WO2023083755A1 - Détection perfectionnée de potentiels évoqués - Google Patents

Détection perfectionnée de potentiels évoqués Download PDF

Info

Publication number
WO2023083755A1
WO2023083755A1 PCT/EP2022/081001 EP2022081001W WO2023083755A1 WO 2023083755 A1 WO2023083755 A1 WO 2023083755A1 EP 2022081001 W EP2022081001 W EP 2022081001W WO 2023083755 A1 WO2023083755 A1 WO 2023083755A1
Authority
WO
WIPO (PCT)
Prior art keywords
frequency
sensory stimulation
user
signal
frequencies
Prior art date
Application number
PCT/EP2022/081001
Other languages
English (en)
Inventor
Cyril Plapous
Foued BOUCHNAK
Original Assignee
Orange
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Orange filed Critical Orange
Priority to EP22814003.4A priority Critical patent/EP4429550A1/fr
Priority to CN202280071651.2A priority patent/CN118201551A/zh
Publication of WO2023083755A1 publication Critical patent/WO2023083755A1/fr

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/378—Visual stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/38—Acoustic or auditory stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head

Definitions

  • the invention relates to the detection of evoked potentials (visual, auditory or other), via direct neural interfaces.
  • An evoked potential is a signal that appears in the electroencephalogram (or EEG hereafter) signals of a user when this user UT is subjected to sensory stimulation (visual, auditory, etc.).
  • specific equipment includes a BCI headset (for "Brain-Computer Interface") to measure the EEG signals and to find in these signals the frequency of the stimulation (for example visual on the ).
  • a man/machine interface such as an ECR screen can have a light source (flashing spot on the screen or an LED type diode in an alternative embodiment to a screen) which flashes at a frequency fn lower than the frequency of visual perception.
  • An example of a widely used stimulus for an SSEVP application is an image (or an area of an image) flashing at a fixed rate.
  • This stimulation (blinking) generates a visual evoked potential which consists of a signal of the same frequency as that of the blinking (plus any harmonics). It is possible to measure this frequency in the EEG signals of the person subjected to the blinking.
  • the UT user must concentrate on this flashing for a long time (typically a few seconds and more particularly between 2 and 4 seconds for example) to guarantee that the detected signal does not correspond to an artifact.
  • EEG signals are very variable from one person to another and vary widely depending on many parameters (fatigue, context, concentration, etc.).
  • Some frequencies may therefore be more easily detectable in some people than others. It can also vary in the same person over time and according to certain conditions (emotional state, external disturbances, etc.).
  • the present invention improves the situation.
  • the detection method comprises a selection of frequencies according to a reaction speed of the user to the sensory simulation signals.
  • the term "reproduce by a man-machine interface” means animating the aforementioned man-machine interface with a signal (visual, audio, or other) by producing, for example, periodic flashing on a screen (as an interface man-machine) or by playing on one or more loudspeakers a periodic audio signal.
  • the implementation of the method makes it possible to modify a frequency of the stimulation signal if the latter does not cause, after a given latency threshold, a cerebral reaction of the user.
  • the frequency is selected when a reaction latency of the user between a moment of generation of the signal and a moment of possible detection of the evoked potential is lower than a threshold.
  • This reaction is generally expected after a period of about 2 to 4 seconds. If it does not occur (for example after 4 seconds), the frequency can be changed to stimulate the user with another frequency.
  • the detection method may comprise: - an adjustment of the frequency of the signal to a first frequency, - then a measurement of a reaction latency of the user between a moment of generation of the signal and a moment of possible detection of the evoked potential, And : - if the latency is below a threshold, a selection of the first frequency comprising a storage of information according to which the first frequency is attributable to a sensory stimulation signal, - otherwise, a repetition of the evoked potential detection method with a second frequency replacing the first frequency, the second frequency being distinct from the first frequency.
  • This second frequency can be lower to allow the user to concentrate more easily on the stimulation, or higher on the contrary to attract his attention.
  • the aforementioned second frequency may be higher or lower than the first frequency, in general.
  • the detection method comprises, if said latency is less than the threshold, a storage of information whereby this first frequency is assigned to this given signal of sensory stimulation.
  • this frequency can be specifically assigned to this given signal.
  • information is stored according to which the first frequency is assigned to this given sensory stimulation signal.
  • the frequency of this signal is such that it causes a reaction whose latency is lower than the aforementioned threshold.
  • This embodiment can be advantageous for example in the case of a display of flashing targets on a screen at respective distinct frequencies, and at respective distinct locations. In this case, if one of the targets caused a rapid detection at a given location, then if this target is to be displayed again in a later use, it can be displayed for example at the same location in the screen and flash at the same frequency.
  • a plurality of given sensory stimulation signals can be assigned respective frequencies: - chosen from a set of candidate frequencies, and - whose generated sensory stimulation signal causes the detection of an evoked potential after a latency below said threshold.
  • the aforementioned threshold can be fixed, for example 3 or 4 seconds. Alternatively, it may be relative, as explained in an embodiment below.
  • this threshold can be relative, and the method can comprise for example: - a test of the frequencies of a set of N candidate frequencies to identify the K smallest reaction latencies to sensory stimulation signals generated respectively with the N candidate frequencies, with K ⁇ N, and - storage of information according to which the K frequencies having caused the K smallest reaction latencies are attributable to a sensory stimulation signal.
  • these K frequencies are selected independently of a fixed threshold value.
  • the last of the K frequencies selected can be such that their latencies are greater than 3 seconds, whereas the first of the K frequencies selected can be such that their latencies are less than 3 seconds.
  • the aforementioned relative threshold can thus correspond to the maximum latency among the K smallest latencies, measured from N generations of sensory stimulation signals with the respective N frequencies of the set of candidate frequencies.
  • the aforementioned method can be implemented during a calibration phase of a device for detecting evoked potential in the physiological signal of a given user, the device being intended for this given user.
  • This may be a calibration of a device specific to the user.
  • it may be a general calibration to a factory setting, with some frequencies being less efficient, overall, than others.
  • the method can be implemented over the use, by a given user, of a device for detecting evoked potential in the physiological signal of this given user.
  • the selections of the best frequencies are made as the device is used.
  • this frequency can be excluded from the set of assignable frequencies, and replaced by a new frequency.
  • Such an embodiment is advantageous in particular for varying the frequencies used according to different times of the day requiring different attention (in the morning, or after a meal, for example).
  • the method can be implemented at different times of a day and provision is made for storing at least one frequency attributable to a sensory stimulation signal, in correspondence of a given moment of a day (time at which the latency below a threshold was measured).
  • each moment can indeed be specific to a user. For example, some users are sensitive to certain frequencies in the evening, while others are more sensitive to them in the morning.
  • the method can be implemented at different times of a day, for this given user, and provision can be made for storing at least one frequency attributable to a sensory stimulation signal intended for this given user, in correspondence of a given moment of a day.
  • the stored frequency can also be stored in correspondence of a given user identifier if this user is not the only one using the device.
  • frequency storage means above both the storage of a frequency index or a value of this frequency, of course.
  • the present invention also relates to a computer program comprising instructions for the implementation of the method above, when these instructions are executed by a processor of a processing circuit.
  • It also relates to a non-transitory computer medium storing instructions of a computer program of the above type, and readable by a processing circuit to execute the above method.
  • the present invention also relates to a device for detecting evoked potential in a physiological signal of a user comprising: - a sensory stimulation signal generator, the sensory stimulation signal generator being connected to a man-machine interface capable of reproducing the sensory stimulation signal generated for the user, the sensory stimulation signal being periodic and adjustable in frequency , - a frequency selector depending on a reaction speed of the user to the sensory simulation signals.
  • the evoked potential detection device may comprise at least: - a processing circuit configured to (select frequencies whose reaction latencies are below the aforementioned threshold and) generate (with a frequency thus selected) the sensory stimulation signal, - an output interface connected on the one hand to the processing circuit and on the other hand to a man-machine interface intended for the user, to reproduce the sensory stimulation signal, and - an input interface connected to the processing circuit to receive said physiological signal from the user.
  • the processing circuit may comprise a memory storing at least identifiers (or values) of respective frequencies of sensory stimulation signals, and information specific to a part of said frequencies and according to which the frequencies of said part are currently attributable to sensory stimulation signals (depending on the current user, and/or depending on the current time of day, or others).
  • the signal used consists of an image with a fixed blink rate. This image, when viewed by a human being, generates a visual evoked potential of a duration equivalent to the stimulation and which can be detected on the EEG signals recorded via a BCI headset.
  • the user UT can view, for example, on the ECR screen of the several patterns flashing at different frequencies and each designating a different action (a logo to increase or decrease the volume of a television, a logo to change channels, etc.).
  • the user UT concentrates his gaze on one of the flashing logos at a given frequency fn and the headset BCI identifies the frequency fn in the EEG signal.
  • the action corresponding to this frequency can be executed.
  • Such a method can allow the creation of a man/machine interface, for example for people with motor disabilities.
  • N frequencies with N>K (strictly), and therefore thus more frequencies than possible actions.
  • a calibration phase is implemented for each user in order to make the detection of his evoked potentials robust.
  • This calibration can be performed before each use, which aims to improve the robustness of the detection.
  • the calibration step can be performed with N frequencies instead of K usually. At the end of this calibration, it is then possible to have N frequencies to carry out K actions.
  • frequencies that is to say those which allow the actions to be carried out with the fastest response from the user. This is because some frequencies are easier to detect in some people than in others. In addition, certain frequencies may also be better suited to certain times of the day or to certain conditions for the same user (concentration (noise or stresses around the user), emotional state, fatigue, or others).
  • K frequencies are selected from the N available frequencies. This selection may or may not be random.
  • the system is then used in the usual way by the user in order to be able to perform K possible actions.
  • the system can remember the frequency fn which was recognized and how long (delay tn) it took to detect this frequency.
  • the delay tn therefore represents the time difference between the start of sensory stimulation and the start of detection of the evoked potential in the user's EEG signal.
  • the delay tn necessary to detect this frequency can be calculated a posteriori by analyzing the previously recorded EEG signal.
  • the system can analyze the recorded sequence before the detection time. Knowing the frequency that has been recognized, it is therefore possible to analyze the energy in this frequency band and thus determine how long it had been present before the detection.
  • this new frequency fm as well as its detection delay tm are recorded.
  • a detection delay ti is obtained associated with each of the N available frequencies fi, at the end of step S2 of the .
  • the N frequencies tested on the user can be chosen at step S1 of the according to different criteria.
  • a first criterion is not to retain frequencies that are multiple of each other in the set of N frequencies. Indeed, the EEG signal collects the frequency fn and possibly harmonics of this frequency. It is therefore appropriate to exclude multiples of this frequency fn in the set of N frequencies. For example, frequencies such as 10.1 Hz and 10.2 Hz can be retained, it being demonstrated that an individual's brain can distinguish a frequency deviation as small as 0.1 Hz and deliver evoked potentials at these frequencies. respective. It is also possible to filter disturbing frequencies such as the frequencies of the electrical distribution network (50Hz in France), and its harmonics or its divisions for example by two (25Hz, 12.5Hz, etc.).
  • step S3 After obtaining a delay tn measured by frequency fn, it is possible to classify these N frequencies in step S3. Indeed, the best frequency is the one allowing the fastest detection (ie the shortest delay tn). After classifying these N frequencies fn in order of increasing durations tn, it is possible to select in step S4 the K best frequencies (those whose respective K durations are the smallest) and assign them to the K actions used by the system. This allocation can be done randomly or not. The non-random case corresponds to that where a frequency is chosen for a specific action, for example the best detected frequency is that whose action is generally used the most (such as for example "cancel and go back").
  • the K selected frequencies are denoted f'1, ..., f'K, the notation “f'” for these frequencies being justified because they are not necessarily identical to the first K frequencies of the set Sn of the N frequencies f1, ... , fK, ..., fN.
  • a previously discarded frequency (among N frequencies) can henceforth be better than the K commonly used frequencies. It is therefore advantageous to provide the possibility of reintroducing the discarded frequencies by repeating steps S2 to S4, for a new selection of K frequencies. This can be carried out after a time delay (step S5 in dotted lines) fixed beforehand (for example after a few hours of use) or via a voluntary action by the user, for example.
  • the invention combines the following advantages:
  • the invention finds numerous applications, in particular all applications using the SSVEP (by improving this approach). It can allow, for example, the control of a connected house via a BCI headset (switch on the television, change the channel, switch on the light, switch off the heating, etc.)
  • a calibration phase has been described as the first step of selecting the K frequencies from among N possible ones. Nevertheless, during the calibration, a certain number of elements can be stored, in particular the power in the frequency band of interest and the duration during which this power is observed. Then, when the user uses the system, the N frequencies are each used once and these frequencies are detected thanks to the elements (power, duration, etc.) recorded during the calibration phase. Then the detection delay tn, measured for each frequency fn, makes it possible to classify the frequencies from the best to the worst (according to the criterion of the detection delay).
  • This classification of frequencies can be carried out during the calibration phase itself as described above, or simply during use, typically by detecting the reaction time at each frequency used for an action, for example.
  • One or more speakers can play sounds (e.g. beeps) of different frequencies and a user concentrating on one of the sounds can thus select an action.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Dermatology (AREA)
  • Neurology (AREA)
  • General Physics & Mathematics (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

L'invention concerne une détection d'un potentiel évoqué dans un signal physiologique (EEG) d'un utilisateur (UT), en réaction à la génération d'un signal de stimulation sensorielle (SSSn) joué par une interface homme machine (ECR) destinée à l'utilisateur (UT). Le signal de stimulation sensorielle (SSSn) est périodique et réglable en fréquence. Pour un signal de stimulation sensorielle, donné, on règle la fréquence du signal donné à une première fréquence (fn), puis on mesure une latence de réaction de l'utilisateur entre un moment de génération du signal donné et un moment de détection éventuelle du potentiel évoqué, et: - si la latence est inférieure à un seuil, on stocke une information selon laquelle la première fréquence est attribuable à un signal de stimulation sensorielle, - sinon, on répète le procédé avec une deuxième fréquence en remplacement de la première fréquence, la deuxième fréquence étant distincte de la première fréquence.

Description

Détection perfectionnée de potentiels évoqués
L’invention porte sur la détection de potentiels évoqués (visuels, auditifs ou autres), via des interfaces neuronales directes.
Un potentiel évoqué est un signal qui apparait dans les signaux d’électroencéphalogramme (ou EEG ci-après) d’un utilisateur lorsque cet utilisateur UT est soumis à une stimulation sensorielle (visuelle, auditive, etc.). En référence à la , un équipement spécifique inclus un casque BCI (pour « Brain-Computer Interface ») permettant de mesurer les signaux EEG et de retrouver dans ces signaux la fréquence de la stimulation (par exemple visuelle sur la ). Ainsi, une interface homme/machine telle qu’un écran ECR peut présenter une source lumineuse (tache clignotante sur l’écran ou une diode de type LED dans une réalisation alternative à un écran) qui clignote à une fréquence fn inférieure à la fréquence de perception visuelle. Il a été observé que le cerveau de l’utilisateur UT émet des ondes ayant la même fréquence que la fréquence fn de la source de stimulation. Cette fréquence peut être mesurée précisément dans les signaux EEG capté par le casque BCI. Cette approche est nommée “SSEVP” pour “Steady-State Evoked Visual Potential”.
Un exemple de stimulus largement utilisé pour une application SSEVP est une image (ou une zone d’une image) clignotant à une fréquence fixée. Cette stimulation (le clignotement) génère un potentiel évoqué visuel qui consiste en un signal de même fréquence que celle du clignotement (plus les harmoniques éventuels). Il est possible de mesurer cette fréquence dans les signaux EEG de la personne soumise au clignotement. Cependant, l’utilisateur UT doit se concentrer longtemps sur ce clignotement (typiquement quelques secondes et plus particulièrement entre 2 et 4 secondes par exemple) pour garantir que le signal repéré ne correspond pas à un artéfact. De plus, les signaux EEG sont très variables d’une personne à l’autre et varient largement en fonction de beaucoup de paramètres (fatigue, contexte, concentration, etc.).
Certaines fréquences peuvent donc être plus facilement détectables chez certaines personnes que d’autres. Cela peut aussi varier chez une même personne au cours du temps et selon certaines conditions (état émotionnel, perturbations extérieures, etc.).
Ces conditions adverses font que les applications utilisant les SSVEP peuvent être relativement lentes à réagir. Par exemple, il peut être nécessaire de regarder une image clignotante pendant plusieurs secondes (autour de 4 secondes, voire plus) avant de détecter le potentiel évoqué et réussir à réaliser par exemple une action associée à ce clignotement. Si l’action consiste par exemple à changer la chaîne de la télévision, la manipulation de cette dernière devient alors fastidieuse.
La présente invention vient améliorer la situation.
Elle propose à cet effet un procédé de détection d’un potentiel évoqué dans un signal physiologique d’un utilisateur, en réaction à la génération d’un signal de stimulation sensorielle reproduit par une interface homme machine destinée à l’utilisateur. Le signal de stimulation sensorielle est périodique et réglable en fréquence. En particulier, le procédé de détection comporte une sélection de fréquences en fonction d’une vitesse de réaction de l’utilisateur aux signaux de simulation sensorielle.
On entend ici par « reproduire par une interface homme machine » le fait d’animer l’interface homme machine précitée avec un signal (visuel, audio, ou autre) en produisant par exemple un clignotement périodique sur un écran (en tant qu’interface homme machine) ou en jouant sur un ou plusieurs haut-parleurs un signal audio périodique.
Ainsi, la mise en œuvre du procédé permet de modifier une fréquence du signal de stimulation si ce dernier ne provoque pas, après un seuil de latence donnée, une réaction cérébrale de l’utilisateur.
Dans une telle réalisation, pour un signal de stimulation sensorielle, la fréquence est sélectionnée lorsqu’une latence de réaction de l’utilisateur entre un moment de génération du signal et un moment de détection éventuelle du potentiel évoqué est inférieure à un seuil.
Cette réaction est attendue généralement après une durée de l’ordre de 2 à 4 secondes. Si elle n’advient pas (par exemple après 4 secondes), la fréquence peut être changée pour stimuler l’utilisateur avec une autre fréquence.
Dans une telle réalisation, pour un signal de stimulation sensorielle, le procédé de détection peut comporter :
- un réglage de la fréquence du signal à une première fréquence,
- puis une mesure d’une latence de réaction de l’utilisateur entre un moment de génération du signal et un moment de détection éventuelle du potentiel évoqué,
et :
- si la latence est inférieure à un seuil, une sélection de la première fréquence comportant un stockage d’une information selon laquelle la première fréquence est attribuable à un signal de stimulation sensorielle,
- sinon, une répétition du procédé de détection de potentiel évoqué avec une deuxième fréquence en remplacement de la première fréquence, la deuxième fréquence étant distincte de la première fréquence.
Cette deuxième fréquence peut être plus basse pour permettre à l’utilisateur de se concentrer plus facilement sur la stimulation, ou plus élevée au contraire pour attirer son attention. Ainsi, la deuxième fréquence précitée peut être plus élevée ou plus basse que la première fréquence, de façon générale.
Si la première fréquence (ou la deuxième fréquence qui vient en remplacement de la première fréquence) a provoqué une réaction après une durée inférieure au seuil précité, le procédé de détection comporte, si ladite latence est inférieure au seuil, un stockage d’une information selon laquelle cette première fréquence est attribuée à ce signal donné de stimulation sensorielle.
Par rapport à un signal de stimulation sensorielle donné, une fois qu’une fréquence a pu être déterminée comme provoquant une réaction cérébrale après une latence inférieure au seuil précité, on peut spécifiquement assigner cette fréquence à ce signal donné. Ainsi, si ladite latence est inférieure au seuil, on stocke une information selon laquelle la première fréquence est attribuée à ce signal donné de stimulation sensorielle. Par cette mise en œuvre, à chaque jeu par l’interface homme/machine de ce signal de stimulation, la fréquence de ce signal est telle qu’elle provoque une réaction dont la latence est inférieure au seuil précité. Cette réalisation peut être avantageuse par exemple dans le cas d’un affichage de cibles clignotantes sur un écran à des fréquences respectives distinctes, et à des emplacements respectifs distincts. Dans ce cas, si l’une des cibles a provoqué une détection rapide à un emplacement donné, alors si cette cible doit être affichée de nouveau dans une utilisation ultérieure, elle peut être affichée par exemple au même emplacement dans l’écran et clignoter à la même fréquence.
Alternativement, on peut simplement retenir la fréquence qui a occasionné une détection rapide, et la conserver en mémoire en tant que fréquence utilisable parmi d’autres fréquences utilisables pour élaborer des signaux de stimulation pour cet utilisateur.
Par exemple, on peut attribuer, à une pluralité de signaux donnés de stimulation sensorielle, des fréquences respectives :
- choisies dans un ensemble de fréquences candidates, et
- dont le signal de stimulation sensorielle généré provoque la détection d’un potentiel évoqué après une latence inférieure audit seuil.
Le seuil précité peut être fixe, par exemple de 3 ou 4 secondes. Alternativement, il peut être relatif, comme exposé dans un mode de réalisation ci-après.
En effet, ce seuil peut être relatif, et le procédé peut comporter par exemple :
- un test des fréquences d’un ensemble de N fréquences candidates pour identifier les K plus petites latences de réaction à des signaux de stimulation sensorielle générés respectivement avec les N fréquences candidates, avec K<N, et
- un stockage d’une information selon laquelle les K fréquences ayant provoqué les K latences de réaction les plus petites sont attribuables à un signal de stimulation sensorielle.
Ainsi, ces K fréquences sont sélectionnées indépendamment d’une valeur seuil fixe. Par exemple les dernières des K fréquences sélectionnées peuvent être telles que leurs latences sont supérieures à 3 secondes, alors que les premières des K fréquences sélectionnées peuvent être telles que leurs latences sont inférieures à 3 secondes.
Dans une telle réalisation, le seuil relatif, précité, peut ainsi correspondre à la latence maximale parmi les K latences les plus petites, mesurées à partir de N générations de signaux de stimulation sensorielle avec les N fréquences respectives de l’ensemble de fréquences candidates.
Le procédé précité peut être mis en œuvre pendant une phase de calibration d’un dispositif de détection de potentiel évoqué dans le signal physiologique d’un utilisateur donné, le dispositif étant destiné à cet utilisateur donné. Il peut s’agir d’une calibration d’un dispositif propre à l’utilisateur. Alternativement, il peut s’agir d’une calibration générale pour un réglage d’usine, certaines fréquences étant moins efficaces, globalement, que d’autres.
En complément ou en variante, le procédé peut être mis en œuvre au fil d’une utilisation, par un utilisateur donné, d’un dispositif de détection de potentiel évoqué dans le signal physiologique de cet utilisateur donné. Dans une telle réalisation, les sélections des meilleures fréquences s’effectuent au fil de l’utilisation du dispositif. Typiquement lorsqu’une stimulation à une fréquence donnée n’est pas détectée ou détectée trop tardivement, cette fréquence peut être exclue de l’ensemble des fréquences attribuables, et remplacée par une nouvelle fréquence.
Une telle réalisation est avantageuse notamment pour faire varier les fréquences utilisées selon différents moments d’une journée requérant des attentions différentes (en matinée, ou après un repas, par exemple).
Ainsi, en complément ou en variante, le procédé peut être mis en œuvre à différents moments d’une journée et on prévoit un stockage d’au moins une fréquence attribuable à un signal de stimulation sensorielle, en correspondance d’un moment donné d’une journée (moment auquel la latence inférieure à un seuil à été mesuré).
Ces moments peuvent être propres à un utilisateur donné. Chaque moment peut en effet être spécifique à un utilisateur. Par exemple, des utilisateurs sont sensibles à certaines fréquences le soir, alors que d’autres y sont sensibles plutôt le matin. Ainsi, le procédé peut être mis en œuvre à différents moments d’une journée, pour cet utilisateur donné, et on peut prévoir un stockage d’au moins une fréquence attribuable à un signal de stimulation sensorielle destinée à cet utilisateur donné, en correspondance d’un moment donné d’une journée. La fréquence stockée peut être mémorisée en outre en correspondance d’un identifiant de l’utilisateur donné si cet utilisateur n’est pas le seul à utiliser le dispositif.
Par ailleurs, on entend ci-avant par « stockage de fréquence » aussi bien le stockage d’un indice de fréquence ou d’une valeur de cette fréquence, bien sûr.
La présente invention vise aussi un programme informatique comportant des instructions pour la mise en œuvre du procédé ci-avant, lorsque ces instructions sont exécutées par un processeur d’un circuit de traitement.
Elle vise aussi un support informatique non transitoire stockant des instructions d’un programme informatique du type ci-avant, et lisible par un circuit de traitement pour exécuter le procédé ci-avant.
La présente invention vise aussi un dispositif de détection de potentiel évoqué dans un signal physiologique d’un utilisateur comportant :
- un générateur de signaux de stimulation sensorielle, le générateur de signaux de stimulation sensorielle étant connecté à une interface homme machine apte à reproduire le signal de stimulation sensorielle généré à destination de l’utilisateur, le signal de stimulation sensorielle étant périodique et réglable en fréquence,
- un sélecteur de fréquences en fonction en fonction d’une vitesse de réaction de l’utilisateur aux signaux de simulation sensorielle.
Par exemple, le dispositif de détection de potentiel évoqué peut comporter au moins :
- un circuit de traitement configuré pour (sélectionner des fréquences dont les latences de réaction sont inférieures au seuil précité et) générer (avec une fréquence ainsi sélectionnée) le signal de stimulation sensorielle,
- une interface de sortie reliée d’une part au circuit de traitement et d’autre part à une interface homme machine destinée à l’utilisateur, pour reproduire le signal de stimulation sensorielle, et
- une interface d’entrée reliée au circuit de traitement pour recevoir ledit signal physiologique de l’utilisateur.
Par exemple, le circuit de traitement peut comporter une mémoire stockant au moins des identifiants (ou des valeurs) de fréquences respectives de signaux de stimulation sensorielle, et des informations propres à une partie desdites fréquences et selon lesquelles les fréquences de ladite partie sont couramment attribuables à des signaux de stimulation sensorielle (en fonction de l’utilisateur en cours, et/ou en fonction du moment de la journée en cours, ou autres).
D’autres avantages et caractéristiques de l’invention apparaitront à la lecture de la description d’exemples de réalisation présentés ci-après et à l’examen des dessins annexés sur lesquels :
La présente un système comportant un dispositif pour la mise en œuvre du procédé selon l’invention, selon un exemple de réalisation.
La illustre un procédé selon un exemple de réalisation.
Il est proposé de sélectionner automatiquement les meilleures fréquences de clignotement afin de maximiser la puissance du potentiel évoqué généré. Cette sélection automatique a pour but d’adapter les fréquences aux différents utilisateurs et/ou aux différentes conditions d’utilisation (état émotionnel, fatigue, perturbations extérieures). Habituellement, le signal utilisé consiste en une image avec une fréquence de clignotement fixe. Cette image, lorsqu’elle est visualisée par un être humain, génère un potentiel évoqué visuel d’une durée équivalente à la stimulation et qui est repérable sur les signaux EEG enregistrés via un casque BCI.
Ci-après on considère une application d’interface homme/machine par exemple, qui nécessite K fréquences permettant de réaliser K actions. L’utilisateur UT peut visualiser par exemple sur l’écran ECR de la plusieurs motifs clignotant à des fréquences différentes et désignant chacun une action différente (un logo pour augmenter ou diminuer le volume d’un téléviseur, un logo pour changer de chaine, etc.). L’utilisateur UT concentre son regard sur l’un des logos clignotants à une fréquence donnée fn et le casque BCI identifie dans le signal EEG la fréquence fn. Ainsi, l’action correspondant à cette fréquence peut être exécutée. Un tel procédé peut permettre l’élaboration d’une interface homme/machine par exemple pour des personnes handicapées motrices.
Une solution classique de SSVEP utiliserait alors uniquement K fréquences qui seraient suffisantes pour réaliser K actions (un nombre inférieur de fréquences, selon les applications, pouvant être possible car toutes les fréquences ne sont pas nécessairement utilisées simultanément, ce qui n’a en réalité aucun impact sur l’intérêt de l’invention).
Il est proposé dans un mode de réalisation de la présente invention détaillé ci-après d’utiliser N fréquences, avec N>K (strictement), et donc ainsi plus de fréquences que d’actions possibles.
Habituellement, une phase de calibration est mise en œuvre pour chaque utilisateur afin de rendre robuste la détection de ses potentiels évoqués. Cette calibration peut être réalisée avant chaque utilisation, ce qui a pour but d’améliorer la robustesse de la détection. Ici, l’étape de calibration peut être réalisée avec N fréquences au lieu de K habituellement. A l’issue de cette calibration, il est possible de disposer alors de N fréquences pour réaliser K actions.
On cherche ici à sélectionner les meilleures fréquences, c’est-à-dire celles qui permettent de réaliser les actions avec la réponse la plus rapide de l’utilisateur. En effet, certaines fréquences sont plus faciles à détecter chez certaines personnes que chez d’autres. Par ailleurs, certaines fréquences peuvent aussi être mieux adaptées à certains moments de la journée ou à certaines conditions chez un même utilisateur (concentration (bruit ou sollicitations autour de l’utilisateur), état émotionnel, fatigue, ou autres).
Ainsi, à l’initialisation de la session d’utilisation, K fréquences sont sélectionnées parmi les N fréquences disponibles. Cette sélection peut être aléatoire ou non. Le système est ensuite utilisé de façon habituelle par l’utilisateur afin de pouvoir réaliser K actions possibles.
Suite à la sélection d’une action (via une fréquence de clignotement dans l’exemple de la ), le système peut garder en mémoire la fréquence fn qui a été reconnue et combien de temps (délai tn) il a fallu pour détecter cette fréquence. Le délai tn représente donc l’écart temporel entre le début de stimulation sensorielle et le début de détection du potentiel évoqué dans le signal EEG de l’utilisateur.
Par exemple, le délai tn nécessaire pour détecter cette fréquence peut être calculé a posteriori en analysant le signal EEG préalablement enregistré. Le système peut analyser la séquence enregistrée avant le moment de détection. Sachant la fréquence qui a été reconnue, il est donc possible d’analyser l’énergie dans cette bande de fréquences et ainsi déterminer depuis combien de temps elle était présente avant la détection.
Dans la suite, afin de réaliser cette même action une nouvelle fois, une fréquence de clignotement différente y est associée. Le choix de cette fréquence peut être aléatoire ou non et cette fréquence doit être choisie parmi celles non utilisées pour l’instant (à savoir parmi (N-K) fréquences pour cette nouvelle étape).
Ainsi, lorsque l’utilisateur concentre son attention pour sélectionner une deuxième action (qui peut être identique ou différente de la première action, la fréquence de clignotement par contre étant strictement différente), une fréquence différente de celle de l’étape précédente peut être détectée dans le potentiel évoqué de l’utilisateur.
De la même façon, cette nouvelle fréquence fm ainsi que son délai de détection tm sont enregistrés.
En procédant de même pour la détection des fréquences suivantes, on obtient un délai de détection ti associé à chacune des N fréquences disponibles fi, à l’issue de l’étape S2 de la . Il convient de noter que les N fréquences testées sur l’utilisateur peuvent être choisies à l’étape S1 de la selon différents critères. Un premier critère est de ne pas retenir des fréquences multiples l’une de l’autre dans l’ensemble des N fréquences. En effet, le signal EEG récolte la fréquence fn et possiblement des harmoniques de cette fréquence. Il convient donc d’exclure des multiples de cette fréquence fn dans l’ensemble des N fréquences. Par exemple, des fréquences telles que 10,1 Hz et 10,2 Hz peuvent être retenues, étant démontré que le cerveau d’un individu peut distinguer un écart de fréquence aussi faible que 0,1 Hz et délivrer des potentiels évoqués à ces fréquences respectives. On peut filtrer aussi des fréquences perturbatrices comme les fréquences du réseau de distribution électrique (50Hz en France), et ses harmoniques ou ses divisions par exemple par deux (25Hz, 12,5Hz, etc.).
Après obtention d’un délai tn mesuré par fréquence fn, il est possible de classer ces N fréquences à l’étape S3. En effet, la meilleure fréquence est celle permettant la détection la plus rapide (i.e. le délai tn le plus court). Après avoir classé ces N fréquences fn par ordre de durées tn croissantes, il est possible de sélectionner à l’étape S4 les K meilleures fréquences (celles dont les K durées respectives sont les plus petites) et de les attribuer aux K actions utilisées par le système. Cette attribution peut être réalisée de façon aléatoire ou non. Le cas non aléatoire correspond à celui où une fréquence est choisie pour une action spécifique, par exemple la fréquence la mieux détectée est celle dont l’action est généralement la plus utilisée (comme par exemple « annuler et retourner en arrière »).
Sur la , les K fréquences sélectionnées sont notées f’1, …, f’K, la notation « f’ » pour ces fréquences se justifiant car elles ne sont pas nécessairement identiques aux K premières fréquences de l’ensemble Sn des N fréquences f1, …, fK, …, fN.
Une telle réalisation permet donc d’optimiser automatiquement la sélection des fréquences pour chaque utilisateur. De la même façon, dès que les conditions d’utilisation varient avec le temps et les moments d’une journée (d’attention différente entre après un repas et le matin par exemple), il est possible de programmer le système pour s’adapter à ces différents moments en sélectionnant les fréquences donnant les meilleures performances en termes de délai de détection de potentiel évoqué.
Dans le cas où le système est utilisé en continu ou pendant une longue période de temps, les conditions extérieures ou l’état mental de l’utilisateur peuvent varier. Une fréquence préalablement écartée (parmi N fréquences) peut dorénavant être meilleure que les K fréquences couramment utilisées. Il est donc intéressant de prévoir la possibilité de réintroduire les fréquences écartées par une répétition des étapes S2 à S4, pour une nouvelle sélection de K fréquences. Ceci peut être réalisé après une temporisation (étape S5 en traits pointillés) préalablement fixée (par exemple après quelques heures d’utilisation) ou via une action volontaire de l’utilisateur, par exemple.
Ainsi, l’invention réunit les avantages suivants:
- Sélection automatique des K fréquences donnant les meilleures performances, en termes de temps de réponse ;
- Adaptation automatique du système à différents utilisateurs possibles ;
- Robustesse du système à la modification des conditions d’utilisation (état émotionnel, fatigue, perturbations extérieures).
L’invention trouve de nombreuses applications, notamment toutes les applications utilisant le SSVEP (en améliorant cette approche). Elle peut permettre par exemple la commande d’une maison connectée via un casque BCI (allumer la télévision, changer de chaîne, allumer la lumière, éteindre le chauffage, etc.)
Bien entendu, la présente invention ne se limite pas à la forme de réalisation présentée ci-avant. Elle s’étend à d’autres variantes.
Par exemple, ci-avant, on a décrit une phase de calibration comme première étape de sélection des K fréquences parmi N possibles. Néanmoins, pendant la calibration, un certain nombre d’éléments peuvent être mémorisés, notamment la puissance dans la bande de fréquence intéressante et la durée pendant laquelle on observe cette puissance. Ensuite, lorsque l’utilisateur utilise le système, les N fréquences sont utilisées chacune une fois et ces fréquences sont détectées grâce aux éléments (puissance, durée, etc.) enregistrés lors de la phase de calibration. Ensuite le délai de détection tn, mesuré pour chaque fréquence fn, permet de classer les fréquences de la meilleure à la moins bonne (selon le critère du délai de détection).
Ce classement des fréquences peut être opéré pendant la phase de calibration elle-même comme décrit plus haut, ou simplement au fil de l’utilisation, typiquement en détectant la durée de réaction à chaque fréquence utilisée pour une action par exemple.
Par ailleurs, on a décrit ci-avant une réaction à une stimulation visuelle (sur un écran ECR typiquement). Toutefois, il a été observé aussi des réactions à des stimulations auditives notamment. Un ou plusieurs haut-parleurs peuvent jouer des sons (par exemple des bips) de fréquences différentes et un utilisateur se concentrant sur l’un des sons peut ainsi sélectionner une action.

Claims (14)

  1. Procédé de détection d’un potentiel évoqué dans un signal physiologique (EEG) d’un utilisateur (UT), en réaction à la génération d’un signal de stimulation sensorielle (SSS) reproduit par une interface homme machine (ECR) destinée à l’utilisateur (UT), le signal de stimulation sensorielle (SSS) étant périodique et réglable en fréquence, dans lequel, le procédé de détection comporte une sélection de fréquences en fonction d’une vitesse de réaction de l’utilisateur aux signaux de simulation sensorielle.
  2. Procédé de détection selon la revendication 1, dans lequel, pour un signal de stimulation sensorielle, la fréquence est sélectionnée lorsqu’une latence de réaction (tn) de l’utilisateur entre un moment de génération du signal et un moment de détection éventuelle du potentiel évoqué est inférieure à un seuil.
  3. Procédé de détection selon l’une quelconque des revendications 1 ou 2, dans lequel pour un signal de stimulation sensorielle, le procédé de détection comporte :
    - un réglage de la fréquence du signal à une première fréquence (fn),
    - puis une mesure d’une latence de réaction (tn) de l’utilisateur entre un moment de génération du signal et un moment de détection éventuelle du potentiel évoqué,
    et :
    - si la latence (tn) est inférieure à un seuil, une sélection de la première fréquence comportant un stockage d’une information selon laquelle la première fréquence est attribuable à un signal de stimulation sensorielle (SSS),
    - sinon, une répétition du procédé de détection de potentiel évoqué avec une deuxième fréquence en remplacement de la première fréquence, la deuxième fréquence étant distincte de la première fréquence.
  4. Procédé selon l’une des revendications 2 ou 3, dans lequel, le procédé de détection comporte, si ladite latence (tn) est inférieure au seuil, un stockage d’une information selon laquelle la première fréquence (fn) est attribuée audit signal donné de stimulation sensorielle (SSSn).
  5. Procédé selon l’une des revendications 2 à 4, dans lequel on attribue, à une pluralité de signaux donnés de stimulation sensorielle, des fréquences respectives (f’k) :
    - choisies dans un ensemble de fréquences candidates (f1, …, fN), et
    - dont le signal de stimulation sensorielle généré provoque la détection d’un potentiel évoqué après une latence inférieure audit seuil.
  6. Procédé selon l’une des revendications 2 à 5, dans lequel ledit seuil est relatif, et le procédé comporte :
    - un test des fréquences d’un ensemble de N fréquences candidates pour identifier les K plus petites latences de réaction à des signaux de stimulation sensorielle générés respectivement avec les N fréquences candidates, avec K<N, et
    - un stockage d’une information selon laquelle les K fréquences ayant provoqué les K latences de réaction les plus petites sont attribuables à un signal de stimulation sensorielle (SSS).
  7. Procédé selon l'une des revendications précédentes, mis en œuvre pendant une phase de calibration d’un dispositif (DIS) de détection de potentiel évoqué dans le signal physiologique d’un utilisateur donné, le dispositif étant destiné à cet utilisateur donné.
  8. Procédé selon l'une des revendications précédentes, mis en œuvre au fil d’une utilisation, par un utilisateur donné (UT), d’un dispositif (DIS) de détection de potentiel évoqué dans le signal physiologique de cet utilisateur donné.
  9. Procédé selon l’une des revendications précédentes, mis en œuvre à différents moments d’une journée et comportant un stockage d’au moins une fréquence attribuable à un signal de stimulation sensorielle (SSS), en correspondance d’un moment donné d’une journée.
  10. Procédé selon la revendication 8, mis en œuvre à différents moments d’une journée, pour un utilisateur donné, et comportant un stockage d’au moins une fréquence attribuable à un signal de stimulation sensorielle (SSS) destinée à cet utilisateur donné (UT), en correspondance d’un moment donné d’une journée.
  11. Programme informatique comportant des instructions pour la mise en œuvre du procédé selon l’une des revendications 1 à 10, lorsque lesdites instructions sont exécutées par un processeur d’un circuit de traitement.
  12. Dispositif de détection de potentiel évoqué dans un signal physiologique d’un utilisateur comportant :
    - un générateur de signaux de stimulation sensorielle (SSS), le générateur de signaux de stimulation sensorielle étant connecté à une interface homme machine (ECR) apte à reproduire le signal de stimulation sensorielle généré à destination de l’utilisateur (UT), le signal de stimulation sensorielle (SSS) étant périodique et réglable en fréquence,
    - un sélecteur de fréquences en fonction en fonction d’une vitesse de réaction de l’utilisateur aux signaux de simulation sensorielle.
  13. Dispositif de détection de potentiel évoqué selon la revendication 12, dans lequel le dispositif de détection comporte au moins :
    - un circuit de traitement (PROC, MEM) configuré pour générer le signal de stimulation sensorielle (SSS) et sélectionner au moins une fréquence,
    - une interface de sortie (OUT) reliée d’une part au circuit de traitement et d’autre part à une interface homme machine (ECR) destinée à l’utilisateur (UT), pour reproduire le signal de stimulation sensorielle (SSS), et
    - une interface d’entrée (IN) reliée au circuit de traitement pour recevoir ledit signal physiologique de l’utilisateur.
  14. Dispositif selon la revendication 13, dans lequel le circuit de traitement comporte une mémoire (MEM) stockant au moins des identifiants de fréquences respectives de signaux de stimulation sensorielle (SSS), et des informations propres à une partie desdites fréquences et selon lesquelles les fréquences de ladite partie sont couramment attribuables à des signaux de stimulation sensorielle (SSS).
PCT/EP2022/081001 2021-11-09 2022-11-07 Détection perfectionnée de potentiels évoqués WO2023083755A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP22814003.4A EP4429550A1 (fr) 2021-11-09 2022-11-07 Détection perfectionnée de potentiels évoqués
CN202280071651.2A CN118201551A (zh) 2021-11-09 2022-11-07 诱发电位的改进检测

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRFR2111859 2021-11-09
FR2111859A FR3128869A1 (fr) 2021-11-09 2021-11-09 Détection perfectionnée de potentiels évoqués

Publications (1)

Publication Number Publication Date
WO2023083755A1 true WO2023083755A1 (fr) 2023-05-19

Family

ID=80595475

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/081001 WO2023083755A1 (fr) 2021-11-09 2022-11-07 Détection perfectionnée de potentiels évoqués

Country Status (4)

Country Link
EP (1) EP4429550A1 (fr)
CN (1) CN118201551A (fr)
FR (1) FR3128869A1 (fr)
WO (1) WO2023083755A1 (fr)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118692694A (zh) * 2024-08-27 2024-09-24 博睿康医疗科技(上海)有限公司 基于诱发电位的监测系统、术中监控方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105868562A (zh) * 2016-03-31 2016-08-17 天津大学 基于稳态视觉诱发电位调制的神经工效增强方法和装置
KR101720766B1 (ko) * 2015-12-01 2017-03-28 고려대학교 산학협력단 거리 변화를 고려한 안정 상태 시각 유발 전위 기반 뇌파 분석 장치 및 방법
US20190384392A1 (en) * 2013-03-15 2019-12-19 Interaxon Inc. Wearable computing apparatus and method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190384392A1 (en) * 2013-03-15 2019-12-19 Interaxon Inc. Wearable computing apparatus and method
KR101720766B1 (ko) * 2015-12-01 2017-03-28 고려대학교 산학협력단 거리 변화를 고려한 안정 상태 시각 유발 전위 기반 뇌파 분석 장치 및 방법
CN105868562A (zh) * 2016-03-31 2016-08-17 天津大学 基于稳态视觉诱发电位调制的神经工效增强方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HUBERT CECOTTI: "A Self-Paced and Calibration-Less SSVEP-Based Brain-Computer Interface Speller", IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING, IEEE, USA, vol. 18, no. 2, 1 April 2010 (2010-04-01), pages 127 - 133, XP011328423, ISSN: 1534-4320, DOI: 10.1109/TNSRE.2009.2039594 *
NICOLAE IRINA-EMILIA: "An improved stimuli system for Brain-Computer Interface applications", PROCEEDINGS OF THE INTERNATIONAL CONFERENCE ON ELECTRONICS, COMPUTERS AND ARTIFICIAL INTELLIGENCE - ECAI-2013, IEEE, 27 June 2013 (2013-06-27), pages 1 - 4, XP032510552, ISBN: 978-1-4673-4935-2, [retrieved on 20131017], DOI: 10.1109/ECAI.2013.6636157 *
SHIAM ABDULLAH AL ET AL: "Brain Computer Interface Implementation with Short-Time SSVEP", 2018 INTERNATIONAL CONFERENCE ON COMPUTER, COMMUNICATION, CHEMICAL, MATERIAL AND ELECTRONIC ENGINEERING (IC4ME2), IEEE, 8 February 2018 (2018-02-08), pages 1 - 4, XP033404432, DOI: 10.1109/IC4ME2.2018.8465628 *
VALBUENA D ET AL: "sBCI: Fast detection of steady-state visual evoked potentials", 2010 ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY : (EMBC 2010) ; BUENOS AIRES, ARGENTINA, 31 AUGUST - 4 SEPTEMBER 2010, IEEE, PISCATAWAY, NJ, USA, 31 August 2010 (2010-08-31), pages 3966 - 3969, XP032109644, ISBN: 978-1-4244-4123-5, DOI: 10.1109/IEMBS.2010.5627990 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118692694A (zh) * 2024-08-27 2024-09-24 博睿康医疗科技(上海)有限公司 基于诱发电位的监测系统、术中监控方法

Also Published As

Publication number Publication date
CN118201551A (zh) 2024-06-14
EP4429550A1 (fr) 2024-09-18
FR3128869A1 (fr) 2023-05-12

Similar Documents

Publication Publication Date Title
EP3506829A1 (fr) Prédiction de l&#39;attention d&#39;un auditoire lors d&#39;une présentation
FR2747346A1 (fr) Appareil et procede d&#39;estimation du niveau de somnolence du conducteur d&#39;un vehicule
BE1004497A5 (fr) Instrument de mesure de niveau de stress.
WO1997040745A1 (fr) Systeme de collecte et de traitement d&#39;informations biometriques
WO2017149047A1 (fr) Dispositif et méthode de surveillance d&#39;un conducteur d&#39;un véhicule automobile
WO2023083755A1 (fr) Détection perfectionnée de potentiels évoqués
EP0750920A1 (fr) Dispositif médical implantable actif, notamment stimulateur cardiaque, asservi à au moins un paramètre physiologique
EP1381316A2 (fr) Dispositif d&#39;aide a l&#39;analyse de bruits adventices
FR2805072A1 (fr) Procede d&#39;ajustement du volume sonore d&#39;un enregistrement sonore numerique
CA2921476A1 (fr) Procede d&#39;assistance a l&#39;exploration visuelle pour un individu atteint d&#39;une pathologie retinienne se traduisant par un scotome
FR2857122A1 (fr) Procede de navigation dans un ensemble de documents sonores a l&#39;aide d&#39;une interface graphique, et recepteur pour la navigation selon le procede
WO2017093439A1 (fr) Dispositif de commande vocale d&#39;un appareil de capture d&#39;images
WO2004015652A1 (fr) Procede de calibrage d&#39;audio-intonation
Ramsay et al. The intrinsic memorability of everyday sounds
EP1652180B1 (fr) Procede de reproduction de documents audio a l&#39;aide d&#39;une interface presentant des groupes de documents, et appareil de reproduction associe
WO2017162980A1 (fr) Procédé et dispositif de contrôle du réglage d&#39;au moins un paramètre audio et/ou vidéo, terminal et programme d&#39;ordinateur correspondants
CA2889577C (fr) Procede d&#39;identification
FR2985021A1 (fr) Methode de cotation du bruit des freins d&#39;un vehicule automobile
FR3054362A1 (fr) Circuit et procede de reconnaissance de parole
EP3293988B1 (fr) Procédé de contrôle de la détection en temps réel d&#39;une scène par un appareil de communication sans fil, par exemple un téléphone mobile cellulaire, et appareil correspondant
EP1047044A1 (fr) Dispositif d&#39;acquisition et de traitement de signaux pour la commande d&#39;un appareil ou d&#39;un processus
EP3556102B1 (fr) Procede d&#39;enregistrement d&#39;un programme telediffuse a venir
WO2022129104A1 (fr) Procédé et système de synchronisation automatique d&#39;un contenu vidéo et d&#39;un contenu audio
WO2017121617A1 (fr) Dispositif et procede de determination des mouvements oculaires par interface tactile
EP4378392A1 (fr) Détermination de stimuli optimaux pour une interface à base de potentiels évoqués

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22814003

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202280071651.2

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 18708758

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2022814003

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022814003

Country of ref document: EP

Effective date: 20240610