Analyse de la dynamique neuronale pour les Interfaces Cerveau-Machines : un retour aux sources

par Michel Besserve

Thèse de doctorat en Physique

Sous la direction de Line Garnero et de Jacques Martinerie.


  • Résumé

    Les Interfaces Cerveau-Machine sont des dispositifs permettant d'instaurer un canal de communication entre le cerveau humain et le monde extérieur sans utiliser les voies usuelles nerveuses et musculaires. Le développement de tels systèmes se situe à l'interface entre le traitement du signal, l'apprentissage statistique et la neurophysiologie. Dans cette thèse, nous avons réalisé et étudié un dispositif d'Interface Cerveau-Machine non invasif asynchrone, c'est-à-dire capable d'identifier des actions mentales associées à des tâches motrices ou cognitives imaginées sans synchronisation sur un événement contrôlé par un système externe. Celui-ci est basé sur l'analyse en temps réel de signaux électro-encéphalographiques (BEG) issus d'électrodes disposées à la surface de la tête d'un sujet humain. Du point de vue méthodologique, nous avons implémenté plusieurs méthodes de prétraitement de ces signaux et comparé leur influence sur les performances du système. Ces méthodes comprennent : 1) l'utilisation directe du signal issu des capteurs EEG, 2) l'exploitation de méthodes de séparation de sources qui permettent de résumer les signaux EEG par un faible nombre de composantes spatiales et 3) la reconstruction de l'activité des sources de courant corticales par résolution du problème inverse en EEG. De plus, plusieurs mesures permettant de quantifier l'activité cérébrale sont exploitées et comparées : la puissance spectrale, la cohérence et la synchronie de phase. Nos résultats montrent que la reconstruction préalable de l'activité corticale par problème inverse, ainsi que l'utilisation de mesures d'interaction à distance permettent d'améliorer les performances du dispositif.

  • Titre traduit

    Analysis of neural dynamics for Brain-Machine Interface : back to the sources


  • Résumé

    Brain-Machine Interfaces are aimed at providing a new communication channel to link the human brain to external world without using the usual nervous and muscular pathways. The achievement of such devices is at the conjunction of signal processing, machine learning and neurophysiology. In this thesis, we achieved and studied a non invasive Brain Machine Interface. This system is asynchronous: the user communicates trough self-paced imagined motor or cognitive tasks which are not triggered by an external stimulation system. It is based on the real time analysis of electroencephalographic recordings from scalp electrodes in a human subject. From a methodological point of view, several preprocessing of these signals have been implemented and their impacts on the efficiency of communication have been compared. These methods include: 1) direct processing of the signal from EEG sensors, 2) blind source separation algorithms, 3) reconstruction of cortical sources activities with inverse problem solving. Moreover, several measures are exploited and compared to quantify cerebral activity: spectral power, coherence and phase synchrony. Our results show that a using a previous source reconstruction of cortical activity through inverse problem and computing long distance interaction measures improve the performance of the device.

Autre version

Cette thèse a donné lieu à une publication en 2011 par [CCSD] [diffusion/distribution] à Villeurbanne

Analyse de la dynamique neuronale pour les Interfaces Cerveau-Machines : un retour aux sources

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (xiv-181 p.)
  • Annexes : Bibliogr. p. 171-181. Index

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Paris-Sud (Orsay, Essonne). Service Commun de la Documentation. Section Sciences.
  • Disponible pour le PEB
  • Cote : 0g ORSAY(2007)346
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.