Automatic EOG analysis: A first step toward automatic drowsiness scoring during wake-sleep transitions

Zusammenfassung

Es werden Algorithmen präsentiert, die Muster im EEG und EOG identifizieren, um Schläfrigkeit am aktiven Individuum zu erkennen. Dazu müssen im EEG Alpha- und Thetawellen, sowie im EOG Augenblinks erkannt werden.

Um Alpha- und Thetawellen im EEG zu erkennen schlagen wir einen Algorithmus vor, der auf einer neuen Methode für nicht stationäre Signale beruht: die Hilbert Huang Transform (HHT). Das Erkennen der Blinks basiert auf der Auswertung der EOG Ableitung mit Grenzwerten und Expertenregeln. Die Algorithmen wurden bei Daten aus einem Vorversuch des Sensation Projekts eingesetzt. Die Ergebnisse wurden mit einer visuellen Auswertung verglichen.

Die Auswertungen der EOG Analyse hinsichtlich der Blinks zeigten zufriedenstellende Ergebnisse. Jedoch zeigte der Vergleich mit der visuellen Auswertung Unterschiede bei der Blinkdauer, welche große Unterschiede bei der Bewertung der Schläfrigkeit verursachen können. Die Auswertung eines weiteren EOG Datensatzes belegte, dass die Algorithmen noch geändert werden müssen.

Die Auswertungen der EEG Analyse zeigten, dass sich die gesuchten EEG Frequenzbänder nicht gut identifizieren lassen. In der Diskussion zeigen wir, dass eine globale Analyse der Zeit-Frequenz-Verteilung des EEGs eine bessere Erkennung von Alpha- und Thetawellen ergeben sollte.

Summary

The first developments for processing electroocculogram (EOG) signals in order to automatically score the drowsiness level of an active subject are presented. Such a tool will be used to validate drowsiness detection systems based on behavioural measurements. In addition, preliminary work on automatic drowsiness scoring by utilizing the Karolinska Drowsiness Score (KDS) is presented at the end of the paper.

The originality of this blink detection algorithm is the analysis of EOG velocity based on expert rules. Our tool is applied to about 30 hours of EOGs and resulting blinks are compared with the blinks determined by visual analysis. More than 97.7 % of blinks are detected and less than 0.2 % of detected blinks are eye movements, except in two particular cases.