امین اله گلرو - دانشگاه آزاد اسلامی واحد مشهد
سعید راحتی قوچانی - دانشگاه آزاد اسلامی واحد مشهد

استفاده از سیگنال های حیاتی به عنوان یک ابزار واسط ارتباطی بین انسان و کامپیوتر اخیرا مورد توجه قرار گرفته است. یکی از این سیگنال ها، سیگنال الکترو اکلوگرام (EOG) است، که ناشی از پتانسیل چشمی می باشد. در این مطالعه از شبکه های عصبی مصنوعی برای تشخیص جهت حرکت چشم از روی سیگنال EOG استفاده شده است. شبکه های عصبی به دلیل قابلیت یادگیری دینامیک های غیرخطی و تقریب فراگیرشان، قادر به تشخیص و طبقه بندی سیگنال های بیولوژیکی دارای دینامیک غیرخطی، از جمله سیگنال EOG می باشند. در این مطالعه از دو شبکه کاملا متفاوت MLP و ART برای آشکارسازی حرکات متوالی و تصادفی چشم استفاده شده است. نتایج نشان می دهد که شبکه MLP قادر است حرکات متوالی چشم را با دقت بالای 90 درصد تشخیص دهد، اما در مورد حرکات اتفاقی صحت تشخیص این شبکه بسیار پایین است. در بخش تشخیص حرکات تصادفی چشم، بهترین نتیجه با استفاده از شبکه ART2A-E به دست می آید که به کمک آن، صحت تشخیص بالای 70 درصد است.

آشکارسازی حرکات چشم، EOG، شبکه پرسپترون چند لایه (MLP)، تئوری تشدید وفقی (ART)