Analyse de signaux EEG pour des applications grand-public des interfaces cerveau-machine

par Yuan Yang

Thèse de doctorat en Signal et images

Sous la direction de Isabelle Bloch et de Joe Wiart.

Le président du jury était Olivier Bertrand.

Le jury était composé de Jamal Atif, Anatole Lécuyer.

Les rapporteurs étaient Christian Jutten, Michèle Sebag.


  • Résumé

    Les interfaces cerveau-machine (ICM) utilisent les signaux émis par le cerveau pour contrôler des machines ainsi que des appareils (claviers, voitures, neuro-prothèses). Après plusieurs décennies de développement, les techniques de ICM modernes montrent une maturité relative par rapport aux dernières décennies et reçoivent de plus en plus d'attention dans les applications grand public du monde réel, en particulier dans le domaine des interactions homme-machine pour personnes en bonne santé, par exemple les neuro-jeux. L'objectif de cette thèse est de développer un modèle d'ICM et des algorithmes de traitement de signaux EEG pour relever ces défis, donc conduire à une ICM non-invasive, portable et facile à utiliser, exploitant des rythmes EEG pour les applications grand public (non médicales). Pour atteindre cet objectif, un examen de l'état de l'art (prototypes existants et produits commerciaux, configurations expérimentales, algorithmes) a d'abord été effectué pour acquérir une bonne compréhension de ce domaine. Les contributions de cette thèse comprennent : 1) un paradigme ICM hybride avec peu d'électrodes, 2) la réduction de la dimensionnalité pour l'ICM multi-canal (avec un nombre élevé d'électrodes), 3) la réduction et la sélection de canal, 4) l'amélioration de la classification pour l'ICM avec des électrodes prédéterminées. Les résultats expérimentaux montrent que les méthodes proposées dans cette thèse peuvent améliorer les performances de classification et/ou augmenter l'efficacité du système (par exemple, réduire le temps d'apprentissage, réduire le coût du matériel), de manière à contribuer à des ICM pour des applications générales.

  • Titre traduit

    EEG signal analysis for brain-computer interfaces for large public applications


  • Résumé

    Brain-computer interfaces (BCIs) use signals from the brain to control machines and devices (keyboards , cars, neuro- prostheses) . After several decades of development, modern BCI techniques show a relative maturity compared to the past decades and receive more and more attention in real-world general public applications, in particular in the domain of BCI-based human-computer interactions for healthy people, such as neuro-games. The aim of this thesis is to develop an experimental setup and signal processing algorithms for non-invasive, portable and easy-to-use BCI systems for large public (non-medical) applications. To achieve this goal, a review of the state of the art (existing prototypes and commercial products, experimental setup, algorithms) is first performed to get a full scope and a good understanding in this field. The main contributions of this thesis include: 1) a hybrid BCI paradigm with a few electrodes , 2) dimensionality reduction for multi-channel BCI (with a high number of electrodes ), 3) reduction and selection channel , 4) improved classification for BCI with a few predetermined electrodes. The experimental results show that the methods proposed in this thesis can improve classification performance and / or increase the efficiency of the system ( for example, reduce the learning time, reduce the cost of equipment ) , so as to contribute to BCI for the general applications.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Télécom ParisTech. Bibliothèque scientifique et technique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.