• Aucun résultat trouvé

5.3 Courbes ERD et ERS

5.4.1 Score individuel

FIGURE27 – Taux de bonnes classifications pour chaque sujet suivant diffé-rentes conditions

Sur la Figure 27 sont représentés les taux de bonnes classifications de chaque sujet selon nos différentes conditions.

1. RM contre le repos ; 2. MI contre le repos ;

3. MI + SNM contre la SNM seule.

Pour 8 sujets sur 16, la classification 3 donne de meilleurs résultats que la classification 1, et pour 11 sujets sur 16, la classification 3 donne de meilleurs résultats que la classification 2. Il n’y a que deux taux de classification en dessous du seuil de chance pour sujet 3 et 4. La majorité des scores est au dessus 70%, ce sont des scores acceptables pour de la MI. La Figure 28 permet de visualiser le score moyen des deux conditions d’intérêts pour l’hypothèse de l’équie concernant l’utilité de la SNM pour la classification des intentions de mouvement. On peut ainsi noter que l’utilisation de la SNM a une tendance à donner de meilleurs scores de classification que la MI contre le repos.

5.4. Classification 43

FIGURE28 – Taux de bonnes classifications moyen pour les conditions d’MI seule contre le repos, ou d’MI + SNM contre SNM

45

Chapitre 6

Discussion

Nos résultats montrent de nombreuses choses cohérentes avec la littérature, mais aussi quelques différences. Concernant les mouvements réels et les imaginations motrices seules, la position temporelle et fréquentielle des ERD et des ERS sont en adéquation avec la lit-térature. En revanche concernant la SNM il y a quelques points à soulever. Premièrement nous n’avons trouvé aucune publication mentionnant l’ERS quasi instantanée après une stimulation du nerf médian, alors qu’elle se retrouve chez tous les sujets. Nous ne savons donc pas si elle est due à un courant se propageant le long de la peau ou si elle est effecti-vement due à une synchronisation brève et forte des neurones. La modulation différente pour la condition 4 de l’activité cérébrale laisse suggérer qu’il s’agit d’une ERS artefact. Deuxièmement, Neuper et Pfurtscheller ont décrit qu’une SNM durant une MI avait une tendance à réduire le rebond normalement créé par la SNM [26]. On retrouve aussi cette tendance à l’abolition, mais nous retrouvons surtout que quelques secondes plus tard (à la fin de la tâche motrice, aux alentours de 3 secondes sur nos figures temps-fréquence), un vrai rebond apparaît, et un rebond qui est plus fort que lors d’une tâche de MI seule. Il peut être aussi discuté de la validation de notre hypothèse étant donné que les SNM arrivent toujours au même moment lors de notre condition 4. En effet, si la stimulation arrivait 250 ms plus tard nous ne savons pas comment l’activité du cerveau changerait. Une seconde expérience a été préparée pour étudier ces phénomènes.

Concernant la classification, bien que les scores soient acceptables pour la MI et la condi-tion 4 contre la 3, ceux de RM contre repos sont faibles. Un score classique de classifica-tion du mouvement réel pouvant atteindre 90%, nos scores ont une moyenne de 80% qui est insuffisante. Cette moyenne basse peut s’expliquer par la nature du mouvement, un simple clic sur un bouton de pointeur par le pouce est un mouvement d’une amplitude très faible par rapport à des mouvements de la main plus amples comme en retrouve souvent dans la littérature scientifique (le mouvement de serrage par exemple).

En cas de réveil per-opératoire, il a été montré que l’un des premiers réflexes des patients est une tentative de mouvement et il est peu probable que leur mouvement soit moins ample qu’une pression de bouton avec le pouce. Il est aussi à noter que les résultats pré-sentés sont des moyennages pour tous les essais de tous nos sujets (on peut d’ailleurs voir la variabilité des résultats sur la Figure 23 pour la condition 1 par exemple). Dans le cas de la classification, le classifieur doit travailler à partir d’essais uniques qui montrent beaucoup plus de variations que les moyennages.

46 Chapitre 6. Discussion

Les scores de classification entre le MI et le repos, ainsi qu’entre le MI + SNM et la SNM semblent valider l’hypothèse que la stimulation du nerf médian génère une activité qui permet un taux de classification supérieur à ce qui se fait actuellement. De plus elle ré-pond à la problématique de trigger des classifieurs, en effet pour parfaire leur fonction-nalité il est utile d’utiliser un point temporel autour duquel le classifieur cherche les fe-nêtres de temps à classifier. Dans le cas de l’utilisation en clinique, il est impossible de savoir quand un patient se réveille et l’utilisation de stimulation régulière permettrait de positionner un temps pour le classifieur de manière efficace. Une classification entre MI et repos pourrait passer à côté d’un mouvement si repos et MI se retrouve tout deux durant une phase d’activité du patient.

Bien que l’expérience se soit bien passée, il existe quelques points qui peuvent être amé-liorés. Pour commencer, toutes les conditions ne sont pas époquées sur le même indice temporelle. Pour comparer la condition 3 et la condition 4, il est nécessaire qu’elles soient époquées sur la stimulation sinon les courbes seraient décalées de 750 ms. Cela entraîne l’utilisation de baseline différentes pour ces conditions, bien que les temps choisis corres-pondent dans tous les cas à un état de repos du sujet.

Lors de l’expérience, nous avons utilisé deux électrodes externes pour acquérir l’activité musculaire du pouce. Par manque de temps nous n’avons pas pu analyser cette activité qui avait pour but la discrimination d’essais pour la condition 1 et 2. En effet, un EMG inexistant lors du mouvement réel signifie que la condition n’est pas réalisée, et inverse-ment pour la MI, un EMG haut signifie un mouveinverse-ment et donc une tâche incorrecteinverse-ment réalisée.

L’objectif final de notre expérience étant principalement l’étude de la condition stimu-lation et stimustimu-lation durant la MI, la présence des deux autres conditions peut être vue comme non essentielle. En effet, avec seulement les conditions 3 et 4 nous pourrions de-mander plus d’essai aux sujets et ainsi avoir des résultats plus précis. Néanmoins cette étude n’étant qu’un premier pas vers l’hypothèse d’une BCI utilisant la SNM et vers l’étude clinique, il était nécessaire de vérifier que notre matériel et nos analyses étaient cohérentes avec la littérature. Les conditions 1 et 2 seront réalisées lors de l’étude clinique pour s’assurer des résultats obtenus et étudier l’effet du propofol. En cas de variation peu importante avec la littérature leurs résultats pourront garantir la fiabilité de ceux des condition 3 et 4.

47

Chapitre 7

Conclusion, perspective et bilan

personnel

7.1 Conclusion

Les résultats de ce stage amènent à une confirmation de notre hypothèse : il est possible d’obtenir de meilleurs taux de bonne classification en utilisant avec une condition MI + MNS plutôt qu’avec une MI seule. La réalisation des objectifs de ce stage m’a amené à travailler avec de nombreux outils différents et dans des domaines différents. La partie interfaçage a impliqué des bases d’électronique et de la programmation avec plusieurs langages (Lua, Python et Arduino), et à les faire communiquer les uns avec les autres au sein d’OpenViBE.

Concernant la partie expérimentation, elle a demandé une recherche bibliographique in-tense pour concevoir une expérience pertinente et dont les résultats seraient fiables. C’est un travail qui demande du temps et beaucoup de réflexion puisque l’obtention de bons résultats ne se fait pas en définissant simplement différentes conditions à effectuer. Il faut centrer toute cette réflexion autour du sujet et de sa capacité à réaliser les tâches dans de bonnes conditions du début à la fin de l’expérimentation.

La partie du traitement des données a aussi demandé à une utilisation de Matlab in-tensive. Lors de la formation nous l’avions principalement utilisé pour du traitement d’image ou des problèmes mathématiques simples. Pour le traitement de données d’EEG, nous avons pu utiliser les fonctions de la Toolbox EEGLAB qui fonctionne via une inter-face graphique ou des lignes de commandes Matlab. L’interinter-face graphique étant assez lente d’utilisation, mon travail a été surtout d’automatiser le traitement des données en masse. A la fin de mon stage, je laisse à l’équipe plusieurs codes permettant de manière to-talement automatique de sortir les cartes temps-fréquence et topographiques ERSP, ainsi les valeurs d’ERD/ERS depuis les fichiers bruts créé par OpenViBE.

Enfin, ce stage est l’occasion pour moi de participer à l’écriture d’un article scientifique, qui devrait être soumis à un journal durant le mois de Septembre.

48 Chapitre 7. Conclusion, perspective et bilan personnel

Documents relatifs