Des chercheurs de l’université de Californie à San Diego ont trouvé un moyen de distinguer les gestes des mains en examinant uniquement les données de l’imagerie cérébrale non invasive, sans les informations fournies par les mains elles-mêmes. Ces résultats constituent une première étape dans le développement d’une interface cerveau-ordinateur non invasive qui pourrait un jour permettre aux patients paralysés, amputés d’un membre ou présentant d’autres difficultés physiques d’utiliser leur esprit pour contrôler un appareil les aidant dans leurs tâches quotidiennes.

Cette recherche, récemment publiée en ligne dans la revue Cerebral Cortex, représente les meilleurs résultats obtenus jusqu’à présent pour distinguer les gestes d’une seule main à l’aide d’une technique totalement non invasive, en l’occurrence la magnétoencéphalographie (MEG).

« Notre objectif était de contourner les éléments invasifs », a déclaré l’auteur principal de l’article, Mingxiong Huang, Ph.D., codirecteur du Centre MEG à l’Institut Qualcomm de l’Université de Californie à San Diego. Huang est également affilié au département de génie électrique et informatique de l’école d’ingénierie Jacobs de l’université de San Diego, au département de radiologie de l’école de médecine de San Diego, ainsi qu’au Veterans Affairs (VA) San Diego Healthcare System. « La MEG constitue une option sûre et précise pour le développement d’une interface cerveau-ordinateur qui pourrait, à terme, aider les patients.

Les chercheurs ont souligné les avantages de la MEG, qui utilise un casque avec un réseau de 306 capteurs intégrés pour détecter les champs magnétiques produits par les courants électriques neuronaux se déplaçant entre les neurones dans le cerveau. Les autres techniques d’interface cerveau-ordinateur comprennent l’électrocorticographie (ECoG), qui nécessite l’implantation chirurgicale d’électrodes à la surface du cerveau, et l’électroencéphalographie du cuir chevelu (EEG), qui localise l’activité cérébrale avec moins de précision.

« Avec la MEG, je peux voir le cerveau penser sans avoir à enlever le crâne et à placer des électrodes sur le cerveau lui-même », a déclaré Roland Lee, MD, co-auteur de l’étude, directeur du Centre MEG à l’Institut Qualcomm de l’Université de San Diego, professeur émérite de radiologie à l’École de médecine de l’Université de San Diego et médecin au sein du système de santé VA de San Diego. « Il me suffit de mettre le casque MEG sur la tête du patient. Il n’y a pas d’électrodes qui pourraient se casser lorsqu’elles sont implantées dans la tête, pas de chirurgie cérébrale coûteuse et délicate, pas d’infections cérébrales possibles ».

Lee compare la sécurité de la MEG à la prise de température d’un patient. « La MEG mesure l’énergie magnétique émise par le cerveau, comme un thermomètre mesure la chaleur émise par le corps. Elle est donc totalement non invasive et sans danger ».

Pierre-papier-ciseaux
L’étude actuelle a évalué la capacité à utiliser le MEG pour distinguer les gestes de la main de 12 sujets volontaires. Les volontaires ont été équipés d’un casque MEG et ont reçu au hasard l’instruction de faire l’un des gestes utilisés dans le jeu Rock Paper Scissors (comme dans les études précédentes de ce type). Les informations fonctionnelles de la MEG ont été superposées aux images IRM, qui fournissent des informations structurelles sur le cerveau.

Pour interpréter les données générées, Yifeng (« Troy ») Bu, doctorant en génie électrique et informatique à la Jacobs School of Engineering de l’UC San Diego et premier auteur de l’article, a écrit un modèle d’apprentissage profond très performant appelé MEG-RPSnet.

« La particularité de ce réseau est qu’il combine simultanément des caractéristiques spatiales et temporelles », explique M. Bu. « C’est la principale raison pour laquelle il fonctionne mieux que les modèles précédents.

Lorsque les résultats de l’étude ont été publiés, les chercheurs ont constaté que leurs techniques pouvaient être utilisées pour distinguer les gestes de la main avec une précision de plus de 85 %. Ces résultats étaient comparables à ceux d’études antérieures portant sur un échantillon beaucoup plus restreint et utilisant l’interface cerveau-ordinateur ECoG invasive.

L’équipe a également constaté que les mesures MEG effectuées sur la moitié seulement des régions cérébrales échantillonnées pouvaient produire des résultats avec une faible perte de précision (2 à 3 %), ce qui indique que les futurs casques MEG pourraient nécessiter moins de capteurs.

Pour ce qui est de l’avenir, M. Bu a déclaré : « Ce travail jette les bases du développement futur d’une interface cerveau-ordinateur basée sur le MEG. »

Outre Huang, Lee et Bu, l’article intitulé « Magnetoencephalogram-based brain-computer interface for hand-gesture decoding using deep learning » (Interface cerveau-ordinateur basée sur le magnétoencéphalogramme pour le décodage des gestes de la main à l’aide de l’apprentissage profond) a été rédigé par Deborah L. Harrington, Qian Shen et Annemarie Angeles-Quinto du VA San Diego Healthcare System et de l’UC San Diego School of Medicine ; Hayden Hansen du VA San Diego Healthcare System ; Zhengwei Ji, Jaqueline Hernandez-Lucas, Jared Baumgartner, Tao Song et Sharon Nichols de l’UC San Diego School of Medicine ; Dewleen Baker du Centre d’excellence pour le stress et la santé mentale de la VA et de la faculté de médecine de l’université de San Diego ; Imanuel Lerman de l’université de San Diego, de sa faculté de médecine et du Centre d’excellence pour le stress et la santé mentale de la VA ; et Ramesh Rao (directeur de l’institut Qualcomm), Tuo Lin et Xin Ming Tu de l’université de San Diego.