L'importance de l'analyse des signaux neuronaux multi-échelles dans les interfaces modernes entre le cerveau et l'ordinateur

Les interfaces cerveau-ordinateur (BCI) ont le potentiel de restaurer la communication et le mouvement pour les personnes souffrant de graves déficiences neurologiques. La clé pour rendre ces systèmes plus intuitifs et fiables réside dans la capacité de décoder les signaux neuraux avec une grande fidélité à différentes échelles. L'analyse multi-échelles des signaux neuraux examine l'activité cérébrale à la fois à des résolutions temporelles et spatiales fines, captant toute la richesse de la dynamique neurale.

Les fondamentaux de l'analyse des signaux neuronaux à échelles multiples

Au niveau macroscopique, l'électroencéphalographie (EEG) et les potentiels locaux de terrain (LFP) capturent l'activité de population coordonnée, tandis qu'au niveau microscopique, l'activité de spiking des neurones individuels fournit des informations précises sur le moment. L'analyse à plusieurs échelles intègre ces différentes vues à l'aide de techniques mathématiques qui tirent des caractéristiques pertinentes de chaque échelle. Parmi les outils les plus courants, on retrouve les transformations de la vague, qui décomposent les signaux en composants de fréquence temporelle, et les méthodes d'entropie à plusieurs échelles qui quantifient la complexité des signaux à des résolutions variées.

Les réseaux de microélectrodes à haute densité peuvent enregistrer de centaines à des milliers de canaux, échantillonnant des populations neurales sur plusieurs millimètres. Combinés à des modèles de calcul qui tiennent compte de la conduction de volume et du filtrage spatial, ces enregistrements permettent aux scientifiques de résoudre l'activité de différentes colonnes ou couches corticales. Cette information spatiale à plusieurs échelles est essentielle pour améliorer la précision des algorithmes de décodage, surtout lorsqu'ils tentent d'inférer des mouvements complexes ou des paroles à partir de signaux corticaux.

Les percées récentes dans les technologies et les algorithmes

Ces dernières années, des progrès spectaculaires ont été réalisés dans le matériel et les logiciels utilisés pour l'analyse neuronale à plusieurs échelles, ce qui a rapproché les IBC de la viabilité clinique et commerciale.

Enregistrement haute densité et progrès informatiques

Le développement de réseaux d'électrodes à haute densité, tels que les sondes Neuropixels, a permis l'enregistrement simultané de milliers de neurones dans plusieurs régions du cerveau.Ces sondes combinent plusieurs jarrets avec des sites d'enregistrement denses, permettant aux chercheurs de capturer l'activité de spiking aux côtés des LFP avec une résolution spatiale sans précédent.Les flux de données qui en résultent sont massifs, exigeant des pipelines de calcul en temps réel pour gérer la bande passante.Les progrès dans les réseaux de portes programmables sur le terrain (FPGA) et les circuits intégrés spécifiques à l'application (ASIC) permettent désormais le prétraitement sur puce, y compris le tri des pics et l'extraction des fonctionnalités, réduisant la la latence avant que les signaux n'atteignent le stade de décodage.

Apprentissage automatique pour le décodage amélioré

Les réseaux neuronaux convolutionnels (RCN) peuvent apprendre des caractéristiques spatiales à partir de grilles d'électrodes, tandis que les réseaux neuronaux récurrents (RNN) et les transformateurs gèrent des dépendances temporelles qui s'étendent sur différentes échelles de temps. Par exemple, une étude récente a démontré un modèle basé sur un transformateur qui décodait les signaux de parole prévus à partir d'électrocorticographie (ECoG) avec une grande précision, en utilisant des caractéristiques de la puissance de bande à hautgamme et des événements semblables à des pics. L'intégration des entrées à plusieurs échelles dans un réseau de bout en bout a amélioré les performances de décodage pour les IBC moteurs et les IPC de parole, comme le rapporte IEEE Transactions on Biomedical Engineering. Ces modèles peuvent également s'adapter aux utilisateurs individuels au fil du temps, en apprenant la façon unique dont les signaux du cerveau de chaque personne encodent l'information.

Applications dans les interfaces cerveau-ordinateur et neuroprothèses

Les avantages pratiques de l'analyse neuronale à plusieurs échelles sont plus évidents dans son application aux BCI et aux neuroprothèses. La capacité de décoder les intentions de mouvement grossiers et les ajustements moteurs fins a rendu les membres prothèses plus naturels pour contrôler.

Décodage moteur et contrôle prothétique

Les BCI traditionnels reposent souvent sur des modulations d'amplitudes potentielles locales pour déduire la direction du mouvement.En ajoutant des caractéristiques d'activité de pointe, les approches à plusieurs échelles peuvent décoder non seulement la direction, mais aussi la force de prise, la vitesse et les mouvements individuels des doigts.Cela a été démontré dans des études primates non humaines et, de plus en plus, dans des essais cliniques humains utilisant des réseaux intracortiques.Par exemple, un récent essai clinique rapporté dans Nature Medicine[ a montré que les participants à la tétraplégie pouvaient contrôler un bras robotisé à plusieurs degrés de liberté à l'aide d'un système combinant l'activité multi-unités et les LFP.

Systèmes de rétroaction sensorielle et de boucle fermée

L'analyse à plusieurs échelles est également essentielle pour permettre la rétroaction sensorielle. La microstimulation intracorticale peut évoquer des sensations tactiles, mais les paramètres de stimulation doivent être adaptés aux modèles de réponse neuronale de l'utilisateur. En analysant la propre activité multiéchelle du cerveau pendant la stimulation, les chercheurs peuvent optimiser le moment et l'intensité des sensations artificielles. Par exemple, des études ont montré que la stimulation qui s'harmonise avec la variabilité naturelle du taux de pic du cortex sensoriel conduit à des perceptions plus naturelles.Cette approche en boucle fermée profite d'une analyse multiéchelle des potentiels évoqués et des rythmes neuronaux continus.

Cognitifs et discours IBC

Au-delà du contrôle moteur, l'analyse des signaux neuronaux à plusieurs échelles progresse dans les domaines cognitif et de la parole. Le décryptage de la parole à partir des signaux corticaux exige de saisir les schémas spectraux généraux de la production de phonèmes et la structure temporelle fine de l'articulation. Les méthodes à plusieurs échelles qui incluent les PFP à haute fréquence et l'activité des pics ont permis de réduire les taux élevés d'erreur de mots.

Perspectives cliniques et translationnelles

La traduction de l'analyse neuronale à plusieurs échelles du laboratoire vers la clinique est confrontée à plusieurs défis. Les technologies d'enregistrement établies, comme l'EEG, sont portables mais offrent une résolution spatiale limitée. Les réseaux intracorticaux offrent une haute résolution mais nécessitent une chirurgie invasive. L'analyse multiéchelle peut partiellement combler cette lacune en extrayant davantage d'informations de signaux non invasifs. Par exemple, en combinant l'EEG avec la spectroscopie fonctionnelle quasi infrarouge (fNIRS), une approche multimodale peut saisir des aspects complémentaires de l'activité neuronale à différentes échelles. De tels systèmes hybrides sont déjà évalués pour la réadaptation des accidents vasculaires cérébraux, où ils aident à guider la neuromodulation personnalisée.

Orientations futures

Le domaine se dirige vers une plus grande intégration de l'apprentissage automatique, en particulier l'auto-surveillance et le renforcement de l'apprentissage, pour gérer la grande quantité de données à échelles multiples sans nécessiter l'ingénierie manuelle des fonctionnalités. Les BCI peuvent intégrer des modèles adaptatifs qui sont constamment mis à jour en fonction des états du cerveau de l'utilisateur, comme l'attention ou la fatigue, pour maintenir des performances élevées.

L'analyse à plusieurs échelles pourrait révéler non seulement des intentions de mouvement, mais aussi des états cognitifs ou des réactions émotionnelles, soulevant des questions importantes sur la protection des données. Le domaine doit élaborer proactifment des lignes directrices éthiques pour s'assurer que les progrès dans la communication cerveau-ordinateur profitent aux utilisateurs sans compromettre leur autonomie.

En résumé, les progrès continus de l'analyse des signaux neuronaux à plusieurs échelles permettent une communication plus naturelle et plus efficace entre le cerveau et l'ordinateur. En combinant des idées provenant de multiples échelles temporelles et spatiales, les chercheurs conçoivent des interfaces qui peuvent décoder des intentions complexes, fournir une rétroaction sensorielle réaliste et s'adapter aux utilisateurs individuels.