Soutenance mémoire
Inria et l’équipe-projet Athena
Inria, Institut national de recherche en informatique et en automatique, est né en 1967 à Roquencourt, alors nommé simplement IRIA pour Institut de recherche en informatique et en Automatique [16]. Il a été créé dans le but de permettre aux sciences du numérique d’être au service de la société grâce au transfert technologique de l’innovation à l’industrie. Fort de ses 8 centres à Bordeaux, Grenoble, Lille, Nancy, Paris, Rennes, Saclay, et Sophia Antipolis dans lequel ce stage a été effectué, Inria emploie 2500 personnes et comporte 200 équipes-projets. Inria a 5 domaines principaux de recherche :
— les mathématiques appliquées, le calcul, et la simulation ;
— l’algorithmique, la programmation, les logiciels, et les architectures ;
— les réseaux, les systèmes et services, et le calcul distribué ;
— la perception, la cognition, et l’interaction ;
— la santé, la biologie, et les sciences de la planète.
Le centre de recherche Inria Sophia Antipolis – Méditerranée est historiquement le troisième centre, construit après Rocquencourt et Rennes, et compte environ 500 employés, dont 360 scientifiques répartis entre Sophia Antipolis et son antenne à Montpellier. Ceci représente 33 équipes, dont Athena composée de 17 membres (hors stagiaires) dirigée par Rachid Deriche. Cette équipe se concentre sur l’étude du système nerveux central humain à partir de mesures non-invasives, plus spécifiquement l’Imagerie par Résonance Magnétique (IRM) de diffusion, l’électroencéphalographie (EEG) et la magnétoencéphalographie (MEG). En ce qui concerne l’EEG, Athena s’intéresse au temps réel avec les interfaces cerveau-ordinateur, et a notamment développé un clavier contrôlable par les ondes cérébrales : le P300-speller.
Fonctionnement du cerveau
Le cerveau est l’un des organes les plus important du corps humain, cependant nous en savons très peu à son sujet tant il est complexe. Il est intéressant d’un point de vue philosophique, sociologique, scientifique, et médical. Chez l’humain son poids est en moyenne d’environ 1,3 kg [33]. Il est composé de 2 hémisphères (droit et gauche) reliés par un réseau de fibres appelé corps calleux, ainsi que du cervelet. Ce dernier est impliqué dans la motricité et notamment le maintient de la posture [12]. On peut diviser chaque hémisphère du cerveau en différentes régions appelées lobes (Figure 2.1). Chaque lobe a été décrit comme ayant une fonction particulière même si il est connu que la plus part des fonctions du cerveau impliquent plusieurs régions différentes [28]. Ces différentes fonctions ont pu être mises en évidence au cours des âges en étudiant comment certaines lésions du cerveaux affectaient certaines fonctions. Ainsi on peut décrire le lobe frontal comme étant responsable du raisonnement, de la planification et de l’attention. Le lobe pariétal est responsable du traitement des informations sensorielles comme le toucher et la proprioception (sensibilité profonde). Le lobe occipital est le lieu du traitement de l’information visuelle. Enfin le lobe temporal est responsable tu traitement des informations auditives et visuelles (reconnaissance des visages), ainsi que des processus mnésiques avec l’hippocampe. Lorsque l’on s’intéresse au niveau cellulaire, le cerveau est composé d’un nombre de cellules nerveuses, appelées neurones, autour de 100 milliards, connectées entre elles par des axones et dendrites, extensions du corps cellulaire (Figure 2.2). La communication entre ces cellules nerveuses est réalisée grâce à des signaux électriques appelés potentiels d’action. Ces derniers parcourent les axones pour arriver jusqu’aux liaisons avec des dendrites appelées synapses. Ils vont donner lieu à une production de neurotransmetteurs (catécholamines, sérotonine, endorphines, …) dans de la connexion synaptique. Ces neurotransmetteurs vont permettre la transmission de l’information nerveuse au niveau extracellulaire de l’extrémité de l’axone à la dendrite de la cellule suivante. Ces neurotransmetteurs vont pouvoir inhiber ou activer le neurone post-synaptique ce qui va permettre de continuer la transmission du signal électrique.
ASSR pour l’attention sur un son parmi deux
Les ASSRs obtenues lors des tâches attentionnelles sont cependant plus mitigées. Les estimations spectrales avec la méthode de Welch sont présentées . Il est en effet très difficile de tirer des conclusions quant à l’attention auditive à partir de ces estimations spectrales. En effet, des pics de densité correspondant aux fréquences des rythmes des mélodies sont présent sur certaines électrodes, au niveau frontal et central. Ceci concerne en particulier les électrodes FC1, FC2, Cz, C3 ou C4, et ce sont des régions qui correspondent à ce que l’on peut trouver dans la littérature en terme d’ASSR. Il ne semble cependant pas y avoir de discrimination claire entre les différentes conditions. En effet, la condition sans tâche d’attention a été choisie comme témoin ici et celle ci ne semble pas présenter des densités de fréquences particulièrement plus faibles que lors des tâches d’attention. Les harmoniques sont aussi présentes aux fréquences 6,225 Hz et 6,6 Hz mais là encore, il ne semble pas possible de discriminer clairement les différentes conditions.
Périphérique audio et environnement
Un des doutes qui pourrait planer sur l’expérience est le fait qu’avoir un casque électro-acoustique à côté des électrodes pourrait perturber les signaux et même fausser les résultats. Toutefois, des expériences ont été également réalisées avec des hauts-parleurs de qualité professionnelle au CIRM à Nice et des résultats similaires ont été retrouvés. Le choix d’un casque audio été fait car il permet d’isoler correctement des bruits ambiants qu’il peut y avoir à l’extérieur de la salle d’expérience. L’idéal serait en effet d’avoir une pièce insonorisée. Une session d’expérience a donc été réalisée dans une chambre anechoïque à l’Hôpital de la Timone à Marseille dans l’équipe de Daniele Schön. Bien que cette configuration améliorait le confort lors de l’expérience, le fait que les autres expériences aient été réalisées dans une salle un peu plus bruyante ne semble pas détériorer les résultats, l’essentiel étant que le sujet puisse se concentrer sur les sons de manière convenable.
Pistes de recherche futures
Le rendu de ce rapport ne marquant pas la fin de ce stage, le temps restant va être consacré à implémenter des algorithmes d’apprentissage automatique afin de classifier les signaux pour savoir sur quel son le sujet se concentre. Une piste actuellement explorée est l’analyse canonique des corrélations [15]. Elle permet à partir d’un signal cible, sorte de modèle, de classifier les signaux en fonction de leur corrélation à celui-ci. Les signaux cibles seront par exemple les signaux EEG dans les conditions d’écoute de chaque son seul qui permettront d’avoir des références. Ces références serviront pour classifier les signaux lors de l’écoute de plusieurs sons avec attention sur un de ceux référencé pour les signaux cibles. Une autre option pour les signaux cibles pourra être d’utiliser directement les signaux sonores de chaque son seul étant donné que leurs fréquences de modulations doivent normalement être celles des ASSRs. Le but est à terme de pouvoir faire cette classification en temps réel, afin de concevoir une véritable interface cerveau-ordinateur qui donnera un feedback sur l’attention auditive en temps réel. Une piste à explorer également dans le cadre cette fois-ci d’une autre expérience sera l’étude du paradigme P300-oddball auditif. Dans une scène auditive avec plusieurs bruits non-cible, l’attente d’un son cible entraîne, à sa survenue, une onde positive 300 ms après : c’est le P300 [7]. Ce type de paradigme est d’ores et déjà utilisé dans le cadre d’interfaces cerveau-ordinateur, notamment pour composer de la musique d’une manière innovante [30].
|
Table des matières
1 Contexte
1.1 Inria et l’équipe-projet Athena
1.2 Le projet MICADôme
1.3 Sujet du stage
2 Introduction à l’attention auditive
2.1 Fonctionnement du cerveau
2.2 Enregistrement de l’activité cérébrale par EEG
2.3 Étude des signaux EEG
2.4 Attention auditive en EEG
2.5 Hypothèses
3 Design expérimental
3.1 Objectif
3.2 Matériel
3.3 Calibration du volume des sons
3.4 Protocole expérimental
3.5 Implémentation de l’expérience
3.6 Réalisation des expériences
4 Méthodes d’analyse
4.1 Filtrage en fréquence
4.2 Découpage des essais
4.3 Visualisation des données
5 Résultats
5.1 Analyse des sons
5.2 ASSR pour les sons seuls en binaural
5.3 ASSR pour l’attention sur un son parmi deux
6 Discussion
6.1 Choix des stimuli audios
6.2 Périphérique audio et environnement
6.3 Interface de calibration
6.4 ASSR et détection de l’attention auditive
6.5 Pistes de recherche futures
7 Conclusion
Annexes
Télécharger le rapport complet
