Modèle d'évaluation basé sur l'apprentissage profond pour l'identification en temps réel des apprenants visuels utilisant l'EEG brut

Dans l’environnement éducatif actuel, comprendre le style d’apprentissage des étudiants est crucial pour améliorer leur efficacité d’apprentissage. En particulier, l’identification des styles d’apprentissage visuels (visual learning style) aide les enseignants et les étudiants à adopter des stratégies plus efficaces dans le processus d’enseignement...

Réseau Neuronal Convolutionnel d'Attention Multi-Caractéristiques pour le Décodage de l'Imagination Motrice

Le Brain-Computer Interface (BCI) est un moyen de communication reliant le système nerveux à l’environnement extérieur. La Motor Imagery (MI) est la fondation de la recherche BCI, elle se réfère à la répétition interne avant l’exécution du mouvement. Les technologies non invasives, telles que l’électroencéphalographie (EEG), permettent d’enregistre...

EISATC-Fusion: Fusion du réseau de convolution temporelle à auto-attention inception pour le décodage EEG de l'imagerie motrice

EISATC-Fusion: Fusion du réseau de convolution temporelle à auto-attention inception pour le décodage EEG de l'imagerie motrice

Contexte de la recherche La technologie d’interface cerveau-ordinateur (brain-computer interface, BCI) permet une communication directe entre le cerveau et les dispositifs externes. Elle est largement utilisée dans des domaines tels que l’interaction homme-machine, la rééducation motrice et la médecine. Les paradigmes courants de BCI incluent le po...

Une approche basée sur le Transformer combinant un réseau d'apprentissage profond et des informations spatio-temporelles pour la classification des EEG bruts

Contexte et Objectif de la Recherche Ces dernières années, les systèmes d’Interface Cerveau-Ordinateur (Brain-Computer Interface, BCI) ont été largement utilisés dans les domaines de l’ingénierie neuronale et des neurosciences, et l’électroencéphalogramme (EEG), en tant qu’outil pour refléter l’activité de différents groupes de neurones du système ...

Découverte des mécanismes neuronaux de la restauration de l'équilibre inter-hémisphérique dans les AVC chroniques grâce à la rééducation de la main par un robot piloté par EMG : Perspectives de la modélisation causale dynamique

Découverte des mécanismes neuronaux de la restauration de l'équilibre inter-hémisphérique dans les AVC chroniques grâce à la rééducation de la main par un robot piloté par EMG : Perspectives de la modélisation causale dynamique

Découvrir les mécanismes neurologiques de la récupération de l’équilibre interhémisphérique chez les patients AVC chroniques grâce à l’entraînement de la main robotique pilotée par EMG : Aperçus du modèle causal dynamique L’AVC est une cause fréquente de handicap, avec la majorité des survivants souffrant de paralysie du membre supérieur. Les consé...

Coefficient de corrélation temporelle-spectrale d'attention basé sur les ondelettes pour la classification EEG d'imagination motrice

Interface Cerveau-Machine (Brain-Computer Interface, BCI) : Développements et Applications en Imagerie Motrice EEG L’interface cerveau-machine (Brain-Computer Interface, BCI) a progressé rapidement ces dernières années et est considérée comme une technologie de pointe permettant de contrôler des dispositifs externes directement par le cerveau, sans...

ADFCNN : Réseau de neurones convolutionnels à fusion double échelle basé sur l'attention pour l'interface cerveau-ordinateur basée sur l'imagerie motrice

ADFCNN : Réseau de neurones convolutionnels à fusion double échelle basé sur l'attention pour l'interface cerveau-ordinateur basée sur l'imagerie motrice

L’interface cerveau-ordinateur (Brain-Computer Interface, BCI) est une technologie de communication et de contrôle émergente qui a gagné en popularité ces dernières années. Parmi les BCI basés sur les caractéristiques électrophysiologiques (comme l’électroencéphalogramme, EEG), l’imagerie motrice (Motor Imagery, MI) est une branche importante, util...

Une approche d'apprentissage profond basée sur l'attention pour la classification des stades du sommeil avec EEG monocanal

L’électronique IEEE (Institut des ingénieurs électriques et électroniques) a publié dans le volume 29 de “Transactions on Neural Systems and Rehabilitation Engineering” de 2021 un article intitulé “A Single-Channel EEG Sleep Stage Classification Method Based on Attention Deep Learning”. Cet article a été rédigé par les chercheurs Emadeldeen Edele, ...

Hiérarchies Spatio-temporelles du Cerveau pour la Reconnaissance de la Mémoire Auditive et le Codage Prédictif

Hiérarchies Spatio-temporelles du Cerveau pour la Reconnaissance de la Mémoire Auditive et le Codage Prédictif

Hiérarchie spatio-temporelle du cerveau dans la reconnaissance de la mémoire auditive et le codage prédictif Introduction Cette étude vise à explorer les mécanismes hiérarchiques du cerveau humain lorsque celui-ci reconnaît des séquences musicales mémorisées antérieurement et leurs modifications systématiques. Bien que le traitement neural des modè...

Extension de l'utilisation clinique de OPM-MEG en utilisant une méthode de suppression automatique efficace pour l'artéfact métallique des appareils dentaires

Étendre l’application clinique de l’OPM-MEG : une méthode efficace pour supprimer automatiquement les artefacts métalliques des appareils orthodontiques Introduction La magnétoencéphalographie (MEG) est une technologie permettant de reconstruire la distribution des courants neuronaux et les réseaux fonctionnels du cerveau via des capteurs de champ ...