Faire avancer l'interaction cerveau-ordinateur : reconnaissance des mouvements oculaires basée sur l'EEG avec l'IA

L'intégration de l'électroencéphalographie (EEG) et des technologies d'interface cerveau-ordinateur (BCI) provoque une évolution dans le secteur de la santé, l'accessibilité et les neurosciences. Cette méthode multidisciplinaire offre un moyen non invasif de communiquer et de contrôler par des mouvements oculaires intentionnels, ce qui est particulièrement prometteur pour les patients souffrant de maladies neurologiques. Dans cette étude, les mouvements oculaires sont identifiés à l'aide des données EEG du dispositif EEG sans fil EPOC Flex. En utilisant des modèles avancés d'apprentissage profond tels que le Deep Belief Network (DBN) et le Deep Residual Network (Deep ResNet), nous avons tenté de distinguer quatre mouvements oculaires distincts : ouvert, fermé, droit et gauche. Certaines des principales métriques utilisées pour évaluer ces modèles étaient la précision, le rappel, la justesse et le score F1. Le modèle Deep ResNet donne de meilleurs résultats avec une précision de 96,25 %, un rappel de 95,85 %, une justesse de 96,66 % et un score F1 de 96,24 %. Les résultats suggèrent que les cadres BCI peuvent tirer parti de la détection des mouvements oculaires basée sur l'EEG pour améliorer les procédures de réhabilitation et rendre les ordinateurs et les appareils plus faciles à utiliser. Les résultats de cette étude ouvrent la voie à de futures recherches sur les applications neurotechnologiques et l'interaction homme-machine.