Interface-cerveau machine par électro-encéphalographie

Principe de l’EEG et exemples d’ICM par exploitation directe

Principe de l’EEG

L’activité du cerveau génère des échanges électro-chimiques au niveau des neurones. Ces échanges créent des champs électromagnétiques qui peuvent donc être considérés comme des images de l’activité cérébrale. Le principe d’une ICM est de mesurer ces signaux afin d’en déduire une volonté du patient à transmettre à une machine. Ce domaine est actuellement en nette expansion. Des équipes de recherche proposent ainsi des plateformes dédiées à la conception et aux tests d’ICM [25]. Contrairement aux méthodes invasives, qui demandent d’implanter des électrodes intra-crâniennes, l’utilisation d’une ICM non invasive permet d’assurer l’intégrité physique de l’utilisateur, ce qui est le critère essentiel pour permettre le développement commercial de l’ICM à une grande échelle, voire pour un usage commun du grand public. Les domaines d’applications sont nombreux. L’aspect paramédical est évident, mais il y a aussi des possibilités d’utilisation d’ICM dans les domaines militaire ou vidéoludique. Plusieurs méthodes de mesures non invasives peuvent être utilisées comme l’IRM, l’IRMf, la MEG ou encore l’EEG. Les 3 premières méthodes reposent sur la mesure des champs magnétiques qui nécessite un équipement imposant et coûteux. En effet, les appareils d’IRM, dont un exemple est visible en Figure 1.1a, pèsent plusieurs dizaines de tonnes et coûtent plus de 850000 euros [23]. Cela s’explique notamment par le fait qu’ils ont besoin d’un puissant aimant afin de générer un champ magnétique stable. La version la plus portable connue actuellement n’est transportable qu’en semiremorque [26]. Toute tentative de miniaturisation passe toutefois par la diminution de la puissance de l’aimant de l’appareil, ce qui diminue la résolution spatiale de la mesure. Concernant la MEG, l’appareil de mesure nécessaire est également relativement imposant, comme nous pouvons le voir en Figure 1.1b. De plus, les champs magnétiques mesurés étant très faibles (de l’ordre du femtotesla dans le cas de la MEG), un blindage magnétique peut s’avérer nécessaire autour de l’appareil de mesure afin d’éviter les risques d’interférences avec le monde extérieur. Ces méthodes basées sur la mesure des champs magnétiques sont donc trop encombrantes, et la miniaturisation n’est pas possible dans l’immédiat. Par conséquent, elles ne répondent pas au critère de confort de l’utilisateur de l’ ICM. Ces points expliquent en partie pourquoi l’EEG est la méthode d’acquisition la plus étudiée actuellement. L’équipement de mesure pour l’EEG consiste en un casque sur lequel sont placés plusieurs électrodes. Un exemple de casque est visible en Figure 1.2. Cette méthode de mesure a également une très bonne résolution temporelle en plus d’une bonne portabilité. Les électrodes d’un casque d’EEG sont placées selon le système 10-20. Il s’agit d’une méthode standard internationale qui décrit l’emplacement des électrodes en fonction du nombre de ces derniers [27]. Le prix des casques EEG varie en fonction du nombres d’électrodes. Cela peut varier de 90 euros pour un casque à une seule électrode jusqu’à plus de 20 000 euros pour un casque avec 256 électrodes, ce qui est représente la capacité de mesure la plus élevée actuellement [28]. Dans le cas d’une ICM, les signaux mesurés par les électrodes doivent être amplifiés avant d’être analysés et ainsi en déduire une commande à transmettre à une machine.

Les potentiels mesurés par EEG sont les images des potentiels postsynaptiques excitateurs ou inhibiteurs des neurones. Ces potentiels ont lieu respectivement à l’entrée d’un flux d’ions positifs et négatifs dans la cellule. Ces événements à l’échelle du neurone génèrent un potentiel très faible qui ne contribue pas de manière significative aux potentiels mesurés sur le cuir chevelu. De ce fait, les potentiels enregistrés par EEG représentent la somme des potentiels générés par des milliers voire des millions de neurones au même instant. L’amplitude des signaux mesurés sur le cuir chevelu par EEG, pouvant atteindre 300 µV, est donc l’image directe du nombre de neurones synchrones à un instant donné. Un exemple de signaux relevés par ces électrodes est visible en Figure 1.3. Une mesure EEG permet de visualiser différentes oscillations électromagnétiques, que l’on nomme rythmes cérébraux. Chaque rythme possède sa propre bande de fréquences et correspond à une fonction cérébrale spécifique. Les ondes EEG les plus intéressantes sont les suivantes [29] :
— l’onde delta, 0,4 à 4 Hz, caractérise le sommeil profond ;
— l’onde theta, 4 à 8 Hz, caractérise la somnolence ;
— l’onde alpha, 8 à 13 Hz, caractérise un état de conscience apaisée, contient la sous-onde mu, entre 10 et 12 Hz ;
— l’onde beta, 13 à 30 Hz, caractérise une période de concentration.
L’étude de ces ondes dans des situations spécifiques peut permettre d’en déduire de possibles commandes pour une ICM.

Paradigmes d’ICM non invasive par exploitation directe des signaux EEG

Potentiels liés à l’événement

Une grande partie des paradigmes utilisés par les ICM proposées actuellement se repose sur l’analyse des Potentiels Liés à l’Événement (PLE). Il s’agit de réponses du cerveau qui apparaissent à un moment fixe après un événement externe, comme un stimulus sensoriel, ou un événement interne, comme le fait de penser à une action précise. On distingue ainsi 2 types de potentiels :
— le potentiel exogène est la conséquence d’un événement externe. Ce potentiel est une réponse physiologique au stimulus et ne dépend donc d’aucun contexte ;
— le potentiel endogène est la conséquence d’un événement interne. Ce potentiel peut être en plus dépendant du contexte. Par exemple, si un utilisateur tente de repérer la lettre D dans un mot, il va générer un potentiel si cette lettre lui est présentée, mais rien n’est mesurable avec cette même lettre si l’utilisateur cherche la lettre T. L’utilisation de ces potentiels liés à l’événement est donc une méthode relativement simple pour mettre en place des ICM. La nature du potentiel détermine l’importance de la phase d’entrainement lors de la mise en place d’une ICM. Si un potentiel exogène est utilisé, presque aucun entrainement n’est requis, la réponse étant physiologique. A l’inverse, si un potentiel endogène est mis en œuvre, une phase d’entrainement via un retour de l’ICM est nécessaire. Par la suite, plusieurs méthodes d’utilisation de ces potentiels sont détaillées.

Potentiels évoqués visuels de régime permanent

Le paradigme des PEVRP utilise un stimulus visuel, le plus souvent un élément graphique clignotant. Cette méthode repose sur le fait que l’on observe sur les mesures EEG un pic d’amplitude à la même fréquence que celle de l’élément clignotant au centre du champ visuel. Les réponses sont plus facilement observables pour des fréquences de stimulation entre 5 et 27 Hz [30]. Il est donc possible de présenter différents stimuli à l’utilisateur sur un même écran. Lorsque l’utilisateur oriente son regard sur un stimulus, un signal EEG caractéristique est alors mesuré et détecté pour déclencher la commande souhaitée (Figure 1.4). Les stimuli doivent avoir une fréquence et/ou une phase différente afin de pouvoir les différencier par la suite [31, 16]. Il faut noter que ces stimuli doivent être suffisamment espacés afin d’assurer de n’en avoir qu’un seul au centre du champ de vision et ainsi éviter les interférences. L’interface décrite dans [31] concerne un système multimédia à 4 commandes possibles, présentées sur un seul écran. Ces commandes sont différenciées par des phases différentes. Quand un système propose plus de 4 commandes, il est préférable d’utiliser des fréquences différentes ou un mélange des 2 techniques, soit l’utilisation de fréquences et de phases différentes. En effet, il y a trop de risques d’interférences avec des différences de phases inférieures à 90 degrés [31, 16]. C’est d’ailleurs la solution qui consiste à utiliser à la fois phases et fréquences différentes qui a été choisie pour une interface contrôlant un lit d’hôpital [16]. Il faut alors éviter au maximum de mettre 2 stimuli de même fréquence ou de même phase côte à côte afin de limiter au mieux le risque d’erreur. Cette ICM de lit hospitalier comporte 8 commandes différentes, ce qui nécessite autant de stimuli visuels, distribués sur 2 fréquences et 4 phases. Les signaux EEG sont mesurés par un casque avec 3 électrodes puis la détection de fréquence et de phase s’effectue après amplification. Cette détection se fait à l’aide de filtres passe-bande pour les fréquences et une méthode des moindres carrés pour la phase. Une phase de test a été réalisée avec 15 sujets qui devaient observer une séquence de 8 commandes sur la disposition de stimuli. Les résultats montrent une précision moyenne de choix de commandes de 92,5% avec un temps moyen entre 2 commandes de 5,22 secondes. Les travaux d’une équipe taïwanaise utilisent aussi la méthode des PEVRP mais en utilisant une fréquence par commande [32]. En effet, les 6 commandes utilisées pour le contrôle d’une interface de téléphone portable sont associées à des stimuli se partageant la bande de fréquence entre 9 et 14 Hz. L’analyse des signaux mesurés par le casque EEG à 4 électrodes se fait par analyse de la corrélation entre les signaux mesurés et des groupes d’échantillons pré enregistrés lors d’une phase d’apprentissage. La phase de test sur 4 sujets sur une séquence de 6 commandes a donné une précision moyenne de 89%.

Table des matières

Introduction
1 Interface-cerveau machine par électro-encéphalographie
1.1 Introduction
1.2 Principe de l’Électro-Encéphalographie (EEG) et exemples d’Interface Cerveau-Machine (ICM) par exploitation directe
1.2.1 Principe de l’EEG
1.2.2 Paradigmes d’ICM non invasive par exploitation directe des signaux EEG
1.2.3 Bilan sur les ICM utilisant l’EEG
1.3 Passage par le problème inverse de l’EEG
1.3.1 Définition du problème inverse de l’EEG
1.3.2 Travaux de réduction de la complexité algorithmique de la résolution du problème inverse
1.3.3 Perspective de l’accélération matérielle
1.4 Conclusion
2 Analyse de l’algorithme ciblé et de son potentiel d’accélération
2.1 Introduction
2.2 Présentation de la partie de code à accélérer
2.2.1 Fonctionnalité
2.2.2 Analyse de la fonction
2.2.3 Bilan de la présentation de la fonction à accélérer
2.3 Perspectives d’accélération
2.3.1 Choix de la cible matérielle pour accélération
2.4 Conclusion
3 Méthodes de mise en œuvre d’opérateurs
3.1 Introduction
3.2 Création d’opérateurs
3.2.1 Synthèse de haut niveau
3.2.2 Utilisation d’Intellectual Property (IP) constructeur
3.2.3 Utilisation d’IP généraliste
3.2.4 Bilan sur la conception d’opérateur
3.3 Intégration d’un accélérateur dans un système
3.3.1 Intégration via un bus Peripheral Component Interconnect Express (PCIe)
3.3.2 Intégration dans un System on Chip (SoC)
3.4 Conclusion
4 Conception et implantation d’opérateurs clés pour l’électromagnétisme computationnelle
4.1 Introduction
4.2 Présentation de différentes méthodes d’implantation
4.2.1 Fonctions tabulées
4.2.2 COordinate Rotation Digital Computer (CORDIC)
4.2.3 Newton-Raphson
4.2.4 Bilan des méthodes possibles
4.3 Implantation sur Field-Programmable Gate Array (FPGA) Xilinx
4.3.1 Analyse de la structure du FPGA
4.3.2 Impact sur la première estimation de la méthode Newton-Raphson
4.3.3 Implantation de l’inverse et de l’inverse de la racine carrée et comparaison à l’état de l’art
4.4 Implantation ASIC
4.4.1 Multiplication et bloc mémoire : analyse des temps de propagation
4.4.2 Résultats et conséquences
4.5 Conclusion
Conclusion

Télécharger le rapport complet