiệu não liên quan đến điều khiển vận động Vận động chi người vận động quan trọng giúp người thực hoạt động cần thiết hàng ngày người cầm nắm vật, vệ sinh hay mặc quần áo Sóng não điều khiển tưởng tượng vận động chi (IHMv - Imagery Hand Movement) hoạt động não người tưởng tượng suy nghĩ điều khiển vận động chi mà không tạo chuyển động thật Việc nghiên cứu tín hiệu giúp giải mã hoạt động não liên quan đến hệ vận động người Bên cạnh đó, thông tin giúp tạo sợi dây liên lạc từ não tới giới xung quanh Điều có ý nghĩa thực tiễn người sử dụng thông tin điều khiển từ não để tạo chuyển động cho thiết bị ngoại vi giao tiếp với máy tính Hơn nữa, việc phân giải thông tin điều khiển vận động từ sóng não có ý nghĩa to lớn y học, đặc biệt bệnh nhân trải qua đột quỵ, bệnh nhân mắc hội chứng khóa (locked -in) (các bệnh nhân bị Amyotrophic Lateral Sclerosis) bị kết nối hệ thần kinh hệ thần kinh khả tưởng tượng vận động vận động thật đối tượng trì [57], [13], [33] Nghiên cứu hoạt động tưởng tượng vận động sử dụng phương pháp huấn luyện phục hồi chức người bị liệt chi sau đột quỵ [54], [100], [20], [40], [19], kết hợp tưởng tượng vận động với thiết bị robot hỗ trợ phục hồi chức [49], [68], [82], [44], [53], [106] Như thấy, cần thiết phải khai thác phân giải thông tin điều khiển vận động từ sóng não tạo tín hiệu điều khiển vận động từ sóng não có vai trò trò lớn hệ thống hỗ trợ vận động, giao tiếp người máy BCI thiết bị chân tay giả điều khiển hệ thống thần kinh Trong nghiên cứu luận án, tác giả tập trung nghiên cứu tín hiệu tưởng tượng vận động chi người Tuy nhiên hệ thống phân giải sóng điện não liên quan đến tưởng tượng vận động chi tồn số thách thức vấn đề độ tin cậy, xác hệ thống, thời gian thiết lập tốc độ xử lý chậm, chưa đáp ứng ứng dụng thời gian thực Như ta biết, sóng điện não IHMv tín hiệu phức tạp phân tích có chất không dừng nên xây dựng hệ thống phân giải sóng điện não IHMv cần thiết phải quan tâm nghiên cứu phát triển thuộc tính giúp đặc tả tín hiệu Có số phương pháp xây dựng đặc trưng IHMv phát triển để nâng cao độ xác phân lớp IHMv xác định số khóa pha PLV cặp điện cực hai nửa bán cầu não [10], sử dụng biến thiên lượng công suất tín hiệu dựa trình suy giảm đồng tăng đồng trước xảy trình vận động băng tần µ (Mu) β (beta) [113], [93], [76], [132], [88], [21], sử dụng mô hình tự hồi quy (AR), trung bình dịch tự động hồi quy (ARMA) [25], [16], thông số đặc tả tín hiệu miền thời gian - tần số dựa biến đổi wavelet [23], [89] Trong phương pháp tiếp cận trên, phương pháp phân tích tín hiệu miền thời gian - tần số dựa biến đổi wavelet phương pháp tiếp cận hiệu tính đơn giản, phép biến đổi tín hiệu áp dụng số kênh đo Do luận án tập trung xây dựng nhóm thuộc tính đặc trưng cho tín hiệu IHMv theo phương pháp phân tích tín hiệu miền thời gian - tần số dựa biến đổi wavelet nhằm tăng độ xác độ tin cậy hệ thống Để đạt độ xác xử lý nhanh phân lớp IHMv, hệ thống định phân loại phải kết hợp sử dụng mô hình định lượng tín hiệu vận động từ nhiều điện cực CSP [42], lọc không gian [131], ICA [75], WPICA [133] định lượng tín hiệu vận động dựa số điện cực khu vực vỏ não vận động kết hợp với mô hình vector học máy CS_SVM, CS_LDA [98], [125] mạng nơron để định phân nhóm tín hiệu Hiện nay, toán phân loại nhóm IHMv, phương pháp đề cập sử dụng mô hình phân loại với vector đặc trưng xây dựng liệu nhiều điện cực áp dụng chủ yếu cho toán phân lớp hai trạng thái đầu (giữa tưởng tượng chuyển động tay trái tay phải trường hợp có vận động tay trạng thái nghỉ) Như vậy, để tăng cường khả ứng dụng hệ thống tạo tín hiệu điều khiển vận động từ sóng não vận động lên hệ thống hỗ trợ vận động, luận án tập trung nghiên cứu phương pháp phân loại trạng thái tưởng tượng vận động chi dựa tín hiệu điện não IHMv có độ xác phân loại, tốc độ xử lý cao tăng số phân lớp đầu Tình hình nghiên cứu nƣớc Hiện nước sở y tế, nhu cầu việc khám chữa bệnh lớn nên việc sử dụng hệ thống điện não EEG chủ yếu áp dụng nghiên cứu hệ thần kinh chẩn đoán bệnh lý não theo dõi giai đoạn giấc ngủ, tổn thương não bộ, bệnh động kinh Các bác sỹ đầu ngành chuyên gia nghiên cứu thần kinh nhìn thấy tiềm tín hiệu điện não kênh giao tiếp tới hệ thống hỗ trợ vận động ngoại vi với bệnh nhân có hệ thống truyền dẫn thần kinh từ não bị ngắt Điều đòi hỏi liên kết phối hợp nghiên cứu bác sỹ chuyên khoa thần kinh nhà khoa học kỹ thuật để triển khai mô hình hỗ trợ điều khiển vận động người sóng não, giúp đối tượng sử dụng hệ thống thực nhiều chuyển động phức tạp sóng não Qua bệnh nhân có hệ não tốt hoàn toàn thực vận động phục vụ sống cá nhân giảm gánh nặng cho gia đình xã hội Một số sở nghiên cứu nước sử dụng số thiết bị đeo đầu để hỗ trợ người tàn tật điều khiển xe lăn nhiên hệ thống điện cực đo sử dụng tín hiệu điện da đầu sinh nhờ hoạt động nháy mắt liếc mắt để điều khiển chưa khai thác thông tin sóng não liên quan đến điều khiển vận động não Để đẩy mạnh hướng nghiên cứu tín hiệu điện não liên quan đến điều khiển vận động đối tượng người Việt nam, luận án nghiên cứu phương pháp thu nhận phân giải tín hiệu điện não liên quan đến vận động để tạo sở liệu thu nhận đối tượng người Việt nam, phục vụ nghiên cứu phân tích chẩn đoán Mục đích luận án Phát triển phương pháp phân giải tín hiệu tưởng tượng vận động chi có độ tin cậy xác cao dựa tín hiệu điện não đồ sử dụng cho hệ thống hỗ trợ vận động người điều khiển sóng não Mục tiêu nghiên cứu luận án - Đề xuất đặc trưng tín hiệu IHMv nhằm nâng cao độ xác phân loại ba phân lớp tưởng tượng vận động chi - Xây dựng phương pháp phân loại tín hiệu IHMv theo hướng tăng độ xác số lượng phân nhóm Xây dựng mô hình hệ thống định phân lớp IHMv dựa thuộc tính phương pháp phân loại đề xuất - Xây dựng liệu điện não liên quan đến điều khiển vận động đối tượng người Việt Nam phục vụ nghiên cứu phân tích Các vấn đề cần giải luận án - Lựa chọn phương pháp tiền xử lý tín hiệu IHMv giúp nâng cao chất lượng tín hiệu IHMv thu nhận vấn đề cần giải luận án - Do tín hiệu IHMv có chất không dừng có dạng phức tạp nên việc xây dựng thuộc tính mô tả tốt tín hiệu giúp nâng cao khả phân giải tín hiệu Bên cạnh đó, tín hiệu điện não thu nhận từ hệ thống nhiều điện cực dẫn đến hệ thống phải xử lý lượng thông tin lớn Do luận án cần nghiên cứu mô hình, phương pháp định lượng tín hiệu IHMv đề xuất thông số đặc trưng số lượng kênh đo có khả phân biệt nhóm tín hiệu IHMv để nâng cao độ xác phân loại trạng thái tưởng tượng vận động chi dựa tín hiệu điện não - Nghiên cứu 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) trạng thái nghỉ (Re_IHMv) dựa tín hiệu sóng não để sử dụng hệ thống hỗ trợ vận động người Để thực điều kết hợp nhóm thuộc tính đề xuất với mô hình phân loại để phân giải ba phân lớp IHMv vấn đề cần giải - Nghiên cứu xây dựng sở liệu điện não liên quan đến vận động người đối tượng người Việt Nam phục vụ nghiên cứu phân tích Từ kết nghiên cứu phân giải tín hiệu IHMv, luận án thực xây dựng ứng dụng tự động phân loại nhóm IHMv để tạo định phân lớp trạng thái đầu ra, phục vụ cho hệ thống hỗ trợ điều khiển vận động sử dụng sóng não Phạm vi nghiên cứu - Nghiên cứu chức điều khiển vận động não giải pháp kỹ thuật nâng cao chất lượng tín hiệu IHMv - Nghiên cứu thuật toán định lượng tín hiệu IHMv phương pháp lựa chọn đặc trưng - Nghiên cứu phương pháp phân loại tín hiệu IHMv - Nghiên cứu xây dựng sở liệu tín hiệu điện não liên quan đến vận động chi đối tượng người Việt nam khỏe mạnh Phương pháp nghiên cứu - Nghiên cứu sở lý thuyết tín hiệu điện não liên quan đến tưởng tượng vận động chi - Mô hình hóa phương pháp định lượng phân loại ba phân lớp IHMv - Kiểm chứng đánh giá phương pháp phân lớp IHMv thực nghiệm liệu mẫu liệu từ máy đo thực tế Các đóng góp Luận án - Đề xuất đặc trưng định lượng tín hiệu IHMv Bộ đặc trưng phát triển từ phương pháp định lượng tín hiệu miền thời gian - tần số dựa biến đổi Wavelet với số lượng kênh xử lý rút gọn Dựa phương pháp kiểm định ANOVA, đặc trưng đề xuất cho thấy khả phân biệt ba phân lớp IHMv liệu mẫu - Đề xuất phương pháp sử dụng thông số định lượng tín hiệu IHMv để phân lớp trạng thái đầu bao gồm: Lf_IHMv, Ri_IHMv, Re_IHMv Phương pháp đề xuất dựa việc xây dựng phân loại theo mô hình vector học máy SVM cấu trúc tầng nối tiếp Kết mô liệu mẫu cho thấy cấu trúc phân loại đề xuất cho kết phân loại tốt với ba phân lớp IHMv - Xây dựng tập liệu điện não liên quan đến tưởng tượng vận động vận động thật chi đối tượng người Việt Nam khỏe mạnh Bộ liệu đóng góp vào liệu điện não liên quan đến vận động chi giới có khả sử dụng cho trình huấn luyện hệ thống phân loại - Xây dựng ứng dụng tạo định phân lớp IHMv theo mô hình phân loại đề xuất Kết hệ thống thực nghiệm thành công liệu mẫu liệu thực tế đo phòng thí nghiệm Điều cho thấy tính khả thi phương pháp phân loại liệu thực tế Cấu trúc nội dung luận án Nội dung luận án bao gồm chương Trong đóng góp khoa học luận án thể nội dung đề xuất thực chương 2, chương chương Các nội dung cụ thể sau: - Chƣơng 1: Chương trình bày sở hệ thần kinh điều khiển vận động, mô hình xử lý phân giải tín hiệu IHMv Phần đầu chương trình bày tổng quan đặc điểm giải phẫu khu vực vỏ não vận động, hoạt động điện, 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 đưa kiến nghị giải pháp kỹ thuật mô hình xử lý để tăng tỷ số SNR tín hiệu lựa chọn kênh đo, sử dụng lọc số FIR có pha không, lọc không gian Laplacian - Chƣơng 2: Chương trình bày đề xuất phát triển đặc trưng để định lượng tín hiệu IHMv theo phương pháp định lượng tín hiệu miền thời gian – tần số dựa biến đổi wavelet để nâng cao độ xác phân loại tín hiệu IHMv Phần đầu chương tập trung nghiên cứu phương pháp định lượng tín hiệu IHMv theo phương pháp định lượng tín hiệu miền thời gian - tần số Phần tiếp theo, đặc trưng xây dựng đánh giá khả phân biệt trạng thái dựa phương pháp kiểm định thống kê ANOVA Phần cuối chương, luận án đề xuất việc lựa chọn đặc trưng để xây dựng vector đặc trưng mô tả tín hiệu điện não IHMv dựa khả phân biệt trạng thái điều khiển vận động tưởng tượng chi theo số F p mô hình phân tích phương sai ANOVA - Chƣơng 3: Chương đề xuất phương pháp sử dụng đặc trưng định lượng để thực phân lớp ba trạng thái IHMv ứng dụng cho hệ thống hỗ trợ vận động điều khiển sóng não EEG Trong chương này, luận án nghiên cứu đề xuất sử dụng phân loại ba phân lớp IHMv theo mô hình phân loại SVM tầng dựa đặc trưng đề xuất Phần mô tả khả thực hệ thống liệu mẫu Physionet để đánh giá hiệu mô hình - Chƣơng 4: Chương trình bày quy trình xây dựng liệu liên quan đến vận động chi đối tượng đo người Việt nam phục vụ phân tích nghiên cứu Phần đầu chương mô tả phương pháp thiết lập hệ thống đo đối tượng đo để thu nhận tín hiệu điện não IHMv Phần mô tả đóng góp liệu điện não IHMv đối tượng người Việt Phần cuối chương trình bày kết mô phân loại đề xuất liệu tạo đánh giá kết - KẾT LUẬN: Kết luận hướng phát triển cho luận án CHƢƠNG HỆ THẦN KINH ĐIỀU KHIỂN VẬN ĐỘNG VÀ MÔ HÌNH XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ LIÊN QUAN VẬN ĐỘNG CỦA NGƢỜI Chương trình bày sở hệ thần kinh điều khiển vận động, mô hình xử lý phân giải tín hiệu IHMv Phần đầu chương trình bày tổng quan đặc điểm giải phẫu khu vực vỏ não vận động, hoạt động điện, 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 đưa kiến nghị giải pháp kỹ thuật mô hình xử lý để tăng tỷ số SNR tín hiệu lựa chọn kênh đo, sử dụng lọc số FIR có pha không, lọc không gian Laplacian 1.1 Hệ thần kinh điều khiển vận động Não hệ thần kinh trung ương thể sống có chức điều khiển quan thể Não người phần trước hệ thần kinh trung ương quan chủ yếu điều hành hệ thần kinh ngoại vi Não người có trọng lượng khoảng 1,5 kg [105] Trong đó, não người Việt Nam cân nặng khoảng 1400 gam nam giới có trọng lượng lớn nữ giới [50] Diện tích bề mặt não khoảng 1600 cm², dày khoảng mm Xét mặt giải phẫu học não người bao gồm có phần chính: đại não, tiểu não, thân não; phần nhỏ khác gọi chung não trung gian (Hình 1.1) Khu vực nhìn tập trung vào thùy chẩm khu vực cảm giác vận động có mặt hai phía não Có số vị trí xác định vỏ não cảm giác vận động mà có khu vực điều khiển phận thể Kích thước khu vực tỷ lệ với độ xác cần có cảm giác hệ điều khiển vận động Khu vực cảm giác từ lưỡi tay có phân bố rộng khu vực cảm giác phần thể mắt phân bố hẹp Khu vực vận động chi quan phụ trách nói có phân bố rộng [101], [67] Hình 1.1 Cấu tạo não gồm phần đại não (Cerebrum), tiểu não (Cerebellum) thân não (brain stem) - Đại não Trong não người, đại não phần não phát triển mạnh Nó chiếm toàn khối lượng thể tích não Đại não gồm hai nửa trái, phải đối xứng qua rãnh liên bán cầu với ba mặt: mặt trên, mặt dưới, mặt Trên bề mặt đại não có khe, rãnh ăn sâu vào chia bề mặt đại não thành thuỳ, hồi não Bán cầu khiển hầu hết chức nửa trái Sự bắt chéo sợi thần kinh xảy trái kiểm soát phần lớn chức nửa phải thể bán cầu phải điều thân não khiển hầu hết chức nửa trái Sự bắt chéo sợi thần kinh xảy thân não Hình 1.2 Vị trí đại não chiếm phần lớn não người [50] Do đó, tổn thương bán cầu trái gây giảm cảm giác vận động nửa phải ngược lại Mặt có khe khe Sylvius (khe bên); khe Rolando (khe giữa); khe thẳng góc (khe đỉnh thẩm), chia mặt thành thùy: thùy 10 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 [...]... bài toán cụ thể, việc lựa chọn quá nhiều điện cực có thể sẽ dẫn tới khả năng thừa thông tin, gây quá khớp dữ liệu, tăng khối lượng tính toán, và tăng độ trễ của hệ thống Như đã đề cập ở trên, tín hiệu điện não liên quan đến tưởng tượng vận động chi trên sẽ được phát ra chủ yếu tại khu vực vỏ não điều khiển vận động Do đó, dựa trên các nghiên cứu về khu vực vỏ não tưởng tượng vận động, để tiền xử lý và... khiển vận động các chi tuân theo quy luật bắt chéo có nghĩa là khi đối tượng tưởng tượng vận động sẽ tạo ra các thay đổi về tín hiệu tại khu vực vỏ não phía đối diện so với cánh tay tưởng tượng chuyển động Như vậy nếu tay trái vận động làm thay đổi một đặc trưng trên kênh C4 thì khi tay phải vận động thì sẽ có sự thay đổi tương tự tại C3 Như vậy để xác định tín hiệu IHMv liên quan đến tưởng tượng vận động. .. thống thần kinh vận động thì sẽ không có bất kỳ một hoạt động nào có thể mong muốn xuất hiện trong quá trình tưởng tượng vận động Tuy nhiên trong nhiều nghiên cứu sử dụng fMRI đã chỉ ra khu vực vỏ não vận động chính cũng được kích hoạt trong quá trình tưởng tượng vận động [84] Theo các nghiên cứu trên thế giới [41], [65], [103], [95], quá trình tưởng tượng vận động và thực hiện vận động ở người được... Trong phạm vi nghiên cứu của luận án, với mục đích xác định được các đặc trưng có khả năng phân biệt được các trạng thái tưởng tưởng vận động chi trên, luận án thực hiện khảo sát các nhóm đặc trưng trên cả ba băng tần theta, alpha và beta và đánh giá trên tập dữ liệu mẫu để tìm ra các đặc trưng có khả năng phục vụ quá trình phân loại trạng thái tưởng tượng vận động 1.2 Mô hình xử lý tín hiệu điện não. .. loại, luận án sẽ phải tập trung giải quyết ba vấn đề sau: - Xác định số lượng và vị trí không gian điện cực thu nhận tín hiệu IHMv - Tiền xử lý tín hiệu nâng cao tỷ số SNR - Phân giải tín hiệu điện não IHMv 1.2.1 Xác định vị trí không gian điện cực thu nhận tín hiệu IHMv Cấu trúc và vị trí giải phẫu của khu vực phát thông tin tưởng tượng điều khiển vận động các chi tập trung chính tại khu vực vỏ não vận. .. từ vỏ não tới cuống não và tủy sống Vùng vận động thuộc hồi trán lên, đây là nơi xuất phát của 18 bó tháp So với các vùng khác thì vùng vận động có diện tích lớn nhất Ngoài ra, bên cạnh vùng vận động còn có vùng tiền vận động thuộc vùng 6 thùy trán, đây là nơi xuất phát các sợi đi đến các nhân xám dưới vỏ rồi theo hệ ngoại tháp chi phối các vận động tự động Nơron trong vỏ não vận động gửi tín hiệu theo... 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. .. lượng của tín hiệu thu ở phần tiếp theo 1.2.2 Nâng cao tỷ số SNR của tín hiệu Sau khi xác định được phân bố không gian của điện cực thu, các tín hiệu thu tại điện cực cần phải được tiền xử lý và đồng bộ về mặt thời gian với khung thời gian phục vụ cho việc dán nhãn dữ liệu huấn luyện Các kỹ thuật nâng cao tỷ số SNR tín hiệu điện não liên quan đến vận động tưởng tượng chi trên có thể phân chia thành... gọn điện cực sử dụng trong trường hợp phân biệt chuyển động tưởng tượng chi trên bao gồm 2 điện cực C3, C4 Theo đó so với các phương pháp trên, việc giảm thiểu số kênh đo thu nhận tín hiệu sẽ giảm được độ phức tạp khi thiết lập hệ thống thu nhận cũng như giảm thời gian tính toán của hệ thống Lý do lựa chọn đó là: - Thứ nhất đây là hai điện cực đặt trên khu vực vỏ não vận động và nằm trên hai nửa bán... 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: