Traitement des signaux EEG

Le traitement des signaux EEG, à partir de notre méthode décrite dans le cha- pitre précédent, a pour objectif de détecter une intention de mouvement de la main droite et/ou de la main gauche. Par conséquent, il s’agit d’un problème à trois classes, main gauche, main droite, et mains gauche et droite, auxquelles nous pou- vons ajouter une quatrième classe correspondant à l’état de repos. En fonction de la classe estimée par notre ICM hybride, on peut définir les signaux de contrôle l(t)EEGet r(t)EEGspécifiques au traitement des signaux EEG :

— si classe estimée = main droite, alors l(t)EEG = 0 et r(t)EEG= V .

— si classe estimée = main gauche, alors l(t)EEG= V et r(t)EEG = 0.

— si classe estimée = mains gauche et droite, alors l(t)EEG= V et r(t)EEG = V .

— si classe estimée = repos, alors l(t)EEG = 0 et r(t)EEG= 0.

V est un entier positif, dont la valeur est adaptée par l’expérimentateur en fonction de l’application contrôlée.

Bien que les signaux EEG n’aient pas été utilisés pour déterminer en temps réel les signaux l(t)EEGet r(t)EEGpermettant le contrôle en ligne d’une application, une

étude hors-ligne a été réalisée. Les résultats de cette étude sont présentés dans le chapitre 4 afin d’évaluer notre méthode sur des signaux enregistrés au cours de plusieurs expérimentations. Dans l’optique d’intégrer un degré de liberté supplé- mentaire pour la commande d’une application, les signaux EEG enregistrés durant une intention de mouvement des pieds ont également fait l’objet d’une analyse hors-ligne à partir de notre méthode de traitement.

Celle-ci prévoit, dans un premier temps, l’enregistrement d’un jeu de signaux EEG étiquetés. Ce jeu permet à l’expert humain de sélectionner, spécifiquement pour chaque utilisateur et chaque tâche motrice, les intervalles temps-fréquence qui lui paraissent les plus pertinents d’un point de vue électrophysiologique. Afin de tracer les courbes permettant la sélection des intervalles, les signaux EEG sont traités en suivant les étapes décrites par le mode apprentissage de notre méthode de traitement.

Par la suite, les valeurs caractéristiques extraites des intervalles temps-fréquen- ce sélectionnés sont évaluées à partir du mode en ligne. Ce mode prévoit l’analyse des valeurs caractéristiques par un classifieur LDA. L’indice de confiance en sortie

Enfin, l’ICM hybride prévoit le traitement en temps réel des signaux EEG à partir d’une fenêtre glissante, dans la perspective de les utiliser pour le contrôle d’une application.

3.2.2

Traitement des signaux EMG

Cette partie présente une méthode de traitement des signaux EMG pour détec- ter un mouvement de la main gauche et de la main droite. En fonction de la laté- ralité du mouvement détecté par notre ICM hybride, on peut définir les signaux de contrôle l(t)EM G et r(t)EM G spécifiques au traitement des signaux EMG :

— si marqueur EMG main droite, alors l(t)EM G = 0 et r(t)EM G = V .

— si marqueur EMG main gauche, alors l(t)EM G = V et r(t)EM G = 0.

— si marqueurs EMG mains gauche et droite, alors l(t)EM G = V et r(t)EM G = V .

— si absence marqueur EMG, alors l(t)EM G = 0 et r(t)EM G = 0.

Comme pour le traitement des signaux EEG dans la partie 3.2.1, V est un entier positif, dont la valeur est adaptée par l’expérimentateur en fonction de l’application contrôlée. Afin d’évaluer la pertinence de la méthode proposée pour contrôler une application au travers de notre ICM hybride, une étude prévoyant un traitement en ligne des signaux EMG a été réalisée, dont les résultats sont également présentés dans le chapitre 4.

D’un point de vue électrophysiologique, le mouvement est caractérisé par une “bouffée EMG”, c’est-à-dire par une augmentation brutale de l’amplitude du si- gnal lors de la contraction musculaire. C’est cette bouffée EMG que nous consi- dérons comme marqueur de mouvement ou d’intention de mouvement chez l’utili- sateur. Néanmoins ce motif électrophysiologique n’est pas uniquement spécifique à des mouvements volontaires. Par conséquent, la méthode proposée pour traiter les signaux EMG peut être sensible aux mouvements involontaires causés par des troubles de la contraction liés à une pathologie musculaire.

Afin de détecter un mouvement de la main à partir des signaux EMG, plusieurs méthodes ont été proposées dans la littérature comme celles décrites dans le cha- pitre 1. La méthode de traitement proposée dans cette partie s’inspire de celle pré- sentée par Zecca et coll. [Zecca et al., 2002]. Ses différentes étapes, illustrées sur la

figure 3.1, permettent après traitement du signal EMG de détecter une contraction musculaire par simple seuillage. Le processus présenté sur cette figure est consti- tué de cinq étapes successives : filtrage spatial, filtrage fréquentiel passe-bande, estimation de la puissance, filtrage fréquentiel passe-bas, et seuillage.

EMG

brut Bipolaire 100-200 Hz Puissance < 3Hz

filtre spatial filtre fréquentiel filtre fréquentiel calcul puissance Seuillage Détection mouvement

FIGURE3.1 – Processus de traitement pour les signaux EMG.

Dans un premier temps, les signaux EMG sont filtrés dans le domaine spatial au moyen d’un filtrage bipolaire. Ce dernier est réalisé en soustrayant les signaux pro- venant de deux électrodes. Celles-ci sont distantes d’environ un centimètre l’une de l’autre de manière à enregistrer l’activité d’un unique muscle. Le filtrage bipolaire permet d’éliminer l’activité musculaire de fond et les artefacts provenant d’autres signaux physiologiques tels que l’activité cardiaque, améliorant par conséquent le rapport signal sur bruit.

Le signal issu du filtrage spatial bipolaire est ensuite également filtré dans le domaine fréquentiel entre 100 et 200 Hz en utilisant un filtre Butterworth passe- bande d’ordre 5. Cette bande de fréquence est comprise entre 20 et 500 Hz, corres- pondant à l’intervalle de fréquence pour lequel l’énergie du signal EMG est maxi- male d’après Chu et coll. [Chu et al., 2007].

Ensuite on calcule la puissance du signal EMG en élevant au carré la valeur de chaque échantillon. Puis un filtre fréquentiel Butterworth passe-bas d’ordre 5, avec une fréquence de coupure à 3Hz, est utilisé pour calculer l’enveloppe de ce signal représentant la puissance. Enfin un seuil appliqué à l’enveloppe du signal permet de détecter une contraction musculaire.

La figure 3.2 représente un signal EMG, issu du filtrage bipolaire, à différentes étapes du processus de traitement : filtrage fréquentiel passe-bande (a), estima- tion de la puissance (b), filtrage fréquentiel passe-bas (c), et enfin seuillage (d). Ce signal EMG a été enregistré sur l’une des mains d’un patient myopathe au cours d’une séance d’essai réalisée par nos soins à l’hôpital Swynghedauw du CHRU de Lille. Le patient avait pour consigne de réaliser plusieurs abductions de l’index, comme pour actionner un joystick. Comme le montrent les signaux de la figure 3.2, l’activité musculaire de ce patient est suffisamment importante pour qu’on puisse détecter un mouvement de la main à partir de la méthode de seuillage de l’EMG

afin de déterminer les signaux de contrôle respectivement l(t)EM G et r(t)EM G. Cela

implique également une adaptation du seuil de détection pour chaque main.

0 2000 4000 6000 8000 10000 12000 −150 −100 −50 0 50 100 150 Echantillons Amplitude (a) 0 2000 4000 6000 8000 10000 12000 −1.5 −1 −0.5 0 0.5 1 1.5x 10 4 Echantillons Puissance (b) 0 2000 4000 6000 8000 10000 12000 −1500 −1000 −500 0 500 1000 1500 Echantillons Puissance (c) 0 2000 4000 6000 8000 10000 12000 −1.5 −1 −0.5 0 0.5 1 1.5 Echantillons Seuil (d)

FIGURE3.2 – Traitement du signal EMG recueilli chez un patient myopathe.

La principale limitation de la méthode proposée pour détecter un mouvement de la main réside dans le choix de ces seuils. En effet, un compromis doit être trouvé entre une valeur trop basse, sensible aux bruits liés à l’environnement, et une valeur trop élevée pour la détection d’un mouvement. Néanmoins, cette méthode présente l’avantage de simplifier le processus de traitement des signaux EMG, et par conséquent de pouvoir adapter le seuil de détection durant l’expérimentation.