Interface neuronale directe pour applications réelles

Brain-Computer Interface for real-life applications

• Auteur / Autrice : Arnau Dillen
• Direction : Olivier Romain, Fakhreddine Ghaffari
• Type : Projet de thèse
• Discipline(s) : Stic - ed em2psi
• Date : Inscription en doctorat le 01/10/2020
• Etablissement(s) : CY Cergy Paris Université en cotutelle avec Vrije Universiteit Brussel
• Ecole(s) doctorale(s) : Ecole doctorale Économie, Management, Mathématiques , Physique et Sciences Informatiques (EM2PSI)
• Partenaire(s) de recherche : Laboratoire : Equipes Traitement de l'Information et Systèmes (Cergy-Pontoise, Val d'Oise)

Mots clés

Mots clés libres

Apprentissage profond

Interface neuronale

Contrôleur robotique

Interaction humain et machine

Robotique centrée sur l'humain

Human-centered robotics

Brain-computer Interface

Deep learning

Human-machine interaction

Robotic controller

Résumé

Développement d'une architecture de réseaux de neurones et autres modèles d'apprentissage profond, affin d'analyser des signaux neuronaux attribués a un mouvement. Ce modèle sera déployé pour servir d'interface neuronale directe afin de contrôler des prothèses robotiques et des exosquelettes. La performance du modèle sera évaluée en comparant avec des techniques de pointe similaires et en étudiant l'impact physiologique sur les utilisateurs des prothèses et exosquelettes.

Development of a deep learning neural-network models to analyze biological signals corresponding to human movement. The final model will be deployed to be used as an interface for a controller for robotic prostheses and exoskeletons. The model performance will be evaluated by comparing with state-of-the-art techniques and evaluating the physiological impact on users of prostheses and exoskeletons.