Note ABES A visual Brain-Computer Interface for gaze-free communication : Algorithms & applications Interface Cerveau-Ordinateur visuelle pour la communication sans le regard : algorithmes & applications Interface cerveau-Ordinateur Électroencéphalographie Potentiels évoqués Attention visuo-Spatiale cachée Decodage (multi-)linéaire Patients lourdements handicapées Brain-Computer interface Electroencephalography Event-Related potentials Covert visuospatial attention (multi)linear decoding Severe physical impairment Interfaces neuronales directes Électroencéphalographie Potentiels évoqués (électrophysiologie) Attention spatiale Décodage neuronal Handicapés moteurs Les individus ayant des handicaps moteurs sévères, tels que ceux atteints desyndrome d'enfermement ou de dysfonctionnement oculomoteur, rencontrentdes défis considérables lors de l'utilisation d'interfaces cerveau-ordinateur (BCI)traditionnelles. Ces systèmes nécessitent que les utilisateurs dirigent leur regardvers des cibles spécifiques, une tâche qui devient impraticable pour les personnesayant un contrôle oculaire limité ou inexistant. Ce travail vise à palier cettelimitation en développant des méthodes de BCI indépendantes du regard, en seconcentrant sur l'amélioration de l'attention visuo-spatiale (VSA) cachée, oùles utilisateurs peuvent diriger leur attention vers une cible sans mouvementsoculaires correspondants. Une contribution clé de ce travail est la compensationpour la compensation de la variabilité de latence des potentiels évoqués (ERP),laquelle impacte la performance de décodage dans la VSA cachée. En gérantcette variabilite, la méthode proposée améliore la précision de la communicationsans nécessiter de contrôle du regard, rendant les BCI plus utilisables pour lespersonnes ayant des handicaps moteurs.Au-delà de l'indépendance du regard, le travail fait également progresser lestechniques générales de décodage ERP en affinant la structure des estimateurslinéaires et multilinéaires. Ces méthodes améliorent la précision de classificationdans une gamme de conditions BCI, en particulier lorsque les donnéesd'entraînement sont limitées. L'introduction de régularisation structurée dansles modèles linéaires et multilinéaires améliore l'interprétabilité des classificateurset réduit le temps d'entraînement ainsi que la complexité computationnelle.Cela permet un entraînement plus efficace et une meilleure performancesur des données non vues, contribuant à des systèmes plus fiables qui s'adaptentà divers contextes et besoins des utilisateurs.Les méthodes proposées ont été validées lors d'expériences impliquant à lafois des individus en bonne santé et sept individus avec des handicaps physiquessévères et un contrôle oculomoteur altéré. Ces expériences ont démontré larobustesse des nouvelles méthodes de décodage, montrant que le système pouvaitefficacement décoder l'attention cachée même lorsque l'observation directe de lacible était impossible. Individuals with severe motor impairments, such as those with Locked-inSyndrome (LiS) or eye-motor dysfunction, face substantial challenges when usingtraditional gaze-dependent brain-computer interfaces (BCIs). These systemsrequire users to direct their gaze toward specific targets, a task that becomesunfeasible for individuals with limited or no eye control. This work addressesthis limitation by developing gaze-independent BCI methods, focusing onimproving covert visuospatial attention (VSA), where users can direct theirattention to a target without corresponding eye movements. A key contributionof this work is the compensation for ERP latency jitter, a variability that negativelyimpacts decoding performance in covert VSA. By handling this jitter,the proposed method enhances communication accuracy without requiring gazecontrol, making BCIs more usable for individuals with motor impairments.Beyond gaze independence, the work also advances general event-relatedpotential (ERP) decoding techniques by refining the structure of linear andmultilinear estimators. These methods improve classification accuracy acrossa range of BCI conditions, particularly when training data are limited. Theintroduction of structured regularization in both linear and multilinear modelsenhances the interpretability of the classifiers and reduces training time andcomputational complexity. This allows for more efficient training and betterperformance on unseen data, contributing to more reliable systems that areadaptable to various contexts and user needs.The proposed methods were validated in experiments involving both healthyindividuals and seven individuals with severe physical impairment and impairedeye-motor control. These experiments demonstrated the robustness of the noveldecoding methods, showing that the system could effectively decode covert at-tention even when direct gaze was impossible. Electronic Thesis or Dissertation Text en PDF 6590344 https://pepite-depot.univ-lille.fr/LIBRE/EDMADIS/2024/2024ULILB051.pdf https://theses.hal.science/tel-05234639 https://theses.fr/2024ULILB051/abes https://theses.hal.science/tel-05234639 https://theses.hal.science/tel-05234639 https://theses.hal.science/tel-05234639 Van Den Kerchove Arne Van Den Kerchove 1997-09-10 BE 285088459 https://theses.fr/2024ULILB051 2024ULILB051 https://doi.org/10.70675/7ee5680eze506z4dbdz8078z01924f3e063a 2024-12-16 Traitement du signal et des images Université de Lille (2022-....) 259265152 Katholieke Universiteit Leuven (Brabant flamand, Belgique ; 1970-....) MADS_ETABLISSEMENT_DE_COTUTELLE_1 026458632 Doctorat Docteur es non oui Cabestaing François MADS_DIRECTEUR_DE_THESE_1 076526267 Van Hulle Marc MADS_DIRECTEUR_DE_THESE_2 070571813 Poesen Koen MADS_PRESIDENT_DU_JURY 285086456 De Vos Maarten MADS_MEMBRE_DU_JURY_1 233967338 Simeone Adalberto MADS_MEMBRE_DU_JURY_2 285087851 Lotte Fabien MADS_RAPPORTEUR_1 139468617 Kübler Andrea MADS_RAPPORTEUR_2 19717020X Scherer Reinhold MADS_RAPPORTEUR_3 197170145 École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....) MADS_ECOLE_DOCTORALE_1 258621362 Centre de Recherche en Informatique, Signal et Automatique de Lille MADS_PARTENAIRE_DE_RECHERCHE_1 410272 18388695X Katholieke Universiteit Leuven (Brabant flamand, Belgique ; 1970-....) MADS_PARTENAIRE_DE_RECHERCHE_2 026458632 Université de Lille (2022-....) MADS_PARTENAIRE_DE_RECHERCHE_3 259265152 ddc:004 Katholieke Universiteit Leuven (Brabant flamand, Belgique ; 1970-....) Cabestaing François Van Hulle Marc Poesen Koen De Vos Maarten Simeone Adalberto Lotte Fabien Kübler Andrea Scherer Reinhold École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....) Centre de Recherche en Informatique, Signal et Automatique de Lille Katholieke Universiteit Leuven (Brabant flamand, Belgique ; 1970-....) Université de Lille (2022-....) PDF 6590344