Return to search

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.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00870395
Date21 December 2012
CreatorsMargaux, Perrin
PublisherUniversité Claude Bernard - Lyon I
Source SetsCCSD theses-EN-ligne, France
Languagefra
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0019 seconds