REBEL : REdefining Brain-Computer Interfaces to Enable their users to achieve controL mastery


Projet ANR Jeune Chercheur Jeune Chercheuse

Période : 2016-2019

Partenaires : Inria Bordeaux Sud-Ouest, team Potioc, Laboratoire Handicap, Cognition, Santé, Université de Bordeaux

Financement : ANR

Résumé : Les interfaces Cerveau Ordinateur (BCI pour Brain-Computer Interfaces en anglais) sont des systèmes de communication qui permettent à leurs utilisateurs d’envoyer des commandes à un ordinateur en utilisant uniquement leur activité cérébrale. Alors que les BCI sont très prometteuses comme technologie d’assistance ou pour l’interaction homme-machine (IHM), elles sont très peu utilisées en dehors des laboratoires en pratiques, à cause de leur faible fiabilité. Concevoir une BCI nécessite 1) que l’utilisateur apprenne à produire des motifs d’activité cérébrale distincts, et 2) que la machine reconnaisse ces motifs en utilisant des techniques de traitement du signal. Jusqu’à présent, la plupart des travaux de recherche se sont focalisés sur le traitement du signal. Cependant, l’entrainement de l’utilisateur est tout aussi important mais est relativement peu étudié, et s’appuie sur des heuristiques qui ne respectent pas les principes d’apprentissage humain. Ainsi, la faible fiabilité actuelle des BCI est probablement due à un entrainement des utilisateurs sous-optimal. Ainsi, nous proposons de créer une nouvelle génération de BCI qui applique les principes d’apprentissage humain dans sa conception afin de s’assurer que les utilisateurs puissent apprendre des capacités de contrôle des BCI de grande qualité, rendant ainsi les BCI fiables. Cela pourrait changer l’IHM comme les BCI avaient promis de le faire, mais avaient échoué jusqu’à présent.

Membres :

  • Fabien Lotte, Inria, Responsable du projet
  • Bernard N’Kaoua, Université de Bordeaux
  • Camille Jeunet, Inria / Université de Bordeaux (ancienne doctorante dans le projet – collaboratrice extérieure maintenant)
  • Léa Pillette, Inria, doctorante
  • Suzy Teillet, Inria, (ancienne stagiaire sur le projet – Février-Juin 2016)
  • Aline Roc (stagiaire sur le projet, non-financée par le projet)

Publications
Articles de journaux:

  1. A. Meinel, S. Castaño-Candamil, B. Blankertz, F. Lotte, M. Tangermann, « Characterizing Regularization Techniques for Spatial Filter Optimization in Oscillatory EEG Regression Problems« , Neuroinformatics, 2018 – accepted – draft pdffinal versioncode
  2. F. Lotte, C. Jeunet, « Defining and Quantifying Users’ Mental Imagery-based BCI skills: a first step« , Journal of Neural Engineering, vol. 15, no. 4, 2018 – linkpdf code
  3. C. Jeunet, F. Lotte, J.-M. Batail, P. Philip, J.-A. Micoulaud-Franchi, “Using recent BCI literature to deepen our understanding of clinical neurofeedback: a short review”, Neuroscience, vol. 378, pp. 225-23, 2018 – pdf
  4. F Lotte, L Bougrain, A Cichocki, M Clerc, M Congedo, A Rakotomamonjy, and F Yger, « A Review of Classification Algorithms for EEG-based Brain-Computer Interfaces: A 10-year Update« , Journal of Neural Engineering, vol. 15, no. 3, 2018 – linkpdf
  5. . Fovet, J.-A. Micoulaud-Franchi, F.-B. Vialatte, F. Lotte, C. Daudet, J.-M. Batail, J. Mattout, G. Wood, R. Jardri, S. Enriquez-Geppert, T. Ros, « On assessing neurofeedback effects: should double-blind replace neurophysiological mechanisms? », Letter to the Editor, Brain, 2017 – pdf
  6. F. Yger, M. Bérar, F. Lotte, « Riemannian approaches in Brain-Computer Interfaces: a review », IEEE Transactions on Neural System and Rehabilitation Engineering, 2017 – pdf
  7. M. Arns, J.-M. Batail, S. Bioulac, M. Congedo, C. Daudet, D. Drapier, T. Fovet, R. Jardri, M. Le Van Quyen, F. Lotte, D. Mehler, J.-A. Micoulaud-Franchi, D. Purper-Ouakil, F. Vialatte, The Next Group, « Neurofeedback: one of today’s techniques in psychiatry? », L’Encéphale, 2017 – pdf
  8. Chavarriaga, M. Fried-Oken, S. Kleih, F. Lotte, R. Scherer, « Heading for new shores! Overcoming pitfalls in BCI design », Brain-Computer Interfaces, pp. 1-14, 2016 – pdf

Articles de conférences:

  1. L. Pillette, C. Jeunet, R. N’Kambou, B. N’Kaoua & F. Lotte, “Towards artificial learning companions for mental imragery-based brain-computer interfaces”, Workshop on “Affects, Artificial Companions and Interaction” (WACAI 2018), 2018 – accepted – pdf
  2. C. Jeunet, B. N’Kaoua & F. Lotte, “Towards a cognitive model of MI-BCI user training”, 7th international BCI conference, 2017 – pdf
  3. F. Lotte, C. Jeunet, “Online classification accuracy is a poor metric to study mental-imagery based BCI user learning: An experimental demonstration and new metrics”, 7th international BCI conference, 2017 – pdf
  4. L. Pillette, C. Jeunet, B. Mansencal, R. N’Kambou, B. N’Kaoua, F. Lotte, “PEANUT : Personalised Emotional Agent for Neurotechnology User-Training”, 7th international BCI conference, 2017 – pdf
  5. J. Mladenovic, J. Frey, M. Bonnet-Save, J. Mattout, F. Lotte, « The Impact of Flow in an EEG-based Brain Computer Interface », 7th international BCI conference, 2017
  6. S. Teillet, F. Lotte, B. N’Kaoua, C. Jeunet, « Towards a Spatial Ability Training to Improve Motor Imagery based Brain-Computer Interfaces (MI-BCIs) Performance: a Pilot Study« , IEEE International Conference on Systems Man and Cybernetics (IEEE SMC), 2016 – pdf

Chapitres de livre:

  1. F. Lotte, C. Jeunet, J. Mladenovic, B. N’Kaoua, L. Pillette, « A BCI challenge for the signal processing community: considering the human in the loop », IET Book ‘Signal Processing and Machine Learning for Brain-Machine Interfaces’, Eds Tanaka & Arvaneh, 2018 – accepted – pdf
  2. Lotte, CS Nam, A Nijholt, “Evolution of Brain-Computer Interfaces”, BCI Handbook, Taylor & Francis, 2018
  3. J Mladenović, J Mattout, and F Lotte, “A Generic Framework for Adaptive EEG-Based BCI Training and Operation”, BCI Handbook, Taylor & Francis, 2018
  4. C Jeunet, S Debener, F Lotte, J Mattout, R Scherer, and C Zich, “Mind the Traps: Design Guidelines for Rigorous BCI Experiments”, BCI Handbook, Taylor & Francis, 2018

Résumés et papiers courts:

  1. L. Pillette, A. Appriou, A. Cichocki, B. N’Kaoua, F. Lotte, “Classification of attention types in EEG signals”, International BCI Meeting 2018 – accepted – pdf
  2. F. Lotte, A. Cichocki, “Can transfer learning across motor tasks improve motor imagery BCI?”, International BCI Meeting 2018 – accepted – pdf
  3. F. Lotte, A. Cichocki, « What are the best motor tasks to use and calibrate SensoriMotor Rhythm Neurofeedback and Brain-Computer Interfaces? A preliminary case study« , Real-time functional Imaging and Neurofeedback conference (RTFIN’2017), 2017 – pdf
  4. F. Lotte, A. Cichocki, « Improving EEG Neurofeedback with Advanced Machine Learning and Signal Processing tools from Brain-Computer Interfaces Research« , Workshop, Real-time functional Imaging and Neurofeedback conference (RTFIN’2017), 2017 – pdf
  5. J. Frey, C. Jeunet, J. Mladenovic, L. Pillette, F. Lotte, « When HCI Meets Neurotechnologies: What You Should Know about Brain-Computer Interfaces », Course at ACM CHI 2017, 2017 – pdf
  6. C. Jeunet, F. Lotte, M. Hachet, S. Subramanian, B. N’Kaoua, « Spatial Abilities Play a Major Role in BCI Performance« , International BCI meeting, 2016 – pdf
  7. C. Jeunet, B. N’Kaoua, R. N’Kambou, F. Lotte, « Why and How to Use Intelligent Tutoring Systems to Adapt MI-BCI Training to Each User? », International BCI meeting, 2016 – pdf

Les commentaires sont clos.