Luận án tiến sĩ một số phương pháp xử lý và phân loại tín hiệu điện não cho các

MỤC LỤC LỜI CAM ĐOAN .3 DANH MỤC BẢNG .7 DANH MỤC HÌNH VẼ .8 DANH MỤC CHỮ VIẾT TẮT.10 PHẦN MỞ ĐẦU. Tính cấp thiết. Mục tiêu của luận án. Đóng góp của luận án.

Phạm vi của luận án. Phương pháp luận. Cấu trúc luận án. TỔNG QUAN VỀ TÍN HIỆU ĐIỆN NÃO VÀ XỬ LÝ, PHÂN TÍCH TÍN HIỆU ĐIỆN NÃO.

Tín hiệu điện não và phương pháp đo tín hiệu từ não bộ. Các phương pháp đo tín hiệu từ não bộ. Chụp quang phổ cận hồng ngoại chức năng. Chụp Cộng hưởng từ chức năng.

Chụp cắt lớp phát xạ positron. Điện não đồ xâm lấn. Tín hiệu điện não và các vấn đề liên quan. Cơ chế phát sinh tín hiệu điện não.

Thu tín hiệu điện não. Một số phương pháp xử lý, phân tích tín hiệu điện não. Biến đổi wavelet. Phân tích thành phần độc lập trong khử nhiễu tín hiệu điện não.

Mạng Nơron wavelet. Phương pháp phân ngưỡng wavelet. Kỹ thuật định vị LORETA trong trực quan hóa dữ liệu điện não. Một số ứng dụng hệ giao diện não máy tính.

Hệ VR-BCI trong phục hồi chức năng. Một số hệ BCI trong đánh vần ký tự. Một số nghiên cứu BCI và tín hiệu điện não khác. Kết luận Chương 1.

PHƯƠNG PHÁP HỌC SÂU TỰ MÃ HÓA THƯA WAVELET TRONG KHỬ TÍN HIỆU ĐIỆN NÃO BẤT THƯỜNG DO NHÁY MẮT. Đề xuất phương pháp học sâu tự mã hóa thưa wavelet. Mạng học sâu tự mã hóa thưa. Phương pháp dò đếm EOG dựa trên biến đổi wavelet Haar.

Biến đổi wavelet Haar. Thuật toán dò tìm EOG dựa trên biến đổi wavelet Haar. Mạng học sâu tự mã hóa thưa wavelet trong khử EOG. Huấn luyện tự động.

Tự động sửa lỗi tín hiệu. Độ đo đánh giá kết quả. Dữ liệu kiểm thử. Thiết kế thí nghiệm.

Kết quả thí nghiệm. Kết quả trên Tập dữ liệu 1: thực hiện nhiệm vụ chú ý quan sát. Kết quả trên Tập dữ liệu 2: nhận dạng trạng thái suy nghĩ. Kết quả trên tập dữ liệu 3: tín hiệu điện não mô phỏng chứa nhiễu.

Kết luận Chương 2. ĐỀ XUẤT MỘT SỐ PHƯƠNG PHÁP PHÂN LOẠI TÍN HIỆU ĐIỆN NÃO DỰA TRÊN HỌC MÁY. Cơ sở dữ liệu thử nghiệm. Cơ sở dữ liệu đã có.

Cơ sở dữ liệu của luận án. Đề xuất một số phương pháp phân loại trạng thái suy nghĩ dựa trên học máy. Phương pháp máy vec-tơ hỗ trợ với đặc trưng năng lượng wavelet tương đối. Năng lượng wavelet tương đối trong trích chọn đặc trưng tín hiệu điện não.

Máy vec-tơ hỗ trợ trong phân loại tín hiệu điện não. Phương pháp mạng nơ-ron nhân tạo kết hợp phân tích thành phần chính. Phân tích thành phần chính cho giảm số chiều tín hiệu điện não. Huấn luyện mạng nơron nhân tạo với thuật toán OWO-BP.

Phương pháp học sâu với đặc trưng lựa chọn bởi phân ngưỡng SURE. Lựa chọn thành phần chính với phân ngưỡng thích nghi SURE. Mạng học sâu Deep belief net trong phân loại tín hiệu điện não. Kết quả và thảo luận.

Tiền xử lý dữ liệu. Phân loại trạng thái. Kết luận chương 3. ĐỀ XUẤT HỆ GIAO DIỆN NÃO MÁY TÍNH TRONG ĐIỀU KHIỂN CÁC THIẾT BỊ ĐIỆN TỬ GIA DỤNG THÔNG MINH.

Hệ giao diện não máy tính trong điều khiển thiết bị điện tử gia dụng thông minh. Khối thu tín hiệu và thiết bị Emotiv Epoc+. Đề xuất mô hình học cộng đồng dạng xếp ngăn trong phân loại tín hiệu điện não cho hệ giao diện não máy tính trong điều khiển các thiết bị điện tử gia dụng thông minh. Kết quả và thảo luận.

Kết luận Chương 4. 110 PHẦN KẾT LUẬN VÀ KIẾN NGHỊ .112 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ .116 TÀI LIỆU THAM KHẢO .118 6 DANH MỤC BẢNG Bảng 1. Kết quả nhận diện EOG. MSE của ba phương pháp dựa trên wavelet.

So sánh đặc tính các phương pháp khử nhiễu tín hiệu điện não. Kết quả phân loại hai trạng thái suy nghĩ. Kết quả phân loại 02 trạng thái suy nghĩ theo các bước với DBN. Kết quả phân loại tác vụ suy nghĩ cho 03 trạng thái với DNN.

Kết quả phân loại 03 trạng thái suy nghĩ theo các bước với DNN. Độ chính xác phân loại 2 trạng thái phương pháp đề xuất dựa trên mạng nơ-ron nhân tạo kết hợp PCA và máy vec-tơ hỗ trợ với đặc trưng RWE. Độ chính xác phân loại 3 trạng thái phương pháp đề xuất dựa trên mạng nơ-ron nhân tạo kết hợp PCA và máy vec-tơ hỗ trợ với đặc trưng RWE. Độ chính xác phân loại 2 trạng thái phương pháp đề xuất dựa trên máy học cộng đồng so với các phương pháp thành phần.

Độ chính xác phân loại 3 trạng thái phương pháp đề xuất dựa trên máy học cộng đồng so với các phương pháp thành phần. 109 7 DANH MỤC HÌNH VẼ Hình 1. Cấu trúc não bộ [64]. Các phương thức thu tín hiệu từ não bộ (a) fNIRS, (b) fMRI, (c) PET, (d) MEG, (e) EcoG và (f) EEG.

Một số hệ thống thiết bị dùng để đo điện não EEG [20]. Bản ghi tín hiệu điện não EEG. Một số dạng sóng trong tín hiệu điện não EEG. (a) Biến đổi wavelet thuận và (b) Biến đổi wavelet ngược.

Quy trình phương pháp ICA dùng trong khử nhiễu tín hiệu EEG. Cấu trúc của mạng Wavelet Neural Network [8]. Huấn luyện mạng Nơ-ron. Quá trình khử nhiễu.

Thuật toán Loreta trong định vị hoạt động điện não EEG. Thiết kế hệ BCI2000 [17]. Hệ BCI ứng dụng thực tại ảo trong phục hồi bệnh nhân đột quỵ [1]. Thiết kế ma trận hiển thị cho 26 ký tự tiếng Anh [8].

Giao diện thí nghiệm Berlin BCI [68]. Tín hiệu bất thường do nháy mắt EOG. Cấu trúc mạng học sâu tự mã hóa thưa kết hợp wavelet DWSAE. Mô hình đơn giản một máy tự mã hóa Autoencoder.

Lưu đồ thuật toán dò đếm tín hiệu bất thường do nháy mắt EOG. 53 Hình 20: Kết quả nhận diện EOG. Quy trình huấn luyện không giám sát mạng học sâu tự mã hóa thưa wavelet. Quy trình tự động khử EOG với DWSAE.

Kết quả khử nhiễu của DWSAE so với (a) SOBI, (b) Infomax, (c) JADE, (d)WNN và (e) Wavelet thresholding. Hình vẽ thể hiện PSD của tín hiệu trước và sau khi khử nhiễu. Hệ số tương quan tần số giữa tín hiệu trước và sau khi khử nhiễu bởi (a) DWSAE, (b) Infomax, (c) JADE, (d) SOBI, (e) WNN và (f) WT. 64 Hình 26 So sánh kết quả khử nhiễu giữa DWSAE và (a) SOBI, (b) Infomax, (c) JADE, (d)WNN và (e) Wavelet thresholding.

PSD giữa tín hiệu gôc và tín hiệu sau khử nhiễu. Tương quan tần số giữa tín hiệu trước và sau khi khử nhiễu bởi (a) DWSAE, (b) Infomax, (c) JADE, (d) SOBI, (e) WNN và (f) WT. Kết quả trên đoạn tín hiệu bán giả lập trước và sau khi khử nhiễu bởi. Lưu đồ phương pháp phân tích tín hiệu EEG dựa trên SVM.

Siêu phẳng phân cách bởi SVM. Lưu đồ phương pháp phân tích tín hiệu EEG dựa trên mạng nơ-ron. Cấu trúc mạng nơ-ron nhân tạo ba lớp. Huấn luyện mạng ANN với thuật toán OWO-BP.

Lưu đồ phương pháp phân tích tín hiệu EEG dựa trên học sâu. Thiết kế máy học Boltzman. Mạng học sâu Deep belief net với nhiều máy Boltzman. Biến đổi ICA trong khử nhiễu tín hiệu điện não.

Kết quả khử nhiễu với ICA. Kết quả khử nhiễu với WNN. Hiển thị vùng kích hoạt não bộ với phương pháp LORETA trong quá trình đối tượng thực hiện ba thí nghiệm (a) N, (b) L and (c) P. Kiến trúc tổng thể của hệ thống giao diện não-máy tính trong điều khiển các thiết bị điện tử gia dụng thông minh.

Mũ đo tín hiệu điện não EPOC+ (Nguồn: Emotiv). Tín hiệu điện não thu bằng chương trình Test Bench. Mô hình tương đương module ESP 8266. Mô hình máy học cộng đồng trong phân loại trạng thái suy nghĩ từ tín hiệu điện não.

107 9 DANH MỤC CHỮ VIẾT TẮT ANN Aritificial neural network (Mạng nơ-ron nhân tạo) BCI Brain computer interface (Giao diện não máy tính) CT Computed Topography (Chụp cắt lớp) DNN Deep neural network (Mạng học sâu) DBN Deep belief network (Mạng học sâu niềm tin) DWSAE Deep wavelet sparse autoencoder (Máy học sâu tự mã hóa thưa wavelet) EEG Electroencephalography (Điện não đồ) EOG Electrooculography (Tín hiệu bất thường sinh ra do nháy mắt) EMG Electromyogram (Tín hiệu bất thường sinh ra do cử động cơ) ECoG Electro-corticography (Điện não đồ xâm lấn) FC Frequency correlation (Tương quan tần số) fMRI functional Magnetic resonance imaging (Chụp cộng hưởng từ chức năng) fNIRS Functional Near-Infrared Spectroscopy (Quang phổ cận hồng ngoại) ICA Independent component analysis (Phân tích thành phần độc lập) Infomax Information Maximization (Tối đa thông tin) JADE Joint Approximation Diagonalization of Eigen-matrices LORETA Low resolution brain electromagnetic tomography (Định vị điện từ não đồ phân giải thấp) MEG Magnetoencephalography (Từ não đồ) MSE Mean square error (Sai số toàn phương trung bình) OWO-BP Output weight optimization – Backpropagation (Lan truyền ngược tối ưu hóa trọng số lớp ra) PCA Principal component analysis (Phân tích thành phần chính) PET Positron emission tomography (Chụp positron phát xạ) PSD Power spectral density (Mật độ phổ năng lượng) RBM Restricted Bolzmann machine (Máy Bolzmann chặt) RWE Relative wavelet energy (Năng lượng wavelet tương đối) SAE Sparse autoencoder (Máy tự mã hóa thưa) SOBI Second-Order Blind Identification (Nhận dạng mù bậc hai) SURE Stein’s unbiased risk estimate SVM Support vector machine (Máy vec-tơ hỗ trợ) WIoT Wireless internet of things (Internet vạn vật vô tuyến) WNN Wavelet neural network (Mạng nơ-ron wavelet) WT Wavelet thresholding (Phân ngưỡng wavelet) 10 PHẦN MỞ ĐẦU 1. Tính cấp thiết Não bộ là một trong những cơ quan quan trọng nhất, về cơ bản chịu trách nhiệm điều phối toàn bộ các cơ quan khác trong cơ thể con người. Cơ chế hoạt động của não bộ là một vấn đề rất phức tạp, đến nay khoa học chưa có lời giải rõ ràng.