Tổ hợp WICA cùng mô hình lọc thích nghi nhằm cải thiện khả năng loại bỏ nhiễu cơ từ EEG

ICA đã chứng minh là một công cụ hiệu quả để loại bỏ nhiễu phát sinh từ EEG. Tuy nhiên, việc đánh giá các thành phần độc lập (IC) không mong muốn và loại chúng bỏ đôi khi vẫn làm mất thông tin hữu ích.
Nội dung trích xuất từ tài liệu:
Tổ hợp WICA cùng mô hình lọc thích nghi nhằm cải thiện khả năng loại bỏ nhiễu cơ từ EEGNghiên cứu khoa học công nghệ TỔ HỢP WICA CÙNG MÔ HÌNH LỌC THÍCH NGHI NHẰM CẢI THIỆN KHẢ NĂNG LOẠI BỎ NHIỄU CƠ TỪ EEG Nguyễn Quốc Trung1, Bùi Huy Hải2*, Nguyễn Mai Anh2, Nguyễn Nam Phúc3 Tóm tắt: ICA đã chứng minh là một công cụ hiệu quả để loại bỏ nhiễu phát sinh từ EEG. Tuy nhiên, việc đánh giá các thành phần độc lập (IC) không mong muốn và loại chúng bỏ đôi khi vẫn làm mất thông tin hữu ích. Để khắc phục vấn đề này, WT đã được sử dụng trên mỗi IC, các IC sẽ tiếp tục được phân rã thành các hệ số wavelet, một mức ngưỡng được sử dụng cho mỗi hệ số wavelet nhằm loại bỏ những biến dạng bất thường, sau đó, sẽ tái tổ hợp để thu lại những tín hiệu sạch (phương pháp wICA). Dù wICA đã cho kết quả khả quan, tuy nhiên, với nhiễu có biên độ, tần số biến thiên liên tục và bất thường, như nhiễu cơ, thì wICA bắt đầu xuất hiện những hạn chế từ mức ngưỡng cố định. Nhóm tác giả đã đề xuất một tiếp cận mới, đó là sử dụng mô hình lọc thích nghi kết hợp với wICA nhằm linh hoạt mức ngưỡng theo sự biến thiên của nhiễu. Các thực nghiệm cho thấy một kết quả hết sức khả quan, chất lượng triệt nhiễu được cải thiện rõ rệt so với phương pháp wICA.Từ khóa: Triệt nhiễu, Lọc thích nghi, Biến đổi wavelet, Wavelet nâng cấp ICA (wICA), EEG. 1. ĐẶT VẤN ĐỀ Tín hiệu EEG là một trong những chỉ số quan trọng nhất đối với các ứng dụngchuẩn đoán lâm sàng. Như tất cả các kỹ thuật khác về hình ảnh não, nó cung cấpcho chúng ta cái nhìn về hoạt động của não, hơn nữa EEG còn biểu lộ các mẫu bấtthường như những sự thay đổi về biên độ, hay dịch chuyển tức thời về mặt tần số.Bằng cách quan sát hoạt động tín hiệu não, các nhà nghiên cứu có thể có cái nhìnsâu sắc về sức khỏe cũng như trạng thái tâm sinh lý của con người [1]. Tuy nhiên,việc thu nhận hoạt động não qua tín hiệu điện não đồ thu nhận vẫn còn nhiều hạnchế, hoạt động điện chỉ được ghi nhận từ các điện cực đặt tại bề mặt của vỏ não,nguyên do các hoạt động điện được ghi giữ từ các điện cực đặt ở các lớp da ngoàihoặc ở vỏ não phải được đặt trên một diện tích đủ rộng để ghi nhận được tối đanhững năng lượng điện phát ra từ cơ thể, chính vì vậy, việc thu nhận tín hiệu nàyluôn bị tác động bởi nhiều thành phần điện y sinh xuất phát từ những nguồn khôngmong muốn. Cùng với việc ghi lại những hoạt động tại một điện cực trên cơ thể thìđồng thời điện cực cũng bị tác động bởi những tín hiệu điện y sinh khác như điệnmắt đồ, điện cơ đồ, điện tâm đồ, đặc biệt là nhiễu cơ và nhiễu xuất phát từ các vậnđộng hay do sự dịch chuyển của cơ thể [2]. Tuy nhiên, dạng nhiễu có ảnh hưởnglớn nhất đến EEG chính là nhiễu cơ, đó là các thành phần tín hiệu không mongmuốn xuất phát từ các mô hay cơ hay do sự dịch chuyển cơ thể, nhiễu này thườngxuất hiện với biên độ biến thiên trong dải rộng và tần số biến dạng bất thường nêncó thể làm che mờ các tín hiệu hữu ích. Nhiều nhà nghiên cứu đã tập trung vào việc loại bỏ nhiễu với nhiều hướng tiếpcận khác nhau như kỹ thuật phân tích tương quan chia tách các nguồn mù (BSS-CCA), kỹ thuật phân tích các thành phần độc lập (ICA), kỹ thuật wavelet mù(BWDA and WDA), kỹ thuật phân tích thành phần chính (PCA), phân tách tuyếntính (LDA) và biến đổi hình thái (MCA), lọc thích nghi (AF), kỹ thuật kết hợpphân nguồn mù và máy phân tích vec tơ, lọc thích nghi, các bộ lọc khônggian…vv. Mỗi phương pháp đều có thế mạnh riêng của nó, nhưng các công cụ liênTạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 51 Kỹ thuật điều khiển & Điện tửquan đến việc đánh giá và phân tách nguồn mù (BSS) tỏ ra đặc biệt hiệu quả đểtách các thành phần nhiễu phát sinh từ sự tổ hợp tín hiệu ghi EEG, đặc biệt làphương pháp ICA đã được sử dụng rộng rãi trong những năm gần đây. Tuy nhiên,hoạt động của ICA lại phụ thuộc vào kích cỡ của hệ dữ liệu. Thông thường sốnguồn phát tín hiệu trong cơ thể luôn vượt qua số kênh ghi dữ liệu và trong trườnghợp này ICA sẽ không có khả năng tách nhiễu ra khỏi các thành phần còn lại, hoặccác thành phần bị coi là nhiễu, khi bị loại bỏ vẫn chứa đựng những thông tin hữuích. Việc kết hợp ICA và WT (wICA) sẽ giải quyết được vấn đề này, trong giảipháp kết hợp, những thành phần độc lập (IC) tiếp tục được phân rã thành các hệ sốwavelet, một giá trị ngưỡng được sử dụng cho mỗi hệ số wavelet để loại bỏ nhữngbiến dạng bất thường, rồi sau đó, tái tổ hợp wavelet và ICA để thu lại những tínhiệu sạch và giảm hiện tượng mép phổ gây mất thông tin. Phương pháp này đã được sử dụng rộng rãi trong những năm gần đây, tuynhiên, khi EEG bị tác động bởi nhiễu với biên độ lớn, đồng thời, có sự thay đổiliên tục về tần số và biên độ như nhiễu cơ thì wICA bắt đầu xuất hiện các hạn chếdo việc cố định mức ngưỡng phân tích. Một hướng tiếp cận mới được nhóm tác giảđưa ra, đó là sử dụng mô hình lọc thích nghi kết hợp wICA (wICAAF) để linh hoạtmức ngưỡng theo sự biến thiên của biên độ nhiễu. Phương pháp mới tỏ ra đạt đươchiệu quả rất khả quan và đã khắc phục được hạn chế của phương pháp wICA [5]. 2. NỘI DUNG CẦN GIẢI QUYẾT2.1. Cơ sở dữ liệu Tín hiệu y sinh được ghi trên 14 chủ thể tham gia thí nghiệm (bao gồm 06 nam và08 nữ), trong lứa tuổi từ 22 đến 40 tuổi. Chủ thể không sử dụng thuốc kháng sinhhay thức khuya trong vòng một tuần trước thời giam tham gia thí nghiệm. Tần số lấymẫu được thiết lập là 200 Hz, thiết bị model NEC‖SYNAFIT1000 được sử dụng đểthu nhận tín hiệu sóng não, thời gian ghi nhận tín hiệu kéo dài hơn 6 giờ với hoạtđộng thu tín hiệu được triển khai đồng thời trên 16 kênh, bao gồm kênh C3, C4, F3,F4, F7, F8, Fp1, Fp2, O1, O2, F3, F4, T3, T4, T5, và T6 [3]. Trong quá trình thínghiệm, trạng thái các chủ thể được ghi nhận và đánh giá cẩn thận để đảm bảo chiếtxuất được một giờ dữ liệu của các c ...