Site institutionnel du CNRS|attribut_html
Le rendez-vous de l’innovation

Les Partenaires
des Innovatives

Ministère de l'éducation nationale de l'enseignement supérieur et de la recherche ABG - L'intelli'agence Fist SA

Rechercher




Accueil > Big Data > Innovatives Big Data > Espace Exposition - Posters > Valeurs des données

Suivi longitudinal de données d’EEG à grande échelle pour le diagnostic et la prédiction du niveau de stress chez l’Homme

par Benjamin LEVAUX - WEBMASTER FREELANCE - publié le , mis à jour le

Suivi longitudinal de données d'EEG à grande échelle pour le diagnostic et la prédiction du niveau de stress chez l'Homme

Fanny Grosselin - doctorante, myBrain Technologies, CNRS UMR 7225, fanny.grosselin chez mybraintech.com
Mario Chavez - chercheur CNRS. UMR 7225

CNRS UMR 7225 - Institut du Cerveau et de la Moelle Epinière

CONTEXTE

Les manifestations physiologiques du stress sont connues [1] mais très peu d’études ont été faites sur les marqueurs électroencéphalographiques (EEG) du stress. Au cours des dernières années, des systèmes portables basés sur l’EEG ont été développés pour le monitoring et le contrôle du stress [2]. Ces technologies permettent à l’utilisateur de moduler son état mental grâce au neurofeedback. Cependant, le développement d’un dispositif de neurofeedback peut être limité, en plus des problèmes des signaux EEG de qualité variable, par le faible nombre de données de sujets à disposition pour généraliser les signatures neuronales du stress ; ainsi que par le faible nombre d’enregistrements à travers le temps pour pouvoir effectuer un suivi longitudinal de qualité.

Suivi longitudinal de données d’EEG à grande échelle pour le diagnostic et la prédiction du niveau de stress chez l’Homme

OBJECTIFS

L’objectif de ce projet est le développement d’un système de neurofeedback portable et efficace, capable d’extraire des signatures communes (inter- et intra-sujets) du phénomène d’apprentissage et du contrôle des rythmes neuronaux (figure 1 en pièce jointe). Après une étape de pré-traitement qui inclut l’élimination ou la réduction d’artefacts des signaux EEG, le système doit être capable d’extraire des informations pertinentes et discriminantes de stress/relaxation afin de quantifier le niveau mental de l’individu. Grâce à une fouille des données du propre utilisateur (des données EEG longitudinales) et des données massives extraites chez les autres utilisateurs, le système devra optimiser la description statistique de l’état dit « de référence » d’une large population. Cette caractérisation des signatures du phénomène d’apprentissage et du contrôle des rythmes neuronaux (extraites chez un grand nombre de sujets) permettra d’optimiser les mécanismes de neuro-feedback. Enfin, afin de proposer un système de recommandations du neurofeedback adaptées à chaque utilisateur, un suivi longitudinal intra et inter-sujets des sessions de neuro-modulation sera réalisé.

ENJEUX - CONCLUSIONS

Très peu d’études ont été faites sur la recherche de caractéristiques au niveau cortical permettant de quantifier le niveau de relaxation d’un sujet. En effet, la plupart des études sont faites sur la valence émotionnelle ou sur les caractéristiques physiologiques du stress. De plus, les quelques études réalisées pour tester les différentes caractéristiques EEG afin de déterminer un indice du stress, se sont faites sur un petit nombre d’individus (moins de 50). Dans le cadre de ce projet, la mise au point des algorithmes pour améliorer la spécificité spatiale et la contingence fonctionnelle du neurofeedback sera d’abord effectuée sur un ensemble de signaux EEG issus d’enregistrements en interne lors de phases tests des produits développés par myBrain Technologies. Ensuite, les algorithmes de fouille de données massives s’appliqueront aux signaux EEG acquis chez un grand nombre de sujets (>500) lors d’enregistrements prévus à partir de cet automne.

[1] V. Shusterman and O. Barnea, "Sympathetic nervous system activity in stress and biofeedback relaxation," IEEE Eng. Med. Biol. Mag ., vol. 24, pp. 52-57, March 2005.
[2] ©myBrain Technologies 2015. http://www.melomind.com/ [en ligne].

Téléchargez le poster

Partenaires Innovatives Big Data

EDF Thalès Cap Digital

Avec le soutien du GDR

Madics