Les interfaces cerveau-machine (ICM) permettent de contrôler une

Transcription

Les interfaces cerveau-machine (ICM) permettent de contrôler une
Margaux Perrin, RESUME : Coadaptation cerveau machine pour une interaction optimale : application au P300-­‐Speller
Les interfaces cerveau-machine (ICM) permettent de contrôler une
machine directement à partir de l’activité cérébrale. Le P300-Speller, en
particulier, pourrait offrir à des patients complètement paralysés, la
possibilité de communiquer sans l’aide de la parole ou du geste. Nous
avons cherché à améliorer cette communication en étudiant la
coadaptation entre cerveau et machine. Nous avons d’abord montré
que l’adaptation d’un utilisateur peut être partiellement perçue, en
temps-réel, à travers les modulations de sa réponse
électrophysiologique aux feedbacks de la machine. Nous avons ensuite
proposé, testé et évalué les effets sur l’utilisateur de plusieurs
approches permettant d’améliorer l’interaction, notamment :
- la correction automatique des erreurs, grâce à la reconnaissance en
temps-réel des réponses aux feedbacks ;
- une stimulation dynamique permettant de diminuer le risque d’erreur
tout en réduisant l’inconfort lié aux stimulations ;
- un processus automatique de décision adaptative, en fonction de
l’état de vigilance du sujet.
Nos résultats montrent la présence de réponses aux feedbacks
spécifiques des erreurs et modulées par l’attention ainsi que par la
surprise du sujet face au résultat de l’interaction. Par ailleurs, si
l’efficacité de la correction automatique est variable d’un sujet à l’autre,
le nouveau mode de stimulation comme la décision adaptative
apparaissent comme très avantageux et leur utilisation a un effet positif
sur la motivation. Dans la perspective d’études cliniques pour évaluer
l’utilité des ICM pour la communication, ces travaux soulignent et
quantifient l’intérêt de développer des interfaces capables de s’adapter
à chaque utilisateur.
__________________________________________________________________
_______________________
ABSTRACT: Brain-machine coadaptation for optimal interaction: application to
P300-­‐Speller
Brain-computer interfaces (BCI) aim at enabling the brain to directly
control an artificial device. In particular, the P300-Speller could offer
patients who cannot speak and neither move, to communicate again.
This work consisted in improving this communication by implementing
and studying a coadaptation between the brain and the machine. First,
on the user side, we showed that adaptation is reflected in real-time by
modulations of the electrophysiological responses to the feedbacks
from the machine. Then, on the computer side, we proposed, tested
and evaluated the effect on the user, of several approaches that endow
the machine with adaptive behavior, namely:
- Automatic correction of errors, based on real-time recognition of
feedback responses;
- Dynamic stimulation to increase spelling accuracy as well as to
reduce the discomfort associated with the traditional row/column
stimulation paradigm;
- Adaptive decision making for optimal stopping, depending on the
attentional state of the user.
Our results show the presence of feedback responses which are error
specific and modulated by attention as well as user’s surprise with
respect to the outcome of the interaction. Besides, while the interest of
automatic correction is highly subject-dependant, the new stimulation
mode and the adaptive decision method proved clearly beneficial and
their use had a significant positive impact on subject’s motivation. In the
perspective of clinical studies to assess the usefulness of ICM for
communication, this work highlights and quantifies the importance of
developing adaptive interfaces that are tailored to each every individual. 

Documents pareils