从EEG追踪视线位置:探索基于EEG的虚拟眼球追踪器的可能性
Rui Sun1,2, Andy S K Cheng1, Cynthia Chan3
1Department of Rehabilitation Sciences, The Hong Kong Polytechnic University, Hong Kong SAR, China.
Brain and behavior
|September 18, 2023
概括
研究人员开发了一个基于EEG的虚拟眼球追踪器 (EEG-VET),通过分析电脑图 (EEG) 信号来追踪眼神. 这种新的方法只从神经数据准确地测量眼动,增强了认知研究.
科学领域:
- 神经科学和生物医学工程
- 信号处理和机器学习
背景情况:
- 电脑电图 (EEG) 信号中的眼睛工件传统上阻碍了研究.
- 盲源分离 (BSS) 方法,如独立组件分析 (ICA) 和二级盲识别 (SOBI),对于提高神经信号质量至关重要.
- 一种结合SOBI和区分和相似性 (DANS) 识别的新方法有效地从EEG中提取眼动组件,精度高 (>95%局部化).
研究的目的:
- 引入基于EEG的虚拟眼睛追踪器 (EEG-VET) 的概念验证.
- 为了证明只使用EEG信号跟踪视线位置的可行性.
- 为了促进在自然眼动过程中基础认知的神经机制的研究.
主要方法:
- 开发EEG-VET系统,集成SOBI用于信号组件分离.
- 使用DANS算法在EEG数据中自动识别眼部部件.
- 使用线性模型将已识别的眼部部件转换为精确的凝视位置.
主要成果:
- 在视角测量中,EEG-VET原型实现了高精度 (0.920°最佳,1.008°±0.357°平均) 和精度 (1.510°最佳,2.348°±0.580°平均).
- 该系统成功地通过单独使用18名参与者的EEG数据跟踪了眼睛的运动.
- 眼部部件位于眼部结构内,适合度很高 (>95%).
结论:
- 这项研究提出了一种新的方法,用于从单个EEG记录中共同记录眼睛运动和神经信号.
- EEG-VET提高了研究与自然认知和眼睛自由运动有关的神经机制的容易性.
- 来自EEG的SOBI组件显示了构建注视跟踪预测模型的潜力.
