FingerFlex : Inférer les trajectoires des doigts à partir de signaux ECoG

Le développement des interfaces cerveau-machine (ICM) motorielles repose de manière cruciale sur des algorithmes de décodage de séries temporelles neuronales. Les avancées récentes dans les architectures d'apprentissage profond permettent une sélection automatique des caractéristiques afin d'approcher les dépendances d'ordre supérieur présentes dans les données. Cet article présente le modèle FingerFlex, une architecture à encodeur-décodificateur convolutif adaptée à la régression du mouvement des doigts à partir de données cérébrales électrocorticographiques (ECoG). Une performance de pointe a été atteinte sur un jeu de données du concours BCI IV, disponible publiquement, avec un coefficient de corrélation entre les trajectoires réelles et prédites atteignant 0,74. La méthode proposée ouvre la voie au développement d'interfaces cerveau-machine corticales entièrement fonctionnelles et à haute précision.