La validation en ligne des systèmes ICM à différents ni- ni-veaux d’abstraction

Le test en ligne est la dernière phase de la validation du système ICM. Il consiste à remplacer les bases de données prédéfinies par des enregistrements EEG provenant des sujets. Ces enregistrements sont immédiatement traités par le système ICM. Pour mener à bien cette étape de validation, la carte FPGA de traitement des signaux EEG doit être connectée à un système d’acquisition afin de pouvoir récupérer les données directement et en temps réel. Deux sessions d’enregistrement sont nécessaires pour chaque test à savoir la session pour l’apprentissage ainsi que la session de test proprement dit.

5.2.1 Description de l’environnement et de l’expérience

La réalisation du prototype de bout-en-bout du système ICM requiert l’interconnexion de la carte de traitement des signaux EEG à un système d’acquisition adéquat. Il existe plusieurs systèmes d’acquisition plus au moins complexes et dont leurs coûts varient d’une manière très significative. Par exemple, le g.USBamp² est un système d’acquisition très performant sauf qu’il est excessivement cher (de l’ordre de 90 000 e) et dont son interfaçage nécessite le développement d’une interface de communication appropriée avec notre carte FPGA. La carte OpenBCI représente un autre système d’acquisition qui est bon marché (600e) et dont ses performances annoncées semblent être attirantes. De plus, l’interfaçage avec notre carte FPGA semble assez facile à mettre en place. Notre choix s’est porté sur la carte fournie par OpenBCI qui permet de faire l’acquisition des signaux EEG à travers les huit canaux parmi les 16 canaux disponibles sur le casque. L’acquisition est assurée par le module ADS1299 qui permet de détecter les activités cérébrales, de les amplifier et d’opérer un premier niveau de filtrage. Ainsi, les signaux captés sont envoyés en temps réel à travers un émetteur Bluetooth de type RFduino-BLE (Bluetooth Low Energy) de faible consommation. Du coté FPGA, les signaux sont récupérés par le récepteur Bluetooth qui est à son tour connecté au processeur Nios-II via le bus d’interface UART. Le processeur intègre le pilote de module d’acquisition permettant de récupérer les valeurs des signaux EEG et le transformer sous forme d’une matrice 3D (N_ech× N_ch× N_tr). L’enregistrement des signaux est une étape assez importante qui nécessite la recherche des volontaires et la préparation de l’expérience pour chaque sujet. Les participants sont informés par le processus d’enregistrement afin d’éviter toute source de souffrance vue que la durée d’enregistrement est relativement longue [ON13]. Pour faciliter l’enregistrement, une interface graphique a été mise en œuvre afin d’assister l’utilisateur tout au long du processus d’enregistrement. Quatre volontaires ont participé à ces expérimentations pour enregistrer deux sessions, l’une pour l’apprentissage contenant 140 trials et l’autre pour le test intégrant 120 trials. Notons bien que les trials enregistrés sont uniformément repartis sur les deux classes liées aux mouvements des mains droite et gauche.

Le système de traitement des signaux EEG Int er fa ce de com m uni c at ion J T A G ^{Le récepteur des} signaux EEG Int er fa ce de com m uni c at ion U A R T L’alimentation 6V Le système d’acquisition des signaux EEG Placement des électrodes

Figure 5.4 – L’interconnexion du système ICM de bout-en-bout

5.2.2 Évaluation du système ICM à base de filtre adaptatif en utilisant l’approche en ligne

L’apprentissage du système est réalisé sur la base de la première session d’enregistrement de 140 trials itérés pour chaque sujet. Pour le reste de la validation, l’architecture utilise la deuxième session conformément à l’approche de test appliquée dans le cas de la validation hors ligne. Un premier test a été effectué sans intégrer le bloc de filtrage. Ensuite, les mêmes tests ont été menés en présence du bloc de filtrage adaptatif proposé par nos soins. Le tableau 5.11 présente les valeurs de précisions en moyenne par sujet ainsi que les paramètres des filtres dimensionnés pour chaque sujet. Nous avons constaté que les taux de discrimination entre l’imagerie motrice de deux classes augmentent significativement, pour tous les sujets, en présence du bloc de filtrage adaptatif proposé. En effet, le système proposé est capable de discriminer entre l’imagerie motrice de la main droite et la main gauche du sujet S4 avec une grande précision atteignant 92%. La précision moyenne calculée sur l’ensemble des sujets est de l’ordre de 80% en utilisant la technique de filtrage adaptatif contre 57% sans filtrage, ce qui montre qu’avec une conception judicieuse du bloc de prétraitement, nous pouvons gagner de l’ordre de 25% au niveau de la précision de classification. Notons que le type du filtre varie d’un sujet à un autre et même si deux sujets ont la même technique de filtrage, leurs paramètres (ordre et coefficients du filtre, RSB, etc.) demeurent complètement différents. La meilleure configuration de filtrage est obtenue pour le premier sujet par exemple avec le filtre RII de type Chebyschev1 opérant avec un rapport RSB qui est égal à 50 dB.

Sujets ^{Précision du système} sans filtre (%)

Précision du système avec filtre adaptatif (%) Précision Type de filtre RSB(dB)

S1 50 70.50 Chebyschev1 50

S2 54 74 Butterworth 20

S3 60 85 Elleptic 20

S4 64 92.50 Butterworth 30

Moyenne 57 80.50 -

-Table 5.11 – Les précisions du système à base de filtre adaptatif selon l’approche en ligne

5.2.3 Évaluation du système à base de filtre dynamique selon l’approche en ligne

Similairement à la validation en ligne intégrant le filtrage adaptatif, la validation en ligne de l’ensemble de l’architecture de bout en bout, intégrant le filtrage dynamique (WOLA) a été mené avec les mêmes sujets et les mêmes signaux enregistrés via la carte d’acquisition OpenBCI. De même, l’apprentissage et le test du système à base de filtre dynamique est effectué sur les mêmes sessions d’enregistrements que celles utilisées en présence du filtrage adaptatif afin de pouvoir comparer les résultats de ces deux approches de filtrage. Comme le montre le tableau 5.12, la précision du système varie d’un sujet à un autre allant de 72% à 89% avec une moyenne autour de 80.25%. Le taux de transfert des informations de bout en bout (ITR) du système proposé est de l’ordre de 7.2 bits/min qui est assez intéressant par rapport à ceux obtenus par des travaux similaires déjà publiés. Par exemple, l’ITR du système proposé dans [San+10] est de l’ordre de 3.56 bits/min pour 11 sujets. Un autre système de contrôle de mouvement d’une souris par des signaux sensorimoteurs est présenté dans [MSW03] dont la moyenne d’ITR sur 8 sujets est de 7.4 bits/min

Sujets Précision du système (%)

S1 72

S2 75

S3 85

S4 89

Moyenne 80.25

Table 5.12 – Les résultats de précision du système à base du filtrage dynamique selon l’approche en ligne

5.3 Synthèse et comparaison des performances du système