Interface Cerveau Machine avec adaptation automatique à l'utilisateur

Nous nous interessons ici a une interface cerveau-machine (BCI, Brain Computer Interface) permettant de commander une prothese par la pensee. Le role du BCI est de decoder a partir de signaux electroencephalographiques (EEG) le mouvement desire par le sujet. Le coeur du BCI est un algorithme de classification caracterise par le choix des descripteurs des signaux et des regles de decision. L'objet de cette these est de developper un systeme BCI precis, capable d'ameliorer ses performances en cours d'utilisation et de s'adapter a l'utilisateur sans necessiter de multiples sessions d'apprentissage. Nous combinons deux moyens pour y parvenir. Le premier consiste a augmenter la precision du systeme de decision en recherchant des descripteurs pertinents vis a vis de l'objectif de classification. Le second est d'inclure un retour de l'utilisateur sur le systeme de decision : l'idee est d'estimer l'erreur du BCI a partir de potentiels cerebraux evoques, refletant l'etat emotionnel du patient correle au succes ou a l'echec de la decision prise par le BCI, et de corriger le systeme de decision du BCI en consequence. Les principales contributions de la these sont les suivantes : nous avons propose une methode d'optimisation de descripteurs a bases d'ondelettes pour des signaux EEG multivoies ; nous avons quantifie theoriquement l'amelioration des performances apportee par le detecteur ; un simulateur du systeme corrige et boucle a ete developpe pour observer le comportement du systeme global et comparer differentes strategies de mise a jour de l'ensemble d'apprentissage ; le systeme complet a ete implemente et fonctionne en ligne dans des conditions reelles.