量子计算机|分步式眼动系统脑机接口的工作原理

量子计算机|分步式眼动系统脑机接口的工作原理

文章图片

量子计算机|分步式眼动系统脑机接口的工作原理

文章图片

量子计算机|分步式眼动系统脑机接口的工作原理

文章图片


博尔盖蒂等人设计的分步式眼动系统接口允许在线设置和更改电压阈值和眼动识别参数 。 使用双眼眨眼进行字母选择以避免在不自主眨眼期间可能出现的错误 , 给用户视觉反馈并且不允许拼写更正 。 在持续约五分钟的练习后 , 受试者能够达到每八点五秒一个字符的平均打字速度 。 在涉及写二到五个字母的单词的打字实验中 , 每个受试者总共十二个单词 。  


发现打字速度高度依赖于键盘布局 , 并且单词中后续字符之间的距离大于每个单词的字母数 , 这可能是由于验证步骤要求反映了所需的眼球运动总数到达某个字母 , 尤其是当它与先前键入的字母相距较远时 。 尽管这个系统的打字速度相对慢了百分之六十六以上 , 但它仍然大大超过了当时脑机接口报告的速度 。 科学家们认为 , 他们的低系统速度与其出色的系统可靠性相平衡 , 因为几乎不需要纠正错误输入 , 即使系统误解了眼球运动 , 双眨眼系统也能防止这种错误输入 。


唯一的错误来源是由于字符选择错误或拼写错误造成的 , 错误率接近百分之零点三六 。 在二零零八年蔡等人建议直接使用眼睛书写而不依赖虚拟键盘 。 该系统基于识别用户“书写”的符号 , 通过移动他的眼睛来追踪预定义的笔画模式的路径 。 符号集是十个阿拉伯数字和四个数学运算符 。 眼写符号的识别是基于测量的眼电图波形与该符号对应的标准眼电图波形之间的相似性 。


首先使用聚类进行分类 , 然后使用基于线性矢量量化的人工神经网络从聚类中识别符号 。 相关研究人员认为 , 该系统具有便携性和低成本的优点 , 因为它不需要屏幕 , 也不需要虚拟键盘 , 但在编写用于通信的消息的意义上 , 它不能被认为是一个实际的打字系统 。 根据每个符号的可靠性和可行性报告了性能 。 不同符号的识别率变化很大 , 范围从百分之五十到百分之一百 , 并且没有报告打字速度 。   


重要的研究工作由乌萨克利在二零一零年的设计策略也没有参与检测视角 , 仅在眼电图时间序列上直接使用最近邻域算法对左右、上下眼球运动和眨眼进行在线分类 , 无需任何其他预处理或特征向量计算 。 选择最近邻域算法是因为它的简单性和时间效率 , 这是实时实施所必需的 。 设计了一个简单的用户界面 , 显示水平和垂直通道的实时眼电图以及系统实用程序 。


用户可以使用他的眼球运动在该菜单中导航 , 当光标位于选择上时 , 用户通过眨眼确认 。 系统不会将不自觉的眨眼识别为选择命令 。 从主菜单选择虚拟键盘后 , 有两个选项可显示为子菜单:标准虚拟个人电脑键盘和经典脑机接口P300拼写键盘 。 通过使用这些键盘 , 结果显示随机五个字母单词的速度为五个字母每二十五秒 , 分类性能为百分之九十五 。 喜欢研究人员报告说眼电图信号可以区分眨眼和四个方向内的基本眼球运动 , 而不需要复杂而冗长的分类算法 , 而不是脑电图信号 。

【量子计算机|分步式眼动系统脑机接口的工作原理】
所开发系统的优点之一是虚拟键盘上存在数字字符 。 此外 , 针对与护理人员的可能沟通需求提出的选项 , 例如:用餐、洗澡、散步等 。 “清理”命令的平均响应时间为三秒 。 在二零零九年乌萨克利等人强调了运动障碍疾病的进行性如何导致完全瘫痪甚至眼球运动能力丧失 。 他建议使用患者可能的剩余能力 , 尤其是基于脑电图的控制 , 它不需要任何类型的运动 。 他没有开发完整的混合系统 , 但他提出了一个系统的想法 , 即根据用户的需求和特定时刻的性能在两种控制模式之间切换 。

相关经验推荐