• Langue : Anglais
• Discipline : Traitement du signal et des images
• Identifiant : 2024ULILB051
• Type de thèse : Doctorat
• Date de soutenance : 16/12/2024

Résumé en langue originale

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.

Résumé traduit

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.