Software para comunicação com pacientes de ELA usando movimentos oculares.

Resumo

A Esclerose Lateral Amiotrófica (ELA), é caracterizada, segundo Junior (2013), pela degeneração progressiva de neurônios motores localizados no cérebro e na medula espinhal, causando, nas pessoas acometidas, principalmente, fraqueza e atrofia muscular, porém podem apresentar também dificuldade de fala ou espasmo das cordas vocais. Com o objetivo de melhorar a qualidade de vida dessas pessoas, diversas soluções de comunicação alternativa foram propostas. Por exemplo, com o Eye Tribe, de Venugopal et al. (2016), foi demonstrada a capacidade de rastrear a posição dos olhos e, assim, usar esta para o controle de variadas funcionalidades de um computador. Quanto a Wankhede e Pednekar (2019), foi desenvolvido um método para controle de tablets usando movimento ocular. Já Kaushik et al. (2018), proporcionou o controle do mouse por meio de um óculos desenvolvido pelos próprios. Por fim, a Tobii®, fabricante de mouses ópticos de alta eficiência. Porém, todas as soluções antes apresentadas, necessitam da aquisição de dispositivos periféricos, indo além de um computador ou smartphone, elevando o custo da solução. Este trabalho tem por objetivo geral a criação de um sistema de comunicação alternativa de baixo custo, utilizando apenas um computador, para pacientes com ELA. O sistema proposto deve ser eficiente ao estimar corretamente a direção dos olhos do usuário, tornando-o capaz de operar o software sem ajuda de terceiros. A metodologia deste trabalho foi implementada em seis etapas: Revisão sistemática da literatura para encontrar bases de dados de imagens; Construção de base de dados para treinamento e avaliação dos algoritmos; Revisão sistemática da literatura para encontrar arquiteturas de aprendizado profundo aplicadas a rastreamento ocular; Implementação do modelo de aprendizado profundo para estimar a posição dos olhos; Identificação das necessidades básicas dos pacientes; Criação da interface gráfica e junção com o modelo proposto. Com os dados encontrados foi construída uma nova base de dados comtemplando variação de posição e qualidade da câmera, iluminação e diversidade étnica. Foi construído um modelo de aprendizado profundo capaz de informar a direção do olhar do usuário em relação a ícones no software idealizado. Os resultados mostram que, o modelo construído foi capaz de classificar a posição do olhar em quatro direções: cima, baixo, esquerda e direita. Atingindo para essas classes 86,7% de acurácia 0.80 de índice kappa. Para fins de usabilidade, foi implementada uma interface gráfica para interação com o usuário, contendo as principais necessidades encontradas durante a pesquisa. A partir da integração do modelo e da interface, foi possível criar um sistema controlado por meio do rastreamento ocular. Então, para trabalhos futuros, almeja-se o aperfeiçoamento do modelo utilizando novas bases de dados.