Décoder la parole à l’aide de signaux cérébraux

• Les modèles d’apprentissage automatique analysent les schémas d’activité neuronale associés à la tentative de parole.
• Ces signaux peuvent être traduits en texte en temps réel, permettant ainsi une communication cerveau-texte sans vocalisation.

Décodage de l’intention d’écriture manuscrite

• Même lorsqu’une personne ne peut pas bouger sa main, le cerveau génère toujours des schémas moteurs détaillés pour l’écriture manuscrite.
• Nos algorithmes décodent ces signaux d’écriture imaginés et les convertissent en texte lisible avec une vitesse et une précision élevées.

Technologie implantable à très faible consommation d’énergie

• Pour que ces systèmes soient cliniquement viables, les données neuronales doivent être traitées avec une consommation d’énergie extrêmement faible.
• Notre groupe INL conçoit des micropuces personnalisées qui effectuent le traitement des signaux en temps réel et le décodage par IA directement sur le matériel implantable.

Pourquoi la communication est-elle perdue ?

• Les lésions cérébrales peuvent perturber les voies qui relient l’intention aux muscles, empêchant ainsi la parole ou l’écriture.
• Il est important de noter que les fonctions cognitives et la compréhension du langage peuvent rester intactes.

Limites des interfaces cerveau-machines (BCI) actuelles

• La plupart des BCI expérimentales reposent sur des ordinateurs externes encombrants.
• La consommation électrique élevée limite l’implantation à long terme.
• La précision du décodage doit rester stable dans le temps.
• Il est difficile de passer à des centaines ou des milliers de canaux neuronaux.
• La sécurité et la fiabilité à long terme restent des défis majeurs.