Estudio de la señal electrooculográfica y su aplicación a sistemas médicos asistenciales

Abstract

En el año 1848 el físico alemán Emil du Bois-Reymond observó que el ojo se comportaba como un dipolo eléctrico en el que la córnea era el polo positivo y la retina el negativo, de tal forma que los movimientos oculares daban lugar a variaciones en el potencial de dicho dipolo. Acababa de nacer lo que hoy se conoce como electrooculografía. En la actualidad la electrooculografía se utiliza principalmente en aplicaciones médicas, complementando otros sistemas de detección de biopotenciales, especialmente electroencefalografía y electromiografía. El registro EOG es un método de diagnóstico que se utiliza habitualmente para investigar el sistema oculomotor humano debido a que el movimiento de los ojos revela signos críticos de trastornos neurológicos. Además de las aplicaciones médicas descritas es posible utilizar las señales EOG para desarrollar sencillos interfaces hombre-máquina (HCI, por sus siglas en inglés). Estos ofrecen al usuario, normalmente personas con grandes discapacidades motrices, la posibilidad de realizar sencillas tareas asistenciales, de comunicación y/o de control, que mejoren su calidad de vida. Es en este campo de aplicación donde se encuadra el presente trabajo de doctorado. El estudio de la señal EOG y su aplicación a los sistemas asistenciales es sumamente complejo, por cuanto requiere de la participación de diversos campos de la ciencia y de la tecnología. En este trabajo se comienza revisando el Estado del Arte de esta tecnología con el fin de identificar sus principales limitaciones prácticas y proponer soluciones a las mismas. Para alcanzar dicho objetivo es necesario abordar el problema tanto desde el punto de vista hardware como software. Así, se desarrolló una plataforma hardware para la adquisición de las señales EOG y una plataforma software en la se implementaron las técnicas de procesamiento de la señal EOG. El dispositivo hardware desarrollado realiza básicamente el acondicionamiento de las señales EOG y su transmisión vía Bluetooth al computador. Una vez que las señales EOG están en el computador se procede a su procesamiento digital, descargando de esta tarea al hardware. En primer lugar se lleva a cabo un filtrado digital para eliminar el ruido que no se había podido eliminar mediante hardware. Para este fin se utiliza el método de la Transformada wavelet. Una vez la señal EOG está libre de interferencias, se plantea el problema de su clasificación atendiendo a las singularidades que presenta. Se trata de extraer las características de la señal identificando los distintos tipos de movimientos del ojo y establecer una correspondencia unívoca con las acciones a realizar por el sistema. Para ello se propusieron dos métodos. El primer método de clasificación consistió en establecer unos umbrales de tensión correspondientes a los cuatro principales movimientos del ojo (arriba, abajo, izquierda y derecha), así como el parpadeo voluntario y el involuntario (de menor duración). Esta técnica, aunque simple en su concepción, no está exenta de inconvenientes derivados principalmente del distinto comportamiento fisiológico del ojo en cada persona, por lo que se requiere calibrar periódicamente el sistema. Para abstraerse de esta limitación se decide acudir a clasificadores del campo del aprendizaje automático (Machine Learning). Esta técnica permite identificar patrones en los datos y así predecir las acciones futuras a partir de dichos patrones. En concreto se implementó un módulo de aprendizaje automático basado en algoritmos de Boosting. Una vez analizados los diferentes aspectos de la señal EOG y su procesamiento estamos en condiciones de poder ofrecer al usuario una solución de bajo coste para sus necesidades de comunicación y entretenimiento. En este sentido se desarrolló un novedoso sistema de escritura que, controlado por el movimiento ocular, facilita a aquellas personas con graves discapacidades motrices escribir en el computador. Se completa la aplicación informática con un juego que además de entretener, sirve de entrenamiento para mejorar el control sobre los movimientos oculares. Creemos que todo ello puede contribuir a mejorar la calidad de vida de este grupo de personas. En resumen, el trabajo presentado recorre el camino completo desde la capación de la señal EOG hasta su aplicación al desarrollo de un sistema asistencial, proponiendo soluciones concretas para las distintas tareas a realizar. Somos conscientes de que algunas de estas tareas podrían haberse realizado de otra forma e incluso serían mejorables. Es por ello que por último se proponen futuras líneas de trabajo que pueden contribuir a mejorar el sistema, así como extender su aplicabilidad a otros campos de actuación ahora desconocidos. In 1848 the German physicist Emil du Bois-Reymond observed that the eye behaved as an electric dipole in which the cornea was the positive pole and the retina the negative pole, so that the eye movements caused variations in the potential of the aforementioned dipole. What is known today as electrooculography had just been born. Electrooculography is currently used mainly in medical applications, complementing other biopotential detection systems, especially electroencephalography and electromyography. The EOG record is a diagnostic method that is commonly used to investigate the human oculomotor system because eye movements reveal critical signs of neurological disorders. In addition to the medical applications described, it is possible to use the EOG signals to develop simple human-machine interfaces (HCI). These offer the user, usually people with major motor disabilities, the possibility of performing simple communication tasks and/or control, which improve their quality of life. It is in this field of application that the present PhD work is framed. The study of the EOG signal and its application to healthcare systems is extremely complex, since it requires the involvement of different fields of science and technology. This work begins by reviewing the state of the art of this technology in order to identify its main practical limitations and propose solutions to them. To achieve this goal it is necessary to address the problem from both the hardware and software points of view. Thus, a hardware platform was developed for the acquisition of EOG signals and a software platform in which the EOG signal processing techniques were implemented. The hardware device performs basically the conditioning of the EOG signals and their transmission via Bluetooth to the computer. Once the EOG signals are in the computer its digital processing is proceeded to, downloading this task to the hardware. First, a digital filtering is performed to eliminate the noise that could not be eliminated by hardware. For this purpose the Wavelet transform method is used. Once the EOG signal is free from interference, the problem of its classification arises considering the singularities that it presents. It involves extracting the characteristics of the signal identifying the different types of movements of the eye and establishing a univocal correspondence with the actions to be carried out by the system. Two methods were proposed. The first method of classification was to establish tension thresholds corresponding to the four main movements of the eye (up, down, left and right), as well as voluntary and involuntary (shorter duration) blinking. This technique, although simple in its conception, is not free from disadvantages derived mainly from the different physiological behavior of the eye in each person, so that is why it is necessary to calibrate the system periodically. To get around this limitation, it was decided to turn to classifiers in the field of Machine Learning. This technique allows patterns in the data to be identified and thus predict future actions from these patterns. In particular, a machine learning module based on Boosting algorithms was implemented. Once the different aspects of the EOG signal and its processing have been analyzed it becomes possible to offer the user a low cost solution for their communication and entertainment needs. In this regard a novel writing system was developed that, controlled by eye movement, enables those people with severe motor disabilities to write on a computer. The computer application is complemented by a game that in addition to entertaining provides training to improve control over eye movements. It is believed that all this can contribute to the quality of life of this group of people. In summary, the work presented travels the entire path from the capture of the EOG signal to its application in the development of a care system, proposing concrete solutions for the different tasks to be performed. There is awareness that some of these tasks could have been done differently and could even be improved upon. That is why at the end of the paper some future lines of work have been suggested. They can contribute to improving the system, as well as extending its applicability to other presently unidentified fields of action.