Décodage EEG en temps réel de l'attention sélective pour les commandes directes par la pensée – ComMental

Le projet ComMental porte sur le décodage neuronal de l’attention sélective portée à des contenus spécifiques pour des commandes directes par la pensée. Il consistera à identifier, dans le signal EEG et en temps-réel, les descripteurs propres au contenu sélectif auquel l’agent porte son attention parmi une multitude d’autres contenus. Un décodage robuste, c’est-à-dire rapide et précis de l’attention vers ce contenu spécifique permettra, par le biais d’une boucle de neurofeedback, d’appliquer la commande correspondante. Pour cela nous nous appuierons à la fois sur la littérature récente sur les interfaces cerveau-machine et le machine learning, ainsi que sur le savoir-faire établi au sein de notre laboratoire concernant les signatures neuronales de l’attention et le décodage des signaux EEG pour des stimulations visuelles et/ou auditives.
Un véritable regain d’intérêt pour l’EEG a lieu actuellement, grâce aux nombreux progrès techniques permettant l’émergence de systèmes portatifs dédiés non seulement aux applications militaires et industrielles, mais aussi au grand public. En particulier, la miniaturisation des systèmes d'enregistrement et les importants développements des techniques d'analyse liées au décodage temps-réel des réponses cérébrales permettent désormais d’envisager de nouvelles applications à la fois robustes et ergonomiques. Ces techniques de décodage ne nécessitent pas l'emploi de la méthode classique des potentiels évoqués, dont la réponse doit être verrouillée sur un stimulus donné, mais reposent sur la capacité à extraire et utiliser des descripteurs électrophysiologiques permettant de prédire en temps réel les relations entre activité cérébrale et contenus perceptifs environnants.
Pour arriver à un système robuste de commandes par la pensée, le projet ComMental combinera trois axes de recherche complémentaires. Un premier axe portera sur le décodage EEG temps-réel pour la sélection de contenus visuels, et consistera principalement à raffiner les « preuves de concept » que nous avons développées au sein de notre laboratoire. Un second axe portera sur la sélection d’informations auditives et consistera à transposer les très bonnes performances que nous avons obtenues en modalité visuelle à des commandes directes par la pensée cette fois pour des contenus auditifs, malgré les contraintes plus importantes dans cette dernière modalité. Le troisième axe testera différentes approches de machine learning, supervisées et non supervisées, afin de développer des modèles d’apprentissage adaptés à l’EEG en temps-réel. Pour cela nous comparerons certains modèles linéaires utilisés traditionnellement pour le décodage EEG de l’attention à des méthodes plus récentes d’extraction de patterns non-linéaires utilisant des réseaux de neurones convolutifs.
Le projet ComMental est ainsi basé à la fois sur des recherches fondamentales en neurosciences cognitives et des recherches appliquées en interfaces cerveau-machine et en machine learning. Les méthodes mises au point pourront, dans un contexte dual, être dérivées non seulement en applications civiles, mais aussi en applications militaires, soit pour effectuer des actions directes par la pensée lorsque le mouvement est restreint, soit pour effectuer un monitoring temps-réel des réponses cérébrales aux éléments environnants.