Comunicação Assistiva Aumentativa Baseada em Rastreamento Ocular Suportada por Aprendizado de Máquina

• Processo: 24/07256-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2024
• Data de Término da vigência: 30 de junho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Bruna Carolina Rodrigues da Cunha
• Beneficiário: Felipe Scholucha Martinez Roldan
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Acessibilidade Aprendizagem profunda Tecnologia assistiva Interface usuário-computador
• Palavra(s)-Chave do Pesquisador: Acessibilidade | Comunicação Alternativa Aumentativa | Deep Learning | Rastreamento ocular | tecnologia assistiva | Interação Humano-Computador

Resumo

Distúrbios de fala afetam a capacidade de articular as palavras e podem ser causados por distúrbios neurológicos, de transmissão neuromuscular ou serem resultantes de lesões cerebrais e neuromusculares. Sejam congênitos ou resultantes de doenças ou acidentes, esses distúrbios podem acometer qualquer pessoa e prejudicar fortemente sua comunicação. Em alguns casos graves de Paralisia Cerebral, Acidentes Vasculares Cerebrais e Esclerose Lateral Amiotrófica, por exemplo, o indivíduo mantém apenas a movimentação dos olhos, os quais tornam-se o seu principal meio de comunicação. Para apoiar a comunicação de pessoas com limitações motoras graves foram desenvolvidos dispositivos e ferramentas de Comunicação Alternativa e Aumentativa (CAA). Todavia, dispositivos de hardware dedicados são raramente acessíveis a grande parte da população devido ao seu custo e dificuldade de importação. Nesse contexto, o rastreamento ocular por meio de câmeras de dispositivos móveis tem sido investigado. Apesar das limitações decorrentes do uso de câmeras comuns, métodos de Aprendizado de Máquina, em particular aqueles baseados em Aprendizado Profundo (do inglês Deep Learning, DL), têm viabilizado a interação por meio da movimentação ocular. Considerando esse cenário, este projeto visa investigar o uso de modelos baseados em Deep Learning para o rastreamento ocular para digitação em teclados virtuais. O objetivo é avaliar a performance em uso, em termos de palavras por minuto, e o potencial de portabilidade dos modelos para diferentes dispositivos.