Interface Cerveau-Ordinateur Basée sur le Champ Visuel à Fréquence Élevée Évoqué par Stimulation Visuelle Stable

Introduction

La technologie des Interfaces Cerveau-Ordinateur (Brain-Computer Interface, BCI) permet aux utilisateurs de contrôler des machines en décodant des signaux cérébraux spécifiques. Bien que les BCI invasives captent des signaux de haute qualité, leur utilisation reste principalement confinée aux environnements cliniques. En revanche, les méthodes non invasives, comme l’électroencéphalographie (Electroencephalography, EEG), offrent une voie plus praticable pour une large application des BCI. Cependant, en raison des influences du liquide céphalorachidien et du crâne, les signaux EEG deviennent très faibles au fur et à mesure de leur propagation. De plus, la conductivité anisotrope et la diversité des crânes compliquent davantage la localisation des signaux EEG.

La magnétoencéphalographie (Magnetoencephalography, MEG) est une méthode non invasive d’imagerie de l’activité cérébrale, qui surpasse l’EEG dans la capture d’informations spatiales fines. Cette supériorité découle principalement du fait que le flux magnétique n’est pas atténué comme le courant électrique. Cependant, les dispositifs MEG traditionnels utilisent des magnétomètres à interférence quantique supraconductrice (Superconducting Quantum Interference Devices, SQUIDs) placés à 3-6 cm du cuir chevelu, ce qui conduit à un faible rapport signal-bruit (Signal-to-Noise Ratio, SNR). De plus, ces dispositifs nécessitent une réfrigération constante, augmentant les coûts et les contraintes opérationnelles. Récemment, les magnétomètres à pompage optique (Optically Pumped Magnetometers, OPM) ont été introduits dans la mesure MEG. Les OPM nécessitent moins de volume et pas de réfrigération, tout en offrant une sensibilité comparable à celle des SQUIDs en théorie.

Les potentiels évoqués visuels stationnaires (Steady-State Visual Evoked Potentials, SSVEPs) se distinguent dans les caractéristiques EEG et sont couramment utilisés comme signaux de contrôle dans divers systèmes BCI. La plupart des systèmes BCI SSVEP utilisent des stimulations à basse fréquence (<12 Hz) ou à moyenne fréquence (12–30 Hz) dont les signaux sont plus forts. Cependant, les SSVEP à basse et moyenne fréquence peuvent altérer l'expérience utilisateur et augmenter la fatigue visuelle ainsi que le risque d'épilepsie. À l'inverse, les stimulations SSVEP à haute fréquence peuvent offrir une interaction plus confortable. Lorsque la fréquence de scintillement dépasse le seuil critique de fusion (>50-60 Hz), les stimulations SSVEP deviennent plus subtiles, réduisant significativement la fatigue et améliorant l’expérience utilisateur. Néanmoins, en raison des performances inférieures des systèmes SSVEP-BCI à haute fréquence, leur application reste limitée.

Pour relever ce défi, notre étude utilise les champs visuels à fréquence élevée évoqués par stimulation visuelle stable (Steady-State Visual Evoked Fields, SSVEFs) pour développer un système BCI basé sur l’OPM-MEG, explorant ainsi sa faisabilité.

Source de l’Article

Cet article de recherche a été coécrit par Dengpei Ji, Xiaolin Xiao, Jieyu Wu, Xiang He, Guiying Zhang, Ruihan Guo, Miao Liu, Minpeng Xu, Qiang Lin, Tzyy-Ping Jung, et Dong Ming de l’Institut Médical Interdisciplinaire et de Médecine Translative de l’Université de Tianjin (Chine), la Faculté des Sciences de l’Université Polytechnique de Zhejiang (Chine), l’Université de Californie à San Diego (États-Unis), et le Laboratoire Haihe d’Interface Cerveau-Ordinateur et d’Intégration Homme-Machine de Tianjin. L’article a été publié le 30 mai 2024 dans le Journal of Neural Engineering. Leur résumé met en avant la construction d’un système MEG-BCI basé sur les SSVEFs à haute fréquence pour atteindre une stimulation subtile, conviviale et précise.

Méthodologie

Équipement et Environnement

L’équipe de recherche a utilisé des magnétomètres à pompage optique (Optically Pumped Magnetometers, OPM) de deuxième génération six canaux, fabriqués par QuSpin (Louisville, Colorado, États-Unis). Chaque magnétomètre est une unité de capteur autonome pouvant mesurer les champs magnétiques dans deux directions orthogonales. Pour répondre aux besoins d’un environnement sans champ magnétique, les capteurs ont été installés dans une chambre de blindage magnétique, réduisant le champ magnétique statique de fond à environ 2 nanotesla, avec un gradient ne dépassant pas 15 nanotesla par mètre.

Les participants portaient un bonnet EEG standard ¹⁰⁄₂₀, le casque fixant les capteurs pour assurer une collecte précise des signaux.

Participants

Cinq sujets (âgés de 18 à 30 ans, 1 femme, tous droitiers) ont participé à l’expérience. Tous les participants ont confirmé l’absence de claustrophobie et ont été informés en détail du processus expérimental.

Présentation des Stimuli

L’équipe de recherche a utilisé des LED blanches, pilotées par un FPGA (Field-Programmable Gate Array) Cyclone IV, pour concevoir un système SSVEF à haute fréquence basé sur un ensemble fermé de 9 commandes, avec une plage de fréquences de 58-62 Hz par intervalles de 0.5 Hz. Les fibres optiques ont été utilisées pour transmettre les signaux de stimulation dans la chambre de blindage magnétique pour répondre aux exigences d’un environnement sans champ magnétique.

Procédure Expérimentale

Chaque sujet a complété 15 ensembles de tests hors ligne, chaque ensemble comprenant 3 blocs, chaque bloc contenant 9 événements de stimulation présentés dans un ordre pseudo-aléatoire. Chaque événement de stimulation durait 4 secondes, totalisant 135 secondes. Pour réduire la fatigue visuelle dans un environnement sombre, les unités de stimulation restaient allumées constamment pendant les périodes de repos.

Enregistrement et Analyse des Données

Le système OPM-MEG a été utilisé pour enregistrer les données, le FPGA envoyant des signaux de déclenchement de stimulation. Le logiciel de traitement de signal intégré a été utilisé pour le prétraitement, appliquant un filtre passe-bande à réponse impulsionnelle infinie avec une plage de 55-70 Hz. L’analyse fréquentielle a été réalisée avec la transformation de Fourier rapide (Fast Fourier Transform, FFT), et l’algorithme ETRCA (Ensemble Task-Related Component Analysis) a été utilisé pour l’identification des cibles et l’évaluation des performances du système.

Principaux Résultats de la Recherche

Analyse des Caractéristiques du Bruit Environnemental

En analysant l’énergie spectrale dans la plage de 4 à 70 Hz des sujets au repos, nous avons confirmé que le bruit à basse fréquence n’affecte pas la détection du signal SSVEF à haute fréquence, validant ainsi la capacité de détection du signal MEG.

Caractéristiques Temporelles des SSVEF à Haute Fréquence

L’analyse des formes d’onde des sujets de 200 millisecondes avant la stimulation à 400 millisecondes après la stimulation a confirmé un signal stable avec une amplitude et une phase claires après une période de latence visuelle d’environ 200 millisecondes.

Analyse Fréquentielle des SSVEF à Haute Fréquence

L’analyse FFT a montré des pics d’énergie clairs aux fréquences cibles de chaque événement, reflétant la reconnaissance réussie des signaux MEG. Parmi tous les événements, l’énergie sur l’axe z était supérieure à celle de l’axe y, montrant des différences significatives (p<0.01) aux fréquences cibles.

Performances du Système BCI SSVEF à Haute Fréquence

Dans les tests hors ligne, le système BCI à neuf commandes a atteint un taux de classification moyen de 92.98%, avec un taux de transmission d’informations théorique maximal (ITR) de 58.36 bits/min, le plus haut ITR individuel atteignant 63.75 bits/min (Sujet 3), indiquant que le système a atteint un niveau élevé d’ITR avec des données courtes (0.7 seconde).

Conclusions de l’Étude

Cette étude a exploré pour la première fois la faisabilité d’un système BCI OPM-MEG basé sur les SSVEF à haute fréquence, obtenant un taux de précision moyen significatif (92.98%) et un ITR impressionnant (63.75 bits/min). Ces résultats montrent le potentiel et la faisabilité du MEG pour détecter les signaux cérébraux faibles, fournissant une valeur théorique et pratique pour avancéer le développement et l’application pratique des systèmes BCI basés sur le MEG.

Points Forts de l’Expérience

1. Innovant: Première exploration d’un système BCI OPM-MEG basé sur les SSVEF à haute fréquence, résolvant les problèmes de fatigue visuelle et de risque d’épilepsie associés aux SSVEF à basse fréquence.
2. Haute Précision et ITR: Le système a montré d’excellentes performances, avec une précision moyenne de classification de 92.98% et un ITR théorique maximal de 58.36 bits/min.
3. Analyse Multidimensionnelle des Signaux: L’analyse conjointe des signaux sur les axes z et y a significativement amélioré la précision de classification du système, démontrant le potentiel des méthodes d’analyse multidimensionnelle.

Directions Futures de Recherche

Les recherches futures se concentreront sur l’extension du nombre de commandes et l’amélioration des algorithmes adaptés aux caractéristiques des signaux MEG faibles pour augmenter davantage l’ITR. D’autres applications potentielles incluent la réalisation de tests en ligne avec un plus grand nombre de participants pour démontrer l’universalité du système et la comparaison des caractéristiques des expérimentations MEG et EEG combinées, élargissant ainsi l’application du MEG dans les systèmes BCI.