Interfaces Cerveau-Machines basées sur l'imagination de mouvements brefs : vers des boutons contrôlés par la pensée

Brain Computer Interfaces are a new type of device, allowing direct communication between a user's brain and a machine. Such devices have been proposed based on non-invasive brain activity measurements using electroencephalography (EEG). One of the challenges in this domain is to extract in real time a sufficiently complex and robust signal from a very limited and noisy source of information, in order to control a program or an assistive device. This thesis explores three aspects of Brain Computer Interfaces. The first goal is to enhance the spatial resolution of EEG using source localization methods. These methods can reconstruct detailed cortical activity based on non-invasive scalp measurements. The second aspect is inspired by a BCI that uses foot motor imagination to send a unique command. This started with the study of short movement imaginations and led to a new type of BCI called brain-controlled buttons. The BCI we created enables the user to send commands, in a self paced manner, by imagining different movements. Finally, we develop a method, based on stochastic bandits theory, to automatically and efficiently select between different types of imagined movements those that are the most detectable from a resting state and thus the most appropriate to control a BCI. In parallel, we developed a Matlab toolbox that automates, via off-line analysis, the comparison of different methods and the selection of all the parameters used in a BCI.Les Interfaces Cerveau Machine (ICM) sont des dispositifs d'un type nouveau permettant la communication directe entre le cerveau d'un utilisateur et une machine. De tels dispositifs peuvent être réalisés grâce à la mesure non-invasive d'informations provenant du cortex par électroencéphalographie (EEG). Un des enjeux principaux du domaine est de réussir à extraire en temps réel, à partir d'une source d'information très limitée et bruitée, un signal de commande robuste et suffisamment complexe pour permettre le contrôle d'un programme ou d'un effecteur. Dans cette thèse nous avons contribué à l'amélioration des ICM sur trois points. Tout d'abord, nous avons exploré la possibilité d'augmenter la résolution spatiale de l'EEG en utilisant des méthodes permettant de construire l'activité corticale en temps réel. D'autre part, inspirés par une ICM utilisant l'imagination motrice des pieds pour envoyer une commande unique, nous nous sommes intéressés aux signaux produits par l'imagination de mouvements brefs. Cela nous a permis de développer un nouveau type d'ICM appelé bouton commandé par la pensée. Une telle ICM permet à l'utilisateur d'envoyer, de façon asynchrone, plusieurs commandes en imaginant différents mouvements. Finalement, nous avons développé une méthode, basée sur la théorie des bandits stochastiques, pour sélectionner automatiquement et efficacement le mouvement imaginé le plus discernable de l'état de repos et permettant ainsi le meilleur contrôle de l'ICM. En parallèle, nous avons développé une boîte à outils Matlab qui automatise l'ajustement des paramètres et la comparaison des différentes méthodes utilisées pour réaliser une ICM