↑ Retour à Claudine Botte-Lecocq

Claudine Botte-Lecocq, recherche

Depuis fin 2007, je focalise mon attention sur les interfaces cerveau-ordinateur ou BCI (Brain Computer Interfaces) permettant la communication directe entre une personne et un ordinateur à partir des seules ondes cérébrales. Ces systèmes visent principalement à permettre à des personnes souffrant d’un handicap neuromusculaire sévère de communiquer avec leur entourage.

Avant 2007, mes travaux de recherche ont consisté à développer des techniques d’extraction des modes faisant appel à la morphologie mathématique basées sur l’analyse de données multidimensionnelles en vue de la reconnaissance des formes.

  • Brain Computer Interfaces ou Interfaces Cerveau-Ordinateur

Dans une BCI, l’activité cérébrale de l’individu est mesurée par le biais de signaux électriques, captés soit sur le cuir chevelu, soit à la surface du cortex, soit encore directement au niveau des neurones. Dans tous les cas, les signaux enregistrés sont traités par le système, lequel traduit l’activité cérébrale détectée en ordres qui pourront être transformés en actions par l’ordinateur. Dans le cas des interfaces qualifiées d’asynchrones, les ordres sont en général issus d’une analyse des rythmes liés à l’activité musculaire de l’individu et détectés principalement dans les aires sensorimotrices du cortex. C’est dans ce contexte que se situe mon premier axe de recherche dans lequel je cherche, en collaboration avec François Cabestaing et Jean-Marc Vannobel, à développer une technique de discrimination du type de mouvement réalisé ou imaginé par l’individu, basée sur l’analyse floue des caractéristiques extraites de l’acquisition des signaux EEG.

Pour que les interfaces que nous visons à développer puissent être utilisées par des patients en situation de handicap, il est essentiel de se préoccuper de l’adaptabilité des ces interfaces à la spécificité de leur handicap. C’est ainsi que je participe au développement d’une BCI adaptative pour des patients souffrant d’une dystrophie musculaire de Duchene (DMD) en collaboration avec François Cabestaing et Marie-Hélène Bekaert d’une part, et l’équipe du Pr. André Thévenon, chef du service de médecine physique et de réadaptation fonctionnelle du CHRU de Lille, d’autre part.

  • Classification automatique de données multidimensionnelles pour la reconnaissance des formes

Mes travaux initiaux de recherche ont consisté à développer une méthodologie de classification automatique de données basée sur l’adaptation des outils de la morphologie mathématique à l’analyse de données multidimensionnelles en vue de la reconnaissance des formes. Cette méthodologie se décompose en une étape de détection des modes associés aux classes en présence dans l’échantillon d’observations analysé, suivie d’une étape de classification des observations s’appuyant sur les modes détectés. Plusieurs méthodes de détection des modes ont ensuite été développées confortant ainsi l’intérêt d’une telle approche.

Afin de dégager des techniques robustes, nous avons développé des techniques d’extraction des modes faisant appel à la morphologie mathématique floue basées sur l’analyse de la fonction d’appartenance à un mode directement extraite des données, que nous avons adaptées à la classification de pixels en vue de la segmentation d’images couleur. Dans ce cadre, j’ai co-encadré successivement Sandrine Turpin-Dhilly et Aymeric Gillet en thèse de Doctorat, et participé aux travaux du Groupement Régional GRAISyHM (Thème 1 : Signal et Image).

Ce article est également disponible en English.