|
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. |
|
|