Die Zunge ist ein ästhetisch nützliches Organ in der Mundhöhle. Es kann sich auf komplexe Weise mit sehr geringer Ermüdung bewegen. Viele Studien zu unterstützenden Technologien, die von der Zunge betrieben werden, werden als Zunge-Mensch-Computer-Schnittstelle oder Zunge-Maschine-Schnittstelle (TMI) für gelähmte Personen bezeichnet. Viele von ihnen sind jedoch aufdringliche Systeme, die aus Hardware wie Sensoren und magnetischen Tracern bestehen, die im Mund und auf der Zunge platziert sind. Daher könnten diese Ansätze ärgerlich, ästhetisch unattraktiv und unhygienisch sein. In dieser Studie wollten wir eine natürliche und zuverlässige Zunge-Maschine-Schnittstelle entwickeln, die ausschließlich glossokinetische Potenziale nutzt, indem wir den Erfolg maschineller Lernalgorithmen für die 1-D-zungenbasierte Steuerung oder Kommunikation mit assistiven Technologien untersuchen. Glossokinetische Potentialreaktionen werden durch Berühren der bukkalen Wände mit der Zungenspitze erzeugt. An dieser Studie nahmen acht männliche und zwei weibliche naive gesunde Probanden im Alter von 22 bis 34 Jahren teil. Lineare Diskriminanzanalyse, Support Vector Machine und der k-Nearest Neighbor wurden als Algorithmen für maschinelles Lernen verwendet. Dann wurde die größte Erfolgsquote mit einer Genauigkeit von 99% für den besten Teilnehmer in Support Vector Machine erreicht. Diese Studie kann behinderten Menschen helfen, Hilfsmittel auf natürliche, unauffällige, schnelle und zuverlässige Weise zu steuern. Darüber hinaus wird erwartet, dass GKP-basiertes TMI ein alternativer Kontroll- und Kommunikationskanal für traditionelle Elektroenzephalographie (EEG) -basierte Gehirn-Computer-Schnittstellen sein könnte, die erhebliche Unzulänglichkeiten aufweisen aus den EEG-Signalen entstanden.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.