de tong is een esthetisch nuttig orgaan in de mondholte. Het kan op complexe manieren bewegen met zeer weinig vermoeidheid. Veel studies over ondersteunende technologieën die door tongue worden bediend, worden tong-mens computer interface of tong-machine interface (TMI) voor verlamde individuen genoemd. Echter, veel van hen zijn opdringerige systemen bestaande uit hardware zoals sensoren en magnetische tracer geplaatst in de mond en op de tong. Daarom kunnen deze benaderingen vervelend, esthetisch onaantrekkelijk en onhygiënisch zijn. In deze studie wilden we een natuurlijke en betrouwbare tong-machine interface ontwikkelen met uitsluitend glossokinetische potentialen via onderzoek naar het succes van machine learning algoritmen voor 1-D tong-gebaseerde besturing of communicatie op ondersteunende technologieën. Glossokinetische potentiële reacties worden gegenereerd door het aanraken van de buccale wanden met het puntje van de tong. In deze studie namen acht mannelijke en twee vrouwelijke naïeve gezonde proefpersonen, in de leeftijd van 22-34 jaar, deel. Lineaire discriminant analyse, ondersteuning Vector machine, en de k-dichtstbijzijnde buurman werden gebruikt als machine learning algoritmen. Vervolgens werd het grootste slagingspercentage bereikt met een nauwkeurigheid van 99% voor de beste deelnemer in support vector machine. Deze studie kan gehandicapten helpen om hulpmiddelen op natuurlijke, onopvallende, snelle en betrouwbare wijze te bedienen. Bovendien wordt verwacht dat op GKP gebaseerde TMI een alternatief besturings-en communicatiekanaal kan zijn voor traditionele op elektro-encefalografie (EEG) gebaseerde hersenen-computerinterfaces die aanzienlijke tekortkomingen vertonen die voortvloeien uit de EEG-signalen.

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd.