Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

Sorted by: relevance · author · university · dateNew search

You searched for subject:(Interface cerveau machines). Showing records 1 – 2 of 2 total matches.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Astrand, Elaine. Real-time readout of neural contents in visual perception and selection in the non-human primate : Lecture en temps réel du contenu de la perception visuelle et de la sélection chez le primate non-humain.

Degree: Docteur es, Neuroscience, 2014, Université Claude Bernard – Lyon I

Un accès aux représentations mentales. Voici une phrase qui pourrait bientôt devenir une réalité. La recherche sur les interfaces cerveau-Machines est un champ de recherche en plein essor. En particulier, de grandes avancées ont été réalisées pour permettre par exemple à des tétraplégiques de retrouver une relative autonomie en actionnant un bras robotique par l'activité de leur cerveau. L'équipe de Hochberg a mis en évidence un système permettant à une femme tétraplégique d'attraper une boisson et de boire. Cela montre la précision incroyable que peut avoir une prothèse artificielle pilotée par le cerveau. Ma thèse porte sur un aspect peu exploré des interfaces cerveau-Machines, celui des interfaces cerveau-Machines cognitives, c'est-À-Dire utilisant le contenu représentationnel intime de l'activité du cerveau. Son objectif est de démontrer, sur un modèle primate non-Humaine, la possibilité d'accéder en temps-Réel à ce type de contenu complexe, y compris dans un environnement en perpétuel changement. L'adaptation des interfaces cerveau-Machines dans le monde réel, où nous sommes constamment confrontés à de nouvelles informations, est critique pour son fonctionnement. Un autre aspect, très important, porte sur l'exploration et la compréhension du système nerveux au niveau populationnel en utilisant des méthodes similaires à celles utilisées pour extraire de l'information dans les interfaces cerveau-Machines. Cela nous permet d'étudier le contenu instantané et sa dynamique dans l'évolution du temps. En résumé, nous démontrons la faisabilité d'accéder en temps-Réel à des informations complexes de l'attention spatiale et de la perception visuelle. Cet accès en temps-Réel n'est que peu affecté par un environnement qui change. Le potentiel de ce type d'interfaces cerveau-Machines est immense en vue du traitement de pathologies neurologiques aigües (suite à des accidents cérébraux vasculaires ou suite à des traumatismes accidentés) ou neurodégénératives (dans la maladie d'Alzheimer ou de Parkinson, pour ne parler que des plus connues)

The field of invasive Brain Machine Interfaces (iBMI) has during the last ten years proven its enormous potential in restoring movements in paralyzed patients. The present doctoral thesis introduces a new dimension to this field by using complex cognitive behavior to drive an iBMI. In this respect, visual processes including spatial attention and perception are of special interest. This thesis project has three principal objectives: first, show the feasibility of decoding cognitive information in an offline setup. Second, evaluate the decoding of cognitive information in a real time experimental setup and third, investigate the impact of this setup in a changing environment, this both from the perspective of driving real time brain-Machine interfaces and that of understanding distributed populational neuronal codes. In line with the first objective of this thesis, an evaluation of several different classification techniques has been carried out in order to choose the best suited method for…

Advisors/Committee Members: Ben Hamed, Suliann (thesis director).

Subjects/Keywords: Interface cerveau-machines; Cognitive; Attention spatiale; Perception; Primate non-humain; Neurophysiologie; Brain machine-interface; Cognitive; Spatial attention; Perception; Non-human primate; Neurophysiology; 612.8

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Astrand, E. (2014). Real-time readout of neural contents in visual perception and selection in the non-human primate : Lecture en temps réel du contenu de la perception visuelle et de la sélection chez le primate non-humain. (Doctoral Dissertation). Université Claude Bernard – Lyon I. Retrieved from http://www.theses.fr/2014LYO10215

Chicago Manual of Style (16th Edition):

Astrand, Elaine. “Real-time readout of neural contents in visual perception and selection in the non-human primate : Lecture en temps réel du contenu de la perception visuelle et de la sélection chez le primate non-humain.” 2014. Doctoral Dissertation, Université Claude Bernard – Lyon I. Accessed September 27, 2020. http://www.theses.fr/2014LYO10215.

MLA Handbook (7th Edition):

Astrand, Elaine. “Real-time readout of neural contents in visual perception and selection in the non-human primate : Lecture en temps réel du contenu de la perception visuelle et de la sélection chez le primate non-humain.” 2014. Web. 27 Sep 2020.

Vancouver:

Astrand E. Real-time readout of neural contents in visual perception and selection in the non-human primate : Lecture en temps réel du contenu de la perception visuelle et de la sélection chez le primate non-humain. [Internet] [Doctoral dissertation]. Université Claude Bernard – Lyon I; 2014. [cited 2020 Sep 27]. Available from: http://www.theses.fr/2014LYO10215.

Council of Science Editors:

Astrand E. Real-time readout of neural contents in visual perception and selection in the non-human primate : Lecture en temps réel du contenu de la perception visuelle et de la sélection chez le primate non-humain. [Doctoral Dissertation]. Université Claude Bernard – Lyon I; 2014. Available from: http://www.theses.fr/2014LYO10215

2. Kalunga, Emmanuel. Vers des interfaces cérébrales adaptées aux utilisateurs : interaction robuste et apprentissage statistique basé sur la géométrie riemannienne : Toward user-adapted brain computer interfaces : robust interaction and machine learning based on riemannian geometry.

Degree: Docteur es, Informatique, 2017, Université Paris-Saclay (ComUE); Tshwane University of Technology

Au cours des deux dernières décennies, l'intérêt porté aux interfaces cérébrales ou Brain Computer Interfaces (BCI) s’est considérablement accru, avec un nombre croissant de laboratoires de recherche travaillant sur le sujet. Depuis le projet Brain Computer Interface, où la BCI a été présentée à des fins de réadaptation et d'assistance, l'utilisation de la BCI a été étendue à d'autres applications telles que le neurofeedback et l’industrie du jeux vidéo. Ce progrès a été réalisé grâce à une meilleure compréhension de l'électroencéphalographie (EEG), une amélioration des systèmes d’enregistrement du EEG, et une augmentation de puissance de calcul.Malgré son potentiel, la technologie de la BCI n’est pas encore mature et ne peut être utilisé en dehors des laboratoires. Il y a un tas de défis qui doivent être surmontés avant que les systèmes BCI puissent être utilisés à leur plein potentiel. Ce travail porte sur des aspects importants de ces défis, à savoir la spécificité des systèmes BCI aux capacités physiques des utilisateurs, la robustesse de la représentation et de l'apprentissage du EEG, ainsi que la suffisance des données d’entrainement. L'objectif est de fournir un système BCI qui peut s’adapter aux utilisateurs en fonction de leurs capacités physiques et des variabilités dans les signaux du cerveau enregistrés.À ces fins, deux voies principales sont explorées : la première, qui peut être considérée comme un ajustement de haut niveau, est un changement de paradigmes BCI. Elle porte sur la création de nouveaux paradigmes qui peuvent augmenter les performances de la BCI, alléger l'inconfort de l'utilisation de ces systèmes, et s’adapter aux besoins des utilisateurs. La deuxième voie, considérée comme une solution de bas niveau, porte sur l’amélioration des techniques de traitement du signal et d’apprentissage statistique pour améliorer la qualité du signal EEG, la reconnaissance des formes, ainsi que la tache de classification.D'une part, une nouvelle méthodologie dans le contexte de la robotique d'assistance est définie : il s’agit d’une approche hybride où une interface physique est complémentée par une interface cérébrale pour une interaction homme-machine plus fluide. Ce système hybride utilise les capacités motrices résiduelles des utilisateurs et offre la BCI comme un choix optionnel : l'utilisateur choisit quand utiliser la BCI et peut alterner entre les interfaces cérébrales et musculaire selon le besoin.D'autre part, pour l’amélioration des techniques de traitement du signal et d'apprentissage statistique, ce travail utilise un cadre Riemannien. Un frein majeur dans le domaine de la BCI est la faible résolution spatiale du EEG. Ce problème est dû à l'effet de conductance des os du crâne qui agissent comme un filtre passe-bas non linéaire, en mélangeant les signaux de différentes sources du cerveau et réduisant ainsi le rapport signal-à-bruit. Par conséquent, les méthodes de filtrage spatial ont été développées ou adaptées. La plupart d'entre elles – à savoir la Common Spatial Pattern (CSP), la xDAWN et la… Advisors/Committee Members: Monacelli, Eric (thesis director), Chevallier, Sylvain (thesis director).

Subjects/Keywords: Interfaces cerveau-Machines; Traitement de signal; Géometrie Riemannienne; Apprentissage statistique; Electroencephalographie (EEG); Transfert d'apprentissage; Brain-Computer Interface; Signal processing; Riemannian geometry; Machine learning; Electroencephalography (EEG); Transfer learning; 006.3

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Kalunga, E. (2017). Vers des interfaces cérébrales adaptées aux utilisateurs : interaction robuste et apprentissage statistique basé sur la géométrie riemannienne : Toward user-adapted brain computer interfaces : robust interaction and machine learning based on riemannian geometry. (Doctoral Dissertation). Université Paris-Saclay (ComUE); Tshwane University of Technology. Retrieved from http://www.theses.fr/2017SACLV041

Chicago Manual of Style (16th Edition):

Kalunga, Emmanuel. “Vers des interfaces cérébrales adaptées aux utilisateurs : interaction robuste et apprentissage statistique basé sur la géométrie riemannienne : Toward user-adapted brain computer interfaces : robust interaction and machine learning based on riemannian geometry.” 2017. Doctoral Dissertation, Université Paris-Saclay (ComUE); Tshwane University of Technology. Accessed September 27, 2020. http://www.theses.fr/2017SACLV041.

MLA Handbook (7th Edition):

Kalunga, Emmanuel. “Vers des interfaces cérébrales adaptées aux utilisateurs : interaction robuste et apprentissage statistique basé sur la géométrie riemannienne : Toward user-adapted brain computer interfaces : robust interaction and machine learning based on riemannian geometry.” 2017. Web. 27 Sep 2020.

Vancouver:

Kalunga E. Vers des interfaces cérébrales adaptées aux utilisateurs : interaction robuste et apprentissage statistique basé sur la géométrie riemannienne : Toward user-adapted brain computer interfaces : robust interaction and machine learning based on riemannian geometry. [Internet] [Doctoral dissertation]. Université Paris-Saclay (ComUE); Tshwane University of Technology; 2017. [cited 2020 Sep 27]. Available from: http://www.theses.fr/2017SACLV041.

Council of Science Editors:

Kalunga E. Vers des interfaces cérébrales adaptées aux utilisateurs : interaction robuste et apprentissage statistique basé sur la géométrie riemannienne : Toward user-adapted brain computer interfaces : robust interaction and machine learning based on riemannian geometry. [Doctoral Dissertation]. Université Paris-Saclay (ComUE); Tshwane University of Technology; 2017. Available from: http://www.theses.fr/2017SACLV041

.