通过探索相关的电眼图表特征和最佳电极位置来进行强大的目光估计方法

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 人与计算机的交互

背景情况:

• 视线估计有助于残疾援助和诊断诸如自闭症谱系障碍 (ASD),帕金森病和注意力缺陷多动症障碍 (ADHD) 等疾病.
• 电视图 (EOG) 提供了一种经济有效的视线估计方法,适合实际应用.
• 优化电极放置和特征提取对于提高基于EOG的凝视估计准确性至关重要.

研究的目的:

• 系统地调查最佳的EOG电极位置和目光估计的信息特征.
• 选择最好的道和功能,使用前进的逐步策略来消除不相关的信息.
• 用经典模型评估电极放置和特征贡献对视线估计性能的影响.

主要方法:

• 系统地调查围绕轨道腔周围的EOG电极位置.
• 从七个差分通道中提取时间光谱域特征.
• 应用一个前进的逐步搜索算法,以获得最佳的频道和功能选择.
• 使用六种经典模型和18个受试者的比较分析.

主要成果:

• 在平均绝对误差 (MAE) 和根平均平方误差 (RMSE) 中实现了有前途的性能,用于从-50°到+50°的目光估计.
• 最优化的方法达到MAE的2.80°和RMSE的3.74°,仅使用2个频道的10个特征.
• 与当前基于EOG的技术相比,表现出显著的性能改善,MAE和RMSE的减少分别从0.70°到5.48°和0.66°到5.42°不等.

结论:

• 通过系统地优化频道和特征组合,提出了基于EOG的强有力的目光估计方法.
• 实验结果强调了拟议方法的优越性及其临床应用的潜力.
• 通过EOG信号准确的目光估计有望帮助残疾人并帮助诊断神经和发育障碍.