Coadaptation cerveau machine pour une interaction optimale : application au P300-Speller
-
Upload
fuller-santana -
Category
Documents
-
view
18 -
download
3
description
Transcript of Coadaptation cerveau machine pour une interaction optimale : application au P300-Speller
Coadaptation cerveau machine pour une interaction optimale :
application au P300-SpellerMargaux Perrin
Directeur de thèse : Olivier BertrandEncadrant : Jérémie Mattout
Proche collaborateur : Emmanuel Maby
Laboratoire : Centre de Recherche en Neurosciences de Lyon – Equipe DycogFinancement : ANR Co-Adapt21 Décembre 2012
Septembre 2009 – Décembre 2012
2
Introduction sur les Interfaces Cerveau-Machine
ICM : interface de communication directe entre un cerveau et un dispositif externe
ICMAnimal
HommeInvasive
Non invasive
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Neurosciences
CliniqueIngénierie
Sélection de marqueurs
Classification ou régression Décision
Applications : Monitoring Restauration fonctionnelle Rééducation fonctionnelle
Non médicales (jeu vidéo, monitoring…)
Acquisition de signal
Transformation en commande
numérique
feedback
3
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
2 phases : Phase d’étalonnage (quelques minutes) Phase de test
Exemple d’une ICM : le P300-SpellerObjectif : aide à la communication
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Feedback
…
P300 Speller
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
Répétition 1= 12 flashs Répétition 3Répétition 2
H
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
P300 Speller
Acquisition &
Traitement des signaux
Cible
N1
P300
P8
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
P300 Speller
Acquisition &
Traitement des signaux
Non cible
P8
M N O P Q R
5 6 7 8 9 _
Y Z 1 2 3 4
S T U V W X
G H I J K L
A B C D E F
H
H
4
Intérêt de cette application
Image du film Le Scaphandre et le papillontiré du livre de J.D. Bauby
atteint du syndrome d’enfermement
Restauration de la communication
Population concernée : Syndrome d’enfermement (Locked-in) Sclérose latérale amyotrophique Syndrome de Guillain-Barré …
Évaluation chez une patiente (coll. Jacques Luauté) :• Femme de 38 ans victime d’un AVC du tronc basilaire en 2009• État Locked-in (sauf mouvement des yeux)• Enregistrée à l’hôpital Henri Gabrielle entre mars et décembre 2010• Performance maximale : 0,6 lettres correctes par minute1 • Performance maximale chez les sujets sains : 4.8 lettres correctes par minute2
Nécessité d’améliorer le protocole
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
1 Maby, Perrin et al., 2011, Proceedings of the 5th international BCI conference2 Maby, Perrin et al, In preparation
5
Coadaptation cerveau-machineIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
Action
Action
Perception
Perception Apprentissage
Modulée par : Apprentissage Motivation Vigilance
010111001 Apprentissage continu des marqueurs (Daucé et al, In prep.)
Durée de la phase d’étalonnage adaptative(Rivet et al, 2011, J. of Physiology)
6
Coadaptation cerveau-machineIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
Action
Action
Perception
Perception
Signal de satisfaction
Peut-on améliorer l’interaction en
exploitant un signal de satisfaction ?
Peut-on améliorer l’interaction en
optimisant le temps de réaction de la
machine ?
Décision adaptative
010111001
7
Méthodeso Tâche : P300-Spellero Électrophysiologie : EEGo Environnement logiciel :
• En ligne : Open-ViBE [1]
• Hors ligne : Matlab, Elan [2]
o Traitements de données :• Sélection de caractéristiques : Filtre temporel, fréquentiel et spatial (xDAWN [3])• Classifieur : mixture de gaussiennes
o Évaluation :• Performance : taux de lettres correctes• Bit rate : taux d’information transmise par unité de temps• Sensibilité, spécificité : mesures de l’efficacité d’un classifieur• Questionnaires
o Analyses statistiques : R, SPM [4][1] Renard et al, 2010, Presence: Teleoperators and Virtual[2] Aguera et al, 2010, , Comput. Intell. Neurosci.[3] Rivet et al, 2009, IEEE TBME[4] Litvak et al, 2011, Comput. Intell. Neurosci.
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
CibleNon cible
8
Expérience 1
Étude hors ligne des réponses aux feedbacks
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
9
Objectifs
Feedback
Signal de réponse au feedback ? Modulation par apprentissage ? Modulation par attention ?
Détection ?
Correction ?
Peut-on améliorer l’interaction en
exploitant un signal de satisfaction ?
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
10
Temps (ms)
Ampl
itude
(µV)
CorrectErreur
Les signaux de réponse au feedback
Signaux modulés par la prédictibilité apprentissage
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Signaux modulés par la valence du feedback
FRN
P3
Holroyd et al., 2007, Psychophysiology
Attendu (erreur difficile – correct facile)Inattendu ( erreur facile – correct difficile)
Temps (ms)
Ampl
itude
(µV)
FCz
Stimulus auditif
1 sec
Clic avec une souris
Réponse correcte
DifficileErreurs fréquentes
attendues
FacileErreurs rares inattendues Différence entre feedbacks négatifs et positifs
Cohen and Ranganath, 2007, J. NeuroscienceFriston, 2005, Philos Trans R Soc Lond B Biol Sci
Réponses au feedback
11
Leur utilisation dans les ICM
Spüler et al., 2012, Clinical Neurophysiology
Détection de l’ErrP
• Appelées ErrP• Des études sur le sujet depuis une dizaine d’années• Beaucoup d’études hors ligne• Avant 2012 : études avec maximum 6 sujets
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
• Stratégies de correction (Rousseau, 2012) :• Annulation de la commande• Remplacement par le second choix du classifieur• Itération de la commande
12
Protocole expérimental
• EEG (32 électrodes)• 19 sujets sains• Paramètres :
3 Répétitions Flashs toutes les 190 ms Étalonnage : 25 lettres 3 sessions de 24 mots de 5 lettres (360 lettres)
En moyenne : 80% de lettres correctes attendues
• Maby, Perrin et al. HBM Conf. 2010 ; • Maby, Perrin et al., in prep.
P300 Speller utilisant le logiciel OpenViBE
Feedbacks complètement contrôlés : 20% de feedbacks négatifs 80% de feedbacks positifs
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
13
P O M F E G P A D E K O B L A M A 6I 8
En pratique
POMME
PXMME
POMFE
Expérimentateur
Vue du sujet
Feedbacks envoyés
F P B
feedback négatif attendu feedback négatif inattendu
Enregistrement des réponses « réelles »
Une réponse réelle correcte correspond à un niveau attentionnel élevé
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
P O M G A E K O L M A 6IAA
feedback positif attendu feedback positif inattendu
14
• Sélection de fenêtres temporelles (SPM) 250-310 ms FRN 380-750 ms fenêtre 380-460 ms pour P3
• Analyse de variance sur données essai par essai (R)
Les réponses au feedback sont-elles présentes dans le contexte des ICM ?
FRN
P3
* ***
Temps (ms)
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Feedback négatifFeedback positif
• Étude électrophysiologique classique• Prétraitements
Filtrage 0.1-20 Hz Correction des artefacts oculaires avec une ICA Rejet manuel d’artefacts
Temps (ms)
Ampl
itude
(µV)
Holroyd et al., 2007, Psychophysiology
Correct Erreur
FRN
P3
Condition facile23% d’erreurs
15
Reflètent-elles l’apprentissage ?
Réponses plus amples pour les feedbacks inattendus Reflet de l’apprentissage des règles d’apparition des erreurs
FRN réduite pour les erreurs réelles Reflet de l’attention
Feedbacks envoyés
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Sont-elles modulées par l’attention ?Les réponses au feedback
Performances réelles
Feedbacks envoyés
*
**
Temps (ms)
*
Erreurs réellesCorrects réels
Temps (ms)
Holroyd et al., 2007
****
Erreurs réellesCorrects réels
Feedbacks négatifs – feedbacks positifs
Est-ce que la machine était performante ? 8/10
Feedbacks attendusFeedbacks inattendus
16Nombre de lettres d’étalonnage
SensibilitéSpécificité
Peut-on détecter les réponses au feedback ?• Fenêtre temporelle : 200-600 ms• Étalonnage : de 25 à 250 lettres• Test sur les 110 lettres
100 200 250 36015050
Données de test
0
Données d’étalonnage
Temps (ms)
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
• Sensibilité =
• Spécificité =
• Spécificité très élevée• Sensibilité augmente avec le nombre de lettres utilisées pour l’étalonnage
FB neg. bien détectésNombre total de FB neg.
FB pos. bien détectésNombre total de FB pos.
FRN
P3
17
A B C D E F
G H I J K L
M N O P Q R
S T U V W X
Y Z 1 2 3 4
5 6 7 8 9 _
Peut-on corriger les erreurs ?
SC: Pertinence du second choix (lorsque le 1èr choix est faux)
= 53%
Gain théorique lié à la correction : ~3%
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
0,4 0,5 0,6 0,7 0,8 0,9 1
SC (%
)
% lettres correctes
Pertinence du second choix en fonction de la performance
R = 0,50P < 0.05
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
-6-4-202468
101214
Participants
Gai
n (%
)
18
Conclusion expérience 1Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
• Perrin et al., 2011, 5th int. BCI conf. Graz• Perrin et al., in preparation
Réponse au feedback modulée par apprentissage
et attentionDétection
Correction
Peut-on améliorer l’interaction en
exploitant un signal d’erreur ?
19
Expérience 2
Évaluation en temps-réel de la correction automatique
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
20
Objectifs
Satisfaction ?
Détection ?
Correction ?
Peut-on améliorer l’interaction en
exploitant un signal d’erreur ?
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Localiser les sources corticales des réponses aux feedbacks Évaluer l’efficacité d’un nouveau mode de stimulation par groupes pseudo-aléatoires de lettres
21
Protocole expérimental
• EEG (56 électrodes) /MEG (275 capteurs) • 16 sujets sains• Feedbacks réels• Conditions difficiles pour avoir des erreurs :
2 répétitions par lettre Flashs toutes les 110 ms
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Test du P300-Speller340 lettres avec feedback
Étalonnage réponse aux cibles36 lettres sans feedfack
Test de la correction100 lettres
Étalonnage réponse aux feedback240 lettres
Questionnaire
22
Détection des réponses aux feedbacks
Expérience 1 Expérience 2
Sensibilité 65% 63%
Spécificité 95% 88%
Explication :
Erreurs moins surprenantesPertinence du 2nd choix moins bonne
FRN moins ample
↘ Rapport signal sur bruitMoins bonne discrimination des signaux Second choix moins pertinent
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Correction des erreurs
Expérience 1 Expérience 2
Second Choix 53% 36%
Gain 3% 0,5%
Sur 16 participants : 50% améliorent leur performance (jusqu’à +12%), et 37.5% la détériorent (jusqu’à -19%) 44% préfèrent le mode avec correction
Expérience 1 Expérience 2
Taux d’erreurs 20% 38%
Expérience 1 Expérience 2
Taux d’erreurs 20% 38%
Feedback négatif
Réponses réellement
incorrectes : 20%
Réponses réellement
incorrectes : 100%
Expérience 1 Expérience 2
Taux d’erreurs 20% 38%
Feedback négatif
Réponses réellement
incorrectes : 20%
Réponses réellement
incorrectes : 100%
Traitements Hors ligne En ligne
23
0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.600.650.700.750.800.850.900.951.00
% lettres correctes
Spéc
ifici
té
Résultat inattendu : 2 groupes de participants
Différences entre les deux groupes (p<0.05) :
Spécificité <75% >85%
Performance 46% 72%
Second Choix 29% 45%
Gain -5% +4%
Sentiment que la machine est efficace 4,5/10 6,6/10
Sentiment de contrôle sur la machine 5,2/10 7,4/10
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Gain <0 Gain >0 Gain = 0
Préférence : Sans correction Avec correction
Spec = 0,95
Spec = 0,68
0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.600.650.700.750.800.850.900.951.00
% lettres correctes
Spéc
ifici
té
24
Différences électrophysiologiques
Différence flashs cibles – non ciblesDifférence feedbacks incorrects – corrects
Potentiel plus précoce pour le groupe avec spécificité >85%
Potentiel plus ample pour le groupe avec spécificité >85%
***
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Spec. >85%Spec. <75%
N1 importante pour la classification des ciblesDifférence attentionnelle entre les deux groupes
25
Conclusion expérience 2Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Détection ?
Correction
Peut-on améliorer l’interaction en
exploitant un signal d’erreur ?
Bit rate meilleur qu’avec une stratégie de réécriture
Perrin et al., 2012
Dal Seno et al, 2010
Spüler et al., 2012
Spécificité 88% 68% 96%
Sensibilité 63% 62% 40%
Préférence variable
Expérience 1 Expérience 2
Sensibilité 65% 63%
Spécificité 95% 88%
Conclusion expérience 2
Niveau attentionnel / motivationnel
Qualité des réponses aux flashs
Qualité des réponses aux feedbacks
Performance Second choix
Qualité de la classification des cibles
Qualité de la classification des ErrP
Efficacité de la correction
Prédictibilité du feedback
Perception de l’efficacité de la machine
Électrophysiologie
Classification
Mesures objectives
Mesures subjectives
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Préférence26
Perrin et al., 2012, Advances in human computer interaction
27
Expérience 3
Optimisation du temps de réaction de la machine
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
28
Objectifs
Peut-on améliorer l’interaction en
optimisant le temps de réaction de la
machine ?
Qualité du signal
Temps de réaction optimal Effet sur le sujet ?
3 étapes : Modification de la méthode Évaluation de la méthode hors ligne Évaluation de la méthode en ligne et de l’effet sur le sujet
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
29
Feedback
Sélection de marqueurs Classification Décision
A priori : p(x)Mise à jour après chaque nouvelle
observation/flash
Données: φp(x|φ)
p(x|φ) α p(φ|x)
Nouveau classifieurIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
NON
OUI
Suffisamment d’information ?
Moyennage à travers les répétitions
.p(x)
30
• Calcul de l’entropie de Shannon de la distribution de probabilité après chaque nouvelle observation
Quand la connaissance augmente, l’entropie diminue Lorsque l’entropie passe en dessous d’un certain seuil, la stimulation
s’arrête et la décision est prise
Critère sur l’informationIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
Évaluation hors ligneComparaisons de 2 approches sur des données réelles d’une précédente expérience :
ktN
kktt ppH ,
1, log.
◦ Approche fixe : nombre fixe de flashs (critère temporel)◦ Approche adaptative : nombre de flash optimal (critère sur l’information)
31
AdaptatifÉcart-typeFixeÉcart-type
% le
ttre
s co
rrec
tes
Résultats hors ligneRésultat en temps-réel de
Lenhardt et al. 2008
Résultats hors ligne avec nos données
(20 sujets x 60 lettres)
Mode fixe : 30 bits/minute9 sujets9 lettres
Mode adaptatif : 50 bits/minute12 sujets 22 lettres
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
• Bit rate maximal équivalent avec mode adaptatif • Bit rate en mode fixe meilleur sur nos données Gain inférieur sur nos données (+10 bits/min vs. +20 bits/min) Différence en ligne vs. hors ligne ? Effet de la motivation ?
AdaptatifÉcart-typeFixeÉcart-type
32
Expérience en temps-réel
o Protocole expérimental• EEG - 9 électrodes• 11 sujets sains• 3 conditions (100 lettres/cond.)
• Questionnaire
o Choix du seuil de décision :• Utilisation des données d’étalonnage pour estimer un seuil qui correspond
environ à 24 et 60 flashs en moyenne
Fixe Adaptatif prudent Adaptatif risqué5 rep 15 rep max
5 rep en moyenne(=60 flashs)
15 rep max2 rep en moyenne
(=24 flashs)
Comparaisons hors ligne Effet de la motivation Effet de la méthode
Comparaison en ligne Effet global
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
33
***
**
RésultatsPerformance en temps-réel Performance hors-ligne
Données réanalysées avec une décision fixe sur les 2 premières répétitions
L’approche adaptative est plus efficace et augmente la motivation Performances encore meilleures
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
30%
40%
50%
% le
ttre
s co
rrec
tes
50 52 54 56 58 60 62 640.60
0.70
0.80
0.90
1.00FixeAdaptatif prudent
Nombre de flashs
% le
ttre
s co
rrec
tes
60 flashs = 5 répétitions
Effet global : +10% Effet motivation : +6%Effet méthode : +4%≈ +
34
Préférences des sujets
Conclusion• Modes adaptatifs plus efficaces que mode fixe
• Modes adaptatifs plus agréables d’utilisation
• Effet vertueux des modes adaptatifs qui favorisent la motivation et améliorent ainsi les performances Coadaptation cerveau-machine
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Perrin et al., In preparation
• Plus motivant• Plus stimulant
• Plus fiable• Plus prédictible
• Plus précis• Moins de concentration nécessaire
36
SynthèseIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
Action
Action
Perception
Perception
• Signaux d’erreur (exp1) • Reflet de l’apprentissage (exp1 et 2)• Modulation par l’attention (exp1 et 2)
• Correction peu efficace mais très sujet-dépendante (exp1 et 2)• Décision adaptative très efficace (exp3)
exp1 et 2
Attention ↗
Performance ↗
Correction ↗
Coté cerveau Coté machine
Interaction
Remarques importantes :• Effets observés en temps-réel ≠ Effets observés hors ligne Utilisateur adaptatif• Préférences différentes d’un sujet à l’autre Importance d’une adaptation individualisée
010111001
exp3
ICM adaptative
Motivation ↗
Performance ↗
36
37
PerspectivesIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
Action
Action
Perception
Perception
• Étude des sources corticales Augmenter connaissance• Autres marqueurs (ssvep1)
• Correction : biais2, a priori3, thêta4…• Machine adaptative : optimisation compromis performance/temps, écriture prédictive• Ergonomie : nouveaux casques…
Décision adaptative
Motivation ↗
Correction ↗ ?
Coté cerveau Coté machine
Interaction
010111001
[1] Edlinger et al, 2011, 6th int Conf on Universal access in human-computer interaction.[2] Spüler et al., 2012, Clinical Neurophysiology[3] Ahi et al, 2011, IEEE Trans Neural Syst Rehabil Eng[4] Rousseau et al., 2012, Thèse
40
Essai patiente
Maby, Perrin et al, 5th International BCI Conference 2011
Etalonnage
Test PerfClassificatio
n
Train01 Sess01 24,4% 53,7%
Sess02.01 Sess02.02 15,6% 37,8%
Sess03.01 Sess03.02 15,0% 52,5%
Sess04.01 Sess04.01 27,3% 48,9%
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Répartition des erreurs
Healthy subjects
Poor performerAccuracy : 43.8 %
Good performerAccuracy : 99.4 %
PatientAccuracy : 22.6 %
CibleNon cible
Oddball actif
41
Perspective clinique
Laureys et al. Lancet Neurol 2004
Intendix(Guger Technologies)
Supprimer toutAlarme
Copie dans un mail Sauvegarde
EspaceSortie vocale
Impression
Origine de la différence entre sujets sains et locked-in syndrome ?
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Guenther, PLoS ONE 2009(groupe Kennedy, Atlanta USA)
- Patient « Locked-in »
- Décodage et synthèse du langageen temps-réel (délai ~50 ms)
- Après un court apprentissage,les performances de productionde voyelles sont de 70%
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
43
Temps (ms)
Ampl
itude
(µV)
CorrectErreur
Les signaux de réponses au feedback
Réponse motrice pas indispensable
Signaux modulés par l’erreur de prédiction apprentissage
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
PerteGain
Choix
Temps (ms)
Cz
CzPerteGain
Pas de réponse
Temps (ms)
Signaux modulés par la
valence du feedback
FRN
P300
FRN
P300
Correct facileErreur difficileCorrect difficileErreur facile
Temps (ms)
Holroyd et al., 2007, Psychophysiology
Yeung et al., 2005, Cerebral Cortex
FCz
Attendu (erreur difficile – correct facile)Inattendu ( erreur facile – correct difficile)
Temps (ms)
Ampl
itude
(µV)
FCz
44
Réponse au feedback
Feedback négatifFeedback positif
-1000 1000 2000 3000 4000 5000 ms0
-1000 1000 2000 3000 4000 5000 ms0
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Effet Perf sur session 3
Erreurs réellesCorrects réels
45
Modulations des réponses au feedback
Feedbacks envoyés
Temps (ms)Temps (ms)
Performances réelles
Feedbacks envoyés
****
*
**
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Erreurs réellesCorrects réelsFeedbacks attendus
Feedbacks inattendus
46
• Pc = 1-P * Sens. * SC + P * Spec.
00,10,20,30,40,50,60,70,80,9
1
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
SC (%
)
% lettres correctes
Pertinence du second choix en fonction de la performance
3 rep2 rep1 rep
Nombre de lettres d’étalonnage
SensibilitéSpécificitéPPc
CorrectionIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
-6-4-202468
101214
3 Rep. 1 Rep.
Participants
Gai
n (%
)
47
Évolution de la classification
CorrectsErreurs
Au début de la calibration A la fin de la calibration
Nombre de lettres d’étalonnage
SensibilitéSpécificité
Au milieu de la calibration
CorrectsErreursCorrectsErreurs
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Choix de la fenêtre temporel Choix du nombre de filtres spatiaux
Choix des paramètres de détection des feedbacks négatifs
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
48
49
Correction automatique
erreurs corrects
correction 23.7% 7.6%
correction 14% 54.7% S01 21.75 16.27 13.55S03 3.25 3.01 3.27S04 6.00 5.45 5.14S06 4.69 5.45 4.37S12 12.23 9.68 8.88S14 10.20 8.97 9.39S02 12.23 13.01 14.24S05 18.29 18.68 19.23S07 26.10 25.63 24.43S08 25.08 25.48 24.79S09 15.51 15.34 15.38S10 21.30 23.51 26.59S11 25.58 24.78 24.40S13 7.42 7.82 10.43S15 10.20 10.30 11.97S16 27.15 28.07 28.61
All 13.06 12.70 12.81Spec <0.75 9.03 7.71 7.37Spec >0.85 18.21 18.77 19.56
No correctionError detection and respelling
Error detection and automatic correction
(online)
Subjects
Spelling mode (bits/min)
meta-subjects
Réponses aux feedbacks
Spec. > 85%
Spec. < 75%
Feedbacks correctsFeedbacks incorrectsFeedbacks correctsFeedbacks incorrects
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Différences inter-individuelles
0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
% lettres correctes
Sens
ibili
té d
e la
dét
ectio
n de
s er
reur
s
0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.20
0.25
0.30
0.35
0.40
0.45
0.50
0.55
0.60
0.65
% lettres correctes
Perti
nenc
e du
2nd
cho
ix
0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.600.650.700.750.800.850.900.951.00
% lettres correctes
Spéc
ifici
té
Gain <0 Gain >0 Gain = 0
Préférence : Sans correction Avec correction
Spec = 0,95
Spec = 0,68
0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.600.650.700.750.800.850.900.951.00
% lettres correctes
Spéc
ifici
té
+1%
-3%-2%
Gain <0 Gain >0 Gain = 0
52
0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.60
0.70
0.80
0.90
1.00
% lettres correctes
Dét
ectio
n de
s er
reur
s
p < 0.05 r = 0.62
Effet de la performance sur la correction des erreurs
Effet de la performance sur la détection des erreurs
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
détection correction
0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.000.20
0.30
0.40
0.50
0.60
0.70
% lettres correctes
Seco
nd C
hoix p <0.001
r = 0.78
Effet de la performance sur la
53
Détection des erreurs en essai unique1er auteur Visconti DalSeno Spüler Schmidt Perrin
Année 2008 2010 2012 2012 2012
Tâche P300-Speller P300-Speller P300-Speller indépendant de la direction du
regardP300-Speller
Nombres de sujets
5 2 98 sujets
âgés5 patients 11 16
Electrodes Fz, Cz, Pz, Oz 16 électrodes 57 électrodes 32 électrodes
Epoch [-100 500] ms [100-800] ms [150-900] ms [200 600] ms
Filtrage 1-10 Hz 0,5-16 Hz ? 1-20 Hz
Classifieur LDA appliqué aux
coefficients polynomiaux
LDA SVM avec une fonction de base
radialeLDA
mixture de deux gaussiennes
Nombre d'essais pour l'étalonnage
413 en moyenne258 ou 374 (pour sujet 1 ou sujet 2)
323 en moyenne
274 en moyenne
223 en moyenne
390 en moyenne, dans une tâche différente
300 en moyenne 240
% Feedbacks incorrects
17% 25 ou 22% ~25% (paramètres adaptés à
chaque sujet dans ce but)
~15% ~20%38%
paramètres adaptés pour avoir 15%
Type de testValidation croisée
hors ligneTest en temps-réel Test en temps-réel Test en temps-réel Test en temps-réel Test en temps-réel
Spécificité 55 à 91% 66 ou 69% 96% 94% 91% 94% 95% 88%
Sensibilité 46 à 84% 58 ou 66% 40% 51% 35% 38% 66% 63%
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
54
Détection des erreurs en essai unique1er auteur Visconti DalSeno Ferrez (a) Ferrez Ferrez (b) Chavarriaga Iturate Lopez Kreilinger Spüler Schmidt Perrin
Année de publication 2008 2010 2008 2007 2008 2010 2010 2010 2012 2012 2012 2012
Tâche P300-Speller Clic vers une cible (simulation d'ICM)
Contrôle d'un carré sur un écran par imagerie motrice
Observation d'un jeu de Memory
Observation d'un robot
Estimation de la durée d'une
seconde
contrôle d'un bras robotisé par imagerie motrice
P300-Speller P300-Speller
indépendant de la direction du regard
P300-Speller
Nombres de sujets
5 2 5 6 2 6 4 5 10 98 sujets
âgés5 patients 11 16
Electrodes utilisées
Fz, Cz, Pz, Oz FCz et Cz Fz, FC1, FC2, FCz, Cz, Cp1, CP2,
Cpz laplacian autour
de Cz16 électrodes 57 électrodes 32 électrodes
Fenêtre temporelle
[-100 500] ms [150-650] ms [250-400] ms [200-800] ms [200-600] ms [200 400] ms [100-800] ms [150-900] ms [200 600] ms
Filtrage fréquentiel
1-10 Hz 1-10 Hz 0.5-10 Hz 0,5-10 Hz 0,5-16 Hz ? 1-20 Hz
Classifieur LDA appliqué
aux coefficients polynomiaux
LDA mixture de deux gaussiennesv-SVM avec une fonction de
base radialeLDA
SVM avec une fonction de base radiale
LDA mixture de deux
gaussiennes
Nombre d'essais pour l'étalonnage
413 en moyenne
258 ou 374 (pour sujet 1 ou sujet 2)
~1500 sur deux jours (J1 et J2)
~15001500x6 sujets :
données issues de Ferrez et al, 2007
~900 ~2000 200 600 ~160323 en
moyenne274 en
moyenne223 en
moyenne
390 en moyenne, dans une
tâche différente
300 en moyenne
240
% Feedbacks incorrects
17% 25 ou 22% 20% (feedback biaisé)20%
(feedback biaisé)
20% (feedback biaisé)
~32% 5 à 33% 50% 50% 27%~25% (paramètres adaptés à
chaque sujet dans ce but)
~15% ~20%
38%
paramètres adaptés pour avoir 15%
Type de testValidation
croisée hors ligne
test en temps-réel
Validation croisée et test hors ligne
(étalonnage sur J1, test sur J2)
Validation croisée hors
ligne
Test en temps-réel
Test en temps-réel
Test hors ligneValidation
croisée hors ligne
Validation croisée hors
ligne
Validation croisée hors
ligneTest en temps-réel
Test en temps-réel
Test en temps-réel
test en temps-réel
Spécificité 55 à 91% 66 ou 69% Val-croisée : 83%
82% 82% 88% Chance level 82.5% J1 : 74%
Détail non précisé,
exactitude : 61%
96% 94% 91% 94% 95% 88%Test sur J2 : 84% J2 : 81%
Sensibilité 46 à 84% 58 ou 66% Val-croisée : 83%
76% 82% 75% Chance level 79%J1 : 79%
40% 51% 35% 38% 66% 63%Test sur J2 : 79% J2 : 78%
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
55
N170 ★ 160-200 ms (N170)
EEG
MEG
Aucune différence entre les conditions
PO7
MRT35
Bad feedbackGood feedback
MEG/EEGFWE corr.
p<0.05
Aire V1 bilatérale et gyrus fusiforme
en accord avec Henson et al, Neuroimage, 2009
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
56
FRN/P3 : Résultats de scalp ★ 230-400 ms (FRN+P300)
FCz
★ 310-450 ms (~P300)
MRT14
★ 260-280 ms (~FRN)
MLT14
EEG
MEG
En MEG, deux fenêtres temporelles émergent. Elles correspondent aux latences de la FRN et de la P300.
Différences claires entre les réponses aux feedbacks positifs et négatifs, dominés par les ondes FRN et P300.
Feedbacks négatifsFeedbacks positifs
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
57
Reconstruction de sources
★ FCRP (Feedbacks positifs 260-280 ms, N=15)
EEG
MEG
Gyrus occipital moyen et inférieur
Cortex cingulaire supérieur et médian
Gyrus pariétal inférieurGyrus temporal moyen
Uncorr. p<10-5
FWE corr. p<0.05
z=10 y=-82 y=-15x=0
z=-1 y=-47 y=-78x=-32
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
58
Reconstruction de sources
★ FCRP (Feedbacks positifs 260-280 ms, N=15)
MEG/EEG
Gyrus frontal inférieur Gyrus précentralAire motrice supplémentaire
Gyrus occipital supérieur Gyrus temporal inférieur
Uncorr. p<10-5
z=28 x=24 z=-11 y=-58
z=22 y=14 y=-8x=17 y=-21x=38
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
59
Reconstruction de sources
★ FRN - FCRP (Feedbacks négatifs – feedbacks positifs, 260-280 ms,
N=11 i.e. sujets avec suffisamment d’essais « erreurs »)
Gyrus frontal
inférieur
Gyrus temporal inférieur
MEG/EEGUncorr. p<10-4
z=12 y=14
z=-9 y=-60
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Gyrus frontal inférieur Gyrus temporal moyenAire motrice supplémentaire
Gyrus occipital supérieur Gyrus temporal inférieur
Reconstruction de sources
★ FCRP (Feedbacks positifs 260-280 ms, N=15)
MEGUncorr. p<10-5
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Gyrus occipital moyen
Literature review
Dorsal PCC
Donamayor et al, 2011/2012• Gambling task / Time-reaction task• MEG / simultaneous EEG-MEG• Reconstruction of the difference between bad and good feedbacks with LORETA
250-315 ms
Bellebaum et al, 2008• strategy task• EEG• Reconstruction of the difference between bad and good feedbacks with LORETA
230-270 ms
Ferrez et al, 2008• Simulated BCI• EEG• Reconstruction of the difference between bad and good feedbacks with LORETA
Rostral cingulate
zone (ACC)et pre-SMA
250 ms
300 ms (unexp. BFB)
PCC
320 ms (exp. BFB)
Caudal ACC
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
62
Stimulation statique aléatoire (SRS): la cible est toujours associée aux mêmes items distracteurs
Stimulation dynamique aléatoire (DRS): l’assocation entre items change d’une répétition à la suivante
Dilution d’erreur : nouveau mode de flashage
Nrep: 1 Nrep: 2 Nrep: 3
Nrep: 1 Nrep: 2 Nrep: 3
B
75% des erreurs sont dans le
groupe de lettres qui contient la
cible
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
1st repetition 2nd repetition3rd repetition4th repetition
Exemple simplifié : évolution du signal et des probabilités au cours du temps
5th repetition
Différences plus grandes entre signaux cibles et non cibles effet moins dévastateur d’une stimulation perturbatrice Devrait permettre d’améliorer la classification
Lettre cible : M
DRSSRS
Probabilité d’être la cible
Somme cumulée du signal
Simulations simplifiées :signaux aléatoires issus d’une moyenne et d’une variance choisies de manière arbitraire pour les groupes de lettres cibles et non cibles.
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
64
Mode de flashage :stimulation dynamique vs. statique
Stimulation dynamique (DRS) plus efficace dès 2 répétitions
2 rep 4 rep0.50
0.55
0.60
0.65
0.70
0.75
0.80
0.85
0.90 Splotch
SuperSplotchSRSDRS
***
**Nrep x stim: **
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10.2
0.4
0.6
0.8
1.0
Taux d’erreur dans le groupe de lettres de la cible en SRS
% le
ttre
s co
rrec
tes
p = 0.037r = 0.56
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
65
Analyses hors ligne à 8-9 capteurs
32 chan 8 chan 9 chan2 rep 68% 44% 41% 40% 39% 56%4 rep 84% 66% 63% 59% 57% 76%
Objectif : améliorer le confort des participants en réduisant la durée d’installation utilisation clinique
Choix des capteurs adapté de Cecotti et al. 2011en réanalysant hors ligne les données de l’expérience 2
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
66
Pré-testsIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
AdaptatifFixe
Simulations (1000 lettres par point)
1 2 3 4 5 6 7 8 9 1030
40
50
60
70
80
90
100
StaticDynamic
Nombre de répétitions
% le
ttre
s co
rrec
tes
Données réelles (60 lettres x 20 sujets par point)
Évaluation du nouveau classifieur
Statique
Dynamique
Évaluation du mode adaptatif
% le
ttre
s co
rrec
tes
67
Évaluations exp3Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
0
5
10
15
20
25
30
Bits
/min
ute
** ***
Risqué
Risqué
Fixe
Risqué
Fixe
Fixe 2rep
Prudent
Fixe 2rep
En ligne :
Hors ligne :
Effet de la méthodeEffet motivationnel
20 25 30 35 40 45 50 55 60 650.40
0.50
0.60
0.70
0.80
0.90
5 répétitions fixesDynamique "prudent"Dynamique "risqué"
Nombre de flashs
% le
ttre
s co
rrec
tes
En ligne Hors ligne
**
Fixe Adaptatif prudent
Adaptatif risqué
15
17
19
21
23
25
Bits
/min
ute
**
Expérience comparant le mode standard et le mode optimisé
Expérience comparant le mode standard et le mode optimisé
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
N=12 Standard Optimisé
Rapide 4,6 lettres correctes/minute Perf : 62%
4,5 lettres correctes/minute Perf : 62%
Lent 3,9 lettres correctes/minute Perf : 78%
4,4 lettres correctes/minute Perf : 91%
Préférences :
67%
8%8%
17%
Questionnaire (Dynamique lent vs. Fixe lent) : motivation ↗ ; contrôle de la machine ↗
69
Amélioration de la correction grâce aux résultats de l’expérience 3
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Décision adaptative augmente la motivation Modulation du seuil pour obtenir une motivation optimale
Évaluation d’un niveau de confiance
Décision
Lettre correcte
Lettre incorrecte
Lettre suivante
Correction par 2nd
meilleur choix
Classification des réponses au feedback
Confiance sur la lettre
(entropie)
Confiance sur le 2nd choix (distance de
Kullback-Leibler)
Flashs supplémentaires
bonnemauvaise
Qualité des réponses aux flashs
Qualité des réponses aux feedbacks
Kreilinger et al, 2012Error potential detection during continuous movement of an artificial arm controlled b
brain-computer interface• Tâche : imagerie motrice• Traitement des données :
– 16 électrodes– Epochs : 200 ms à 400 ms– Filtrage 0.5-10 Hz– Classifieur : LDA– 10x10 cross-validation hors ligne
• Nombre de sujets : 10 (-1)• Nombre d’essais et résultats :
~160 essais (27% d’erreurs), Accuracy : 61.4%
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Iturate et al, 2010Single trial recognition of error-related potentials during observation of robot
operation
• Tâche : Observation des mouvements d’un robot jugement qualitatif
• Traitement des données : – 8 électrodes : Fz, FC1, FC2, FCz, Cz , CP1, CP2 et CPz – Epochs : 200 ms à 800 ms– Filtrage : 0,5-10 Hz– Classifieur : v-SVM with a radial basis function kernel (Ferrez&Millan, 2008)
• Nombre de sujets : 4• Nombre d’essais et résultats :
– 100 essais de chaque classe
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
72
Intérêt de l’apprentissage continueIntroduction Expérience 1 Expérience 2 Expérience 3 Discussion
73
Données : BCI competition (2 sujets)
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Effet de la taille de la fenêtre et du classifieur
74
• Étalonnage : maximisation de Puissance Signal 1
Puissance Signal 1 + Signal 2 + bruit
Fonctionnement xDAWN
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
• Calcul de plusieurs filtres orthogonaux : choix du nombre de filtres optimal (5 ?)
xDAWN classifieur
• En temps-réel :
75
xDAWNExp 0, suj2 Exp 1, suj23Exp 0, suj1 (MP)
Exp 3, suj11Exp 2, filtre FB, suj10 +12%
Exp 2, suj1
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
76
Exemple d’une ICM : Objectif : restauration du contrôle moteur
Introduction Expérience 1 Expérience 2 Expérience 3 Discussion
Décodage du
mouvement
Encodage tactile
artificiel
Contrôle cérébral
Contrôle manuel
Exploration active
O’Doherty et al., 2011, Nature
Interface cerveau-machine-cerveau Décodage du signal moteur Encodage de la stimulation tactile Stimulation cérébrale du cortex somatosensoriel
Feedback