Search

Your search keyword '"Pramij, Smeety"' showing total 4 results
Start Over Author "Pramij, Smeety" Topic [info.info-hc]computer science [cs]/human-computer interaction [cs.hc]
4 results on '"Pramij, Smeety"'

1. Apprendre à contrôler une interface cerveau-ordinateur : le projet BrainConquest

Author

Lotte, Fabien, Appriou, Aurélien, Benaroch, Camille, Dreyer, Pauline, Er, Alper, Monseigne, Thibaut, Pillette, Léa, Pramij, Smeety, Rimbert, Sébastien, Roc, Aline, Popular interaction with 3d content (Potioc), Laboratoire Bordelais de Recherche en Informatique (LaBRI), Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), École Centrale de Nantes (ECN), European Project: 714567 ,H2020 Pilier ERC,BrainConquest(2017), and Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Inria Bordeaux - Sud-Ouest

Subjects
[SCCO]Cognitive science, [SCCO.NEUR]Cognitive science/Neuroscience, [INFO.INFO-HC]Computer Science [cs]/Human-Computer Interaction [cs.HC], [INFO.INFO-BT]Computer Science [cs]/Biotechnology, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience; Les interfaces cerveau-ordinateur (ou Brain-Computer Interface – BCI) sont des neurotechnologies très prometteuses pour de nombreuses applications. Mais elles sont actuellement encore insuffisamment fiables. Les rendre fiables et utilisables nécessite non seulement des améliorations côté machine (par exemple, en améliorant leurs algorithmes d’analyse des signaux cérébraux), mais aussi côté utilisateur. En effet, contrôler une BCI est une compétence qui s’apprend et qui demande de la pratique. Malheureusement, la communauté scientifique comprend encore très mal comment entraîner cette compétence efficacement. Dans cet article, nous présentons les recherches menées dans le cadre du projet BrainConquest, dont l’objectif est justement de comprendre, de modéliser et d’optimiser cet entraînement utilisateur dans les BCI. Nous illustrons ainsi au travers d’exemples les différents facteurs qui peuvent influencer les performances de contrôle d’une BCI (par exemple, la personnalité de l’utilisateur, ou son état mental), le type de retour perceptif (le feedback) et le type d’exercices d’entraînement qui peuvent être proposés aux utilisateurs, ou encore les applications concrètes de ces entraînements BCI, par exemple des technologies d’assistance ou en matière de rééducation motrice.

Published
2021

2. Freedom! Making a case for more options for users during training in BCI

Author

Pramij, Smeety, Roc, Aline, Lotte, Fabien, Popular interaction with 3d content (Potioc), Laboratoire Bordelais de Recherche en Informatique (LaBRI), Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Inria Bordeaux - Sud-Ouest, and Roc, Aline

Subjects
[SCCO]Cognitive science, [SCCO.COMP] Cognitive science/Computer science, [SCCO.NEUR]Cognitive science/Neuroscience, [SCCO.NEUR] Cognitive science/Neuroscience, [SCCO.PSYC] Cognitive science/Psychology, [SCCO.PSYC]Cognitive science/Psychology, [SCCO.COMP]Cognitive science/Computer science, [SCCO] Cognitive science, [INFO.INFO-HC]Computer Science [cs]/Human-Computer Interaction [cs.HC], [INFO.INFO-HC] Computer Science [cs]/Human-Computer Interaction [cs.HC], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2021

3. Which user's state and trait can benefit from biased feedback in motor imagery BCI ?

Author

Mladenović, Jelena, Frey, Jeremy, Pramij, Smeety, Mattout, Jeremie, Lotte, Fabien, Popular interaction with 3d content (Potioc), Laboratoire Bordelais de Recherche en Informatique (LaBRI), École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Ullo, Centre de recherche en neurosciences de Lyon (CRNL), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université Bordeaux Segalen - Bordeaux 2-Université Sciences et Technologies - Bordeaux 1, This work received support from Inria project lab BCI-LIFT and from the European Research Council with project BrainConquest (grant ERC2016STG714567)., and European Project: 714567 ,H2020 Pilier ERC,BrainConquest(2017)

Subjects
[INFO.INFO-CC]Computer Science [cs]/Computational Complexity [cs.CC], [SCCO]Cognitive science, Brain-computer interface (BCI), feedback bias, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], personality traits, prediction models, [SCCO.COMP]Cognitive science/Computer science, [INFO.EIAH]Computer Science [cs]/Technology for Human Learning, [INFO.INFO-HC]Computer Science [cs]/Human-Computer Interaction [cs.HC], [INFO.INFO-BT]Computer Science [cs]/Biotechnology
Abstract

Objective. To control a brain-computer interface (BCI) requires its user to attain neural self-regulation. This can be arduous, especially in motor imagery BCIs. Various training methods were proposed to assist users in accomplishing BCI control and increase performance, notably the use of biased feedback, i.e. motivating (non-realistic) representation of performance. However, benefits of biased feedback on performance and learning vary between users (e.g. depending on their initial level of BCI control) and remain speculative. To disentangle the speculations about what personality type, initial state and calibration performance (CP) could benefit from a biased feedback, we conduct an experiment (n=30 for 2 sessions). Methods. The feedback provided is either positively, negatively or not biased to each group (n=10). Results. Statistical analyses suggest that interactions between bias and: 1) workload, 2) anxiety, and 3) self-control significantly affect online performance. For instance, low initial workload paired with negative bias is associated to higher peak performances (86%) than without any bias (69%). High anxiety relates negatively to performance no matter the bias (60%), while low anxiety matches best with negative bias (76%). For low CP, learning rate (LR) increases with negative bias only short term (LR=2%) as during the second session it severely drops (LR=-1%). Conclusion. We unveil many interactions between said human factors and bias. Additionally, we confirm them and reveal even more by using prediction models. Significance. This paper can serve as guideline for designing biased feedback suitable for a personality type, state, and CP in order to maximize performance and learning.

Published
2021

4. Long-Term BCI Training of a Tetraplegic User: Adaptive Riemannian Classifiers and User Training

Author

Benaroch, Camille, Sadatnejad, Khadijeh, Roc, Aline, Appriou, Aurélien, Monseigne, Thibaut, Pramij, Smeety, Mladenović, Jelena, Pillette, Léa, Jeunet, Camille, Lotte, Fabien, Popular interaction with 3d content (Potioc), Laboratoire Bordelais de Recherche en Informatique (LaBRI), Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Centre National de la Recherche Scientifique (CNRS)-Inria Bordeaux - Sud-Ouest, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Cognition, Langues, Langage, Ergonomie (CLLE), École Pratique des Hautes Études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT), The European Research Council with project BrainConquest (grant ERC-2016-STG-714567) and the French National Research Agency with project REBEL (grant ANR-15-CE23-0013-01) supported this work., ANR-15-CE23-0013,REBEL,Redéfinir les Interfaces Cerveau-Ordinateur pour permettre à leurs utilisateurs d'en maitriser le contrôle(2015), European Project: 714567 ,H2020 Pilier ERC,BrainConquest(2017), Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Inria Bordeaux - Sud-Ouest, and Centre National de la Recherche Scientifique (CNRS)-École pratique des hautes études (EPHE)

Subjects
User experience, Riemannian classification, Learning metrics, [SCCO.NEUR]Cognitive science/Neuroscience, Tetraplegic or quadriplegic people, Electroencaphlography, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Adaptive classification, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [SCCO.PSYC]Cognitive science/Psychology, [INFO.INFO-ET]Computer Science [cs]/Emerging Technologies [cs.ET], [INFO.INFO-HC]Computer Science [cs]/Human-Computer Interaction [cs.HC], Brain computer interface, User training
Abstract

International audience; While often presented as promising assistive technologies for motor-impaired users, electroencephalography (EEG)-based Brain-Computer Interfaces (BCIs) remain barely used outside laboratories due to low reliability in real-life conditions. There is thus a need to design long-term reliable BCIs that can be used outside-of-the-lab by end-users, e.g., severely motor-impaired ones. Therefore, we propose and evaluate the design of a multi-class Mental Task (MT)-based BCI for longitudinal training (20 sessions over 3 months) of a tetraplegic user for the CYBATHLON BCI series 2019. In this BCI championship, tetraplegic pilots are mentally driving a virtual car in a racing video game. We aimed at combining a progressive user MT-BCI training with a newly designed machine learning pipeline based on adaptive Riemannian classifiers shown to be promising for real-life applications. We followed a two step training process: the first 11 sessions served to train the user to control a 2-class MT-BCIby performing either two cognitive tasks (REST and MENTAL SUBTRACTION) or two motor-imagery tasks (LEFT-HAND and RIGHT-HAND). The second training step (9 remaining sessions) applied an adaptive, session-independent Riemannian classifier that combined all 4 MT classes used before. Moreover, as our Riemannian classifier was incrementally updated in an unsupervised way it would capture both within and between-session non-stationarity. Experimental evidences confirm the effectiveness of this approach. Namely, the classification accuracy improved by about 30% at the end of the training compared to initial sessions. We also studied the neural correlates of this performance improvement. Using a newly proposed BCI user learning metric, we could show our user learned to improve his BCI control by producing EEG signals matching increasingly more the BCI classifier training data distribution, rather than by improving his EEG class discrimination. However, the resulting improvementwas effective only on synchronous (cue-based) BCI and it did not translate into improved CYBATHLON BCI game performances. For the sake of overcoming this in the future, we unveil possible reasons for these limited gaming performances and identify a number of promising future research directions. Importantly, we also report on the evolution of the user’s neurophysiological patterns and user experience throughout the BCI training and competition.

Published
2021
Full Text
View/download PDF

Catalog

Books, media, physical & digital resources
See catalog results