PHÂN LOẠI TRẠNG THÁI CẢM XÚC CĂNG THẲNG VÀ THƯ GIÃN dựa TRÊN tín HIỆU điện NÃO VÀ BIẾN THIÊN NHỊP TIM

GIỚI THIỆU

Giới thiệu chung về luận văn

Ngày nay, với sự phát triển của cuộc sống, áp lực công việc ngày càng gia tăng, dẫn đến nhiều người sống trong trạng thái căng thẳng (stress) mà không nhận ra Điều này gây khó khăn cho việc nhận diện và kiểm soát stress, từ đó ảnh hưởng xấu đến sức khỏe thể chất và tinh thần, có thể dẫn đến các rối loạn như lo âu và trầm cảm Vì vậy, việc phát hiện và nhận diện stress đang trở thành một vấn đề quan trọng, đặc biệt ở các quốc gia đang phát triển Nghiên cứu này nhằm mục tiêu tìm hiểu và nâng cao nhận thức về trạng thái stress.

Stress được coi là trạng thái tiêu cực trong cảm xúc, trong khi thư giãn là đối cực của nó Thư giãn giúp cân bằng và triệt tiêu các tác động tiêu cực của stress Do đó, kiểm soát stress đồng nghĩa với việc học cách thư giãn Người luyện tập cần nhận biết liệu mình đã thư giãn hay chưa, để theo dõi quá trình và điều chỉnh phương pháp kiềm chế stress phù hợp Mục tiêu thứ hai của nghiên cứu này là nhận biết cảm xúc thư giãn của con người.

Nghiên cứu này tập trung vào việc theo dõi sự thay đổi hoạt động chức năng của cơ thể giữa hai trạng thái căng thẳng và thư giãn, thông qua việc phân tích tín hiệu điện não (EEG) và biến thiên nhịp tim (HRV) Tín hiệu EEG giúp theo dõi hoạt động não, trong khi HRV phản ánh chức năng tim, cả hai đều là những chỉ số quan trọng cho các trạng thái cơ thể Ngoài ra, EEG còn cung cấp thông tin về hoạt động mắt và HRV liên quan đến hệ hô hấp Nghiên cứu sẽ áp dụng các phương pháp phân tích đa thông số kết hợp với trí tuệ nhân tạo để phân loại các trạng thái căng thẳng và thư giãn một cách chi tiết Quá trình nghiên cứu sẽ được thực hiện cẩn thận từ thu nhận, xử lý, đến phân loại và xác thực kết quả nhằm đảm bảo độ tin cậy và chất lượng cao nhất.

Bên cạnh việc phân loại, nghiên cứu này còn nhắm đến hai mục tiêu nữa

Khảo sát hiệu quả trong việc nhận dạng và phân loại cảm xúc từ tín hiệu điện não và biến thiên nhịp tim là rất quan trọng Nghiên cứu này cũng xem xét liệu việc kết hợp cả hai phương pháp có thể cải thiện hiệu quả phân loại hay không.

Thứ hai, nghiên cứu hiệu quả của các bước xử lý tín hiệu đa thông số là cần thiết để cải thiện phân loại cảm xúc dựa trên điện não và biến thiên nhịp tim Bài viết sẽ xem xét một số mô hình phân loại phổ nhằm đánh giá khả năng phân loại cảm xúc chính xác hơn.

Trong nghiên cứu này, chúng tôi kiểm tra hiệu quả của quy trình mà chúng tôi áp dụng để đánh giá kết quả phân loại của các mô hình Mục tiêu là xác định mức độ hiệu quả của quy trình trong việc cải thiện kết quả phân loại.

Kết quả nghiên cứu này sẽ là nền tảng quan trọng cho các nghiên cứu tiếp theo, phục vụ cho các mục tiêu liên quan đến cảm xúc và cải thiện hiệu suất, nhằm tích hợp vào các thiết bị di động để khảo sát cảm xúc tức thời.

Mục tiêu và nhiệm vụ của luận văn

Như đã trình bày sơ lược ở trên, mục tiêu của luận văn sẽ xoay quanh các vấn đề sau:

- Phân loại hai trạng thái cảm xúc căng thẳng và thư giãn

- Kiểm tra hiệu quả phân loại khi sử dụng tín hiệu EEG, HRV và khi kết hợp cả hai

- Đánh kết quả một cách tổng quát, khách quan và có định lượng (quy trình xử lý và các mô hình phân loại)

Nội dung của nhiệm vụ mà nhóm cần thực hiện để hoàn thành mục tiêu đã đề ra ở trên có thể liệt kê ra như sau:

- Tổng hợp lý thuyết về tín hiệu điện não (EEG) và biến thiên nhịp tim (HRV)

- Khảo sát các đặc trưng của 2 loại tín hiệu trên và các tổng hợp các đặc trưng có leien quan đến phân loại cảm xúc

- Xây dựng quy trình thí nghiệm và thực nghiệm thực tế để thu nhận dữ liệu phù hợp cho nghiên cứu

Trước khi bắt đầu quá trình huấn luyện mô hình, việc tìm hiểu và áp dụng các phương pháp xử lý dữ liệu là rất quan trọng Các bước này bao gồm làm sạch dữ liệu để loại bỏ thông tin không cần thiết, trích xuất đặc trưng để xác định các yếu tố quan trọng, chọn lọc đặc trưng nhằm tối ưu hóa dữ liệu đầu vào, chuẩn hóa dữ liệu để đảm bảo tính đồng nhất, và giảm chiều dữ liệu để tăng hiệu suất tính toán.

- Tìm hiểu kiến thức về mạng nơ-ron nhân tạo nói chung và kiến trúc mạng CFNN (Cascade Feedforward Neural Network)

- Thực hiện huấn luyện mô hình mạng nơ-ron nhân tạo với kiến trúc mạng CFNN để phân loại 2 trạng thái cảm xúc căng thẳng và thư giãn

Huấn luyện thêm một số mô hình phân loại khác nhằm so sánh kết quả với mô hình đã chọn, từ đó đưa ra đánh giá khách quan về hiệu quả của quy trình xử lý trong việc phân loại.

- Đánh giá các kết quả đạt được một cách định lượng bằng xác thực chéo và ROC

3 SVTH: TƯỞNG MINH QUỐC – LÊ THỊ BÉ SIẾU GVHD: ThS LÊ QUỐC KHẢI

TỔNG QUAN

Điện não đồ (EEG-Electroencephalography)

2.1.1 Sơ lược về EEG Điện não đồ từ lâu đã được xem là một trong những công cụ chính trong thực hành thần kinh học lâm sàng Mặc dù sự phát triển của các kỹ thuật hình ảnh ngày càng tinh vi, bao gồm chụp cắt lớp vi tính (CT), chụp cộng hưởng từ (MRI), chụp ảnh y học hạt nhân và các kỹ thuật fMRI tiên tiến, việc sử dụng EEG trong đánh giá về thần kinh vẫn đang không ngừng được nghiên cứu và phát triển Đó là bởi sự khác nhau về công dụng của EEG là giúp theo dõi chức năng của não bộ còn các phương pháp còn lại thì là thiên về nghiên cứu giải phẫu cũng giống như hình ảnh X-quang của tim không cho chúng ta biết tim của bệnh nhân đập nhanh hay chậm nhưng thông tin này dễ dàng nhìn thấy từ điện tâm đồ

Năm 1875, bác sĩ Richard Caton đã ghi nhận lần đầu tiên về hoạt động điện của não khi ông phát hiện ra điện trường trong não của thỏ và khỉ, được công bố trên báo y học Anh.

Năm 1920, Hans Berger đã ghi lại điện não đồ đầu tiên ở người, được coi là cha đẻ của điện não đồ hiện đại, khi ông là giáo sư tâm thần học tại Đại học Jena, Đức.

Hiện nay, công nghệ EEG đã được cải tiến với các hệ thống hiện đại, cho phép thu nhận tín hiệu với độ chính xác cao hơn Hệ thống mới này có khả năng thu cùng lúc nhiều kênh tín hiệu và kéo dài thời gian thu nhận, nâng cao hiệu quả trong việc phân tích dữ liệu.

Hình 2.1 Bản ghi EEG đầu tiên được công bố của Hans Berger [3]

Hình 2.2 Một epoch 30s của một bản ghi EEG hiện đại ngày nay [4]

2.1.2 Nguồn gốc sinh học của tính hiệu EEG

Nguồn gốc tín hiệu EEG là điện trường tạo ra khi các xung thần kinh lan truyền trong các tế bào thần kinh hình tháp ở vỏ não

Hình 2.3 Minh họa nguồn gốc của tín hiệu EEG [4]

Khi có xung thần kinh lan truyền trong các tế bào thần kinh, sự phân cực không chỉ xảy ra trong tế bào mà còn ở ngoại môi tế bào Sự khử cực và tái cực của các tế bào này tạo ra tín hiệu điện thế với tần số thấp, tối đa khoảng 80-100 Hz và biên độ từ vài μV đến vài chục μV Do biên độ nhỏ, cần sử dụng các điện cực chuyên dụng để thu nhận tín hiệu Các nghiên cứu về EEG cũng tuân theo hệ thống vị trí điện cực để đảm bảo tính thống nhất trong nghiên cứu và so sánh kết quả, trong đó hệ thống đặt điện cực phổ biến là "The international 10 – 20 system".

2.1.3 Sơ đồ hệ thống đặt điện cực trong EEG

Các nghiên cứu về tín hiệu EEG đều tuân theo những quy tắc chung để đảm bảo tính thống nhất, trong đó có quy định về vị trí gắn các điện cực thu nhận tín hiệu Trong số các hệ thống điện cực phổ biến, hệ thống được chấp nhận rộng rãi nhất là "Hệ thống quốc tế 10-20".

Hình 2.4 Sơ đồ của “The international 10-20 system” [6]

Các số 10 và 20 biểu thị khoảng cách giữa các điện cực lân cận tương ứng là 10% và 20% tổng khoảng cách trước-sau hoặc trái-phải của hộp sọ Vị trí các điện cực được xác định dựa trên 4 điểm chính.

- Nasion, đó là điểm giữa trán và mũi, ngang tầm mắt;

- Inon là điểm nổi gò lên của xương chẩm ở hộp sọ ở phía sau đầu, trên đường nối Nasion và Inion

- Hai điểm lõm ở ngay trước 2 tai (hai điểm Preaurical)

Hình 1.4 minh họa sơ đồ hệ thống 10-20, trong đó mỗi vị trí đặt điện cực được ký hiệu bằng một cặp ký tự Ký tự đầu tiên là một chữ cái để xác định thùy của não, trong khi ký tự thứ hai là một số để chỉ định phía trái hoặc phải của bán cầu.

Các chữ cái F, T, C, P và O đại diện cho các vùng não: Frontal (thùy trán), Temporal (thùy thái dương), Central (rãnh giữa), Parietal (thùy đỉnh) và Occipital (thùy chẩm) Ký hiệu "z" ở chân cho biết vị trí của điện cực nằm trên đường giữa trước-sau.

Các chữ số được phân chia thành hai loại: chẵn và lẻ Số chẵn được sử dụng để chỉ các điện cực ở bán cầu não phải, trong khi số lẻ chỉ các điện cực ở bán cầu não trái.

2.1.4 Kênh và đạo trình sử dụng trong EEG

Tín hiệu EEG là sự chênh lệch điện áp giữa hai điện cực, và có nhiều phương pháp để tính toán tín hiệu cho từng cặp điện cực Mỗi cặp điện cực tạo thành một kênh (channel), trong khi cách thiết lập các kênh được gọi là đạo trình (montage) Một số đạo trình thông dụng bao gồm các phương pháp đã được xác định trong nghiên cứu.

- Đạo trình lưỡng cực (Bipolar montage): Tạo nên bởi việc lấy hiệu của hai tín hiệu từ hai cực liền kề Ví dụ: Fp1-F3,F3-C3, C3-P3, P3-O1

- Đạo trình tham chiếu (Referential montage): Tạo nên bởi việc lấy hiệu của tín hiệu tại điện cực mong muốn với một kênh nhất định Ví dụ: F4-A2, F3-A2,C4-A2, C3- A2,…

Đạo trình tham chiếu trung bình là một phương pháp tương tự như đạo trình tham chiếu, nhưng sử dụng điện cực tham chiếu là giá trị trung bình cộng của tất cả các kênh.

- Đạo trình Laplacian: Được tạo nên bởi hiệu của một điện cực với giá trị trung bình cộng có trọng số của các kênh xung quanh nó

Trong các nghiên cứu về xử lý tín hiệu EEG, đạo trình tham chiếu là phương pháp phổ biến nhất Nghiên cứu này cũng áp dụng đạo trình tham chiếu, giúp thu được tín hiệu EEG dưới dạng tín hiệu đa hài của các tần số thành phần Những tần số này được gọi là nhịp điện não, sóng điện não, hoặc các vùng tần số của điện não.

2.1.5 Các miền tần số của tín hiệu EEG ở người trưởng thành

Tín hiệu EEG là một dạng tín hiệu đa hài với nhiều tần số và biên độ khác nhau, thường được phân chia thành 5 miền tần số: alpha (α), theta (θ), beta (β), delta (δ) và gamma (γ) Các sóng điện não này có hình dạng đặc trưng, như được mô tả trong Hình 4.5.

Hình 2.5 Hình dạng các vùng sóng EEG cơ bản [7]

Thông tin chi tiết và ứng dụng của các vùng sóng trên được mô tả cụ thể ở bảng 2.1 bên dưới

Bảng 2.1 Đặc trưng các loại sóng điện não cơ bản [4] [5]

Biên độ (μV) Vùng ưu thế Đặc trưng hoạt động Ứng dụng

Trán đối với người lớn và vùng phía sau đối với trẻ em là những đặc điểm đáng chú ý Ở trẻ sơ sinh, hiện tượng này thường xuất hiện và giảm dần khi trưởng thành Nó chủ yếu xảy ra trong lúc ngủ sâu hoặc khi không có suy nghĩ.

Chủ yếu trong nghiên cứu giấc ngủ

Theta 4–8 0,003~≤0,04Hz)

LF ms 2 Năng lượng vùng tần số thấp (0,04~0,15Hz)

HF ms 2 Năng lượng vùng tần số cao (0,15~≤0,4Hz)

LFnu n.u Năng lượng chuẩn hoá của vùng tần số thấp = LF/(LF+HF)

HFnu n.u Năng lượng chuẩn hoá của vùng tần số cao = HF/(LF+HF)

LF/HF Tỉ số LF/HF

TI Chỉ số tam giác của Histogram HRV bằng cột cao nhất chia tổng các khoảng RR với độ rộng cột Histogram bằng 1/128s

SI Chỉ số căng thẳng của biến thiên nhịp tim theo [12]

TINN ms Độ rộng của tam giác nội suy từ hình dạng của Histogram với độ rộng mỗi cột bằng 1/128

DI Chỉ số vi phân của Histogram HRV

LogI Hệ số 𝜑 của đường cong k.e -φt sao cho đường cong này khớp với

Histogram của độ chênh lệch các khoảng RR liên tiếp

SD1 ms Độ lệch chuẩn 1 của đồ thị Pointcaré

SD2 ms Độ lệch chuẩn 2 của đồ thị Pointcaré

SD12 Tỉ số SD1/SD2

Diện tích của elip nội suy trên đồ thị Poincaré được tính bằng công thức π.SD1.SD2 Hệ số mũ trong phân tích fractal theo Higuchi với Kmax từ 4 đến 16 được sử dụng trong phân tích DFA (Detrended Fluctuation Analysis) Tương tự, hệ số α được áp dụng với Kmax từ 16 đến 64.

ApEn Entropy xấp xỉ của HRV

SampEn Sample Entropy của HRV

4 hệ số của phương trình bậc 4 xấp xỉ cho tín hiệu HRV theo phương pháp ánh xạ không gian pha tam giác (Triangle Phase Space

Tín hiệu HRV có những đặc trưng riêng biệt tùy thuộc vào độ dài thời gian của nó Chẳng hạn, đặc trưng ULF chỉ áp dụng cho HRV trong khoảng thời gian 24 giờ Để biết thêm chi tiết, vui lòng tham khảo tài liệu [13].

Trạng thái căng thẳng (stress)

Căng thẳng, hay còn gọi là stress, là phản ứng của cơ thể đối với những áp lực và yêu cầu trong quá trình sinh tồn và phát triển Đây được xem là một phần của "hội chứng thích ứng chung", phản ánh cách mà cá thể thích nghi với những thách thức trong cuộc sống.

Stress là một phản ứng tâm lý do sự thay đổi môi trường sống, gây ra áp lực thần kinh Hiện tượng này có thể được gọi là sự bức bách, và phản ứng của cơ thể để thích nghi với áp lực này chính là căng thẳng thần kinh, hay còn gọi là stress.

Stress thường được xem là một khái niệm tiêu cực, gắn liền với cảm giác sợ hãi, tức giận và căng thẳng, gây khó chịu cho con người Tuy nhiên, stress cũng có thể xuất phát từ những trải nghiệm tích cực như thành công, dẫn đến các phản ứng cơ thể như căng cơ, mệt mỏi, tăng nhịp tim và huyết áp Do đó, có hai loại stress: một từ cảm xúc tích cực và một từ cảm xúc tiêu cực Cả hai loại stress đều yêu cầu cơ thể phản ứng để thích nghi; nếu phản ứng phù hợp, cơ thể sẽ được hưởng lợi, ngược lại, nếu không phù hợp, cơ thể sẽ gặp phải tác động tiêu cực Trong nghiên cứu này, chúng tôi tập trung vào loại stress tiêu cực do những ảnh hưởng xấu mà nó gây ra cho cơ thể.

Thông thường trong cuộc sống hằng ngày có 4 nguyên nhân gây nên stress chính là [14]:

- Các yếu tố tác động của môi trường bên ngoài như nhiệt độ, độ ẩm, tình trạng giao thông, ô nhiễm, các tác nhân gây dị ứng khiến bạn khó chịu

Áp lực từ xã hội hiện nay bao gồm những công việc yêu cầu sự tập trung cao độ, các nhiệm vụ gấp rút, việc phát biểu trước đám đông, tranh cãi giữa các cá nhân, sự mất mát người thân, cùng với việc xử lý hàng loạt email, tin nhắn và thông báo hàng ngày.

Các áp lực và thay đổi sinh lý như dậy thì ở trẻ vị thành niên, mãn kinh ở phụ nữ, cùng với việc thiếu vận động, thiếu ngủ, suy dinh dưỡng, chấn thương và lão hóa cơ thể đều ảnh hưởng đến sức khỏe Bên cạnh đó, những phản ứng sinh lý do các yếu tố môi trường và xã hội cũng được xem là nguyên nhân sinh lý quan trọng.

Khi đối mặt với những tác động từ bên trong và bên ngoài cơ thể, chúng ta thường trải qua những suy nghĩ và phản ứng tâm lý tiêu cực Những nỗi lo lắng về tương lai và những ký ức đau buồn từ quá khứ có thể làm gia tăng cảm giác bất an và stress Việc nhận diện và quản lý những cảm xúc này là rất quan trọng để cải thiện sức khỏe tâm lý và tìm kiếm sự bình yên trong cuộc sống.

2.3.3 Tác động của stress đối với cơ thể

Tác động của stress đối với cơ thể được chia làm hai giai đoạn: tức thời (cấp tính) và về lâu dài (mãn tính)

Đối với tác động tức thời của stress, phản ứng của cơ thể được gọi là phản ứng “đánh hay tránh”, thuật ngữ do nhà tâm lý học Walter B Cannon định nghĩa để mô tả chuỗi phản ứng hóa học xảy ra khi đối mặt với tình huống đe dọa Năm 1978, Hans Selye đã mô tả quá trình này, cho rằng khi gặp tác nhân gây stress, bộ não sẽ gửi tín hiệu cảnh báo đến vùng não liên quan.

Hạ đồi nằm ở não giữa là nơi khởi đầu chuỗi phản ứng đánh hay tránh, kích thích hệ thần kinh giao cảm và tuyến yên, dẫn đến sự tiết ra các hormone căng thẳng như adrenaline, norepinephrine và cortisol Hoạt động đồng bộ của trục HPA (Hypothalamus-Pituitary-Adrenal) gây ra các phản ứng như tăng nhịp tim, nhịp thở, căng cơ bắp và huyết áp, đồng thời dồn máu về các cơ quan quan trọng như tim và não để đối phó với stress Điều này lý giải cho cảm giác tê cóng tay, run chân và khó chịu ở bao tử khi gặp stress Mặc dù phản ứng stress tức thời giúp tăng cường hiệu suất hoạt động của trí não, thị giác và thính giác, nhưng cũng dẫn đến giảm lưu lượng máu đến các nội tạng và cơ quan khác, gây trì hoãn các hoạt động như tiêu hóa, sinh trưởng và hệ miễn dịch.

Nếu các tác nhân gây stress không biến mất, cơ thể sẽ luôn ở trạng thái "đánh hay tránh", dẫn đến những tác động tiêu cực như mất cân bằng nội môi, suy giảm miễn dịch và chức năng sinh lý Khi tình trạng này kéo dài, tim và não phải hoạt động liên tục, gây ra các vấn đề nghiêm trọng cho hệ thần kinh và tim mạch Đây là tác động có hại của stress mãn tính đối với sức khỏe.

Việc phát hiện và kiểm soát stress là rất quan trọng để ngăn chặn tình trạng này kéo dài Nghiên cứu này nhằm mục tiêu phát hiện trạng thái cảm xúc căng thẳng của con người, từ đó giúp kiểm soát và ngăn ngừa stress hiệu quả.

Trạng thái thư giãn

Thư giãn là trạng thái cảm xúc khi cơ thể và tâm trí không bị kích thích bởi giận dữ, lo lắng hay sợ hãi Nó hoạt động như một loại thuốc an thần từ thuỳ trán của não, nhờ vào tín hiệu từ vỏ não phía sau đến vỏ não phía trước thông qua các chất dẫn truyền thần kinh Để đạt được trạng thái thư giãn, chúng ta có thể tự phát, thả lỏng cơ thể hoặc thực hành thiền định.

Thư giãn và căng thẳng là hai thái cực cảm xúc đối lập, trong đó căng thẳng đại diện cho cảm xúc tiêu cực, còn thư giãn thể hiện cảm xúc tích cực Căng thẳng có nhiều tác động tiêu cực đến cơ thể, nhưng thư giãn đóng vai trò quan trọng trong việc điều hòa các tác động của stress, cả về mặt tức thời lẫn mãn tính.

2.4.2 Vai trò của việc thư giãn đối với cơ thể

Thư giãn có vai trò quan trọng trong việc làm giảm hoặc loại bỏ những tác động tiêu cực của căng thẳng lên cơ thể, mang lại nhiều lợi ích tích cực cho sức khỏe.

- Giảm lo âu nói chung, và cả những lo âu có liên quan đến ám ảnh và sợ hãi nói riêng

- Giảm tần suất của các cơn lo âu, sợ hãi vô căn

- Tăng cường khả năng đối mặt với những tình huống ám ảnh hay sợ hãi

- Cải thiện sự tập trung

- Tăng khả năng kiểm soát cảm xúc

- Tăng lòng tự trọng của bản thân

- Tăng cảm giác thoải mái cũng như tăng khả năng giảm lo âu, căng thẳng khi đối mặt

- Tăng cường chức năng sinh lý, cân bằng nội môi

Xoa dịu hoạt động quá mức của tim và não giúp cải thiện chức năng của hệ thần kinh, tim mạch và các cơ quan khác.

Sơ lược mạng nơ-ron nhân tạo (ANN-Artificial Neural Network)

Mạng Nơ-ron nhân tạo (ANN) là mô hình xử lý thông tin trên máy tính, được thiết kế dựa trên hoạt động của hệ thống thần kinh sinh vật, với nhiều nơ-ron liên kết để xử lý thông tin Giống như bộ não con người, ANN học từ kinh nghiệm qua quá trình huấn luyện, lưu giữ và sử dụng tri thức để phân tích các sự kiện trong tương lai Nhờ vào khả năng này, ANN có thể dự đoán dữ liệu chưa biết thông qua cấu trúc hình thành trong quá trình học ANN có ứng dụng rộng rãi trong nhiều lĩnh vực như khoa học máy tính, điện tử, vật lý, hóa học, sinh học, khí tượng thủy văn và quân sự, cho phép phân loại dữ liệu, xấp xỉ hàm số, dự đoán kết quả và tái tạo cấu trúc dữ liệu.

Huấn luyện một mô hình mạng nơ-ron nhân tạo (ANN) liên quan đến việc điều chỉnh các trọng số và hệ số tự do (bias) nhằm đạt được mục tiêu huấn luyện Để hiểu cách học của mô hình ANN, cần nắm rõ kiến trúc của nó, từ đó nhận biết vai trò của trọng số và bias cũng như cách điều chỉnh chúng.

Kiến trúc chung của mạng nơ-ron nhân tạo (ANN) bao gồm ba thành phần chính: lớp đầu vào, lớp ẩn và lớp đầu ra Trong một ANN, chỉ có một lớp đầu vào và một lớp đầu ra, nhưng có thể có nhiều lớp ẩn Lớp ẩn, chứa các nơ-ron, nhận dữ liệu đầu vào từ lớp trước và chuyển tiếp kết quả cho các lớp tiếp theo Về mặt toán học, các nơ-ron hoạt động như các hàm tổng bậc một, với công thức f(x1,x2,…xn)=x1*W1 + x2*W2 + … + xn*Wn + b, trong đó x1, x2,… xn là các đầu vào và W1, W2,… Wn là trọng số tương ứng Các thành phần này có mối quan hệ tổng quát được mô tả trong hình 1.8.

Hình 2.8 Mô hình xử lý thông tin của một ANN [16]

Đầu vào của mạng ANN là các đặc trưng của dữ liệu cần xử lý, ví dụ như nhịp tim trung bình, biên độ dao động của nhịp và tần số dao động thường được sử dụng trong phân tích HRV Nhịp tim trung bình là một trong những input quan trọng của mạng ANN dùng để xử lý HRV.

Output là kết quả từ mạng ANN sau khi xử lý, có hai cách sử dụng: trực tiếp lấy kết quả để đưa ra kết luận cuối cùng, thường dùng trong xấp xỉ hàm số chưa biết hoặc dự đoán số liệu; hoặc qua các phép biến đổi toán học để chuyển đổi Output thành các kết quả số học có giá trị rời rạc, thường dùng cho phân loại Các trọng số (Weights, ký hiệu là W) là hệ số của các nơ-ron trong mỗi lớp của mô hình mạng, đóng vai trò quan trọng trong việc cấu tạo các hàm số để phân chia miền cho các mẫu quan sát.

Bias (ký hiệu b) là hệ số tự do, đóng vai trò quan trọng trong việc cấu thành các hàm số ở nơ-ron Nó cung cấp giá trị cộng thêm, giúp cải thiện khả năng học của mô hình Hàm truyền, hay còn gọi là transfer function, là hàm số điều chỉnh đầu ra của nơ-ron trước khi chuyển sang lớp kế tiếp Chức năng của hàm truyền là giới hạn và chuẩn hóa giá trị đầu ra, đảm bảo tính ổn định cho kết quả của lớp tiếp theo và toàn bộ mô hình mạng Một số hàm truyền phổ biến được thể hiện trong hình 1.9.

Hình 2.9 Một số hàm truyền thông dụng [16]

Cách học của mô hình ANN không quá phức tạp, vì đầu ra của nó là một hàm số Để tối ưu hóa bộ trọng số (W) và độ lệch (b), ta tính toán thông qua hàm sai số giữa đầu ra và giá trị mục tiêu trong quá trình huấn luyện Bộ W và b tối ưu sẽ giúp hàm sai số đạt giá trị cực tiểu, lý tưởng là nhỏ nhất Các hàm sai số thường được sử dụng bao gồm MSE (Sai số bình phương trung bình), SSE (Tổng sai lệch bình phương) và RMSE (Căn bậc hai của MSE) Hàm sai số trong huấn luyện ANN được gọi là hàm hiệu suất, và bài toán tìm giá trị cực tiểu cho hàm số sai số được xem là bài toán tối ưu hóa Một số phương pháp tối ưu hóa phổ biến bao gồm Gradient Descent, Gradient Descent Acceleration và Swarm Optimization.

Hiện nay, cấu trúc của mô hình ANN đã trở nên phức tạp hơn, nâng cao hiệu quả và khả năng ứng dụng Mỗi kiểu cấu tạo được gọi là kiến trúc của mạng ANN, với những thế mạnh và lĩnh vực ứng dụng riêng Chẳng hạn, kiến trúc CNN (Convolution Neural Network) nổi bật trong nhận dạng và phân loại hình ảnh Việc chọn đúng mô hình phân loại cho ứng dụng sẽ giúp nâng cao hiệu quả xử lý và đạt được kết quả tốt nhất.

PHƯƠNG PHÁP NGHIÊN CỨU

Phương pháp kích thích căng thẳng

3.1.1 Phương pháp xem hình ảnh kích thích NAPS (Nencki Affective Picture Systerm) Đây là phương pháp sử dụng việc trình chiếu các hình ảnh có tác dụng kích thích cảm xúc lên đối tượng thí nghiệm Việc này nhằm để kích thích tạo ra đáp ứng cảm xúc trong đối tượng tùy theo mục đích nghiên cứu Mô hình cảm xúc sẽ có 2 giá trị là “Valence” và “Arousal” đại diện cho 2 trục tọa độ trong mô hình cảm xúc 2-D của tác giả Russell [17] Trong đó trục

“Valence” thể hiện tính chất của cảm xúc, từ khó chịu đến thoải mái, trong khi “Arousal” biểu thị mức độ cảm xúc, từ thấp đến cao Hai giá trị này kết hợp lại để tạo ra một khung phân tích cảm xúc toàn diện.

Tiền xử lý tín hiệu

Xử lý tiền huấn luyện

Huấn luyện các mô hình phân loại

Xác thực định lượng cho kết quả

Tối ưu cho mô hình phân loại Rút ra các kết luận

Bằng cách chiếu hình ảnh lên mô hình 2-D, chúng ta có thể xác định loại cảm xúc mà hình ảnh đó gợi lên cho người xem Hai giá trị này được phân chia theo thang điểm từ 1 đến 9, với 1 là mức độ thấp nhất và 9 là mức độ cao nhất Trên trục "Valence", giá trị 1 biểu thị cảm giác khó chịu, 5 là bình thường và 9 là thoải mái; trong khi trên trục "Arousal", 1 thể hiện mức độ thấp, 5 là bình thường và 9 là cao.

Hình 3.2 Mô hình cảm xúc 2-D của tác giả Russell (vẽ lại theo [17])

Có nhiều bộ hình ảnh phục vụ cho việc kích thích cảm xúc, bao gồm IAPS, NAPS, OASIS, EmoMadrid và DIRTI Những bộ hình ảnh này cung cấp một số lượng lớn hình ảnh với phạm vi phân bố đa dạng trên hai trục khác nhau.

“Valence” và “Arousal” của mỗi bộ ảnh được tác giả Andero Uusberg [18] tổng hợp lại, xem Hình 3.2

Bộ ảnh NAPS, như thể hiện trong Hình 3.3, có số lượng lớn và được phân bố theo hai trục "Valence" và "Arousal", tương ứng với các cảm xúc căng thẳng và thư giãn cao, phù hợp với mục đích nghiên cứu này.

NAPS là viết tắt của “Nencki Affective Picture Systerm” tạm dịch là bộ ảnh kích Nencki

Bộ hình ảnh NAPS này là kết quả của nhóm nghiên cứu từ viện sinh học thực nghiệm Nencki

Bộ ảnh bao gồm 1356 hình ảnh chất lượng cao, được chia thành 5 nhóm: con người, khuôn mặt, động vật, đồ vật và cảnh quan, nhằm kích thích các trạng thái cảm xúc của con người Tài nguyên này cho phép các nhà nghiên cứu lựa chọn hình ảnh phù hợp với nghiên cứu của họ từ nguồn ảnh đa dạng và đã được chuẩn hóa Bộ ảnh có sẵn miễn phí cho mục đích nghiên cứu phi thương mại, với điều kiện có sự cho phép.

Hình 3.3 Sự phân bố hình ảnh theo 2 trục “Valence” và “Arousal” của các bộ ảnh kích thích phổ biến [18]

Chúng tôi đã chọn bộ hình ảnh này vì nhóm đối tượng nghiên cứu của NAPS chủ yếu là sinh viên đại học với độ tuổi trung bình là 23.9 ± 3.4 tuổi, điều này rất phù hợp với nhóm nghiên cứu của chúng tôi, cũng là sinh viên đại học trong độ tuổi từ 21-23.

Sau khi nhận được sự cho phép từ nhóm nghiên cứu, chúng tôi bắt đầu quá trình sàng lọc hình ảnh phù hợp cho nghiên cứu của mình, dựa trên các tiêu chí đã được xác định.

- Không phải hình ảnh đồi trụy, khiêu dâm;

- Không chứa các yếu tố về tôn giáo, sắc tộc, chiến tranh;

- Điểm “Arousal” > 5; điểm “Valance” < 3,5 (theo thang điểm từ 1 đến 9, tương ứng những ảnh thuộc vùng kích thích cảm xúc căng thẳng)

Sau quá trình sàng lọc ảnh, chúng tôi lựa chọn được 210 hình ảnh phù hợp Một vài hình ví dụ cho phần kích thích này xem Hình 3.4

Hình 3.4 Một số hình ảnh được lựa chọn trong bộ NAPS [19]

3.1.2 Phương pháp thực hiện tính nhẩm MAT (Mental Arhtimetic Task)

Việc xử lý công việc đòi hỏi tư duy trong thời gian giới hạn có thể gây ra căng thẳng, và có nhiều phương pháp để kích thích loại căng thẳng này Các phương pháp bao gồm lái xe mô phỏng, kiểm tra từ và màu Stroop, phát biểu trước đám đông, làm tính nhẩm, và kích thích áp lực lạnh như nhúng tay vào nước lạnh Trong số đó, làm tính nhẩm đã trở thành một trong những phương pháp kích thích căng thẳng phổ biến nhất trong hai thập kỷ qua.

Tính nhẩm, hay còn gọi là Mental Arithmetic Task (MAT), là phương pháp kích thích mức độ căng thẳng từ thấp đến cao thông qua việc thực hiện các bài toán tính nhẩm Độ khó của các bài toán này tỉ lệ thuận với mức độ kích thích, phụ thuộc vào số chữ số của hạng tử, số hạng tử trong bài toán, số lượng phép toán (cộng, trừ, nhân, chia) và thời gian thực hiện Tuy nhiên, việc chuẩn hóa độ khó cho các bài kích thích MAT vẫn chưa rõ ràng, mà còn phụ thuộc vào đối tượng nghiên cứu, môi trường sống và mục tiêu của nghiên cứu.

Trong nghiên cứu này, chúng tôi đã sử dụng ứng dụng "IQ and Aptitude Test Practice" của nhà phát triển LangiS, Hà Lan, có sẵn trên kho ứng dụng CH Play của Google, phiên bản 1.41, cập nhật vào ngày 17/01/2020 Để đảm bảo tính phù hợp của phần mềm với nghiên cứu, chúng tôi đã khảo sát nhiều ứng dụng khác nhau và quyết định lựa chọn ứng dụng này vì những tính năng của nó.

- Ứng dụng có đa dạng các phép toán tính nhẩm như cộng, trừ, nhân, chia và tổng hợp

- Cho phép lựa chọn thời gian của bài tính nhẩm (1, 2, 3, 4 và 60 phút)

Ứng dụng điều chỉnh độ khó phù hợp với từng đối tượng dựa trên các tiêu chí như độ tuổi, học vấn, giới tính, quốc gia và chỉ số IQ Hơn nữa, nó còn linh hoạt thay đổi độ khó của bài kiểm tra dựa trên kết quả của các lần thực hiện trước đó, nhằm tối ưu hóa trải nghiệm người dùng.

- Giao diện người dùng đơn giản, nhanh chóng phù hợp với mọi đối tượng

Hình 3.5 mô tả màn hình hiển thị của ứng dụng

Hình 3.5 Màn hình hiển thị trên điện thoại của ứng dụng IQ and Aptitude Test Practice

A:Thông tin ứng dụng trên CH Play

B: Giao diện lựa chọn phép tính nhẩm và thời gian

C: Giao diện nhập thông tin đối tượng

D: Giao diện hiển thị lịch sử và bắt đầu lần kích thích mới

E: Giao diện khi thực hiện bài kích thích

3.2 Phương pháp hỗ trợ thư giãn

Phương pháp điều chỉnh hơi thở, đặc biệt là thở chậm và sâu (DSB - Deep Slow Breathing), là một trong những cách hiệu quả nhất để giảm căng thẳng và mang lại cảm giác thư giãn tức thì cho nhiều đối tượng Phương pháp này dễ thực hiện, không yêu cầu kỹ thuật phức tạp hay kinh nghiệm, và đã được chứng minh qua nhiều nghiên cứu Một nghiên cứu nổi bật được công bố trên tạp chí Pain Medicine của đại học Oxford vào năm 2012 cho thấy thở chậm và sâu có tác dụng giảm cảm xúc tiêu cực, hỗ trợ trạng thái thư giãn, và điều tiết hoạt động của hệ thần kinh tự chủ, từ đó giúp giảm cảm giác đau.

Dựa theo cách thực hiện việc hít thở chậm và sâu như [14], [1] chúng tôi tóm gọn cách thực hiện lại như sau:

- Bước 1: Hít vào chậm rãi bằng mũi, trong lúc đó nhẩm đếm 1-2-3 Giữ hơi lại và lại nhẩm đếm 1-2-3 Sau đó, thở ra từ từ và nhẩm đếm 3-2-1

Lặp lại bước 2, lần này hãy hình dung chữ “THƯ GIÃN” xuất hiện trong tâm trí khi bạn hít vào, đồng thời cảm nhận sự buông bỏ và nhẹ nhõm khi thở ra.

- Bước 3: Thực hiện lặp lại bước 2 trong 3 phút

Thời gian hít vào, giữ hơi và thở ra khác nhau tùy thuộc vào từng người, không cần phải tuân theo nhịp hay thời gian cố định Quan trọng là hít vào chậm rãi và sâu, giữ hơi lâu và thở ra từ từ Người thực hiện cần tập trung vào sự thư giãn để giữ tâm trí không bị xao lạc vào những suy nghĩ khác.

3.3 Hệ thống thu nhận dữ liệu

Hệ thống thu nhận dữ liệu

Hệ thống thu nhận dữ liệu được lắp đặt tại phòng thí nghiệm Vật lý Kỹ thuật Y sinh 204-B4, thuộc khoa Khoa học ứng dụng, trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh.

Hồ Chí Minh, Việt Nam) được thể hiện trong Hình 3.6

Hình 3.6 Sơ đồ hệ thống thu nhận dữ liệu

Hình 3.7 Sơ đồ khối chức năng và hình ảnh thực tế của hệ thống NicoletOne vEEG

NicoletOne vEEG là hệ thống thu nhận điện não tiên tiến, được sử dụng rộng rãi trong lâm sàng và nghiên cứu chuyên sâu hiện nay Hệ thống này cho phép thu thập tín hiệu điện não một cách hiệu quả.

NicoletOne là thiết bị có độ chính xác cao, phù hợp cho nhiều mục đích sử dụng khác nhau, bao gồm chẩn đoán kích thích thần kinh, thu thập dữ liệu và đồng bộ hóa với máy quay kỹ thuật số Ngoài ra, thiết bị còn hỗ trợ đánh dấu đặc trưng, phân tích giấc ngủ và cung cấp nhiều tiện ích bổ sung mà người dùng có thể cài đặt để nâng cao hiệu quả nghiên cứu.

Hệ thống NicoletOne tích hợp phần mềm “EEG recorder” và “EEG reader”, cho phép người dùng thu nhận và lưu trữ dữ liệu với nhiều file hỗ trợ tiện dụng Trong nghiên cứu này, sau mỗi ca đo, chúng tôi sử dụng các phần mềm để xuất ra hai tệp cần thiết: một tệp lưu trữ dữ liệu thô từ các điện cực (tệp data) và một tệp lưu trữ các đánh dấu mốc thời gian trên dữ liệu (tệp event).

3.3.2 Thiết bị v32 Amplifier và các dây điện cực

Hình 3.8 Hình ảnh thực tế thiết bị v32 Amplifier và các dây điện cực hình chén (Ag-AgCl)

V32 Amplifier là thiết bị thu nhận và khuếch đại tín hiệu từ các điện cực, kết nối giữa điện cực và hệ thống Nicolet One Nó bao gồm 23 kênh điện não và 18 kênh lưỡng cực tự chọn để đo các tín hiệu điện như ECG, EOG, EMG, cùng với các kênh đo SpO2, tư thế cơ thể, hô hấp, rung ngáy, nhiệt độ và nút bấm đánh dấu của bệnh nhân, cho phép thu nhận đồng thời tất cả 32 kênh Để thu tín hiệu điện não với điện thế cực nhỏ, cần sử dụng dây điện cực chuyên dụng, với nhiều loại điện cực khác nhau tùy thuộc vào mục đích nghiên cứu, như điện cực chủ động, thụ động và kết hợp Trong nghiên cứu điện não thường quy, điện cực thụ động loại chén Ag-AgCl được xem là tiêu chuẩn phổ biến và được khuyên dùng.

Nhóm sẽ sử dụng thiết bị V32 để thu nhận tín hiệu ECG nhằm trích xuất tín hiệu HRV Để thực hiện điều này, nhóm cũng áp dụng các dây điện cực hình chén, tương tự như loại dùng để đo EEG.

Phòng Faraday có khả năng ngăn chặn các tín hiệu nhiễu từ lưới điện bên ngoài nhờ vào hệ thống nối đất và lưới đồng bao quanh Thiết kế của phòng còn giúp cách ly âm, tạo ra một môi trường làm việc ổn định và an toàn cho các thiết bị điện tử.

Tổ chức không gian phòng thí nghiệm với âm thanh và ánh sáng hợp lý sẽ giúp giảm thiểu các tác động không mong muốn từ môi trường bên ngoài, như tiếng ồn, nhiệt độ, gió và ánh sáng.

Hình 3.9 Hình ảnh thực tế phòng Faraday

3.3.4 Máy tính cá nhân xách tay (Laptop) Để thực hiện các bài kích thích và đánh giá của nghiên cứu, chúng tôi sử dụng laptop cá nhân để trình chiếu hình ảnh và hiển thị hướng dẫn thực hiện bài kích thích trong suốt quá trình kích thích để đồng bộ hóa thời gian của các giai đoạn kích thích khi đo

Khi sử dụng laptop không kết nối với nguồn điện, hãy bật chế độ máy bay và tắt các kết nối không dây như Bluetooth Điều này giúp đảm bảo tín hiệu đầu vào không bị ảnh hưởng bởi sóng điện từ và điện lưới.

Tiến trình thu nhận dữ liệu

3.4.1 Sàng lọc đối tượng Để thu được mẫu đo đạt yêu cầu, chúng tôi cần đối tượng đo phải khỏe mạnh về thể chất và tinh thần Để đạt được điều đó chúng tôi tiến hành khảo sát tình trạng của đối tượng như sau:

- Về thể chất: khảo sát và ghi nhận tình trạng sức khỏe thông qua các câu hỏi:

• Bạn có đang mắc các chứng bệnh nào không?

• Bạn có đang dùng các loại thuốc, thực phẩm chức năng nào không?

Nếu đối tượng tham gia thí nghiệm đang mắc bệnh hoặc sử dụng thuốc, việc tiến hành thí nghiệm sẽ bị cấm Điều này là do chúng tôi không thể kiểm soát ảnh hưởng của các yếu tố này đối với kết quả thu được từ đối tượng.

Khảo sát sức khỏe tinh thần được thực hiện thông qua bài trắc nghiệm DASS-42, nhằm đánh giá mức độ trầm cảm, lo âu và căng thẳng của đối tượng.

Bài khảo sát DASS-42 là kết quả nghiên cứu của nhóm nghiên cứu thuộc trường đại học New South Wales, Australia Bài khảo sát này được chấp nhận rộng rãi trên toàn thế giới bởi các viện tâm thần, các cơ sở nghiên cứu về tâm lý, các nhóm nghiên cứu về nhận thức và hành vi, bao gồm cả Viện Sức khỏe Tâm thần Quốc gia Việt Nam Bài khảo sát DASS-42 bao gồm các câu hỏi tự đánh giá để đo lường 3 trạng thái cảm xúc tiêu cực có liên quan với nhau là trầm cảm, lo lắng và căng thẳng.

Bài đánh giá này được thiết kế để áp dụng cho cả nghiên cứu về cảm xúc thông thường và các nghiên cứu lâm sàng chuyên sâu, nhằm khám phá mối liên hệ giữa cảm xúc, lo âu và căng thẳng.

Bài khảo sát DASS-42 gồm 42 câu hỏi, chia thành 3 phần với 14 câu hỏi mỗi phần, tương ứng với trầm cảm, lo âu và căng thẳng Người tham gia sẽ đánh giá mức độ phù hợp của từng câu hỏi với trải nghiệm của họ trong tuần qua, sử dụng thang điểm từ 0 đến 3.

- 0 điểm: Không đúng với tôi chút nào cả

- 1 điểm: Đúng với tôi một phần, hoặc thỉnh thoảng mới đúng

- 2 điểm: Đúng với tôi phần nhiều, hoặc phần lớn thời gian là đúng

- 3 điểm: Hoàn toàn đúng với tôi, hoặc hầu hết thời gian là đúng

Sau khi người tham gia hoàn thành bài khảo sát, chúng tôi sẽ tổng hợp điểm từ tất cả các câu trả lời và đối chiếu với bảng kết quả tương ứng.

Bảng 3.1 Thang điểm đánh giá mức độ căng thẳng, lo âu và trầm cảm của bài khảo sát

Mức độ Căng thẳng Lo âu Trầm cảm

Để đạt yêu cầu, điểm số của đối tượng cần nằm trong mức độ nhẹ hoặc bình thường ở cả ba trạng thái Thông tin chi tiết về bảng khảo sát có thể được tìm thấy trong phụ lục 2.

3.4.2 Chuẩn bị trước và sau thí nghiệm

Sau khi chọn đối tượng phù hợp, chúng tôi sắp xếp lịch thí nghiệm và đảm bảo mỗi đối tượng được nghỉ ngơi khoảng 10 phút trước khi bắt đầu Trong thời gian này, chúng tôi trò chuyện với họ để đảm bảo tinh thần và sức khỏe ổn định sau khi di chuyển đến phòng thí nghiệm Tiếp theo, chúng tôi khảo sát trạng thái thể chất và tinh thần của đối tượng để xác nhận tình trạng bình thường tại thời điểm thí nghiệm Cuối cùng, chúng tôi tiến hành đo huyết áp trái và phải để ghi nhận nhịp tim và chỉ số huyết áp, đồng thời thu thập thêm thông tin liên quan.

- Thời gian nghỉ ngơi tối qua

- Lịch sử ăn uống, hoạt động 2 giờ trước

- Tâm trạng hiện tại cảm thấy như thế nào

Sau khi hoàn tất thí nghiệm, các chỉ số huyết áp, nhịp tim và tâm trạng của đối tượng được kiểm tra lại để đảm bảo rằng quá trình thí nghiệm không tác động tiêu cực đến sức khỏe và tâm lý của họ, đồng thời đánh giá hiệu quả của buổi thí nghiệm.

Nghiên cứu sử dụng 8 kênh điện não theo sơ đồ “The international 10-20 system” (Fp1, Fp2, F3, F4, C3, C4, O1, O2) với kênh tham chiếu A1, cùng với 2 kênh điện cực tham chiếu A1, A2 và GND ở hai dái tai trái phải, cùng 2 kênh điện tim theo chuyển đạo D1 ở hai vai trái phải Tất cả các tín hiệu điện não và điện tim đều được ghi lại bằng thiết bị v32 Amplifier.

Chúng tôi chọn các kênh điện não để nghiên cứu vì các loại sóng não như Theta rõ nhất ở vùng trước-giữa (F3, F4), Beta trước trán ở Fp1, Fp2, Beta rãnh Rolandic ở C3, C4, Alpha trước trán (Fp1, Fp2) và Alpha vùng chẩm (O1, O2) Đối với điện tim, chúng tôi tập trung phân tích HRV, chú trọng đến các đỉnh R trong phức bộ QRS Chuyển đạo D1 được lựa chọn vì dễ dàng gắn điện cực, thoải mái cho đối tượng đo và ít bị ảnh hưởng bởi chuyển động hay nhiễu điện cơ, nhưng vẫn đảm bảo thu được tín hiệu của các đỉnh R.

Hình 3.10 Sơ đồ bố trí các điện cực điện não (trái) và điện tim (phải)

Khi tiến hành đo, đối tượng ngồi thoải mái trên ghế có nệm, mặt đối diện với màn hình laptop được đặt ngang tầm mắt và cách 1,5m Hai tay của đối tượng thả lỏng trên đùi, bên cạnh có bàn di chuột để thực hiện đánh giá sau mỗi phần của thí nghiệm.

Hình 3.11 minh họa một ca đo thực tế, với bên trái là quá trình thực hiện bài kích thích bằng hình ảnh và bên phải là bài kích thích thông qua tính nhẩm.

Để thực hiện bài kích thích bằng tính nhẩm, người dùng cần sử dụng điện thoại, vì vậy nên trang bị một tấm đệm trên đùi Tấm đệm này không chỉ giúp gác tay mà còn tạo chỗ để đặt điện thoại mỗi khi chuyển sang phần thư giãn.

Quy trình xử lý dữ liệu

Hình 3.15 Các bước trong quy trình xử lý dữ liệu

Quy trình xử lý dữ liệu trong nghiên cứu này bao gồm 6 phần chính, được thể hiện trong Hình 3.14 Ba bước đầu tiên là quy trình tiền xử lý, được xây dựng dựa trên kinh nghiệm nhằm đáp ứng yêu cầu xử lý dữ liệu theo hướng tiếp cận đa thông số Mục tiêu của quy trình này là nâng cao tính phù hợp của tập dữ liệu cho việc huấn luyện các mô hình phân loại Hiệu quả của bước tiền xử lý đã được kiểm chứng và sẽ được trình bày trong phần “3.5.1 Kết quả và thảo luận”.

3.5.1 Tiền xử lý dữ liệu

Tín hiệu điện não có biên độ nhỏ (

Tiêu đề	Phân Loại Trạng Thái Cảm Xúc Căng Thẳng Và Thư Giãn Dựa Trên Tín Hiệu Điện Não Và Biến Thiên Nhịp Tim
Tác giả	Tưởng Minh Quốc, Lê Thị Bé Siêu
Người hướng dẫn	ThS. Lê Quốc Khải
Trường học	Đại học Bách Khoa - ĐHQG TP HCM
Chuyên ngành	Vật lý kỹ thuật
Thể loại	luận văn tốt nghiệp
Năm xuất bản	2020
Thành phố	TP. Hồ Chí Minh

Định dạng
Số trang	104
Dung lượng	6,98 MB