Resumen

Las interfaces hombre-máquina basadas en el movimiento de los ojos se utilizan para proporcionar un medio de comunicación a quienes no pueden mover más que los ojos debido a una lesión o enfermedad. Para detectar los movimientos oculares se utiliza la electrooculografía (EOG). Para una comunicación eficaz, la velocidad de entrada es fundamental. Sin embargo, es difícil que los métodos convencionales de reconocimiento de EOG reconozcan con precisión los movimientos oculares rápidos y de entrada secuencial porque los movimientos oculares adyacentes se influyen mutuamente. En este trabajo, proponemos un enfoque de modelado de EOG basado en un modelo de Markov oculto dependiente del contexto (HMM) que utiliza modelos separados para movimientos oculares idénticos con diferentes contextos. Como la influencia de los movimientos oculares adyacentes se modela explícitamente, se consigue una mayor precisión en el reconocimiento. Además, proponemos un método de adaptación al usuario basado en un modelo EOG independiente del usuario para investigar el equilibrio entre la precisión del reconocimiento y la cantidad de datos dependientes del usuario necesarios para el entrenamiento del HMM. Los resultados experimentales muestran que cuando se utilizan los HMMs dependientes del contexto propuestos, la tasa de error de caracteres (CER) se reduce significativamente en comparación con la línea de base convencional en condiciones dependientes del usuario, del 36,0 al 1,3%. Aunque el CER vuelve a aumentar hasta el 17,3% cuando se utilizan los HMM dependientes del contexto pero independientes del usuario, puede reducirse hasta el 7,3 y aplicando el método de adaptación al usuario propuesto.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:movimiento ocular, movimiento ocular adyacente, movimiento ocular idéntico, enfoque de modelado eog, modelo oculto de markov-, markov oculto dependiente, métodos de adaptación del usuario, modelo eog independiente, reconocimiento eog convencional, métodos de reconocimiento eog
• Keywords:eye motion, adjacent eye motion, identical eye motion, eog modeling approach, hidden markov model-, dependent hidden markov, user adaptation methods, independent eog model, conventional eog recognition, eog recognition methods