差距:多功能智能眼镜可方便和完全干燥获取和并行超低功率处理EEG和EOG
IEEE transactions on biomedical circuits and systems
|October 10, 2024
概括
这项研究介绍了GAP,智能眼镜用于舒适的脑电图 (EEG) 和眼电图 (EOG) 信号监测. 该可穿戴设备提供安全,边缘处理的大脑波数据,用于生物识别和眼睛跟踪等应用.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 神经科学是一个神经科学.
背景情况:
- 头戴式可穿戴设备为生物潜力测量提供了潜力,但在设计,舒适性,可靠性和数据隐私方面面临挑战.
- 现有的解决方案往往在入侵性和用户接受长期监控方面扎.
- 对神经信号的安全和高效处理仍然是实际应用的关键障碍.
研究的目的:
- 开发和验证GAPses,这是一个用于不引人注目的脑电图 (EEG) 和眼电图 (EOG) 信号采集和边缘处理的新型智能眼镜平台.
- 通过整合干电极和设备内计算的优雅设计,增强用户舒适度和数据隐私.
- 为了证明平台在各种脑机接口任务中的多功能性.
主要方法:
- 设计的智能眼镜集成了直接电极电子接口与定制软干电极.
- 包含一个低功耗的RISC-V处理器 (GAP9) 用于边缘数据处理,最大限度地减少无线传输.
- 通过基于EEG的任务 (α波,SSVEP,运动,生物识别) 和基于EOG的眼动分类来验证平台.
主要成果:
- 在基于EEG的生物识别中实现了高精度 (98.87%的灵敏度,99.86%的特异性) 与低能耗 (121μJ/推理).
- 证明了基于EOG的强大的眼动分类 (96.68%的精度在11个类别) 具有高的信息传输速率 (94.78比特/分钟).
- 该系统在小型电池 (75mAh) 上连续运行超过22小时,总功耗为12.4mW.
结论:
- GAPses为可穿戴EEG和EOG监控提供了一个舒适,不引人注目的安全平台.
- 边缘处理显著提高了隐私和可靠性,使实际的大脑与计算机接口成为可能.
- 该平台的低功耗和高性能显示出持续,现实世界的神经信号分析的前景.
