Recherche

Axes de recherche

Notre équipe de recherche s’intéresse principalement à l’application des interfaces cerveau-machines cognitives pour le neurofeedback.

Nos travaux s’inscrivent dans trois axes de recherche :

L’objectif de ce projet est d’identifier les mécanismes fondamentaux de l’apprentissage avec feedback (FEEdback LearnIng mechanisms - feeling). En identifiant ces mécanismes, on espère pouvoir mieux comprendre les conditions d’application optimales pour le neurofeedback.

Les premiers modèles d’appareils de neurofeedback datent des années 1970. L’objectif est de renforcer ou corriger une activité neurodynamique altérée en fournissant au sujet une perception directe de son activité cérébrale (des indices, pour qu’il puisse obtenir un renforcement avant même d’avoir réussi la tâche). L’idée est similaire à celle de la kinésithérapie : on peut renforcer un muscle défaillant en le faisant travailler ; de même on peut renforcer une fonction cognitive défaillante en la faisant travailler. On pourrait comparer la tâche de renforcer une fonction cognitive défaillante avec ou sans feedback au fait d’apprendre à jouer au tennis les yeux bandés ou non. Avec un feedback visuel, il est beaucoup plus facile de progresser au tennis. De même, le feedback sensoriel sur l’activité cérébrale a pour objectif de faciliter le fonctionnement cérébral du sujet pour une tâche cognitive donnée, tout en fournissant un signal de renforcement dès qu’il commence à agir dans la bonne direction (i.e. à renforcer les circuits cérébraux dysfonctionnels).

Il existe néanmoins très peu de recul dans la littérature scientifique concernant les mécanismes de ce signal de renforcement. Deux arguments sont souvent avancés par les détracteurs du neurofeedback :

    • En l’absence de récompense, les modèles d’apprentissage de conditionnement opérant ne prédisent pas de renforcement de des mécanismes cérébraux – au contraire, on peut s’attendre à une charge cognitive augmentée par le feedback, et à une mise en difficulté démotivante pour le sujet ;
    • En admettant l’existence d’un mécanisme de renforcement, on peut s’attendre à ce que le sujet apprenne le mécanisme du feedback plutôt que d’acquérir un réel contrôle sur ses mécanismes cérébraux. On pose donc la question de la capacité de généralisation de l’apprentissage sous neurofeedback.

Notre objectif est de mesurer les corrélats (échelles psychologiques, réponses neurophysiologiques) de l’apprentissage dans une tâche avec feedback.

Références :

  • Arns M., Batail J.-M., Bioulac S., ongedo M., Daudet C., Drapier D., Fovet T., Jardri R., Le Van Quyen M., Lotte F., Mehler D., Micoulaud Franchi J.-A., Perper-Ouakil D., Vialatte F. Neurofeedback : one of today’s techniques in psychiatry. L’encéphale, S0013-7006(16)30275-5.
  • Gaume A., Vialatte A., Mora-Sánchez A., Ramdani C., Vialatte F.B., A psychoengineering paradigm for the neurocognitive mechanisms of biofeedback and neurofeedback. Neuroscience and Biobehavioral Reviews, 2016, 68:891-910.

Les mécanismes complexes des corrélats neuronaux de la cognition ont une dimension subjective difficile à approcher avec les protocoles usuels de cette discipline. Par conséquent, les fonctions de haut niveau telles que l’attention, les fonctions exécutives ou la cognition émotionnelle sont mal caractérisées en neuroscience cognitive (ils appartiennent à la classe dite des « hard problems »), et font l’objet de beaucoup d’interrogations. Pour s’affranchir des limites techniques des protocoles expérimentaux, on aurait besoin non plus de mesurer, mais d’interagir avec les fonctions en question. On pourrait alors aller au-delà d’un modèle fondé sur des mesures de corrélations, et mettre en évidence la présence de liens de causalité entre les réponses observées et l’état cognitif du sujet.

PNG - 179.5 ko

Notre hypothèse est qu’il est possible de contrôler par une ICM des marqueurs d’activités cognitives à des échelles de temps courtes (entre 0,1 et 10 sec) avec une fiabilité suffisante. En contraignant l’activité cérébrale par des stimuli, on « marque » des fonctions auxquelles on s’intéresse (attention, fonctions exécutives, mémoire de travail) pour pouvoir interagir avec ces fonctions en temps réel. Le but de ce projet est de développer des ICM cognitives. Nous employons des marqueurs tels que les potentiels évoqués de régime permanent, ou de réponses à des tâches cognitives. L’équipe travaille actuellement sur l’attention visuelle soutenue, la mémoire de travail, et la dérive attentionnelle.

Références :

  • Emge D.K., Vialatte F.B., Dreyfus G., Adalı T., Independent Vector Analysis for SSVEP Signal Enhancement, Detection, and Topographical Mapping. Brain Topography, in press.
  • Mora Sánchez A., Gaume A., Dreyfus G., Vialatte F.B., A Cognitive Brain-Computer Interface Prototype For The Continuous Monitoring Of Visual Working Memory Load. 25th IEEE MLSP international workshop, September 17-20, Boston, USA, 2015.
  • Gaume A., Abbasi M.A., Dreyfus G., Vialatte F.-B., Towards Cognitive BCI : Neural Correlates of Sustained Attention in a Continuous Performance Task. 7th International IEEE/EMBS Conference on Neural Engineering, Montpellier, France, April 22-24 2015.

De nombreux outils de traitement de signal et de modélisation par apprentissage statistique existent, et sont d’ores et déjà disponibles pour les scientifiques. Cependant, ces outils sont difficiles d’emploi pour les non spécialistes, et restant principalement utilisés dans les laboratoires de mathématique appliquée ou d’ingénierie. Dans de nombreux domaines, par exemple en sciences humaines et sociales ou en biologie, l’étude des signaux physiologiques par l’apprentissage statistique est impossible à mener, par manque de compétences en ingénierie. Les laboratoires n’ont pas le personnel qualifié pour utiliser ces méthodes. L’objectif de la librairie Matlab SIGMA box est de fournir un utilitaire pédagogique est simple d’usage pour des applications de modélisation de ces signaux (SIGnaux et Modélisation par Apprentissage statistique = SIGMA) à destination de personnels de recherche avec une formation très limitée dans le domaine.

La maladie d’Alzheimer est une pathologie dévastatrice et invalidante, affectant non seulement les fonctions mémorielles (son symptôme le plus connu), mais en outre de nombreuses fonctions cognitives (cognition sociale, régulation émotionnelle, fonctions exécutives, etc.). Comprendre et quantifier les corrélats électrophysiologiques de cette maladie pourrait permettre une meilleure prise en charge des patients (COMPendrE ALzheimer = compel).

Nous développons des méthodes de traitement de signal pour mesurer la synchronisation locale et longue distance. Ces mesures permettent d’étudier les corrélats neuronaux de pathologies cérébrales, par exemple pour des sujets aux stades précoces de la maladie d’Alzheimer, ou bien pour des sujet atteints de démences (fronto-temporale, vasculaire-cérébrale, à corps de Lewy). On s’intéresse en particulier au potentiel de ces outils pour des applications de neurofeedback visant à promouvoir la réserve cognitive chez la personne âgée.

Références :

  • Solé-Casals J., Vialatte F.B., Towards Semi-Automatic Artifact Rejection for the Improvement of Alzheimer’s Disease Screening from EEG Signals. Sensors 2015, 15(8):17963-17976.
  • Houmani N., Dreyfus G., Vialatte F.B., Epoch-based entropy for early screening of Alzheimer’s disease, International Journal of Neural Systems, 2015, 25(8):1550032.
  • Gallego-Jutglà E., Solé-Casals J., Vialatte F.B., Elgendi M., Cichocki A., Dauwels J., A hybrid feature selection approach for the early diagnosis of Alzheimer’s disease. Journal of Neural Engineering, 2015, 12(1):016018.
  • Gallego-Jutglà E, Solé-Casals J, Vialatte FB, Dauwels J, Cichocki A. A Theta-Band EEG Based Index for Early Diagnosis of Alzheimer’s Disease. J Alzheimers Dis., 2015, 43(4):1175-84.

Haut de page



À lire aussi...

Equipe

François-Benoît VIALATTE, Maître de Conférence à l’ESPCI Paris, est à la tête de l’équipe Interface Cerveau Machine. Chercheurs et enseignants-chercheurs (...) 

> Lire la suite...

Actualités

Mars 2017 : Nous recherchons un traducteur volontaire L’équipe cherche des scientifiques ayant l’Allemand pour langue maternelle pour nous aider (...) 

> Lire la suite...

 


Informations Pratiques

Directeur d’unité
Thomas Preat
thomas.preat (arobase) espci.fr

Administratrice
Stéphanie Ledoux
stephanie.ledoux (arobase) espci.fr

Gestionnaire
Tu-Khanh Nguyen
tu-khanh.nguyen (arobase) espci.fr

Tél : +33 (0) 1 40 79 43 02

Nous contacter