Search

We introduce a cognitive brain–computer interface based on a continuous performance task for the monitoring of variations of visual sustained attention, i.e. the self-directed maintenance of cognitive focus in non-arousing conditions while possibly ignoring distractors and avoiding mind wandering. We introduce a visual sustained attention continuous performance task with three levels of task difficulty. Pairwise discrimination of these task difficulties from electroencephalographic features was performed using a leave-one-subject-out cross validation approach. Features were selected using the orthogonal forward regression supervised feature selection method. Cognitive load was best predicted using a combination of prefrontal theta power, broad spatial range gamma power, fronto-central beta power, and fronto-central alpha power. Generalization performance estimates for pairwise classification of task difficulty using these features reached 75% for 5 s epochs, and 85% for 30 s epochs.

ObjectivesNeurofeedback is a technique that aims to teach a subject to regulate a brain parameter measured by a technical interface to modulate his/her related brain and cognitive activities. However, the use of neurofeedback as a therapeutic tool for psychiatric disorders remains controversial. The aim of this review is to summarize and to comment the level of evidence of electroencephalogram (EEG) neurofeedback and real-time functional magnetic resonance imaging (fMRI) neurofeedback for therapeutic application in psychiatry.MethodLiterature on neurofeedback and mental disorders but also on Brain Computer Interfaces (BCI) used in the field of neurocognitive science has been considered by the group of expert of the NExT (Neurofeedback Evaluation & Training) section of the French Association of Biological Psychiatry and Neuropsychopharmacology (AFPBN).ResultsResults show a potential efficacy of EEG-neurofeedback in the treatment of attentional-deficit/hyperactivity disorder (ADHD) in children, even if this is still debated. For other mental disorders, there is too limited research to warrant the use of EEG-neurofeedback in clinical practice. Regarding fMRI-neurofeedback, the level of evidence remains too weak, for now, to justify clinical use. The literature review highlights various unclear points, such as indications (psychiatric disorders, pathophysiologic rationale), protocols (brain signals targeted, learning characteristics), and techniques (EEG, fMRI, signal processing). ConclusionThe field of neurofeedback involves psychiatrists, neurophysiologists and researchers in the field of brain-computer-interfaces. Future studies should determine the criteria for optimizing neurofeedback sessions. A better understanding of the learning processes underpinning neurofeedback could be a key element to develop the use of this technique in clinical practice., IntroductionLe neurofeedback consiste à mesurer, chez un sujet, une activité cérébrale et à traiter le signal au moyen d’une interface technique afin d’en extraire un paramètre d’intérêt qui sera présenté en temps réel au participant sous la forme d’une information visuelle ou auditive. L’objectif est d’apprendre au sujet à modifier ce paramètre et donc à moduler son activité cérébrale et cognitive. Cependant, l’utilisation du neurofeedback en pratique clinique pour la prise en charge des troubles psychiatriques reste controversée.MéthodeCet article présente une synthèse de la 1re journée nationale sur le neurofeedback organisé par la section Neurofeedback Evaluation & Training (NExT) de l’Association française de psychiatrie biologique et de neuropharmacologie (AFPBN). Un état des lieux de l’utilisation du neurofeedback en électroencéphalographie (EEG) et en imagerie par résonance magnétique fonctionnelle (IRMf) est proposé. Pour intégrer l’arsenal thérapeutique, cette technique doit en effet répondre aux exigences de l’evidence based medicine.RésultatsLes études montrent une efficacité probable du neurofeedback en EEG pour le trouble du déficit de l’attention/hyperactivité (TDAH) chez les enfants. Pour les autres troubles psychiatriques, le nombre d’études est encore trop limité pour se positionner. En ce qui concerne le neurofeedback en IRMf, le niveau de preuve reste, pour l’heure, trop faible pour justifier une utilisation clinique. Les modalités d’emploi du neurofeedback, notamment en ce qui concerne les indications médicales, les protocoles d’utilisation (activité(s) cérébrale(s) ciblée(s), caractéristiques d’apprentissage) et les outils de mesure employés (EEG, IRMf, mode de traitement du signal) restent donc à clarifier.ConclusionLe vaste champ de recherche du neurofeedback implique à la fois des psychiatres, des neurophysiologistes et des chercheurs du domaine des interfaces cerveaux-ordinateurs. Les futurs travaux devront s’attacher à déterminer les critères permettant d’optimiser les séances de neurofeedback afin de mieux comprendre ses effets, le tout dans l’optique d’une utilisation en pratique clinique dans certaines indications. L’étude des processus d’apprentissage constitue un élément clé autour duquel les futures recherches devront se focaliser.

The method presented here, namely « bump modeling », provides a simple representation of time-frequency maps obtained by wavelet transformation of signals; the representation is parsimonious in terms of number of parameters. Time-frequency features can be extracted from the resulting models, which allows (i) a statistical analysis of large sets of signal recordings, and (ii) the detection of reproducible time-frequency patterns. We apply that method to the analysis of electrophysiological signals: LFP signals recorded from freely behaving rats responding to odorants, and EEG recordings of short duration, obtained from patients who are conjectured to be developing Alzheimer's disease. Our approach shows that the extraction of correlates of sensory information processing, and the early detection of pathological states, is possible from the analysis of complex oscillatory activity patterns generated by large neuronal populations.; Le travail décrit dans ce mémoire a été effectué dans le cadre d'une collaboration entre le Laboratoire d'Électronique de l'École Supérieure de Physique et de Chimie Industrielles de la Ville de Paris (ESPCI), et l'équipe "Neurobiologie de la mémoire olfactive" de l'Institut des Sciences Cognitives de Lyon. L'étude des dynamiques neuronales associées aux processus cognitifs peut être abordée par l'analyse de l'activité électrique de populations neuronales enregistrée par des électrodes placées sur le scalp (électroencéphalogramme ou EEG); ou en profondeur (local field potential ou LFP) qui fournissent une meilleure résolution spatiale sur l'origine du signal. On détecte ainsi des motifs d'activité rythmiques divisés en bandes de fréquences (rythmes alpha, bêta, gamma...) et qui traduisent différents "états cérébraux" comme le niveau de vigilance et d'attention ou certains états pathologiques comme l'épilepsie. On ignore toutefois si ce type d'activité révèle également des aspects plus fins du traitement de l'information comme par exemple la réponse neuronale sélective ("code neuronal") à une stimulation sensorielle donnée. S'il en est ainsi, on devrait pouvoir mettre en évidence que la présentation d'un stimulus sensoriel donné évoque un pattern reproductible d'activité oscillatoire. C'est pourquoi dans un premier volet nous nous intéressons, dans ce travail, à l'analyse des représentations temps-fréquence des signaux LFP enregistrés chez le rat libre de se mouvoir en réponse à différents odorants. Dans un second volet, nous analysons des enregistrements EEG de courte durée obtenus chez des patients dont on soupçonne qu'ils développeront la maladie d'Alzheimer. Nous cherchons à détecter des patterns d'activité oscillatoires qui pourraient contribuer au diagnostic. Ces deux approches sont rendues possibles par une nouvelle méthode d'analyse des cartes temps-fréquence qui fait l'objet de cette thèse. La méthode que nous présentons ici, la "modélisation en bosses", fournit une représentation simple, parcimonieuse en nombre de paramètres, des cartes temps-fréquence obtenues par décomposition du signal en ondelettes. Cette modélisation permet l'extraction de caractéristiques temps-fréquence, à l'aide desquelles l'analyse statistique d'enregistrements nombreux, et la détection de motifs temps-fréquence reproductibles, peuvent être effectuées. La méthode est d'abord validée sur des signaux artificiels (simulation de signaux réels). Elle est ensuite appliquée en premier lieu à l'analyse de plusieurs centaines de réponses aux odeurs obtenues dans le bulbe olfactif du rat (signaux LFP). Nous montrons d'une part que chacun des 4 odorants évoquent des patterns d'activité oscillatoire reproductibles et que certains de ces patterns diffèrent entre eux de façon significative. Ces motifs spécifiques d'activité, principalement observés dans la bande beta (15-35 Hz), pourraient refléter le recrutement successif d'assemblées neuronales associées à la représentation du stimulus. Pour les signaux EEG, nous présentons les premiers résultats d'une étude effectuée en collaboration avec le laboratoire LABSP du Riken Brain Science Institute (Wako, Japon). Nous montrons que notre méthode permet une détection précoce de la maladie (18 à 24 mois avant le diagnostic de la pathologie) avec une précision largement améliorée par rapport aux prédictions effectuées par d'autres méthodes sur la même base de données. En conclusion, notre approche montre qu'il est possible d'extraire à partir de l'analyse des motifs complexes d'activités oscillatoires générées par de larges populations neuronales des corrélats du traitement de l'information sensorielle et la signature encore discrète d'états pathologiques.

The method presented here, namely « bump modeling », provides a simple representation of time-frequency maps obtained by wavelet transformation of signals; the representation is parsimonious in terms of number of parameters. Time-frequency features can be extracted from the resulting models, which allows (i) a statistical analysis of large sets of signal recordings, and (ii) the detection of reproducible time-frequency patterns. We apply that method to the analysis of electrophysiological signals: LFP signals recorded from freely behaving rats responding to odorants, and EEG recordings of short duration, obtained from patients who are conjectured to be developing Alzheimer's disease. Our approach shows that the extraction of correlates of sensory information processing, and the early detection of pathological states, is possible from the analysis of complex oscillatory activity patterns generated by large neuronal populations., Le travail décrit dans ce mémoire a été effectué dans le cadre d'une collaboration entre le Laboratoire d'Électronique de l'École Supérieure de Physique et de Chimie Industrielles de la Ville de Paris (ESPCI), et l'équipe "Neurobiologie de la mémoire olfactive" de l'Institut des Sciences Cognitives de Lyon. L'étude des dynamiques neuronales associées aux processus cognitifs peut être abordée par l'analyse de l'activité électrique de populations neuronales enregistrée par des électrodes placées sur le scalp (électroencéphalogramme ou EEG); ou en profondeur (local field potential ou LFP) qui fournissent une meilleure résolution spatiale sur l'origine du signal. On détecte ainsi des motifs d'activité rythmiques divisés en bandes de fréquences (rythmes alpha, bêta, gamma...) et qui traduisent différents "états cérébraux" comme le niveau de vigilance et d'attention ou certains états pathologiques comme l'épilepsie. On ignore toutefois si ce type d'activité révèle également des aspects plus fins du traitement de l'information comme par exemple la réponse neuronale sélective ("code neuronal") à une stimulation sensorielle donnée. S'il en est ainsi, on devrait pouvoir mettre en évidence que la présentation d'un stimulus sensoriel donné évoque un pattern reproductible d'activité oscillatoire. C'est pourquoi dans un premier volet nous nous intéressons, dans ce travail, à l'analyse des représentations temps-fréquence des signaux LFP enregistrés chez le rat libre de se mouvoir en réponse à différents odorants. Dans un second volet, nous analysons des enregistrements EEG de courte durée obtenus chez des patients dont on soupçonne qu'ils développeront la maladie d'Alzheimer. Nous cherchons à détecter des patterns d'activité oscillatoires qui pourraient contribuer au diagnostic. Ces deux approches sont rendues possibles par une nouvelle méthode d'analyse des cartes temps-fréquence qui fait l'objet de cette thèse. La méthode que nous présentons ici, la "modélisation en bosses", fournit une représentation simple, parcimonieuse en nombre de paramètres, des cartes temps-fréquence obtenues par décomposition du signal en ondelettes. Cette modélisation permet l'extraction de caractéristiques temps-fréquence, à l'aide desquelles l'analyse statistique d'enregistrements nombreux, et la détection de motifs temps-fréquence reproductibles, peuvent être effectuées. La méthode est d'abord validée sur des signaux artificiels (simulation de signaux réels). Elle est ensuite appliquée en premier lieu à l'analyse de plusieurs centaines de réponses aux odeurs obtenues dans le bulbe olfactif du rat (signaux LFP). Nous montrons d'une part que chacun des 4 odorants évoquent des patterns d'activité oscillatoire reproductibles et que certains de ces patterns diffèrent entre eux de façon significative. Ces motifs spécifiques d'activité, principalement observés dans la bande beta (15-35 Hz), pourraient refléter le recrutement successif d'assemblées neuronales associées à la représentation du stimulus. Pour les signaux EEG, nous présentons les premiers résultats d'une étude effectuée en collaboration avec le laboratoire LABSP du Riken Brain Science Institute (Wako, Japon). Nous montrons que notre méthode permet une détection précoce de la maladie (18 à 24 mois avant le diagnostic de la pathologie) avec une précision largement améliorée par rapport aux prédictions effectuées par d'autres méthodes sur la même base de données. En conclusion, notre approche montre qu'il est possible d'extraire à partir de l'analyse des motifs complexes d'activités oscillatoires générées par de larges populations neuronales des corrélats du traitement de l'information sensorielle et la signature encore discrète d'états pathologiques.