Améliorer la portabilité du neurofeedback bimodal : prédire par apprentissage automatique les scores NF-IRMf à partir des signaux EEG - Archive ouverte HAL Access content directly
Poster Communications Year : 2023

Améliorer la portabilité du neurofeedback bimodal : prédire par apprentissage automatique les scores NF-IRMf à partir des signaux EEG

Caroline Pinte
  • Function : Author
  • PersonId : 1170974
Claire Cury
Pierre Maurel

Abstract

Le neurofeedback (NF) est une méthode permettant à un individu d'apprendre à réguler son activité cérébrale. Les acquisitions simultanées par électroencéphalographie (EEG) et imagerie par résonance magnétique fonctionnelle (IRMf) permettent un entraînement NF plus efficace (Perronnet et al., 2017, https://doi.org/10.3389/fnhum.2017.00193). Cependant, l'utilisation de l'IRM étant très contraignante et coûteuse, nous souhaitons minimiser son utilisation. Ainsi, nous proposons une méthode basée sur un réseau de neurones convolutif unidimensionnel (CNN 1D) permettant de prédire les scores NF-IRMf à partir des signaux EEG.
CarolinePinte_IABM_2023.pptx (3.75 Mo) Télécharger le fichier

Dates and versions

hal-04040883 , version 1 (22-03-2023)

Identifiers

  • HAL Id : hal-04040883 , version 1

Cite

Caroline Pinte, Claire Cury, Pierre Maurel. Améliorer la portabilité du neurofeedback bimodal : prédire par apprentissage automatique les scores NF-IRMf à partir des signaux EEG. IABM 2023 - Colloque Français d'Intelligence Artificielle en Imagerie Biomédicale, Mar 2023, Paris, France. 2023. ⟨hal-04040883⟩
69 View
0 Download

Share

Gmail Mastodon Facebook X LinkedIn More