Ứng dụng sóng não phát hiện dấu hiệu buồn ngủ trong việc lái xe đường dài

Nội dung text: Ứng dụng sóng não phát hiện dấu hiệu buồn ngủ trong việc lái xe đường dài

1. ỨNG DỤNG SÓNG NÃO PHÁT HIỆN DẤU HIỆU BUỒN NGỦ TRONG VIỆC LÁI XE ĐƯỜNG DÀI PGS. TS Đỗ Văn Dũng, KS Nguyễn Đình Quân Trường Đại Học Sư Phạm Kỹ Thuật TP Hồ Chí Minh TÓM TẮT Giao diện não máy tính (BCI: Brain Computer Interface) là một lĩnh vực nghiên cứu sự tương tác giữa não người với máy tính. Một hệ thống BCI thông thường sẽ dựa vào các tín hiệu mang tính chất điện được thu thập từ não thông qua hệ thống các điện cực, máy tính được lập trình sẽ phân tích, xử lý dữ liệu thu thập được và đưa ra những phản ứng đáp lại các suy nghĩ, tưởng tượng, cũng như các hoạt động thần kinh của con người. Một trong những ứng dụng của BCI là hệ thống nhận dạng sự tập trung thấp và cơn buồn ngủ của con người trong khi đang làm nhiệm vụ lái xe. Để xây dựng được một hệ thống BCI có chức năng như trên, việc đầu tiên và quan trọng nhất là phải khảo sát được các đặc tính của tín hiệu sóng não của cơn buồn ngủ. Trong nội dung bài báo này, tác giả trình bày phương pháp thí nghiệm để có thể thu thập và khảo sát các đặc tính trên. ABSTRACT Brain Computer Interface (BCI) is a specific area of study the interaction between the human brain with computers. The BCI system will rely on the conventional nature of electrical signals collected from the brain through the electrode system. The computer is programmed to analyze and process the data collected and make responsive thinking, imagining, as well as the neural activity of people. One of the applications of the BCI is the system to identify the low concentration and human sleepiness while driving on duty. To build the BCI system with functions as above, the first and most important is to examine the characteristics of the brain wave signal of sleepiness. Content in this article, the author presents experimental methods to collect and examine these features. 1
2. 1. Giới thiệu: buồn ngủ. Điều này giúp hạn chế những rủi Não người đóng một vai trò quan trọng ro đáng tiếc có thể xảy ra cho cả người và trong hoạt động của con người. Dựa trên tín phương tiện. Đề tài nghiên cứu thành công là hiệu điện não, những thay đổi bên trong hoạt cơ sở để tạo ra sản phẩm thương mại, có thể động của não bộ có thể được xác định. Giúp ứng dụng vào trong thực tế như những thiết cho việc chuẩn đoán, phát hiện những dấu bị cần trang bị trên ô tô nhằm gia tăng tính hiệu không bình thường đang diễn ra về trạng năng an toàn khi tham gia điều khiển phương thái và thể chất của con người một cách tiện lưu thông trên đường. Ngoài ra, nó cũng chính xác hơn. là cơ sở để ứng dụng sóng não vào việc điều Giao tiếp não người với máy tính (Brain khiển những trang thiết bị khác được trang bị Computer Interface, viết tắt là BCI) là một trên xe. lĩnh vực nghiên cứu sự tương tác giữa não 2. Xây dựng thí nghiệm thu thập sóng người với máy tính. Một hệ thống BCI thông não của người lái xe đường dài. thường sẽ dựa vào các tín hiệu mang tính Việc xây dựng các thí nghiệm để thu thập chất điện, được thu thập từ não bộ thông qua các mẫu thử ghi tín hiệu sóng não của tài xế hệ thống các điện cực, máy tính được lập trong tình trạng buồn ngủ là một bước cực kỳ trình sẽ phân tích, xử lý dữ liệu thu thập được quan trọng để có thể chế tạo thiết bị cảnh báo và đưa ra những phản ứng đáp lại các suy cơn buồn ngủ sớm cho tài xế lái xe đường nghĩ, tưởng tượng, cũng như các hoạt động dài. thần kinh của con người. Trên thế giới đã bắt Chúng ta cần một thí nghiệm sử dụng mô đầu xuất hiện những sản phẩm ứng dụng hình lái xe mô phỏng. Trong nội dung bài công nghệ giao tiếp não người với máy tính. báo này, chương trình mô phỏng được lựa Các ứng dụng này đặc biệt được áp dụng chọn là Euro Truck Simulator 2. Thí nghiệm rộng rãi trong lĩnh vực y tế và giải trí. được bố trí sao cho có thể thu thập được các Ứng dụng thu thập tín hiệu sóng não và tập dữ liệu sóng não ghi nhận quá trình phân tích xử lý, giúp ta phát hiện được một chuyển đổi từ trạng thái tỉnh táo sang trạng cách chính xác trạng thái buồn ngủ. Từ đó, thái mất kiểm soát do cơn buồn ngủ gây nên. áp dụng đối với người điều khiển phương Các tập dữ liệu thu thập này sẽ được sử dụng tiện giao thông nhằm đưa ra tín hiệu cảnh báo trong việc phân tích đặc tính phổ của cơn kịp thời khi họ rơi vào trạng thái mệt mỏi và buồn ngủ, từ đó sẽ định hướng cho việc xây 2
3. dựng một thuật toán có khả năng nhận biết Quan sát các tập mẫu sự kiện tác giả nhận dấu hiệu cơn buồn ngủ thông qua sóng não. thấy, khi sự kiện mất tập trung của người lái xe xảy ra thì dạng phổ thu được từ các kênh Các đối tượng tham gia sẽ luân phiên điện cực đa phần sẽ có chuyển biến, nhưng thực hiện thí nghiệm. Các tập mẫu thu được rõ nhất là kênh FC5 và FC6. Mật độ phổ sẽ sẽ được tổng hợp, trích lọc, phân tích và đúc dần chuyển trọng tâm từ vùng trên 20Hz (ứng với sóng Mu (μ) và sóng Beta (β)) dần kết các đặc tính sóng não đặc trưng của cơn dần về vùng dưới 10Hz (ứng với sóng Alpha buồn ngủ. (α)), cá biệt có những tập mẫu ứng với mốc thời gian sự kiện xảy ra mật độ phổ tập trung 3. Tổng kết và thống kê kết quả thử ngay gần vùng 4Hz. Điều này rất phù hợp với nghiệm. lý thuyết về giấc ngủ. Minh họa cho điều này được chỉ ra ở hình (1) và hình (2) bên dưới. 3.1. Tổng kết Tín hiệu sau khi thu được từ các bài thí nghiệm sẽ được chuyển qua file *.xls với dữ liệu các kênh và các mốc thời gian thu. Dựa vào các video ghi hình của các bài thí nghiệm và các mốc ghi chú thời gian của giám sát viên. Kết thúc quá trình thí nghiệm thu thập Hình 1: Mật độ phân bố phổ của một tập mẫu mẫu, thông qua 100 bài thí nghiệm của tất cả thu được lúc ốđ i tượng tỉnh táo. các đối tượng tham gia. Tác giả đã trích lọc được hơn 500 tình huống xảy ra va chạm, trong đó 358 tình huống được nhận định là bởi sự mất tập trung do mệt mỏi gây ra, tương ứng với 358 tập mẫu sự kiện được trích lọc. 3.2. Thống kê kết quả. Sau khi chọn lọc các tập mẫu sự kiện và Hình 2: Mật độ phân bố phổ của một tập mẫu tiến hành đánh giá bằng trực quan về dạng thu được lúc đối tượng đang dần mất tập trung phổ của các tập mẫu sự kiện đã thu thập và ngay sau đó có sự kiện va chạm xảy ra. được. Qua thống kê tác giả đã đúc kết được Khi bắt đầu mỗi bài thí nghiệm, tác giả cố những nhận định sau: tình yêu cầu đối tượng tham gia nhắm mắt 3
4. thư giãn, nhằm mục đích khảo sát tính cá nhân của dạng sóng Alpha. Qua khảo sát, chúng ta có thể nhận thấy đa số các đối tượng có dạng sóng Alpha nằm ở ngưỡng dao động quanh 10Hz, có 2 cá nhân có sóng Alpha ở mức 12Hz và 1 cá nhân ở mức 7.5Hz. Dạng sóng Alpha có nhiều ý nghĩa trong khoa học giấc ngủ. Ngoài ra, phần đầu mỗi bài thí nghiệm giám sát viên thường Hình 3a: Biểu đồ cá nhân có nhịp Alpha là yêu cầu các đối tượng tham gia điều khiển 7.5Hz. xe ở tốc độ cao hoặc thấp, nhằm thu thập thông tin về mức độ tăng giảm sự tập trung của đối tượng. Qua khảo sát các tập mẫu thu được, có một đánh giá mà tácgi ả nhận ra, là tùy thuộc vào sóng Alpha cá nhân mà mật độ phổ của sóng não thu được trong tình trạng tập trung và tăng cường tập trung (lái xe chậm và lái xe nhanh) của đối tượng có sự khác biệt. Cụ thể thông thường mật độ Hình 3b: Biểu đồ cá nhân có nhịp Alpha là phổ sẽ tập trung nhiều ngay tại tần số sóng 12Hz. Alpha của cá nhân đó, và có xu hướng trải rộng ra hai bên, càng tập trung biên độ lan càng rộng. Biểu đồ minh họa điều này được trình bày ở hình (3) bên dưới. Biểu đồ phân bố mật độ phổ của các đối tượng tham gia thí nghiệm ở các trạng thái thư giãn, tập trung và tập trung cao. Hình 3c: Biểu đồ cá nhân có nhịp Alpha là 10Hz. 4
5. TÀI LIỆU THAM KHẢO Conference Center Kobe, Japan, pp. [1] Tatum, W. O., Husain, A. M., 2318-2325, May 12-17, 2009. Benbadis, S. R,: Handbook of EEG [6] Robert Leeb, Hesam Sagha, Ricardo Interpretation Demos Medical Chavarriaga and Jose del. R. Millan, Publishing, 2008. “Multimodal Fusion of Muscle and [2] Acar, Erman, “Classification of motor Brain Signals for a Hybrid-BCI”, 32nd imagery tasks in eeg signal and its Annual International Conference of the application to a brain-computer IEEE EMBS, Buenos Aires, Argentina, interface for controlling assistive August 31 - September 4, 2010. environmental devices”, Vol. PhD. [7] Mandeep Kaur, P. Ahmed, M. Qasim 2011. Rafiq, “Analyzing EEG based [3] Lotte, Fabien, “Study of Neurological Phenomenon in BCI Electroencephalographic Signal Systems”, International Journal of Processing and Classification Computer Applications (0975 – 8887), Techniques towards the use of Brain- Volume 57– No.17, November 2012. Computer Interfaces in Virtual Reality [8] Ripley B.D.: Pattern Recognition and Applications”, Vol.PhD 2009. Neural Networks, Cambridge [4] Dandan Huang, “EEG-Based Online university Press, 1996. Two-Dimensional Cursor Control”, [9] Nguyễn Văn Trung: Thuật toán tìm 31st Annual International Conference ngưỡng xác định các hoạt động của mắt of the IEEE Engineering in Medicine dựa váo tín hiệu EEG. Luận văn thạc sĩ and Biology Society, Minneapolis, - Đại Học Sư Phạm Kỹ Thuật TP.Hồ Minnesota, USA, pp. 4547-4550, Chí Minh, 2012. September 3-6, 2009. [10] Ngô Quốc Cường: Nhận dạng hoạt [5] Iturrate, J. Antelis and J. Minguez, động gõ tay thông qua phân tích quang “Synchronous EEG Brain-Actuated phổ cận hồng ngoại (NIRS) dùng giải Wheelchair with Automated thuật hồi quy. Luận văn thạc sĩ - Đại Navigation”, IEEE International Học Sư Phạm Kỹ Thuật TP.Hồ Chí Conference on Robotics and Minh, 2012. Automation Kobe International 5
6. [11] Shyh Y.C; Hong T.H, “Mental Fatigue [17] Djuric, P., Kay S.: Spectrum Estimation Measurement Using EEG”, Risk and Modeling, Digital Signal Management Trends, pp 205. Processing Handbook.1999. [12] Sinan C.: Lectures in Medical [18] N. Kwak: Principal component Physiology: Motor Cortex. YILDIRIM analysis based on L1-norm BEYAZIT UNIVERSITY. maximization, IEEE Trans. Pattern [13] Mohammed, J., “Common Average Anal. Mach. Intell., vol. 30, no. 9, pp. Reference (CAR) Improves P300 1672–1680, 2008. Speller”, International Journal of [19] Huỳnh Hoàng Thái: Hệ Thống Điều Engineering and Technology Volume 2 Khiển Thông Minh, NXB Đại Học No. 3, March, 2012. Quốc Gia TPHCM, 2006. [14] Dennis J., Lynn M., Stephen V., [20] R. Rojas: Neural Networks, Springer- Jonathan R.: Spatial filter selection for Verlag, Berlin, 1996. EEG-based communication, [21] Kaastra, I., Boyd, M.: Designing a Electroencephalography and clinical neural network for forecasting financial Neurophysiology 103 (1997), pp386- and economic time series - 394. Neurocomputing 10 (1996), pp 215- [15] Peiyang Li, Peng Xu, Rui Zhang, 236. Lanjin Guo, Dezhong Yao: L1 Norm [22] Nguyễn Hữu Công: Điện não đồ căn based common spatial patterns bản, NXB Y học, 1998. decomposition for scalp EEG BCI. [23] J.N. Mak and J.R. Wolpaw, “Clinical BioMedical Engineering OnLine 2013, Applications of Brain Computer 12:77. Interfaces: Current State and Future [16] Walter J. Freeman, Mark D. Holmes, Prospects”, IEEE reviews in Brian C. Burke, Sampsa Vanhatalo: biomedical engineering, vol. 2, 2009, Spatial spectra of scalp EEG and EMG pp. 187-199. from awake humans. Clinical [24] P. Y. Xu Lei, Peng Xu, Tie-Jun Liu, and Neurophysiology Volume 114, Issue 6, De-Zhong Yao: Common Spatial June 2003, pp 1053–1068. Pattern Ensemble Classifier and Its Application in Brain-Computer 6
7. Interface, JOURNAL OF [26] C.C. Kuo, J. L. Knight, C. A. Dressel, ELECTRONIC SCIENCE AND and A. W. L. Chiu, "Non-Invasive BCI TECHNOLOGY OF CHINA, vol. 7, for the Decoding of Intended Arm pp. 17-21, 2009. Reaching Movement in Prosthetic [25] C. G. Quadrianto Novi, Tran Huy Dat, Limb Control," American Journal of and Ping Xue: Sub-band Common Biomedical Engineering, vol. 2, pp. Spatial Pattern (SBCSP) for Brain- 155-162, 2012. Computer Interface, IEEE EMBS [27] Conference on Neural Engineering, smartcap-system/ 2007, pp. 204-207. [28] wheelchair-powered-brain-waves/12121/ Thông tin liên hệ tác giả TP Hồ Chí Minh, ngày tháng năm 2015 Họ tên: Nguyễn Đình Quân Xác nhận của GVHD Email : dinhquan2010@gmail.com Số điện thoại: 0983.256.322 PGS. TS Đỗ Văn Dũng 7
8. BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn Bản tiếng Việt ©, TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH và TÁC GIẢ Bản quyền tác phẩm đã được bảo hộ bởi Luật xuất bản và Luật Sở hữu trí tuệ Việt Nam. Nghiêm cấm mọi hình thức xuất bản, sao chụp, phát tán nội dung khi chưa có sự đồng ý của tác giả và Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh. ĐỂ CÓ BÀI BÁO KHOA HỌC TỐT, CẦN CHUNG TAY BẢO VỆ TÁC QUYỀN! Thực hiện theo MTCL & KHTHMTCL Năm học 2016-2017 của Thư viện Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.