Décoder les signaux cérébraux pour contrôler un bras robotique

Décoder les signaux cérébraux pour contrôler un bras robotique

Paradigme expérimental. Les sujets ont été chargés d’effectuer des mouvements d’atteinte et de saisie pour désigner les emplacements de la cible dans un espace tridimensionnel. (a) Les sujets A et B ont reçu le repère visuel sous la forme d’une vraie balle de tennis à l’un des quatre emplacements pseudo-aléatoires. (b) Les sujets A et B ont reçu le repère visuel sous la forme d’un clip de réalité virtuelle montrant une séquence de cinq étapes d’un mouvement d’atteinte et de saisie. Crédit : Institut supérieur coréen des sciences et technologies (KAIST)

Des chercheurs ont mis au point un système de lecture mentale pour décoder les signaux neuronaux du cerveau lors des mouvements du bras. La méthode, décrite dans la revue Informatique douce appliquéepeut être utilisé par une personne pour contrôler un bras robotique via une interface cerveau-machine (BMI).

Un IMC est un appareil qui traduit les signaux nerveux en commandes pour contrôler une machine, comme un ordinateur ou un membre robotique. Il existe deux techniques principales pour surveiller les signaux neuronaux dans les IMC : l’électroencéphalographie (EEG) et l’électrocorticographie (ECoG).

L’EEG présente des signaux provenant d’électrodes à la surface du cuir chevelu et est largement utilisé car il est non invasif, relativement bon marché, sûr et facile à utiliser. Cependant, l’EEG a une faible résolution spatiale et détecte des signaux neuronaux non pertinents, ce qui rend difficile l’interprétation des intentions des individus à partir de l’EEG.

D’autre part, l’ECoG est une méthode invasive qui consiste à placer des électrodes directement sur la surface du cortex cérébral sous le cuir chevelu. Comparé à l’EEG, l’ECoG peut surveiller les signaux neuronaux avec une résolution spatiale beaucoup plus élevée et moins de bruit de fond. Cependant, cette technique présente plusieurs inconvénients.

“L’ECoG est principalement utilisé pour trouver des sources potentielles de crises d’épilepsie, ce qui signifie que les électrodes sont placées à différents endroits pour différents patients et peuvent ne pas se trouver dans les régions optimales du cerveau pour détecter les signaux sensoriels et de mouvement”, a expliqué le professeur Jaeseung Jeong, un scientifique du cerveau au KAIST. “Cette incohérence rend difficile le décodage des signaux cérébraux pour prédire les mouvements.”

Pour surmonter ces problèmes, l’équipe du professeur Jeong a développé une nouvelle méthode de décodage des signaux neuronaux ECoG lors des mouvements du bras. Le système est basé sur un système d’apprentissage automatique pour analyser et prédire les signaux neuronaux appelé « réseau d’état d’écho » et un modèle de probabilité mathématique appelé la distribution gaussienne.

Dans l’étude, les chercheurs ont enregistré les signaux ECoG de quatre personnes atteintes d’épilepsie alors qu’elles effectuaient une tâche d’atteinte et de saisie. Parce que les électrodes ECoG ont été placées en fonction des sources potentielles des crises d’épilepsie de chaque patient, seulement 22 % à 44 % des électrodes étaient situées dans les régions du cerveau responsables du contrôle des mouvements.

Au cours de la tâche de mouvement, les participants ont reçu des repères visuels, soit en plaçant une vraie balle de tennis devant eux, soit via un casque de réalité virtuelle montrant un clip d’un bras humain tendu vers l’avant en vue à la première personne. On leur a demandé de tendre la main vers l’avant, de saisir un objet, puis de retourner leur main et de relâcher l’objet, tout en portant des capteurs de mouvement sur leurs poignets et leurs doigts. Dans une deuxième tâche, on leur a demandé d’imaginer tendre la main vers l’avant sans bouger les bras.

Les chercheurs ont surveillé les signaux des électrodes ECoG lors de mouvements de bras réels et imaginaires, et ont testé si le nouveau système pouvait prédire la direction de ce mouvement à partir des signaux neuronaux. Ils ont découvert que le nouveau décodeur classait avec succès les mouvements des bras dans 24 directions dans un espace tridimensionnel, à la fois dans les tâches réelles et virtuelles, et que les résultats étaient au moins cinq fois plus précis que le hasard. Ils ont également utilisé une simulation informatique pour montrer que le nouveau décodeur ECoG pouvait contrôler les mouvements d’un bras robotique.

Dans l’ensemble, les résultats suggèrent que le nouveau système BCI basé sur l’apprentissage automatique a utilisé avec succès les signaux ECoG pour interpréter la direction des mouvements prévus. Les prochaines étapes consisteront à améliorer la précision et l’efficacité du décodeur. À l’avenir, il pourrait être utilisé dans un appareil IMC en temps réel pour aider les personnes souffrant de troubles moteurs ou sensoriels.


Les neurones artificiels aident à décoder les signaux corticaux


Plus d’information:
Hoon-Hee Kim et al, Un décodeur électrocorticographique pour le mouvement du bras pour l’interface cerveau-machine utilisant un réseau d’état d’écho et une lecture gaussienne, Informatique douce appliquée (2021). DOI: 10.1016/j.asoc.2021.108393

Fourni par le Korea Advanced Institute of Science and Technology (KAIST)

Citation: Décodage des signaux cérébraux pour contrôler un bras robotique (18 mars 2022) récupéré le 18 mars 2022 sur https://techxplore.com/news/2022-03-decoding-brain-robotic-arm.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.