Décodage de la flexion digitale à partir de signaux ECoG spécifiques aux bandes chez l’humain

Cet article présente la méthode primée lors de la compétition de neuroprostheses cerveau-machine (BCI) IV, axée sur la prédiction de la flexion des doigts à partir de signaux d’électrocorticogramme (ECoG). Les systèmes BCI basés sur l’ECoG ont récemment suscité un intérêt croissant au sein de la communauté scientifique. En effet, l’ECoG permet d’obtenir une résolution spatiale plus élevée et une qualité de signal supérieure par rapport aux enregistrements EEG classiques, tout en étant plus adaptée à une utilisation à long terme. Ces caractéristiques permettent de déchiffrer avec précision les activités cérébrales et de concevoir des neuroprothèses basées sur l’ECoG efficaces. Le traitement du signal constitue une tâche essentielle dans la recherche sur les BCI, car il permet de traduire les signaux cérébraux en commandes. Dans cette étude, nous proposons une méthode de régression linéaire fondée sur la modulation d’amplitude des signaux ECoG selon des bandes fréquentielles spécifiques, intégrant une mémoire à court terme pour la prédiction de la flexion individuelle des doigts. L’efficacité de cette méthode a été démontrée par l’obtention du coefficient de corrélation le plus élevé entre les valeurs prédites et les valeurs enregistrées de flexion des doigts sur le jeu de données 4 lors de la compétition BCI IV.