Interprétation des signaux cérébraux pour l’autonomie des handicapés : Système de reconnaissance de mots imaginés
Auteur / Autrice : | Nassib Abdallah |
Direction : | Pierre Chauvet, Bassam Daya |
Type : | Thèse de doctorat |
Discipline(s) : | Traitement du signal et des images |
Date : | Soutenance le 20/12/2018 |
Etablissement(s) : | Angers en cotutelle avec Université Libanaise |
Ecole(s) doctorale(s) : | École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) |
Partenaire(s) de recherche : | Equipe de recherche : LARIS. Laboratoire Angevin de Recherche en Ingénierie des Systèmes (EA7315) |
Laboratoire : Laboratoire Angevin de Recherche en Ingénierie des Systèmes / LARIS | |
Jury : | Président / Présidente : Mohammad Hajjar |
Examinateurs / Examinatrices : Mohammad Hajjar, Sylvie Nguyen, Patrick Van Bogaert | |
Rapporteurs / Rapporteuses : François Jouen, Sophie Achard |
Mots clés
Mots clés contrôlés
Résumé
Les interfaces Cerveau Machine représentent une solution pour rétablir plusieurs fonctions comme le mouvement, la parole, etc. La construction de BCI se compose de quatre phases principales: "Collecte des données", "Prétraitement du signal", "Extraction et sélection de caractéristiques", "Classification". Dans ce rapport nous présentons un nouveau système de reconnaissance de mots imaginées basé sur une technique d’acquisition non invasive (EEG) et portable pour faciliter aux personnes ayant des handicaps spécifiques, leurs communications avec le monde extérieur. Cette thèse inclut un système nommé FEASR pour la construction d’une base de données pertinente et optimisée. Cette base a été testée avec plusieurs méthodes de classification pour obtenir un taux maximal de reconnaissance de 83.4% pour cinq mots imaginés en arabe. De plus, on discute de l’impact des algorithmes d’optimisations (Sélection des capteurs de Wernicke, Analyse en composante principale et sélection de sous bandes résultant de la décomposition en ondelette) sur les pourcentages de reconnaissance en fonction de la taille de notre base de données et de sa réduction.