Електроокулограма (EOГ) є результатом реєстрації та запису біопотенціалів, які генеруються м'язами очей під час їх рухів. Око можна представити як диполь, тобто у вигляді електричної системи, яка має два протилежних електричних заряди (позитивний та негативний) у двох різних точках (рис. 1). При цьому позитивний заряд знаходиться на передній поверхні ока (рогівці), а негативний - на задній його поверхні (сітківці). Під час руху очей заряди на поверхні ока змінюють своє положення, що в свою чергу створює електричні сигнали, які можна зареєструвати, застосувавши метод електроокулографії [1].
Рисунок 1.1 - Диполь ока
Метод електроокулографії використовує цю електричну активність очей для визначення їх позиції та руху. Для його реалізації використовується система керування поглядом, основу якої складають 6 електродів, розміщених на шкірі навколо очей, які реєструють електричні сигнали, що генеруються м'язами очей. На рис. 1.2 показано розміщення електродів. Потім зазначені сигнали ЕОГ піддаються аналізу для визначення руху та позиції очей.
Рисунок 1.2 - Схема розміщення електродів для реєстрації ЕОГ:
(a) - розміщення електродів для вимірювання вертикального руху очей, (b) - розміщення електродів для вимірювання горизонтального руху очей
З метою обробки зареєстрованих сигналів ЕОГ запропоновано структурну схему електронного тракту системи керування поглядом, яка складається із 7 блоків (рис 1.3):
1.Інструментальний підсилювач з коефіцієнтом підсилення 21, який використовується для підсилення слабких сигналів ЕОГ.
2.ФВЧ з частотою зрізу 0,1 Гц, призначений для фільтрації шумів та інших паразитних ВЧ сигналів, не пов'язаних з ЕОГ.
3.Режекторний ФНЧ 2-го порядку з частотою зрізу 6,2 Гц та коефіцієнтом підсилення 3, що використовується для видалення шумів та інших НЧ сигналів.
4.Блок нормалізації та підсилення сигналу з коефіцієнтом 3, який забезпечує зсув сигналу ЕОГ до центру динамічного діапазону з подальшим підсиленням.
5.АЦП, який аналоговий сигнал ЕОГ препарує у цифровий для подальшого аналізу та обробки обчислювальним компонентом.
6.Інтерфейсний перетворювач USB-UART.
7.Обчислювальний компонент, який виконує цифрову обробку та класифікацію сигналів керування.
Рисунок 1.3 – Структурна схема електронного тракту системи керування поглядом
Для класифікації зібраних даних ЕОГ та визначення рухів вліво, вправо, вгору, вниз та кліпання очей в роботі використано методи машинного навчання. Кожен із них має свої особливості, але загалом полягає у навчанні алгоритмів на підставі даних з метою автоматичного прогнозування або виконання класифікації нових даних.
На рис 1.4 наведено результати визначення напрямку ока шляхом проведеного моделювання використання 12 методів класифікації. Встановлено, що найбільш точним із них є метод «випадкового лісу» (Random Forest) [5], точність визначення якого сягає 0.904 та який буде покладено в основу алгоритму класифікації в запропонованій системі керування поглядом.
Рисунок 1.4 - Гістограма точності визначення напрямку ока за результатами моделювання використання різних методів класифікації
Список використаних джерел:
1.EOG-based visual navigation interface development [Електронний ресурс]. – 2012. – Режим доступу до ресурсу: https://www.sciencedirect.com/science/article/abs/pii/S0957417412004770.
2.EOG-based Human–Computer Interface system development [Електронний ресурс]. – 2010. – Режим доступу до ресурсу: https://www.sciencedirect.com/science/article/abs/pii/S0957417409008835.
3.Robust Eye Movement Recognition Using EOG Signal for Human-Computer Interface [Електронний ресурс]. – 2011. – Режим доступу до ресурсу: https://link.springer.com/chapter/10.1007/978-3-642-22191-0_63.
4.EOG-based eye movement detection and gaze estimation for an asynchronous virtual keyboard [Електронний ресурс]. – 2019. – Режим доступу до ресурсу: https://www.sciencedirect.com/science/article/abs/pii/S1746809418301757.
5.Comparison of Classification Algorithms in Machine Learning [Електронний ресурс] – Режим доступу до ресурсу: https://thecleverprogrammer.com/2021/10/02/comparison-of-classification-algorithms-in-machine-learning/.
__________________________________________________________________________
Науковий керівник: Лисенко Олександр Миколайович, доктор технічних наук, професор, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter