眼电图的使用有效的人机接口

文摘

本研究的目的是现在的眼电图信号,可以有效地用于人机界面。建立一个有效的替代渠道沟通没有公开演讲和手的动作很重要,提高患者的生活质量患有肌萎缩性脊髓侧索硬化症或其他疾病,防止正确肢体和面部肌肉反应。我们已经多次实验比较P300-based BCI拼字和EOG-based新系统。一个五个字母的单词可以写平均在25秒和105秒以脑波图为基础的设备。给消息,如“清理”可以在3秒中与新系统。新系统更有效率比P300-based BCI系统的准确性、速度、适用性和成本效率。通过此次信号,可以改善这些患者的沟通能力可以移动他们的眼睛。

1。介绍

一种有效的替代渠道沟通没有言论和手的动作很重要,提高患者的生活质量患有肌萎缩性脊髓侧索硬化症或其他疾病,防止正确肢体和面部肌肉反应。在这方面,相关研究领域的人机交互和大脑计算机接口(BCI)是非常重要的,希望提高中期这类患者的生活质量。

在眼球运动,一个潜在的角膜和视网膜存在,这是源的眼电图(小城镇)。此次由偶极子(可以建模1),这些系统可以用在医疗系统。有几个EOG-based人机交互研究文学。轮椅控制眼球运动是为残疾人和老年人开发的。眼动信号和传感器信号相结合,方向和加速度控制(2]。使用水平和垂直眼球运动和两个和三个闪烁信号移动机器人控制(3]。因为每个主题的小城镇信号略有不同,动态阈值算法(4]。在这种方法中,初始阈值与动态范围;阈值更新后的差别。根据这个阈值的输出信号是由1或0,然后加工。小城镇,脑电图和肌电图(EMG)信号实时分类,和移动机器人控制通过使用人工神经网络分类器(5,6]。调查的可能性使用HCI的小城镇,视角之间的关系,确定小城镇(7]。

人机界面为残疾人提供控制的机器称为人机界面(MMI)。一般来说,如果控制计算机,它被称为(HCI)而不是MMI人机界面。如果辅助系统是基于脑电图(EEG),它被称为BCI,其应用越来越为重度残疾的人。BCI是大脑之间的直接沟通途径和外部设备。BCI系统将大脑活动转化为电信号,控制外部设备。因此他们只能代表技术严重瘫痪的病人增加或保持他们的沟通和控制选项(8]。因为脑电图信号的特点是低振幅(V),他们的测量比小城镇更加困难。

作为一个在这个领域的贡献的研究,在这项研究中,我们提出一个人机交互的设备能够识别主题的眼球运动使用的集合产生的电活动眼睛,小城镇。这个设备允许病人在屏幕上生成决策通过简单的眼部运动和脑电图(EEG)电极,不需要复杂的红外摄像机。然后,病人能够选择屏幕上的字母,甚至沟通基本需求(食物、饮料等)照顾者用一个简单的移动他们的眼睛。

在这项研究中,进行实验比较,我们做了两个实验与BCI系统的设计原理和实现小城镇系统(在[9])。为每个设备的主题要写一个五个字母的词。此次系统的性能相对较好,因为一个五个字母的单词可以写的病人平均在25秒和105秒以脑波图为基础的设备。给消息,如“清理”可以在3秒内执行。实验的细节给出了实验结果。

本文的组织结构如下:首先,新EOG-based将人机交互设备。在本节中,简要解释了设计细节。先后,实验结果将说明。

2。材料和方法

2.1。新EOG-Based人机交互设备

在本节内,作为人机交互设备,一种新型小城镇提出了测量系统的设计。水平和垂直眼球运动测量有两个被动电极通常用于脑电图收购。给出了系统框图如图1,其电极配置图2。该系统是microcontroller-based和电池供电。CMRR 88分贝,电子噪声是0.6V (- - - - - -),采样率为176 Hz。5 Ag / AgCl电极(两个用于每个通道,一个是地面)。为了消除直流水平和50赫兹电力线路噪声,所使用的区分方法。这种方法比传统方法更加成功。

2.2。设计细节

经过过滤和放大阶段,小城镇信号数字化(10位),然后转移到个人电脑。此次信号然后处理分类算法是基于最近的邻居(NN)关系,与95%的分类性能。此次测量系统作为人机交互,允许人们与他们的交流环境,只有通过眼球运动、成功和经济(180美元)。系统的初始电子线路(图3)可用于小城镇、肌电图和脑电图。数字化后,水平和垂直小城镇信号然后传输到PC串行端口。微码工作室程序是用来编写嵌入式代码;Winpic800用于程序控制器(C)。采样率的数据传输速率足够(176赫兹),这是足以处理小城镇的信号。

优先使用神经网络算法分类小城镇信号因为这样他们可以很容易地歧视。这个算法的时间成本比另一个更短,更复杂的、分类的。对于神经网络,使用欧氏距离公式如下: 至于分类,5类(各有20个成员)。每个成员包括251个样本。提高分类性能,两个渠道应用一起分类器。是95%的分类性能。系统软件传输实时数据和分类。

总结,实现系统(图4)是基于以下特点:(我)水平和垂直眼球运动信号,(2)Ag / AgCl电极,(3)直流水平和电力线路噪音信号被用减法的方法,(iv) 基于c的,(v)电池供电,(vi)神经网络算法用于分类,(七)用户友好的界面。

3所示。实验结果

我们做了比较系统的实验与BCI系统(8通道,贵港市技术)和新的小城镇系统。P300-based BCI拼字的基于P300检测的波形从数组中返回的8电极在21秒(105秒5信)“水”这个词的选择实验组(10科目)。此外,信中选择的准确性在同一组平均是81%,标准差为14%。控制后能够掌握P300 BCI系统30分钟的会议报道的准确性。

10组受试者选择“水”这个词的EOG-based设备采用平均时间为24.7秒,3.2秒的标准差。精度在这组100%,对于写作所选的词。也在这种情况下受试者能够掌握设备经过一个会话的5分钟。通知需要消息(清理)可以在3秒内执行。

从图的录音5考虑降噪措施后,生物电势数据采集系统的设计,此次系统性能良好。电子降噪也成功。电路可以很容易地适应EMG和脑电图测量。

4所示。结论

在本文中,我们提出了一种新的系统使用的小城镇信号实现人机交互设备能够恢复一些通信能力的病人不能移动四肢和脸部肌肉。在我们的实验中,可以看出新EOG-based系统可用于人机交互,有效率。从技术的角度提出了系统的亮点如下。(一)水平和垂直此次成功信号测量。CMRR是88分贝,采样率为176 Hz,电子噪声是0.6V (- - - - - -)。根据规范,本系统可以测量小城镇信号正常。(b)此次信号,不同的眼部运动,是在线分类的。神经网络算法(欧氏距离)。不需要复杂的信号和time-costly分类算法。(c)实现虚拟键盘允许用户编写消息和其他需要相对有效地沟通。

因为它使得基于脑电图EOG-based系统似乎更有效率比(P300 BCI)。必须指出小城镇体系极其廉价的解决方案相比,脑电图的解决方案(一个数量级),然后可以使用作为第一步混合设备的最终用户。混合设备是病人熟悉一个独特的界面虽然他/她可能开关biosignal更有用的他/她在那个特定时刻的通信和控制外部设备。在这方面将有可能改变控制信号而不需要重新学习的用户界面,今天通常发生在不同的接口的使用。

现在意识到系统将由几个病人为了提高测试的质量更好的图形界面和快速选择有趣的物品通过小城镇的信号。作为一个未来的工作,我们的研究小组将调查使用结合小城镇和脑电图和其他投入10- - - - - -15多输入混合人机交互的有效配置。

引用

1. s . Venkataramanan p . Prabhat s . r . Choudhury h . b . Nemade和j·s . Sahambi“生物医学仪器基于眼电图(小城镇)信号处理和应用医院报警系统,”第二届IEEE国际会议上智能感知和信息处理(ICISIP ' 05)钦奈,页535 - 540年,印度,2005年1月。视图:出版商的网站|谷歌学术搜索
2. r . Barae l . Boquete和m .礼拜日”系统,协助流动使用基于electrooculography眼球运动,”IEEE事务在神经系统和康复工程,10卷,不。4、209 - 218年,2002页。视图:谷歌学术搜索
3. n . l . y . Kim哎,y Youm》,和w·k·钟,“健壮的歧视方法眼电图信号的人机交互控制移动机器人,”智能自动化和软计算,13卷,不。3、319 - 336年,2007页。视图:谷歌学术搜索
4. 吴x, z Lv m·李和张,“EOG-based人机界面的实现系统,”第二届国际会议上生物信息学和生物医学工程(ICBBE ' 08),第2191 - 2188页,上海,中国,2008年5月。视图:出版商的网站|谷歌学术搜索
5. c . k .年轻和m .佐佐木,“移动机器人控制的神经网络此次手势识别,”《第八届国际会议上神经信息处理1卷,第328 - 322页,2001年。视图:谷歌学术搜索
6. y陈和w·s·纽曼,“基于electrooculography人机界面,”诉讼的IEEE机器人与自动化国际会议上04年举行(“国际机器人与自动化会议”)新奥尔良,页243 - 248年,洛杉矶,美国,2004年4月。视图:谷歌学术搜索
7. d·库马尔和e·普尔”人机界面,小城镇分类”学报第二关节IEEE国际年会的工程在医学和生物学会同24日生物医学工程学会年会(bm /磨床' 02),1卷,页64 - 67,休斯顿,德克萨斯州,美国,2002年10月。视图:谷歌学术搜索
8. f . Cincotti d . Mattia f . Aloise et al .,“非侵入式脑机接口系统:对辅助技术的应用,”大脑研究公告,卷75,不。6,796 - 803年,2008页。视图:出版商的网站|谷歌学术搜索
9. a . b . Usakli和美国Gurkan”,设计一种新型高效的人机界面:一个基于electrooculagram虚拟键盘,“提交IEEE仪表和测量。视图:谷歌学术搜索
10. f . De维科Fallani l . Astolfi f . Cincotti et al .,“大脑皮层的功能连接网络在正常和脊髓受伤的病人:评估通过图表分析,“人类大脑图谱,28卷,不。12日,第1346 - 1334页,2007年。视图:谷歌学术搜索
11. l . Astolfi f . De维科Fallani, f . Cincotti et al .,“从高分辨率成像的脑功能连接模式脑电图和功能磁共振成像通过图论”Psychophysology,44卷,不。6,880 - 893年,2007页。视图:谷歌学术搜索
12. l . Astolfi f . Cincotti d Mattia et al .,“跟踪自适应多变量估计时变皮层连接模式,”IEEE反式生物医学工程,55卷,不。3、902 - 913年,2008页。视图:谷歌学术搜索
13. c . m . Oliveri Babiloni, m . m .菲利皮主持et al .,”影响的补充运动区在初级运动皮质兴奋性运动引发的中性或情绪不愉快的视觉线索,”Exp大脑Res,卷149,不。2、214 - 221年,2003页。视图:谷歌学术搜索
14. 性格外向c . Babiloni f . Babiloni f . et al .,“映射的早期和晚期阶段的人类大脑躯体感觉诱发电位电痛苦的刺激,“人类大脑图谱,12卷,不。3、168 - 179年,2001页。视图:谷歌学术搜索
15. a。c . Babiloni f .性格外向,l . Fattorini·奥诺拉蒂和f . Babiloni,“高分辨率的动态功能耦合脑电图势与单边内部触发一位数的动作,“脑电图与临床Neurophysiol卷,106年,第487 - 477页,1998年。视图:谷歌学术搜索

版权

版权©2010 A。b . Usakli et al。这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。