Hybrid EEG-fEMG Human-Computer Interface for Assistive Technology

Abstract

This thesis presents Hybrid EEG-fEMG Human-Computer Interface for Assistive Technology and communications for severe disabled people with the Human Machine Interface (HMI). In the thesis, an experiment is conducted to explore method of measuring and classifying fEMG signal while silent speech. And EEG signal while imagination of silent speech of four Thai syllables speech, the “left”, “right”, "forward" and "backward" Including, EEG imagined to syllable pronunciation. The results showed that the recorded facial EMG with the proposed algorithm achieved an average accuracy of 85%. The recorded EEG with the proposed algorithm achieved accuracy, ranging from 62.13% to 81.25%. However, the sensitivity of facial-EMG can generate involuntary command by the regular activity of the user. In hybrid EEG-facial EMG can be used in real-time BCI to reduce an error from involuntary command by using only single-channel EEG, and two-channel fEMG with the proposed algorithms achieved 84.5% average accuracy. The proposed hybrid HMI systems can be further developed to enhance to cover the level of various disabilities In the future there will be many improvements and developments. On the basis of the proposed system, such as method for feature extraction and classification, increase the commands sufficient for practical use in daily. Which is the destination of the development of brain computer interface (BCI) to improve the quality of the severe disabled.

วิทยานิพนธ์เล่มนี้นำเสนอการประยุกต์ใช้สัญญาณสมองผสมผสานกับสัญญาณกล้ามเนื้อใบหน้าเพื่อควบคุมอุปกรณ์สิ่งอำนวยความสะดวกและการสื่อสารสำหรับกลุ่มผู้พิการขั้นรุนแรงด้วยระบบอินเทอร์เฟสมนุษย์กับเครื่องจักร ซึ่งในวิทยานิพนธ์เล่มนี้ทำการทดลองสำรวจวิธีการวัดและจำแนกสัญญาณกล้ามเนื้อใบหน้าขณะพูดไม่ออกเสียง และสัญญาณสมองขณะจินตนาการถึงการพูดไม่ออกเสียงในระหว่างการพูดพยางค์ภาษาไทย ได้แก่ ซ้าย ขวา หน้า และหลัง จากผลการทดลองสัญญาณสมองขณะจินตนาการการพูดออกเสียงกับอัลกอริทึมที่นำเสนอสร้างความถูกต้องฉลี่ยอยู่ในช่วง 62.13% ถึง 81.25% ส่วนสัญญาณกล้ามเนื้อใบหน้าขณะพูดไม่ออกเสียงกับอัลกอริทึมที่นำเสนอมีค่าความถูกต้องเฉลี่ยมากกว่า 85% นอกจากนี้เรายังออกแบบระบบการเชื่อมต่อเครื่องจักกับมนุษย์แบบผสมผสานสัญญาณสมองกับสัญญาณกล้ามเนื้อใบหน้า เพื่อลดคำสั่งที่ไม่สมัครใจ ด้วยการใช้สัญญาณสมองแบบช่องสัญญาณเดียวและสัญญาณกล้ามเนื้อใบหน้าแบบสองช่องสัญญาณด้วยอัลกอริทึมแบบง่ายค่าความถูกต้องเฉลี่ย 84.5% ระบบระบบการเชื่อมต่อเครื่องจักกับมนุษย์แบบผสมผสานกับสัญญาณสมองและสัญญาณกล้ามเนื้อใบหน้า ที่นำเสนอสามารถพัฒนาต่อเพื่อให้ครอบคลุมถึงระดับความพิการทุพพลภาพที่หลากหลาย ในอนาคตจะมีการปรับปรุงและพัฒนาในหลายๆ ส่วนบนพื้นฐานของระบบที่นำเสนอ เช่น วิธีการสกัดคุณลักษณะ และการจำแนก รวมถึงการเพิ่มจำนวนคำสั่งที่เพียงพอต่อการใช้งานจริงในชีวิตประจำวัน ซึ่งเป็นเป้าหมายหลักของการพัฒนาเทคโนโลยีการเชื่อมต่อสมองกับคอมพิวเตอร์เพื่อเพิ่มคุณภาพชีวิตของผู้พิการให้ดีขึ้น