Detection of Physiological Events from Biomedical Signals Originating from Facial Landmarks

Abstract

Ihmiskehosta voidaan mitata erityyppisiä biosignaaleja, jotka kuvaavat elimistön tilaa ja toimintoja. Erään biosignaalien joukon muodostavat ns. sähköiset biosignaalit, jotka esiintyvät jännitevaihteluina. Niitä käytetään pääasiassa lääketieteellisessä tutkimustyössä, potilaan tilan ja elintoimintojen seuraamisessa sekä lääketieteellisen diagnoosin tekemisessä. Lääketieteellisten sovellusten lisäksi sähköisiä biosignaaleja voidaan käyttää myös muualla, kuten ihmisen ja koneen välisessä vuorovaikutuksessa. Sähköisiä biosignaaleja hyödyntäviä käyttöliittymiä onkin tutkittu laajalti. Joitain esimerkkejä ovat mm. tietokoneen, pyörätuolin, avustavien robottien ja keinotekoisten proteesien ohjaaminen. Uudenlaisten käyttöliittymien avulla myös fyysisesti rajoittuneet henkilöt voivat käyttää laitteita, jotka ovat arkipäiväisiä useimmille ihmisille. Niiden avulla fyysisesti rajoittuneet henkilöt voivat käyttää uusia palveluita ja olla aktiivisempi osa yhteiskuntaa. Kaikki tämä todennäköisesti parantaa heidän elämänlaatuaan. Vaikka suurin osa uudenlaisista käyttöliittymistä onkin suunniteltu fyysisesti rajoittuneille henkilöille, saattaa niistä olla hyötyä myös muille käyttäjäryhmille tietynlaisissa sovelluksissa.

Niin lääketieteellisten sovellusten kuin edellä mainittujen käyttöliittymienkin toteuttaminen on mahdotonta ilman sähköisten biosignaalien käsittelyyn soveltuvia menetelmiä. Niiden avulla voidaan esim. poistaa häiriötä ja tunnistaa ilmiöitä, jotka kertovat elimistön toiminnoista. Erityisesti jonkin fysiologisen tapahtuman havaitseminen edellyttää sopivan detektorin eli ilmaisimen toteuttamisen. Väitöskirjan kirjoittaja suoritti tutkimustyönsä kahdessa tutkimusprojektissa, joiden tavoitteena oli kehittää uudentyyppisiä, sähköisiä biosignaaleja hyödyntäviä, käyttöliittymiä. Hän suunnitteli, toteutti ja testasi ilmaisimia, joiden avulla voidaan tunnistaa lihasaktivaatioita ja nopeita silmänliikkeitä kasvoista mitattujen sähköisten biosignaalien perusteella. Päätavoitteita olivat toimintakyky kohinaisessa ympäristössä, sopeutuminen muutoksiin kohinan ominaisuuksissa, eri ihmisistä mitattujen signaalien käsittely vaivattomasti ja matala laskennallinen vaativuusluokka (ts. riittävän nopea laskenta), joka on oleellista, kun ilmaisinta käytetään ns. reaaliaikaisessa sovelluksessa.

Tutkimustulokset osoittavat, että kehitetyt ilmaisimet soveltuvat uudentyyppisten käyttöliittymien kaltaisiin reaaliaikasovelluksiin ja että ne saavuttavat edellä mainitut tavoitteet. Yhtä väitöskirjassa käsiteltyä ilmaisinta on jo testattu kokeellisessa käyttöliittymässä. Ilmaisinta käytettiin tahdonalaisten kasvolihasaktivaatioiden tunnistamiseen, joilla simuloitiin hiiren napin painalluksia. Tämä testi osoitti, että kyseistä ilmaisinta voidaan käyttää oikeassa reaaliaikaisessa sovelluksessa. Koska ilmaisinten suunnittelussa on huomioitu yleinen sovellustilanne, niitä voidaan käyttää myös perinteisemmissä lääketieteellisissä sovelluksissa käyttöliittymäsovellusten lisäksi.

This thesis considers the detection of muscle contractions and saccadic eye movements on the basis of biomedical signals originating from facial landmarks. The detection task is performed with detectors that operate on the measured signals and recognise phenomena that are characteristic to the above physiological events. While participating in two successive projects aimed at developing novel human-computer interaction techniques, the author of the thesis designed, implemented, and tested practical detectors that can be used to detect the aforementioned physiological events. The main design goals were the capability of operating in the presence of noise, the capability of adapting to changes in the noise characteristics, the capability of processing signals originating from different subjects without laborious search for suitable parameters, and low computational requirements, which is essential if a detector is used in a near real-time application such as a human-computer interface. The developed detectors can also be used in other types of human-machine interfaces. Example tasks include guiding a wheelchair, operating assistive robots and platforms, and controlling artificial prostheses. Although human-computer interaction gave the basic motivation for the research, there is no reason why the developed detectors could not be used in more traditional medical applications, such as research work, medical diagnosis, and patient monitoring.