| |
鈕扣型 3.5 耳機插頭訊號導線，如下圖五所示，可分別將三個眼動訊號透過導線傳送出來。
眼控型溝通輔具研究方法
EOG (Electro-OculoGram) 代表眼電圖，是為測量視網膜色素上皮和光感受器細胞之間存在的視網膜靜電位。根據視網膜靜止電位的變化，可用於測定眼球位置及眼球運動的生理變化， 此方法通常使用三個或五個電極檢測視網膜位置，於此專案，我們採用三個電極的方式來執行。
在下圖六所示的垂直 EOG 應用中，電極放置在眼睛上方和下方，還有一個接地電極通常放置在脖子後面，眼動信號放大器（通常在 1000x~2000x 的增益範圍內）將來自電極的微弱信號（以 μV 為單位）放大為 0-5V 範圍內的信號。
EOG 可以用來偵測受試者是否有眨眼的動作，如下圖所示，當眨眼訊號被偵測到的時候， 透過運算程式的判別，會將眨眼訊號繪製成方波，當看到由 low-High-low 的方波時，就代表著一次眨眼的動作，下圖七顯示為五次眨眼的動作。 由擷取到的訊號波形圖來看，亦可得知眼睛閉合的時間長短，如下圖八為眼動訊號的波形圖，X 軸為時間，Y 軸為訊號的振幅強弱，當看到訊號的low-High-low 的間隔時間十分短暫的話， 代表眼睛快速的閉合，如下圖八箭頭所指 Blink 的波形。若眼睛閉起來的時間稍長的話，則會看到下圖八：long blink 的波形，若眼睛為長時間閉起來的狀態則會看到下圖八：Eyes Close 的波形，因此在偵測眨眼的次數時，也需要將眨眼的時間考量進去，需判別目前的狀態為強制多次眨眼行為或是一般正常眨眼的狀況。
藉由此偵測方法亦可得知眼球目前所注視的方向，例如向右注視、向左注視、向上注視、向下注視，如下圖九所示，第一個訊號為正常的眨眼動作，第二個訊號 swift left-right 為從左向右注視，第三個訊號為從右向左注視，第四個訊號和第七個訊號為向左注視，第五和第六訊號為向右注視，最後第八和第九個訊號為複合式訊號，因此由此波形可得知眼球所有狀態。
因為此專案需求設計為偵測眨眼次數，因此在訊號的判斷上，僅需要擷取眨眼的訊號是否符合即可，未來若有其他應用需求，亦可將眼前注視的功能加入判斷，可將豐富眼球控制系統的功能性。
眼控型溝通輔具操作介面
此眼控型溝通輔具因具有 2 吋顯示螢幕，所以為了方便使用者操作，為此開發使用者介面於此眼控型溝通輔具上，以下為展示系統介面初次使用之設定流程。
第一步 : 系統啟動後，啟動連線上網，首先，第一次設定時，因為系統找不到之前有連結wifi 的歷史資料，所以 wifi 的圖案會是未連接的狀態，因此需要進行第一次設定，之後若無系統重置的話，則無需再次進行設定。首先按下開機鍵後，按著螢幕下方中間的觸碰按鈕，進入設定模式，則會出現下圖十左的畫面。第二步，按下左側打勾按鈕的選項後，則會跳出這台機器的ID：PMC_EOGx2，如下圖十右所示，此為目前設定在這台裝置的 wifi 連線 ID。
第三步：使用手機並打開 wifi 搜尋目前環境中 wifi 訊號，這時候會找到一個訊號名稱為： PMC_EOGx2，如下圖十一左所示，點擊加入此 wifi 網路後，手機上會顯示沒有網路訊號，如下圖十一右，因為我們目前正在將手機透過 wifi 連線進入眼控型輔具中進行設定的動作，所以針對無網際網路的訊息可以不用理會。
第四步：在 wifi 連線至眼控輔具的狀態下，點選管理路由器，如下圖十二左，選擇後，則會進入到 WiFiManager 的設定頁面，如下圖十二右，再點選 Configure WiFi 進入設定頁面。
第五步：點選進入設定頁面後，如下圖十三左所示，再選擇您要連線上網的 wifi 訊號，並輸入 wifi 連線密碼，最後如果有需要設定 LINE 通訊軟體的即時警報提醒功能，如下圖十三右，可以於 Line_API_Token 中，輸入您個人在 LINE 中所設定的 Token，於 Name 的欄位中輸入受測者的姓名，最後一欄 SENSITIVITY 則為設定眼控系統的感應靈敏程度，輸入完畢後，點擊 Save 按鈕，即可完成所有眼控輔具系統的設定。
第六步：手機的部分完成設定後，按下眼控輔具上的完成設定按鈕，如下圖十四左，隨後則會顯示眼控輔具一般的偵測畫面，如下圖十四右，位於上方資訊欄位會分別顯示：wifi 連接狀態、目前時間、電池電量三種資訊，位於畫面的正中間，則會顯示目前所偵測到的眨眼次數為何，若數字大於 4 的時候，則畫面則會變成下圖十五，中間顯示急救的符號，此眼控輔具的蜂鳴器也會響起警報聲音，並同時會傳送 LINE 的訊號通知家人以及 wifi 訊號給相同聯網網絡的音箱設備， 等待家人或是看戶來查看受測者需求，並點選中間按鈕將其警報進行取消的動作。
結論
漸凍人患者不論照護人力或輔具耗材的開支都相當可觀，考驗一個家庭的經濟能力，即使將患者送到專業照護機構，患者的照護品質通常是病患家屬最擔心的問題，透過 PMC 開發之”EOG 眼控型溝通輔具”能將患者的需求傳達給照護者與遠端家屬同步接收後做適當的處理，讓家屬可以放心，協助漸凍人患者改善生活品質，降低疾病對家庭造成的衝擊。
|
|
|
| |
- Lydia Yuhlung, and Hemashree Bordoloi, Khomdram Jolson singh,Irengbam Venkat Mangangcha and Laishram Richard title based on " Lab View based EOG signal Processing" published in International Journal for Research in Emerging Science and Technology,Volume-2,Issue-3,March-2015.
- Marina Sokolova, and Guy Lapalme. “A systematic analysis of performance measures for classification tasks,” Information Processing & Management, vol. 45, no. 4, pp. 427-437, 2009.
- Masaki Nakanishi, Yasue Mitsukura, YijunWang, Yu-Te Wang, and Tzyy-Ping Jung, “Online voluntary eye blink detection using electrooculogram,” International Symposium on Non-linear Theory and its Applications, pp.114–117, 2012.
- Lin, C.T.; Yu, Y.H.; King, J.T.; Liu, C.H.; Liao, L.D. Augmented Wire-Embedded Silicon-Based Dry-Contact Sensors for Electroencephalography Signal Measurements. IEEE Sens. J. 2020, 20, 3831–3837.
- J. Casson, "Wearable EEG and beyond", Biomed. Eng. Lett., vol. 9, pp. 53-71, Feb. 2019.
- Bai, Y., Wan, X., Zeng, K., Ni, Y., Qiu, L., and Li, X. (2016). Reduction hybrid artifacts of EMG-EOG in electroencephalography evoked by prefrontal transcranial magnetic stimulation. J. Neural Eng. 13:066016. doi: 10.1088/1741-2560/13/6/066016
S. Datta, A. Banerjee, M. Pal, A. Konar, D.N. Tibarewala, and R. Janarthanan, “Blink recognition to detect the possibility of eye dystonia based on electrooculogram analysis” , International Conference on Control, Instrumentation, Energy and Communication (CIEC), pp. 186-190, 2014. |
|
|