EOG-sEMG Interface Humana para a comunicação

Abstract

o objectivo deste estudo é apresentar sinais de electrooculograma (EOG) e electromiograma de superfície (sEMG) que possam ser usados como interface homem-computador. Estabelecer um canal alternativo eficiente de comunicação sem fala aberta e movimentos da mão é importante para aumentar a qualidade de vida dos pacientes que sofrem de esclerose lateral amiotrófica, distrofia muscular, ou outras doenças. Neste artigo, propomos um sistema de interface humano-computador EOG-sEMG para comunicação usando canais cruzados e canais paralelos na face com os mesmos eletrodos. Este sistema poderia gravar sinais EOG e sEMG como” dual-modality ” para reconhecimento de padrões simultaneamente. Embora até 4 padrões pudessem ser reconhecidos, lidando com o estado dos pacientes, nós escolhemos apenas duas classes (movimento esquerdo e direito) de EOG e duas classes (piscar esquerdo e direito) de sEMG que são facilmente realizáveis para simulação e tarefa de monitoramento. A partir dos resultados da simulação, o nosso sistema obteve uma classificação de quatro padrões com uma precisão de 95,1%.

1. Introdução

durante os movimentos oculares, existe um potencial através da córnea e da retina, e é a base para o electrooculograma (EOG). O EOG pode ser modelado por um dipolo e usado em sistemas médicos. Vários estudos de interface humano-computador baseados na EOG são encontrados na literatura. Por exemplo, está a ser desenvolvida uma cadeira de rodas controlada com movimentos oculares para deficientes e idosos. Os sinais de movimento ocular e os sinais do sensor são combinados, e tanto a direção quanto a aceleração são controladas . Sinais eletromiográficos de superfície são detectados sobre a superfície da pele e são gerados pela atividade elétrica das fibras musculares durante a contração . Músculos móveis podem ser detectados analisando sEMGs. Uma das aplicações importantes dos sEMGs é controlar pernas artificiais. Embora o movimento da cabeça, que é um gesto natural, possa ser usado para indicar uma certa direção, as pessoas seriamente incapacitadas não podem mover o pescoço e a cabeça. No entanto, muitas dessas pessoas podem empregar movimento muscular facial. sEMG é uma forma de estudar as atividades musculares faciais, registrando os potenciais de ação de contrair fibras. sEMG pode ser detectado com eletrodos de superfície, que são fáceis de aplicar e não invasivos e não representam riscos para a saúde e segurança dos usuários. Os sistemas de computador também podem ser controlados usando sinais sEMG de face . Estes sistemas de computador podem reconhecer o movimento facial (blink esquerdo, blink direito e bite) usando sensores sEMG. Além disso, os sinais EOG, electroencephalogram (EEG) e EMG podem ser classificados em tempo real e podem controlar robôs móveis usando um classificador de rede neural artificial .investigando a possibilidade de empregar o EOGs para uma interface homem-computador, determina-se a relação entre o ângulo de visão e um EOG. Estudos aprofundados descobriram que a mudança lenta da deriva de base torna difícil estimar sinais contínuos de EOG, e esta deriva só aparece em sinais de corrente contínua (DC) no circuito. Para superar esta questão, o nosso sistema propôs anteriormente o uso de corrente alternada (AC) do EOGs para reduzir a deriva de base por segmentação do sinal . Nestes artigos, introduzimos o sistema de controle de cursor do mouse usando a nossa técnica EOGs. Os limiares iniciais da classe de movimento dos olhos (direita, esquerda e piscar voluntário) são determinados empiricamente individualmente para cada usuário. Duas classes de movimento dos olhos (direita e esquerda) são o comando do mesmo movimento do cursor do mouse. Nestes trabalhos, o movimento dos olhos da direção diagonal inferior direita é um comando de processamento de click. Além disso, o blink voluntário é um comando de processamento de click, também. No entanto, estes sistemas têm um problema em que os sinais sEMG face se tornam ruidosos para os sinais EOG.

neste estudo, estamos a desenvolver um sistema de interface humana EOG-sEMG para a comunicação. O nosso dispositivo EOG proposto não tem o problema dos artefactos do piscar dos olhos. Aplicamos um algoritmo que usa a variação dinâmica do elemento DC e a classificação padrão do elemento AC. Esta segmentação do sinal reduz a deriva de base. Embora houvesse um método de 3 elétrodos que poderia medir componentes verticais e horizontais em EOG que era considerado como o ruído durante a medição EEG, nosso sistema EOG ainda usa canais cruzados que usam 4 eletrodos para melhorar a precisão da medição EOG e realizar o processo de “dual-modalidade” EOG-sEMG simultaneamente. Além disso, os sinais EOG de canal cruzado têm um desempenho semelhante ao método plus-channel que é amplamente utilizado na medição EOG. Além disso, a posição de eletrodo do método de sinais de EOG cross-channel tem uma boa característica que sEMG também pode ser efetivamente medido ao mesmo tempo. Em comparação com outros trabalhos , este é um mérito útil.em comparação com outras pesquisas relacionadas sobre interfaces humano-computador para ajudar pessoas com deficiência , tais como Sistemas de rastreamento de olhos, que usam processamento de imagem, o EOG-sEMG baseado em nossa proposta interface homem-computador tem forte capacidade anti-interferência do ambiente, tais como luzes e ruídos. Os pacientes poderiam usar este tipo de interface mesmo sem visão. Em particular, os pacientes ALS ainda poderiam controlar seus olhos e músculos em torno dos olhos, mesmo em fase terminal, em que eles poderiam usar o EOG-sEMG com base na nossa proposta de interface homem-computador também. Embora os dispositivos de processamento de imagens sejam amplamente utilizados por serem intuitivos e mais previsíveis, o EOG-sEMG baseado na nossa proposta interface homem-computador ainda oferece uma boa escolha para as pessoas gravemente deficientes.

neste artigo, propomos uma técnica que pode realizar reconhecimento de padrão facial gravando o EOGs e sEMGs. A fim de provar o desempenho do nosso método proposto, tentamos três experimentos relacionados passo a passo. No início, embora até 7 classes pudessem ser reconhecidas, lidando com o estado real dos pacientes e os testes de precisão inicial, nós escolhemos apenas duas classes (movimento esquerdo e direito) de EOG e duas classes (piscar esquerdo e direito) de sEMG que são facilmente realizáveis para simulação e tarefa de monitoramento. Em seguida, realizamos experimentos de entradas de caráter usando nosso sistema proposto com essas 4 classes. Os participantes experimentais eram homens saudáveis na casa dos vinte anos que concordam em se juntar às nossas experiências sem coerção. A partir destas experiências, mostramos que o reconhecimento de quatro padrões do nosso sistema proposto é fácil de aprender e de usar. Além disso, aplicamos nosso método simplificado proposto (software que pode fazer entrada de caracteres com um clique (um reconhecimento padrão)) para as pessoas gravemente deficientes (pacientes com distrofia muscular).2. O sistema de medição

2.1. Os sinais horizontais foram gravados pelo Canal 1 (CH1), e os sinais verticais foram gravados pelo Canal 2 (CH2) . Neste artigo, para melhorar a precisão dos sinais EOG, propõe-se um novo método de cruzamento de canais, conforme indicado na Figura 1(b). Os sinais horizontais e verticais podem ser gravados por ambos os canais ao mesmo tempo. É muito mais fácil analisar dados usando sinais duplos.

Figura 1

método Convencional (a) e o cross-channel método do EOG (b) .

2, 2. O sistema de medição EOG-sEMG

nesta subsecção, propõe-se a concepção do sistema de medição EOG-EMG. A figura 2 mostra o esquema formal de aquisição e análise dos sinais EOG e sEMG para controle e fluxo de informação através do sistema. Nosso sistema proposto tem quatro componentes: (1) Amplificador, (2) filtro, (3) conversor A/D, e (4) sistema de controle de cursor do mouse. Especificamente, isto significa que o sistema consiste em cinco elétrodos, um conversor A/D, um computador pessoal e um monitor (mostrado na Figura 2). Quatro eletrodos para os dois canais de sinais sEMG são colados na face, e um eletrodo é colado no pulso direito ou esquerdo como o chão.

(a)

(b)

(a)
(b)

Figura 2

Proposta de EOG-facilita interface homem-sistema de: a) fluxo de EOG e b) fluxo de sEMG. O fluxo EOG e o fluxo sEMG usam os mesmos cinco eletrodos.

2, 3. O dispositivo sensor EOG-sEMG

nesta subsecção, mostramos o dispositivo de interface utilizado neste estudo. A figura 3 mostra uma pessoa que usa o dispositivo de interface. Este dispositivo de interface assemelha-se a óculos ou óculos, consertando os eletrodos. Os sinais medidos pelo dispositivo são enviados para o PC usando Bluetooth. Os dados enviados são mostrados na Figura 4. Os sinais medidos são correntes de corrente contínua para dois canais EOG (2 ch), que são CH1 e CH2, e correntes de CORRENTE ALTERNADA para dois canais EOG (CH3 e CH4). Ao mesmo tempo, os sinais de 2 ch de sEMG também são medidos, que são CH5 e CH6. Vamos mostrar os detalhes dos dados medidos na seção seguinte.

Figura 3

Interface de dispositivo para fixar os eletrodos na face.

Figura 4

Dados enviados para o dispositivo de interface. Os sinais são sEMG 2 ch e EOG 2 ch. Os EOGs medem os sinais AC e DC.

3. O sistema de Registo EOG

nesta secção, introduziremos o sistema de Registo EOG. Nosso sistema EOG proposto é baseado em dois fluxos: (1) o amplificador e o filtro de baixa passagem (elemento DC) e (2) o amplificador, filtro de baixa passagem, e o filtro de alta passagem (elemento AC). Depois de registrar a amplitude do sinal (1000 vezes) e medidas de redução do ruído para o sistema de aquisição de dados biopotenciais, quatro tipos de movimentos oculares (direita, esquerda, cima e baixo) são reconhecidos com precisão e a redução do ruído eletrônico também é bem sucedida. Note-se que os sinais EOG horizontais são mais fortes do que os sinais EOG verticais. Isso é porque os saccades verticais são mais lentos que os saccades horizontais, e os saccades para baixo são os mais lentos . As figuras 5-8 mostram que os quatro movimentos oculares (direita, esquerda, cima e baixo) são claramente diferentes. Além disso, CH1 e CH2 são sinais de corrente contínua, que podem ser utilizados para registar os movimentos contínuos dos olhos. CH3 e CH4 são sinais AC do EOG. Portanto, CH3 e CH4 reagem fortemente apenas aos movimentos oculares.

Figura 5

O EOG sinais da gravação de amostras em CH1, CH2, CH3 e CH4 (direita).

Figura 6

EOG sinal de gravação de amostras em CH1, CH2, CH3 e CH4 (à esquerda).

Figura 7

EOG sinal de gravação de amostras em CH1, CH2, CH3 e CH4 (para cima).

Figura 8

EOG sinal de gravação de amostras em CH1, CH2, CH3 e CH4 (para baixo).

porque os sinais EOG mudam para todos os quatro movimentos oculares, importámos CH1 + CH2, que é usado para os sinais verticais e CH1 − CH2 para os sinais horizontais. Nos experimentos, pedimos a cada participante para mover seus olhos para seguir a próxima sequência: centro-direita-centro-esquerda-centro-Centro-Centro-Centro-baixo-centro. Os resultados destes dois novos procedimentos são apresentados na Figura 9.

Figura 9

EOG sinal de gravação de amostras em CH1 + CH2 (de cabeça) e CH1 − CH2 (desvantagem).

4. sEMG Signal Recording

Figure 2 shows the formal scheme for the acquisition and analysis of the sEMG signals for control and flow of information through the system. Nosso sistema consiste nestes quatro componentes: (1) eletrodos de superfície, (2) Amplificador, (3) Filtro de alta passagem, e (4) computador pessoal para classificação de sinal sEMG. Os sinais sEMG detectados pelos eletrodos de superfície são amplificados e filtrados antes da aquisição de dados para reduzir artefatos de ruído e melhorar componentes espectrais que contêm a informação para a análise de dados. Dois canais de sinais sEMG podem ser usados para reconhecer o movimento facial. Para remover o nível de corrente contínua e o ruído da linha de alimentação de 60 Hz, utiliza-se o filtro de alta passagem. A frequência de corte do filtro passa-alto é de 66,7 Hz.as gravações na Figura 10 mostram as medidas de redução de ruído aplicadas no nosso sistema. Como resultado, os dados das três classes sEMG (blink direito, blink esquerdo e bite) são claramente diferentes. Depois de filtrar e amplificar (aproximadamente 1000 vezes), os sinais sEMG são digitalizados e, em seguida, transferidos para o computador pessoal. A frequência de amostragem dos dados de medição é de 1 KHz numa banda de 0 Hz a 500 Hz.

Figura 10

níveis de Ativação de dois canais, facilita.

os sinais sEMG são processados pelo processamento médio móvel. O processamento médio móvel calcula a média retificada e não ponderada dos pontos de dados anteriores. Em seguida, o valor após o processamento médio móvel é determinado como “ativo” ou “inativo” com base no limiar. Os limiares (CH5 e CH6) são fixados de acordo com os utilizadores. Este método é necessário para definir o valor limiar de cada utilizador. Além disso, este sistema não reage ao piscar habitual. A figura 11 mostra um diagrama deste processo.

Figura 11

Diagrama de processo. Os sinais SEMG são computados para obter as médias retificadas e móveis. O sinal é determinado como ativo ou inativo com base no limiar.

5. Algoritmo de reconhecimento de padrões

nesta secção, vamos introduzir o nosso algoritmo de reconhecimento de padrões EOG-sEMG proposto. A figura 12 mostra o fluxo global do nosso sistema proposto. Este processo consiste em repetir passos. O reconhecimento de padrões consiste em cinco classes: duas classes (esquerda e direita) para o EOG e as três classes (esquerda piscada, direita piscada e mordida) para o sEMG.

Figura 12

Fluxo de EOG-facilita o reconhecimento de padrões algoritmo.

Se os dados de sEMG após o processamento do sinal excederem um limiar, o padrão dos dados de sEMG é determinado apenas pelo CH1 (movimento tipo piscar à direita) ou apenas pelo CH2 (movimento semelhante ao piscar à esquerda) ou ambos (a mordida ou o piscar forte). Nosso algoritmo proposto inicializa os elementos DC do EOG após a atividade sEMG é concluída. Além disso, quando o elemento AC do EOG não mudou (os olhos não estão se movendo) e o sEMG não está ativo, nosso algoritmo proposto inicializa o valor de referência que os olhos estão olhando como a frente (“renovação EOG” na Figura 12). Em outras palavras, nosso sistema determina que os olhos estão olhando para a frente, porque o elemento AC não é alterado. Naquela época, nosso sistema atualiza como o valor de referência dos elementos DC. Depois disso, nosso sistema usa a quantidade de mudança em DC a partir deste valor de referência.

da regra experimental, o limiar de avaliação entre activo e inactivo está definido. Em seguida, quando os olhos se movem, nosso algoritmo compara a variação de CH1 + CH2 e CH1 − CH2. Quando CH1-CH2 é maior, nosso algoritmo realiza o processo de determinação da OOG. Quando CH1 + CH2 é maior, nosso algoritmo determina que os olhos movidos na direção vertical, porque os dados EOG para a direção vertical dos olhos é semelhante aos dados EOG para o padrão blink. Além disso, nossos resultados experimentais indicam que muitas pessoas não podem facilmente controlar a direção ascendente do olho.a seguir, introduzimos o algoritmo de reconhecimento de padrões EOG, um exemplo de processamento de reconhecimento de padrões EOG mostrado na Figura 13. Embora a Figura 9 Mostre que todos os movimentos dos olhos poderiam, verificando valores para CH1 + CH2 e CH1-CH2, o algoritmo de marcha padrão ainda é necessário para resolver a mudança de linha de base causada pelo problema da deriva. Os passos do algoritmo da Figura 13 são os seguintes:(1)os elementos de corrente contínua e de corrente alternada da GEE excedem o limiar para a direcção certa. É determinado que esta é a direção certa dos olhos.(2) o elemento DC continua a exceder o limiar para a direcção certa e o elemento AC retorna à linha de base. A direcção dos olhos continua à direita.(3) o elemento AC muda muito na direção negativa quando a direção do olho retorna à posição central.(4) o elemento AC e o elemento DC voltam à linha de base de cada elemento. Depois, a linha de base é actualizada.Nosso sistema realiza a determinação do movimento da direita e esquerda dos olhos usando este algoritmo. Este algoritmo torna possível determinar a direção. Este é um processo difícil quando se utiliza apenas o elemento AC.

Figura 13

Exemplo de EOG reconhecimento de padrões processamento. Os números em negrito representam os passos do algoritmo.

6. Experiments and Results

To test the effectiveness of our proposed system, we conducted two experiments: one is a pattern recognition test and the other is a character input test.

6. 1. Experimento de reconhecimento de padrões

primeiro, nós realizamos experimentos de classificação de padrões para as duas classes de movimento dos olhos (direita e esquerda) e as três classes de sEMG facial (direita piscar, esquerda piscar, e mordida). O intervalo de cada acção é de 3 segundos (indicado na Figura 14). Cada participante realizou cada movimento ocular nove vezes. Além disso, testámos se o nosso sistema proposto poderia rejeitar um piscar de olhos normal. Fizemos o teste normal de rejeição blink 30 vezes. Os participantes das experiências foram oito homens saudáveis que são todos os números de nosso laboratório em seus vinte anos que deram seu consentimento para participar desta experiência.

Figura 14

tarefas Básicas no reconhecimento de padrões de experiência.

6, 2. Resultados experimentais de reconhecimento de padrões

os resultados experimentais de reconhecimento de padrões são apresentados na Tabela 1 e a última linha mostra a avaliação de desempenho (PE) de cada padrão sob a regra de 5 pontos (corrigir para 5 pontos, rejeitar para 2 Pontos, e falhar para 0 pontos). Rejeitar significa que o padrão de entrada não reagiu. Miss significa que o padrão de entrada foi uma resposta errada. A partir das experiências, o reconhecimento de padrões EOG (direita e esquerda) do nosso sistema proposto é confiável. A partir destes resultados experimentais, o nosso sistema proposto mostra um bom desempenho no reconhecimento das quatro classes (direita, esquerda, direita piscar e esquerda piscar). A taxa média de reconhecimento foi de 95,1%, a taxa média de rejeição foi de 1,4%, e a taxa média de falta foi de apenas 3,5%, e a média de PE é de 4,79 de 5.

No entanto, o reconhecimento de padrões de mordida sEMG não é tão bom quanto esperado. Uma razão é que algumas pessoas têm problemas de irregularidade oclusal que causam divergência entre suas bochechas. Este tipo de ações mordidas era geralmente reconhecido como direito ou esquerdo piscar. Outra razão é que nós usamos um método de ajuste de limiar para distinguir blink normal, e o teste de rejeição de blink normal teve uma taxa de sucesso de 97% (232/240). Sob este método, as ações de mordida que não poderiam passar o limiar será rejeitado da mesma forma que o piscar normal.

6.3. O experimento de entrada de caracteres

seguinte, nós conduzimos o experimento de entrada de caracteres usando as quatro classes (direita (EOG), esquerda (EOG), direita blink (sEMG), e esquerda blink (sEMG). O software de entrada de frases do alfabeto, Hearty Ladder, é mostrado na Figura 15. Usámos o método de selecção de quatro divisões. Nós atribuímos os quatro padrões da seguinte forma: direito (EOG) é o comando para selecionar a área inferior direita. Esquerda (EOG) é o comando para seleccionar a área inferior esquerda. Blink direito (sEMG) é o comando para selecionar a área superior direita. Blink esquerdo (sEMG) é o comando para selecionar a área superior esquerda.O usuário repetiu a filtragem de quatro padrões até que o caráter do último padrão foi selecionado. O intervalo de controle foi de 0.1 s. realizamos experimentos da tarefa de entrada” miyazaki ” (8 caracteres: 4 operações para 1 personagem), que é o nome da nossa universidade. Os participantes das experiências foram nove machos saudáveis em seus vinte anos que deram seu consentimento para participar desta experiência. Os participantes experimentais incluíram seis pessoas com experiência neste sistema.

Figura 15

O alfabeto frase software de entrada de dados para o “miyazaki” tarefa.

6, 4. Resultados experimentais de entrada de caracteres

tentámos cinco ensaios da tarefa de entrada” miyazaki”. Contamos o número de falhas e a duração do tempo até o final da entrada. Os resultados experimentais são apresentados no quadro 2. A partir destes experimentos, o tempo médio de um teste foi de 50,0 S. O tempo médio de entrada de um caractere do alfabeto foi de aproximadamente 6,3 s (50 s/8 caracteres) em nosso sistema proposto. O tempo do participante mais rápido, K. M, foi de 4.5 s (35.8 s/8 caracteres). Além disso, se considerarmos os participantes M. F, M. S, e R. K que tinha vindo a utilizar o nosso sistema proposto mais de 100 h, bem como os experientes e os outros 6 participantes que não usam o nosso sistema proposto por acaso como inexperiente, o tempo médio de participantes experientes foi de 49.2 s e a dos participantes inexperientes foi 51,5 S. A taxa de miss dos participantes inexperientes também foi baixa. A partir destes resultados, consideramos que uma das vantagens do nosso sistema proposto é que os utilizadores não precisam de muita formação.

comparámos o desempenho do nosso método proposto com o método EOG e o método sEMG. O método EOG usado movimentos do olho direito e esquerdo apenas como o método de seleção de 2 divisões. O método sEMG usado piscas para a direita e piscas para a esquerda apenas como o método de seleção de 2 divisões. Nós tentamos as mesmas experiências de cinco ensaios da tarefa de entrada “miyazaki” com os mesmos participantes. Estes resultados experimentais são apresentados no quadro 3. Pode ver-se que o nosso método proposto tem o melhor desempenho de todos os três métodos. Calculámos o tempo necessário para uma operação. O EOG método foi 1.93 s, o método facilita era de 1,65 s, e o nosso método proposto foi 1.56 s. Além disso, a taxa de ausências dos facilita método foi menor do que a nossa proposta de método. Uma das razões mais conclusivas é que o número de operações (7 operações para 1 caráter) é maior no método de seleção de 2 divisões do que o método de seleção de 4 divisões.

conforme referimos nesta secção, 2 ou 4 padrões podem ser reconhecidos pelo nosso sistema proposto. Todos esses padrões poderiam ser atribuídos como funções separadas e, lidando com o estado dos usuários, todos esses padrões poderiam ser empregados por qualquer combinação deles. Na secção seguinte, discutiremos a aplicação do nosso sistema proposto para os deficientes graves utilizando apenas um padrão.

7. Resultados experimentais das pessoas com deficiências graves

neste artigo, aplicámos o método proposto para as pessoas com deficiências graves (doentes com distrofia muscular). Obtivemos a aprovação do Comitê de Ética da Universidade de Miyazaki. A experiência da Secção 6 com operações complicadas causará grande fadiga às pessoas com deficiência, pelo que as experiências foram realizadas de forma a que um personagem seja inserido com um único clique usando EOG ou sEMG. Apenas um padrão foi selecionado a partir de padrões EOG ou sEMG que poderiam ser facilmente usados. Neste método de entrada de caracteres, o caractere é selecionado automaticamente pelo software; o usuário pode ser selecionado clicando quando o personagem alvo foi escolhido pelo software. Neste experimento, o processamento clicando é realizado pelo reconhecimento da atividade EOG ou sEMG.esta experiência teve os dois indivíduos. A fim de minimizar as influências da condição física dos sujeitos e ambientes, tentamos os mesmos experimentos 10 vezes em ocasiões diferentes em dias diferentes. The continuous 30 minutes in one experiment was used for testing the Japanese character input. A tabela 4 mostra os resultados experimentais. A partir da tabela 4, a taxa de reconhecimento do método sEMG é de 99,2% e a taxa de reconhecimento do método EOG é de 98,0%. O tempo de entrada foi lento cerca de 1 a 2 segundos em comparação com indivíduos saudáveis. Portanto, os deficientes têm o mesmo resultado que os saudáveis usando um único clique. A partir destes resultados, podemos dizer que a nossa abordagem é eficaz em pessoas gravemente deficientes.

8. Conclusões

neste estudo, introduzimos um dispositivo de interface homem-computador EOG-sEMG concebido para doentes com esclerose lateral amiotrófica ou outras doenças. Usamos canais cruzados e canais paralelos na face com os mesmos 4 eletrodos. Este sistema poderia gravar sinais EOG e sEMG como duplo-threading para reconhecimento de padrões simultaneamente. Além disso, nosso método proposto usando a combinação de elementos AC e DC de EOG reduz a deriva correspondente e permite a operação contínua no registo dos movimentos oculares. Os resultados experimentais mostraram que nosso método proposto é eficaz para o reconhecimento de quatro padrões (direito (EOG), esquerdo (EOG), direito blink (sEMG) e esquerdo blink (sEMG). Em particular, nosso método proposto demonstrou um bom desempenho para os experimentos de entrada de caracteres. A taxa de falta foi de apenas 1,4%. Além disso, os resultados de participantes inexperientes e experientes mostraram pouca diferença. A partir destes resultados, pensamos que uma vantagem do nosso sistema proposto é que os utilizadores não precisam de muita formação.além disso, comparamos o método proposto com o método EOG e o método sEMG. Nosso método proposto exigia o menor tempo para a entrada de caracteres. A nossa interface humano-computador proposta pode ser aplicada no sistema EOG, no sistema sEMG e no sistema EOG-sEMG. É possível usar nosso sistema para pacientes que só podem controlar seus movimentos oculares. Também é possível usar apenas os sinais sEMG com uma alta taxa de sucesso até que o Usuário esteja confortável usando o dispositivo. A nossa proposta de interface homem-computador tem a vantagem de poder ser usada dependendo da situação.esperamos ser capazes de comunicar com pacientes que sofrem de esclerose lateral amiotrófica ou outras doenças usando o nosso sistema. No nosso trabalho futuro, tencionamos testar muitas matérias e pessoas com deficiência mais graves.esta investigação foi financiada pela SYOWA Co. Ltd.esta investigação foi apoiada pela Fundação de apoio industrial da província de Miyazaki (R&D) e por um auxílio concedido a jovens cientistas (B) (23700668) zaken. Os autores estão gratos ao Sr. Kazuhiko Inami e ao Sr. Kazuya Gondou. Eles reconhecem com gratidão o trabalho dos membros passados e presentes de seu laboratório.