No description available.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal. / L'analyse spectrale est une technique d'analyse fréquentielle qui permet de décomposer un signal cyclique complexe en plusieurs sous-fonctions. Cette technique d'analyse est utilisée notamment pour décortiquer finement le signal électroencéphalographique (EEG). Elle permet d'obtenir des informations sur les fluctuations dans la quantité et la puissance des activités corticales qui ne sont pas perçues de visu lors de l'inspection du tracé. Cette technique est particulièrement adaptée à l'analyse du tracé EEG à l'éveil qui apparaît relativement homogène à l'inspection visuelle. Les variations obtenues dans les activités corticales peuvent alors servir à évaluer les changements dans les niveaux d'éveil. Bien que la technique de l'analyse spectrale des signaux EEGs ait commencé à être développée depuis environ un demi-siècle, l'utilisation de cette mesure pour évaluer les fluctuations dans les niveaux d'éveil est beaucoup plus récente. Conséquemment, dans la littérature, peu d'informations concernent quels sont les changements dans les activités corticales qui sont en lien avec les variations dans les niveaux d'éveil. Le but principal d'e cette thèse était donc de documenter quelles sont les variations dans les activités EEGs à l'éveil qui représentent des changements dans les niveaux d'éveil. Les changements dans les activités EEGs à l'éveil ont été comparés aux fluctuations observées dans les mesures traditionnelles de la vigilance, soit les latences d'endormissement et les échelles de vigilance subjective. Quatre conditions expérimentales ont servi pour induire des changements dans les niveaux d'éveil. Les mesures de la vigilance ont été recueillies en condition normale d'entraînement, à la suite d'une diminution de la durée du sommeil, pendant une exposition à la lumière vive et, enfin, durant une privation de sommeil longue de près de 40 heures. Au total, 44 sujets jeunes et normaux ont été testés. Les résultats ont démontré que les activités EEGs à l'éveil répondent aux influences qui induisent des changements dans les niveaux d'éveil. Il semble donc que les variations dans les énergies de l'activité corticale puissent nous donner des indices sur la dynamique des états d'éveil. Il est apparu aussi que certains changements dans les activités EEGs à l'éveil correspondaient à ceux de la vigilance subjective. Il est possible que ces deux mesures de l'éveil répondent aux mêmes influences, qu'elles soient modulées par les mêmes processus ou qu'elles agissent l'une sur l'autre. Une telle association entre une mesure physiologique et une mesure subjective pourra servir à étudier de façon plus précise les mécanismes physiologiques qui sont à la base de la sensation d'être "très éveillé" et "très endormi".

Driver fatigue is a state of reduced mental alertness which impairs the performance of a range of cognitive and psychomotor tasks, including driving. According to the National Highway Traffic Safety Administration, driver fatigue was responsible for 72,000 accidents that lead to more than 800 deaths in 2015. A reliable method of driver fatigue detection is needed to prevent such accidents. There has been a great deal of research into studying driver fatigue via electroencephalography (EEG) to analyze brain wave data. These research works have produced three competing EEG data-based ratios that have the potential to detect driver fatigue. Research has shown these three ratios trend downward as fatigue increases. However, no empirical research has been conducted to determine whether drivers begin to feel fatigue at a certain Percent Change from an alert state to a fatigue state in one or more of these ratios. If a Percent Change could be identified for which drivers begin to feel fatigue, then it could be used as a method of fatigue detection in real-time system. This research focuses on answering this question by collecting brain wave data via an EEG device over a 60-minute driving session for 10 University of North Florida (UNF) students. A frequency distribution and cluster analysis was done to identify a common Percent Change for the participants who experienced fatigue. The results of the analysis were compared to a subset of users who did not experience fatigue to validate the findings. The project was approved by the UNF IRB on Nov. 1, 2016 (reference number 475514-4).