L’IA utilisée pour recréer les ondes cérébrales humaines en temps réel

Récemment, une équipe de chercheurs a créé un réseau neuronal capable de recréer les ondes cérébrales humaines en temps réel. Selon Futurism, l’équipe de recherche, composée de chercheurs de l’Institut de physique et de technologie de Moscou (MIPT) et de la société Neurobotics, a pu visualiser les ondes cérébrales d’une personne en traduisant les ondes avec un réseau neuronal de vision par ordinateur, les rendant sous forme d’images.

Les résultats de l’étude ont été publiés sur bioRxiv, et une vidéo a été publiée avec l’article de recherche, montrant comment le réseau a reconstruit les images. L’équipe de recherche de MIPT espère que l’étude les aidera à créer des systèmes de rééducation post-AVC contrôlés par les ondes cérébrales. Pour créer des dispositifs de rééducation pour les victimes d’AVC, les neurobiologistes doivent étudier les processus que le cerveau utilise pour encoder l’information. Une partie critique de la compréhension de ces processus consiste à étudier la façon dont les gens perçoivent les informations vidéo. Selon ZME Science, les méthodes actuelles d’extraction d’images à partir des ondes cérébrales analysent généralement les signaux provenant des neurones, à l’aide d’implants, ou extraient les images à l’aide de l’imagerie par résonance magnétique fonctionnelle.

L’équipe de recherche de Neurbiotics et de MIPT a utilisé l’électroencéphalographie, ou EEG, qui enregistre les ondes cérébrales collectées à partir d’électrodes placées sur le scalp. Dans de telles situations, les gens portent souvent des dispositifs qui suivent leurs signaux neuronaux pendant qu’ils regardent une vidéo ou regardent des images. L’analyse de l’activité cérébrale a fourni des fonctionnalités d’entrée qui pourraient être utilisées dans un système d’apprentissage automatique. Le système d’apprentissage automatique a pu reconstruire les images que la personne a vues, en les rendant sur un écran en temps réel.

L’expérience a été divisée en plusieurs parties. Dans la première phase de l’expérience, les chercheurs ont demandé aux sujets de regarder des extraits de 10 secondes de vidéos YouTube pendant environ 20 minutes. Il y avait cinq catégories différentes dans lesquelles les vidéos étaient divisées : les sports mécaniques, les visages humains, les formes abstraites, les cascades et les mécanismes en mouvement. Ces différentes catégories peuvent contenir une variété d’objets. Par exemple, la catégorie des sports mécaniques contenait des extraits de motoneiges et de motos.

L’équipe de recherche a analysé les données EEG collectées pendant que les participants regardaient les vidéos. Les EEG ont affiché des modèles spécifiques pour chacun des différents extraits de vidéos, et cela signifiait que l’équipe pouvait potentiellement interpréter le contenu que les participants voyaient sur les vidéos en temps réel.

La deuxième phase de l’expérience a consisté à sélectionner trois catégories au hasard. Deux réseaux neuronaux ont été créés pour fonctionner avec ces deux catégories. Le premier réseau a généré des images aléatoires appartenant à l’une des trois catégories, en les créant à partir de bruit aléatoire qui a été raffiné en une image. Pendant ce temps, le deuxième réseau a généré du bruit basé sur les scans EEG. Les données des deux réseaux ont été comparées et les images générées aléatoirement ont été mises à jour en fonction des données de bruit EEG, jusqu’à ce que les images générées soient similaires aux images que les sujets de test voyaient.

Une fois le système conçu, les chercheurs ont testé la capacité du programme à visualiser les ondes cérébrales en montrant aux sujets de test des vidéos qu’ils n’avaient pas encore vues des mêmes catégories. Les EEG générés pendant la deuxième série de visualisations ont été donnés aux réseaux, et les réseaux ont pu générer des images qui pouvaient être facilement placées dans la bonne catégorie 90 % du temps.

Les chercheurs ont noté que les résultats de leur expérience étaient surprenants, car pendant longtemps, on a supposé qu’il n’y avait pas suffisamment d’informations dans un EEG pour reconstruire les images observées par les gens. Cependant, les résultats de l’équipe de recherche ont prouvé que c’est possible.

Vladimir Konyshev, le chef du laboratoire de neurorobotique de MIPT, a expliqué que même si l’équipe de recherche se concentre actuellement sur la création de technologies d’assistance pour les personnes handicapées, la technologie qu’ils développent pourrait être utilisée pour créer des dispositifs de contrôle neural pour la population en général à un moment donné. Konyshev a expliqué à TechXplore :

“Nous travaillons sur le projet de technologies d’assistance de Neuronet de l’Initiative nationale de technologie, qui se concentre sur l’interface cerveau-ordinateur qui permet aux patients post-AVC de contrôler un bras d’exosquelette pour des fins de neurorééducation, ou aux patients paralysés de conduire une chaise roulante électrique, par exemple. L’objectif ultime est d’augmenter la précision du contrôle neural pour les individus sains également.”