Modellierung von EOG Daten für Übertragung und Verarbeitung auf mobilen Geräten

Abstract

In der digitalisierten Welt sind alternative Eingabesysteme für Menschen mit Behinderung und in Bereichen, in denen klassische Eingabesysteme aus prozesstechnischen Gründen nicht möglich sind, gefragt. Im Fokus von Forschung und Entwicklung stehen unter anderem Bewegungen des Menschen, wie Kopfbewegungen oder Augenbewegungen. Diese Bewegungen können durch Videoanalyse erfasst werden, oder aber durch Messungen von korrespondierenden Biosignalen. Eines dieser Biosignale entsteht durch eine Potentialverschiebung auf der Netzhaut im Auge, ausgelöst durch Muskelbewegungen. Es kann mithilfe der Elektrookulographie (EOG) gemessen werden. Die Aufgabe bestehteinerseits darin, dieses Biosignal durch eine möglichst robuste Signalerfassung bzw. -übertragung zum verarbeitenden Gerät zu bringen und zum anderen dieses Signal auszuwerten. Mithilfe von einem Modell, welches die Augenbewegungen beschreibt, wird ein Algorithmus, der das Messignal interpretiert und daraus Steuerbefehle generiert, entwickelt. Diese Diplomarbeit beschäftigt sich mit der Erfassung und Auswertung des EOG Signals. Sie entsteht in Zusammenarbeit mit dem Austrian Institute of Technology, welches sich im Rahmen zweier Forschungsprojekte der österreichischen Forschungsförderungsgesellschaft FFG mit diesem Thema befasst. Im ersten Teil der Arbeit werden die benötigten Grundlagen und die verwendeten Techniken beschrieben. Der zweite Teil befasst sich mit dem verwendeten Modell. Es beruht auf der Analogie zwischen der Potentialverschiebung auf der Netzhaut, ausgelöst durch Augenbewegungen, zu einem elektrischen Dipol. Im dritten Teil der Arbeit wird die Firmware des bereitgestellten Biosignalerfassers so erweitert, dass die Signalerfassung durch einfache Anpassung der Messparameter verbessert werden kann. Durch die erstellte Android Applikation kann gewährleistet werden, dass die Signalqualität vor und während der Aufzeichnung überprüfbar bleibt. Die gemessenen Daten dienen dann als Datenbasis für die Entwicklung und Anwendung des Dipol-Modelles für Augenbewegungen. Es wird in einem Algorithmus, welcher aus den Augenbewegungen vordefinierte Events erkennen soll, abgebildet. Als Ausgang des Modelles werden Steuersignale für andere Anwendungen bereitgestellt. Im letzten Teil der Arbeit wird eine Verifikation des Algorithmus durchgeführt, und die Ergebnisse interpretiert. Aus der Arbeit wird ersichtlich, dass das Dipol-Modell für Augenbewegungen verwendet werden kann, an der Qualität des Signals, bzw. der damit verbunden kontinuierlichen Kalibrierung des Systems, muss aber noch gearbeitet werden.

In the digitalised world, alternative input systems for people with disabilities and in areas where classical input systems are not possible for process-technical reasons are in demand. The focus of research and development is, among other things, on human movements, such as head movements or eye movements.These movements can be recorded by video analysis or by measurements of corresponding bio-signals. One of these bio-signals is caused by a potential shift on the retina in the eye, triggered by muscle movements. It can be measured by electrooculography (EOG). The task is on the one hand to bring this bio-signal to the processing device by a most robust signal acquisition or transmission and on the other hand to evaluate this signal. With the help of a model that describes the eye movements, an algorithm is developed that interprets the measurement signal and generates control commands.This diploma thesis deals with the acquisition and evaluation of the EOG signal. It is developed in cooperation with the Austrian Institute of Technology, which is involved in two research projects of the Austrian Research Promotion Agency FFG. The first part of the thesis describes the required basics and the techniques used. The second part deals with the model used. It is based on the analogy between the potential shift on the retina, caused by eye movements, to an electric dipole. In the third part of the thesis, the firmware of the provided bio-signal detector is extended in such a way that the signal acquisition can be improved by simple adjustment of the measurement parameters. By the created Android application, it can be guaranteed that the signal quality remains verifiable before and during the recording. The measured data then serve as a database for the development and application of the dipole model for eye movements. It is mapped in an algorithm, which should recognize predefined events from the eye movements. As output of the model, control signals for other applications are provided.In the last part of the work a verification of the algorithm is performed, and the results are interpreted. It becomes obvious that the dipole model can be used for eye movements, but the quality of the signal and the associated continuous calibration of the system still have to be worked on.