تشخیص خستگی چشم از طریق یادگیری ماشینی بر اساس الکترواکولوگرافی تک کانالی

عنوان فارسی مقاله:تشخیص خستگی چشم از طریق یادگیری ماشینی بر اساس الکترواکولوگرافی تک کانالی

چکیده

امروزه خستگی چشم در سطح جهانی رایج تر شده است. اما هیچ روش عینی و مؤثری برای تشخیص خستگی چشم به جز پرسشنامه نمونه پیمایشی وجود نداشت. یک روش تشخیص خستگی چشم با یادگیری ماشین بر اساس سیستم مبتنی بر الکترواکولوگرافی تک کانالی پیشنهاد شده است. شرکت کنندگان باید پرسشنامه های استاندارد صنعت خستگی چشم را تکمیل کنند. نتایج به عنوان برچسب داده استفاده می شود. سپس سیگنال های الکترواکولوگرافی آنها را از طریق یک دستگاه تک کانال جمع آوری می کنیم. از سیگنال‌های الکترواکولوگرافی، پنج مقدار ویژگی مرتبط با خستگی چشم استخراج می‌شوند. یک مدل یادگیری ماشینی که از پنج مقدار ویژگی به عنوان ورودی استفاده می کند، برای تشخیص خستگی چشم طراحی شده است. نتایج تجربی نشان می دهد که ارتباط عینی بین الکترواکولوگرافی و خستگی چشم وجود دارد. این روش می تواند در تشخیص خستگی روزانه چشم استفاده شود و در آینده نیز مفید خواهد بود(تشخیص خستگی چشم از طریق یادگیری).

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Eye Fatigue Detection through Machine Learning Based on Single Channel Electrooculography

Abstract

Nowadays, eye fatigue is becoming more common globally. However, there was no objective and effective method for eye fatigue detection except the sample survey questionnaire. An eye fatigue detection method by machine learning based on the Single-Channel Electrooculographybased System is proposed. Subjects are required to finish the industry-standard questionnaires of eye fatigue; the results are used as data labels. Then, we collect their electrooculography signals through a single-channel device. From the electrooculography signals, the five most relevant feature values of eye fatigue are extracted. A machine learning model that uses the five feature values as its input is designed for eye fatigue detection. Experimental results show that there is an objective link between electrooculography and eye fatigue. This method could be used in daily eye fatigue detection and it is promised in the future.