Integración de Sistemas de Información con Electrooculografía (EOG) para el uso de Interfaces de Usuario Asistivas Integration of Information Systems with Electrooculography (EOG) for the use of Assistive User Interfaces
Barra lateral del artículo
Contenido principal del artículo
Resumen
La integración de electrooculografía (EOG) en sistemas de información representa una estrategia promisoria para el desarrollo de interfaces de usuario asistidas. Aunque la aplicación clínica final es el beneficio de personas con discapacidades motoras, el desarrollo responsable requiere validación técnica preliminar. Este estudio constituye la Fase I de un programa de investigación progresivo que evalúa la viabilidad técnica de esta integración mediante validación en población sin discapacidades. Se evaluó a 102 participantes estudiantes (edad media = 21.45 años, 64.71% masculino) sin antecedentes de discapacidades motoras en la ejecución de tareas de control ocular basadas en detección de EOG. Se registraron simultáneamente señales EOG de ambos canales con frecuencia de muestreo de 1000 Hz. El desempeño promedio fue 52.55% de aciertos (IC 95%: 48.1%-57.0%), con considerable variabilidad entre participantes (rango: 20-100%) y entre estímulos (rango: 18.63%-78.43%). El análisis chi-cuadrado mostró diferencias significativas en desempeño según tipo de estímulo (χ²(4) = 79.34, p < 0.001), con movimientos verticales logrando 78.43% de aciertos y movimientos diagonales solo 18.63%. La estabilidad de la señal EOG se correlacionó moderadamente con desempeño del usuario (r = 0.52, p = 0.002). Los resultados demuestran viabilidad técnica preliminar de la integración EOG-sistema. Se enfatiza que este es estudio de validación técnica preliminar; investigación clínica con población con discapacidades motoras es necesaria antes de aplicación asistiva
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
C, O. F. S., & Clavijo, L. S. R. (2020). Comparación entre el electrooculograma y el test de DEM como métodos de evaluación de los movimientos sacádicos.: Comparison between the electrooculogram and DEM as methods of evaluation of saccadic movemets. UNA MIRADA A..., 9(9), Article 9.https://doi.org/10.54104/unamirada.v9n9.903
Hipp Méndez, J. R. (2021). Diseño e implementación de un dispositivo de asistencia para personas con baja visión basado en el procesamiento de imágenes estereoscópicas y señales de electrooculografía [Other, Universidad de San Carlos de Guatemala]. https://biblioteca.ingenieria.usac.edu.gt/
Compensar, F. U. C. U., Suárez, L. G. M., Romero, L. D. C., & Compensar, F. U. C. U. (2021). Tecnología asistiva como plataforma para la educación inclusiva. En Fondo Editorial Universitario Servando Garcés de la Universidad Politécnica Territorial de Falcón Alonso Gamero / Alianza de Investigadores Internacionales S.A.S. eBooks (pp. 15-26). https://doi.org/10.47212/gamificacioniii2021.2
Ekren, N., & Skheta, A. (2021). Design and implementation of EOG signal based wireless system to control smart devices. European Journal of Technique, 11(2), 107–114. https://doi.org/10.36222/ejt.996015
Rodriguez, M., García, S., & Molino, J. (2020). Captación de potenciales eléctricos oculares para su uso viable en interfaz Hombre-Máquina. European Scientific Journal ESJ, 16(18), 102. https://doi.org/10.19044/esj.2020.v16n18p102
Tao, L., Huang, H., Chen, C., Feijs, L., Hu, J., & Chen, W. (2023). Review of electrooculography-based human–computer interaction: Recent technologies, challenges and future trends. Connected Health and Telemedicine, 2(3). https://doi.org/10.20517/chatmed.2023.05
Ban, S., et al. (2023). Soft wireless headband bioelectronics and electrooculography for persistent human–machine interfaces. ACS Applied Electronic Materials, 5(2), 877–886. https://doi.org/10.1021/acsaelm.2c01436
Pleshkov, M., Zaitsev, V., Starkov, D., Demkin, V., Kingma, H., & van de Berg, R. (2022). Comparison of EOG and VOG obtained eye movements during horizontal head impulse testing. Frontiers in Neurology, 13, Article 917413. https://doi.org/10.3389/fneur.2022.917413
Meng, Q., Tan, X., Jiang, C., Xiong, Y., Yan, B., & Zhang, J. (2021). Tracking Eye Movements During Sleep in Mice. Frontiers In Neuroscience, 15, 616760. https://doi.org/10.3389/fnins.2021.616760
Frey, S., Lucchini, M. A., Kartsch, V., Ingolfsson, T. M., Bernardi, A. H., Segessenmann, M., Osieleniec, J., Benatti, S., Benini, L., & Cossettini, A. (2024). GAPses: Versatile Smart Glasses for Comfortable and Fully-Dry Acquisition and Parallel Ultra-Low-Power Processing of EEG and EOG. IEEE Transactions On Biomedical Circuits And Systems, 19(3), 616-628.https://doi.org/10.1109/tbcas.2024.3478798
Rocha, D. C. A. H., & O’Keeffe, K. R. (2024, 3 octubre). Development of a Digital Front-End for Electrooculography Circuits to Facilitate Digital Communication in Individuals with Communicative and Motor Disabilities. arXiv.org. http://arxiv.org/abs/2410.03013
Roy, K. S., & Islam, S. M. R. (2023). An RNN-based Hybrid Model for Classification of Electrooculogram Signal for HCI. International Journal Of Computing, 335-344. https://doi.org/10.47839/ijc.22.3.3228
Rivas, N. E. G. (2024). Tecnología Asistiva para la Inclusión Educativa en Ecuador. Ciencia Latina Revista Científica Multidisciplinar, 8(3), 417-433. https://doi.org/10.37811/cl_rcm.v8i3.11228
Robotic arm control using Machine Learning-Based EOG signal classifier. (2023, 10 noviembre). IEEE Conference Publication | IEEE Xplore. https://ieeexplore.ieee.org/document/10359205/
Ban, S., Lee, Y. J., Kwon, S., Kim, Y., Chang, J. W., Kim, J., & Yeo, W. (2023). Soft Wireless Headband Bioelectronics and Electrooculography for Persistent Human–Machine Interfaces. ACS Applied Electronic Materials, 5(2), 877-886. https://doi.org/10.1021/acsaelm.2c01436
Alberto, G. M. M. (2024, 9 marzo). Prototipo sistema de comunicación asistida mediante el control de señales electro oculográficas. https://repository.unad.edu.co/handle/10596/60515