Ce que j'ai trouvé en ouvrant mon premier fichier EEG

Je commence un petit fil de recherche sur ce blog, à côté des articles d’ingénierie habituels : de vraies données EEG et de capteurs portables, de vraies expériences, rapportées honnêtement — y compris les parties que j’ai mal faites avant de les corriger. Ce premier article est l’étape la moins impressionnante et la plus importante : ouvrir un seul fichier et le regarder avant de demander quoi que ce soit à un modèle.

Le fichier

Un sujet, un run, tiré du jeu de données PhysioNet EEG Motor Movement/Imagery — un jeu de données de recherche public et consenti de 109 personnes effectuant des mouvements réels et imaginés des mains et des pieds en portant un casque EEG à 64 canaux. Schalk et al., 2004 J’ai ouvert le run où le sujet imagine bouger son poing gauche ou droit, avec MNE-Python, et j’ai affiché les bases avant de tracer quoi que ce soit.

output

Channels:       64 [‘FC5’, ‘FC3’, ‘FC1’, ‘FCz’, ‘FC2’, ‘FC4’, ‘FC6’, ‘C5’] …
Sampling rate:  160.0 Hz
Duration:       125.0 s
Annotations:    [‘T0’, ‘T1’, ‘T2’]

64 canaux, 160 échantillons par seconde, un peu plus de deux minutes. Les annotations sont la partie qui compte pour la suite : T0, T1, T2 sont des codes génériques, et ce qu’ils signifient dépend du run qu’on regarde. Pour ce run (mouvement de poing imaginé), T0 est le repos, T1 est le mouvement imaginé du poing gauche, T2 est le mouvement imaginé du poing droit. Se tromper dans ce mapping, et chaque étiquette du jeu de données devient fausse d’une manière qui ne déclenche aucune erreur — ça entraîne juste silencieusement un modèle sur des classes inversées.

À quoi ressemble vraiment le tracé brut

Huit des soixante-quatre canaux, dix secondes, colorés selon les fenêtres T0/T1/T2 : oscillation bruitée, aucun canal plat, aucune électrode visiblement morte, amplitudes autour de 100–130 µV crête-à-crête. Rien ne ressemble à l’« onde cérébrale » propre et lente que j’imaginais avant de commencer. Ça ressemble à du bruit avec de la structure enfouie dedans, ce qui est plus proche de la vérité.

Le spectre, et l’erreur en le lisant

Le spectre de puissance (0–60 Hz) montrait la forme attendue en général — la puissance chutant fortement avec la fréquence — mais je ne trouvais pas de pic évident à 50 ou 60 Hz, la fréquence du bruit secteur AC, que les enregistrements EEG captent presque toujours à un degré ou un autre. Ma première note à ce sujet était incertaine : peut-être que cet enregistrement était exceptionnellement propre, ou peut-être que le style du graphique (échelle en décibels, huit canaux superposés) le cachait.

Cette distinction — « je ne le vois pas » contre « ce n’est pas là » — s’est avérée importante immédiatement. Un article plus tard dans ce fil avait besoin d’un filtre coupe-bande à 60 Hz précisément parce que ce bruit est réel, et le confirmer ici avec un graphique zoomé est ce qui a rendu cette décision défendable plutôt qu’une supposition.

Ce que j’emporte vers la prochaine étape

Deux choses concrètes survivent à ce premier regard : le mapping des codes d’événements (T0/T1/T2 signifient des choses différentes selon le run — je dois vérifier ça à chaque run, pas le supposer une fois pour toutes) et la présence de bruit secteur à 60 Hz (confirmée, pas supposée, en zoomant réellement). Ni l’un ni l’autre n’est excitant en soi. Les deux sont le genre de détail qui casse silencieusement une expérience trois étapes plus tard si on le saute maintenant.

Sources & articles utilisés pour apprendre cela

Schalk et al.2004

BCI2000: A General-Purpose Brain-Computer Interface (BCI) System

Décrit le système d'acquisition derrière le jeu de données PhysioNet EEG Motor Movement/Imagery ouvert dans cet article.
Read paper