Luận án Tiến sĩ: Xử lý tín hiệu điện não tưởng tượng vận động chi trên

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: 1. PHẠM HẢI ĐĂNG Hà Nội – 2016 LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu trong luận án này là trung thực và chưa từng công bố trong bất kỳ công trình nào khác. Tập thể giáo viên hướng dẫn Tác giả Phạm Phúc Ngọc LỜI CẢM ƠN Đầu tiên tôi xin bày tỏ lòng biết ơn chân thành và sâu sắc của mình tới thầy hướng dẫn khoa học PGS.TS Phạm Văn Bình và thầy đồng hướng dẫn TS.

Phạm Hải Đăng. Các thầy là người định hướng cho tôi triển khai các ý tưởng khoa học và luôn tận tình hướng dẫn tôi trong suốt thời gian thực hiện luận án. Tôi cũng xin chân thành cảm ơn các Anh, Chị, em và các bạn đồng nghiệp tại Bộ môn Công nghệ Điện tử & Kỹ thuật Y sinh, Viện Điện tử - Viễn thông trường Đại học Bách Khoa Hà nội đã tạo điều kiện, định hướng và giúp đỡ để tôi hoàn thành công trình nghiên cứu này. Tôi xin cảm ơn Bộ môn Công nghệ Điện tử & Kỹ thuật Y sinh, bộ 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 đã hỗ trợ tôi về cơ sở vật chất, trang thiết bị nghiên cứu, các góp ý định hướng nghiên cứu và các kỹ thuật trong y học để tôi hoàn thành tốt công trình nghiên cứu của mình.

Tôi cũng 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 đã tạo điều kiện cho tôi trong quá trình học tập và nghiên cứu. Tôi cũng xin cảm ơn các thành viên trong nhóm nghiên cứu EEG&Arm Rehabilitation đã hỗ trợ và cùng tham gia với tôi trong việc triển khai các thí nghiệm đo lường, phân tích tín hiệu điện não tại phòng thí nghiệm. Cuối cùng tôi xin chân thành cảm ơn Bố mẹ, vợ, con trai và những người thân trong gia đình luôn động viên về tinh thần, thời gian và vật chất để tôi có động lực thực hiện con đường nghiên cứu khoa học. Hà nội ngày …….năm…… Tác giả Phạm Phúc Ngọc MỤC LỤC Trang MỞ ĐẦU……………………………………………………………………….

HỆ THẦN KINH ĐIỀU KHIỂN VẬN ĐỘNG VÀ MÔ HÌNH XỬ LÝ TÍN HIỆU ĐIỆN NÃO ĐỒ LIÊN QUAN VẬN ĐỘNG CỦA .1 Hệ thần kinh điều khiển vận động……………………………………….1 Các hoạt động điện của.2 Điện thế hoạt động……………………………………………….3 Tạo tín hiệu EEG………………………………………………….4 Hệ thống điều khiển vận động của não…………………………….5 Tín hiệu điện não đồ liên quan đến tưởng tượng vận động……….2 Mô hình xử lý tín hiệu điện não IHMv…………………………………. Xác định vị trí không gian điện cực thu nhận tín hiệu IHMv……………28 1. Nâng cao tỷ số SNR của tín hiệu………………………………….1 Tăng cường chất lượng tín hiệu EEG dựa trên việc sử dụng các bộ lọc số có pha bằng không………………………….2 Tăng cường chất lượng kênh đo tín hiệu EEG bằng kỹ thuật lọc không ……36 gian…………………………………………….3 Phân giải các nhóm tín hiệu điện não IHMv (segmentation) từ bản ghi điện não đồ…………………………………….3 Kết luận chương………………………………………………………… ……46 i CHƢƠNG 2. PHÁT TRIỂN BỘ ĐẶC TRƢNG MỚI NÂNG CAO ĐỘ CHÍNH XÁC PHÂN LOẠI HỆ THỐNG QUYẾT ĐỊNH BA PHÂN LỚP IHMv ĐẦU RA….1 Phương pháp định lượng trên miền thời gian – tần số dựa trên biến đổi wavelet………………………………………………………………….2 Xây dựng bộ các thuộc tính định lượng tín hiệu điều khiển vận động IHMv…………………………………………………………………….3 Mô tả bộ cơ sở dữ liệu vận động/tưởng tượng vận động……65 Physionet…….4 Đề xuất lựa chọn bộ thuộc tính mô tả tín hiệu IHMv bằng phương pháp phân tích phương sai một chiều ANOVA theo chỉ số F và……70 p…………….1 Phương pháp phân tích phương sai một chiều……72 ANOVA………….2 Đề xuất xây dựng bộ đặc trưng lựa chọn bằng phương pháp kiểm định ANOVA theo chỉ số F và p………………………………….5 Kết luận chương………………………………………………………….

PHƢƠNG PHÁP PHÂN LOẠI BA PHÂN LỚP……80 IHMv…….1 Xây dựng vector đặc trưng mô tả tín hiệu điện não IHMv từ bộ đặc trưng đề xuất và cấu trúc các……85 lớp……………………………………………….2 Mô hình máy vector hỗ trợ nhị phân SVM……………………………………87 3.3 Đề xuất xây dựng mô hình phân loại 3IHMv_SVM2 dựa trên mô hình vector học máy phi tuyến (SVM) thực hiện phân lớp ba trạng thái tưởng tượng vận động tay trái, tay phải và nghỉ……………………………….4 Mô phỏng và đánh giá khả năng phân loại của bộ phân loại 3IHMv_SMV2………………………………………………………….5 Kết luận chương…………………………………………………………. XÂY DỰNG BỘ DỮ LIỆU ĐIỆN NÃO IHMv CỦA ĐỐI TƢỢNG NGƢỜI VIỆT NAM…………………………………………….1 Quy trình đo và xây dựng bộ dữ liệu điện não liên quan đến vận động của người Việt ….1 Hệ thống thu nhận dữ liệu điện não liên quan đến vận động/ tưởng tượng vận động của đối tượng đo người Việt….2 Kết quả và đánh giá bộ dữ liệu…………………………………….2 Xây dựng bộ công cụ phân tích tín hiệu IHMv, ứng dụng tạo quyết định ba phân lớp IHMv và hệ thống cánh tay robot hỗ trợ vận ….3 Kết luận chương………………………………………………………….125 KẾT LUẬN CHUNG…………………………………………………………. Hướng nghiên cứu tiếp………………………………………………….129 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CÔNG BỐ…………….131 TÀI LIỆU THAM KHẢO…………………………………………………. iii PHỤ LỤC….

DANH MỤC TỪ VIẾT TẮT ANOVA Analysis of Variance Phân tích phương sai AP Action Potential Điện thế hoạt động AR Autoregressive Tự động hồi quy ARMA Autoregressive Moving Tự đồng hồi quy trung bình dịch Avarage AUC Area Under ROC Curve Diện tích dưới đường ROC AVACC Average Accuracy Độ chính xác trung bình BA4 Brodmann Area 4 Khu vực Brodmann 4 BA6 Brodmann Area 6 Khu vực Brodmann 6 BCI Brain Computer Interface Giao tiếp người – máy CAR Common Average Reference Tham chiếu trung bình CNS Central Nervous System Hệ thần kinh trung ương CS_LDA Class Separability Linear Phân chia lớp kết hợp với phân Discriminant Analysis tích phân chia tuyến tính CSP Common Spatial Patterns Các thành phần không gian chung CS_SVM Class Separability Support Phân tích lớp kết hợp vector Vector Machine máy hỗ trợ DWT Discrete Wavelet Transform Biến đổi wavelet rời rạc EEG Electroencephalogram Điện não đồ EMG Electromyography Điện cơ ERD Event-Related Khử đồng bộ liên quan đến sự Desynchronization kiện ERP Event – Related Potential Điện thế liên quan đến sự kiện ERS Event-related Synchronization Đồng bộ liên quan đến sự kiện ERSP Event-related spectral Phổ năng lượng hỗn loạn liên iv perturbation quan đến sự kiện FFT Fast Fourier Transform Biến đổi Fourier nhanh FIR Finite Impulse Response Đáp ứng xung hữu hạn FMRI Functional Magnetic Resonance Cộng hưởng từ chức năng Imaging FNR False Negative Rate Tỷ lệ âm tính giả FPR False Positive Rate Tỷ lệ dương tính giả HJ_ACT Hjorths Activity Thông số Hjorths hoạt động HJ_MOBI Hjorths Mobility Thông số Hjorths linh động ICA Independent Component Phân tích thành phần độc lập Analysis ICMS Intracortical Microstimulation Vi kích thích trong hộp sọ IHMv Imagery Hand Movement Tưởng tượng vận động chi trên IPL Inferior Parietal Lobule Tiểu thùy đỉnh dưới L Left Trái Lf_IHMv Imagery Left Hand Movement Tưởng tượng vận động tay trái LOG_EN Logarithm Entropy Logarit Entropy M1 Primary Motor Cortex Vỏ não vận động chính MEMD Multivariate Empirical Mode Phương pháp MEMD Decomposition MI Mutual Information Thông tin chung MMAV Modified Mean Absolute Value Giá trị sửa đổi trung bình tuyệt đối MRCPs Movement-Related Cortical Điện thế não liên quan đến vận Potentials động MRMR Max Relevance and Min Tối đa sự liên quan và giảm độ Redundancy dư thừa MSE Mean Square Error Sai số trung bình bình phương NA-MEMD Noise Assisted MEMD Kỹ thuật MEMD cộng nhiễu NN Neural Network Mạng nơ ron PLV Phase Lock Value Giá trị khóa pha RBF Radial basis function Hàm RBF Re Rest Nghỉ Re_IHMv Rest state Trạng thái nghỉ Ri Right Phải Ri_IHMv Imgary Right Hand Movement Tưởng tượng vận động tay phải RMS Root Mean Square Căn bậc hai trung bình bình phương ROC Receiver Operating Đường cong ROC Characteristic S1 Primary Somatosensory Cortex Vùng não cảm giác chính SHAN_EN Shannon Entropy Shannon Entropy SMA Supplement Motor Area Vùng não vận động bổ sung v SNR Signal to Noise Ratio Tỷ lệ tín hiệu trên nhiễu SPL Superior Parietal Lobule Tiểu thùy đỉnh trên SSI Simple Square Integral Chỉ số năng lượng tín hiệu STFT Short Time Fourier Transform Biến đổi Fourier thời gian ngắn SVM Support Vector Machine Máy vector hỗ trợ SSC Slope Sign Change Thay đổi chiều dốc SWT Stationary Wavelet Transform Biến đổi wavelet ổn định TNR True Negative Rate Tỷ lệ âm tính thật TPR True Positive Rate Tỷ lệ dương tính thật WAMP Willison Amplitude Thuộc tính WAMP WPICA Wavelet packet-based Phân tích thành phần độc lập independent component analysis dựa trên biến đổi wavelet ZC Zero Crossings Tỷ lệ cắt không vi DANH MỤC BẢNG Trang Bảng 1.1 Mô tả giá trị tín hiệu trước lọc và tín hiệu sau lọc thông dải 33 Bảng 2.1 Các hệ số chi tiết và xấp xỉ dựa trên biến đổi wavelet 8 mức 59 SWT Bảng 2.2 Tóm tắt giá trị trung bình và phương sai của các thuộc tính 68 theo các phân lớp IHMv khác nhau Bảng 2. Giá trị ANOVA F và p đối với từng đặc trưng băng tần α và 75 β trên kênh C3 và C4 Bảng 2.4 Nhóm 62 các thuộc tính sử dụng để xây dựng vector đặc 79 trưng phân lớp IHMv lựa chọn theo mô hình ANOVA Bảng 3.1 Mô tả quyết định trạng thái phân lớp đầu ra của bộ phân loại 99 Bảng 3.2 Mô tả thông số kỹ thuật của bộ phân loại IHMv_SVM3 99 Bảng 3.3 Mô tả độ chính xác phân loại của bộ phân loại 100 3IHMv_SVM2 Bảng 3.4 Độ chính xác phân loại của mô hình phân loại SVM 2 tầng 100 với vector đặc trưng 6 thuộc tính (2 kênh x 3 băng tần) Bảng 3.5 Độ chính xác phân loại giữa non-rest IHMv và Re_IHMv 102 Bảng 3.6 So sánh kết quả phân loại của các phân lớp IHMv của bộ 103 phân loại đề xuất 3IHMv_SVM2 với các nghiên cứu tương đương Bảng 4.1 Mô tả thông tin các đối tượng trong bộ dữ liệu tự thiết kế 109 Bảng 4.2 Độ chính xác phân loại của mô hình đề xuất trên bộ dữ liệu 123 tự thiết kế vii DANH MỤC HÌNH Trang Hình 1.1 Cấu tạo não gồm 3 phần đại não (Cerebrum), tiểu não 10 (Cerebellum) và cuống não (brain stem) Hình 1. Vị trí của Đại não chiếm phần lớn não người 10 Hình 1.3 Vị trí của tiểu não 11 Hình 1.4 Điện thế màng tế bào thần kinh thay đổi và dòng điện trong 13 quá trình synap kích thích Hình 1.5 Thay đổi điện thế màng thông qua việc đóng các kênh Na và 14 mở các kênh K Hình 1. Cấu trúc của một nơ ron 15 Hình 1.7 Ba lớp của não trong đó thể hiện điện trở xấp xỉ và độ dày 16 của các lớp Hình 1.8 Tín hiệu điện não ghi được từ các điện cực 16 Hình 1.