EEG (électroencéphalographie) : le guide de poche complet

Découvrez comment votre cerveau ne s’arrête jamais de fonctionner : il traite, filtre et façonne votre réalité en permanence. L’EEG enregistre cette activité en temps réel, révélant comment les neurones communiquent par le biais de signaux électriques et de schémas de fréquences, ce qui offre aux chercheurs des informations précieuses sur la cognition, les émotions et le comportement.

Votre cerveau est l’un des éléments les plus complexes, les plus sophistiqués et les plus fascinants de l’univers. Il vous permet de vous souvenir d’événements passés, d’assimiler toutes les impressions sensorielles du moment présent et de projeter toutes vos pensées, vos souvenirs et vos anticipations vers l’avenir.

Tout cela pour que tu puisses partir à la recherche de nourriture, interagir avec ton environnement, discuter avec tes amis et ta famille ou échapper à des prédateurs qui menacent ta vie – bien sûr, tu dois aussi faire face à des tâches quotidiennes plus complexes, comme rédiger ta thèse de doctorat, réussir un entretien d’embauche… ou battre le meilleur score de ton meilleur ami à Candy Crush.

Remarque : cet article est un extrait de notre Guide de poche sur l’EEG. Vous pouvez télécharger votre exemplaire gratuit ci-dessous et découvrir encore plus d’informations sur l’univers de l’EEG.

Votre cerveau fonctionne 24 heures sur 24, 7 jours sur 7

Que vous dormiez ou que vous soyez éveillé, que vous prépariez votre prochaine réunion de travail ou que vous vous promeniez tranquillement en ville, dès que vous pensez, rêvez, voyez ou ressentez quelque chose, votre cerveau est constamment en activité.

Il absorbe toutes les informations, synthétise et réorganise les données existantes, puis intègre le tout dans une expérience cohérente, tant de vous-même que de votre environnement. Pour vous, cette expérience constitue votre réalité. Votre cerveau façonne la façon dont vous percevez votre environnement : il filtre et met en avant les objets et les informations qui vous concernent le plus. En s’appuyant sur vos pensées, vos émotions, vos désirs et vos expériences, votre cerveau détermine en fin de compte votre comportement. Il contrôle même certains processus comportementaux sans que vous vous en rendiez compte.

Les éléments constitutifs du cerveau

Il va sans dire que l’analyse du comportement et des facteurs qui le sous-tendent nécessite une compréhension approfondie des complexités du cerveau humain, tant sur le plan de sa structure que de son fonctionnement. En d’autres termes : quels sont les éléments constitutifs du cerveau et comment interagissent-ils ?

Grâce aux progrès récents réalisés dans les techniques d’imagerie, les technologies de traitement, les procédures d’analyse des données et les algorithmes, les chercheurs universitaires et privés sont désormais en mesure de plonger au plus profond du cerveau humain et de comprendre comment celui-ci façonne nos perceptions et nos interactions avec le monde.

L’électroencéphalographie est l’une des techniques d’imagerie cérébrale les plus polyvalentes. En abrégé : EEG. Littéralement, « électro-encéphalographie » signifie « enregistrement de l’activité électrique du cerveau ». Pourquoi « enregistrement » ? À l’instar d’un sismomètre, les enregistrements EEG étaient initialement réalisés sur papier.

L’électroencéphalographie permet d’enregistrer l’activité électrique du cerveau à l’aide d’électrodes placées sur le cuir chevelu. La mesure de cette activité électrique est utile car elle reflète la manière dont les nombreux neurones du réseau cérébral communiquent entre eux par le biais d’impulsions électriques.

Pourquoi l’EEG est-il un outil exceptionnel pour l’étude du comportement humain ?

Plusieurs raisons expliquent pourquoi l’EEG est un outil exceptionnel pour étudier les processus neurocognitifs qui sous-tendent le comportement humain (Cohen, 2011) :

• L'EEG offre une résolution temporelle très élevée et permet de saisir les processus cognitifs au moment même où ils se produisent. Les processus cognitifs, perceptifs, linguistiques, émotionnels et moteurs sont rapides. La plupart des processus cognitifs se déroulent en quelques dizaines à quelques centaines de millisecondes – bien plus rapidement qu'un clin d'œil. De plus, les événements déclenchant ces processus se produisent selon des séquences temporelles s'étendant de quelques centaines de millisecondes à quelques secondes. À l'instar d'une caméra haute vitesse, l'EEG offre une résolution temporelle élevée et permet de capturer les changements physiologiques sous-jacents aux processus cognitifs bien mieux que d'autres techniques d'imagerie cérébrale (telles que l'IRM ou la TEP).
• L'EEG mesure directement l'activité neuronale. Votre cerveau est constamment actif et génère une activité électrique qui, bien sûr, est très faible (nettement inférieure à celle d'une pile de 9 V), mais détectable à l'aide d'un appareil adapté. Les capteurs EEG sont capables de capter ces signaux infimes à la surface du cuir chevelu. La recherche en neurosciences a abouti à des résultats cohérents et a établi des théories largement reconnues sur la manière dont les signaux EEG sont liés aux processus cognitifs, affectifs ou attentionnels. D'autre part, si des techniques comme l'IRM offrent une excellente résolution spatiale, elles mesurent essentiellement l'activité neuronale de manière indirecte et nécessitent une compréhension beaucoup plus approfondie de la relation entre ce qui est mesuré et la manière dont cela se rapporte au traitement cognitif.
• L'EEG est peu coûteux, léger et portable. Avez-vous déjà essayé de mener une étude sur le terrain avec un appareil d'IRM ? C'est tout simplement impossible. En revanche, les systèmes d'EEG sont portables et légers, ce qui permet une collecte de données flexible dans des environnements réels.
• L'EEG permet d'étudier les processus cognitifs et affectifs en l'absence de réponses comportementales. Ce sont les processus cérébraux qui, en fin de compte, déterminent le comportement. Cependant, si l'on s'intéresse à des processus mentaux tels que l'inhibition de la réponse, la créativité ou la méditation, les effets comportementaux peuvent être très subtils. En revanche, ces processus se prêtent parfaitement à l'EEG, car ils s'accompagnent de schémas d'activation électrique cérébrale distincts.

Grâce à l’EEG, on peut mieux comprendre le fonctionnement du cerveau, identifier les zones cérébrales actives et observer leurs interactions. Mais comment ces signaux sont-ils générés exactement ?

À découvrir : Qu’est-ce que l’EEG et comment fonctionne-t-il ?

Pour vraiment saisir tout son potentiel au-delà des principes de base de son fonctionnement, découvrez les **principales applications de l’EEG** dans la pratique.

Les régions du cerveau et leurs fonctions

Le cerveau est l’organe principal du système nerveux central (SNC) humain.

En moyenne, il pèse environ 1,4 kg (soit environ 2 % du poids total du corps) et partage de nombreuses caractéristiques avec les cerveaux d’autres vertébrés, notamment une division fondamentale en différentes régions.

Découvrez le tronc cérébral, le système limbique, le cervelet et le cerveau :

1. Le cerveau

Le cerveau, ou cortex, est la partie la plus antérieure et la plus volumineuse du cerveau humain. Il est généralement associé aux fonctions cérébrales supérieures, telles que la pensée consciente et le traitement sensoriel. Le cerveau se compose de deux hémisphères reliés par une masse de cellules nerveuses formant le corps calleux. Le cortex cérébral présente une topographie très sinueuse, caractérisée par des sillons (sulci) et des circonvolutions (gyri). Si l’on pouvait étaler tous ces sillons et ces circonvolutions, on obtiendrait une surface cérébrale totale d’environ 2 500 cm² – soit à peu près la taille d’une taie d’oreiller de 50 x 50 cm (Peters & Jones, 1984).

2. Le cervelet

Le cervelet (qui signifie « petit cerveau ») est composé de deux hémisphères dont la surface est fortement plissée. Le cervelet contribue à la régulation et au contrôle des mouvements fins, de la posture et de l’équilibre. Il reçoit des informations provenant des systèmes sensoriels de la moelle épinière et d’autres zones du cerveau, et intègre ces informations pour affiner l’activité motrice.

3. Le tronc cérébral

Le tronc cérébral est la partie inférieure et la plus ancienne du cerveau ; il comprend le mésencéphale, le pont et le bulbe rachidien. Souvent appelé « cerveau reptilien », il contrôle les fonctions autonomes de l’organisme telles que le rythme cardiaque, la respiration, le fonctionnement de la vessie et le sens de l’équilibre.
En gros, le tronc cérébral contrôle tout ce que l’on souhaite voir fonctionner automatiquement, sans avoir à y penser consciemment.

4. Le système limbique

Le système limbique est souvent qualifié de « cerveau émotionnel ». Il est enfoui au plus profond du cerveau et constitue une structure ancienne sur le plan évolutif. Le système limbique comprend le thalamus, l’hypothalamus et l’amygdale. Il joue un rôle central dans le déclenchement de réactions de « combat ou fuite » lors de situations telles que les entretiens d’embauche, les virées shopping du Black Friday ou les rendez-vous avec votre futur partenaire.

Le cortex cérébral se subdivise en quatre parties, appelées lobes. Bien que chaque lobe ait son équivalent droit et gauche, il existe de légères différences entre les hémisphères.

Dans l’imaginaire collectif, l’hémisphère droit est associé à la créativité et à l’imagination, tandis que l’hémisphère gauche est associé aux capacités logiques telles que la cognition numérique et spatiale. Cependant, cette vision traditionnelle tend à s’estomper à mesure que la recherche scientifique met au point des technologies d’imagerie et des techniques d’analyse plus sophistiquées, qui permettent d’obtenir des informations plus approfondies que jamais. Des différences existent bel et bien entre les hémisphères, mais elles sont plus complexes que ne le laisse entendre cette vision traditionnelle.

On distingue toujours quatre lobes principaux : l’occipital, le temporal, le pariétal et le frontal.

5. Le lobe occipital

Le lobe occipital est le centre de traitement visuel de notre cerveau ; il est notamment responsable du traitement visuo-spatial de base (orientation, fréquence spatiale), de la différenciation des couleurs et de la perception du mouvement. Le cortex occipital est situé dans la partie la plus postérieure du crâne. Tout ce que nous voyons est traité ici (bien qu’une partie du traitement ait lieu avant et après l’arrivée du signal au cortex occipital, cette région est au cœur du traitement et de la perception visuels). Les lésions occipitales sont généralement associées à des hallucinations visuelles, à une agnosie des couleurs ou des mouvements, ainsi qu’à la cécité.

6. Le lobe temporal

Le lobe temporal est associé au traitement des informations sensorielles afin d’en dégager des significations dérivées, ou supérieures, en s’appuyant sur la mémoire visuelle, le langage et les associations émotionnelles. Le cortex temporal est responsable de la mémoire à long terme. Le cortex temporal gauche intervient dans la compréhension du langage écrit et parlé (zone de Wernicke). Une lésion de ces régions entraîne des troubles de la parole (aphasie de Wernicke). Il existe même un syndrome rare d’accent étranger causé par des lésions du lobe temporal gauche : les patients atteints semblent parler leur langue maternelle avec un accent étranger.

7. Le lobe pariétal

Le lobe pariétal a pour rôle d’intégrer les informations provenant de sources externes ainsi que les signaux sensoriels internes émis par les muscles squelettiques, les membres, la tête, les yeux, les otolithes, etc. Le cortex pariétal est chargé de fusionner toutes ces sources d’informations en une représentation cohérente de la manière dont notre corps interagit avec l’environnement, et de la manière dont tous les éléments (objets, personnes) présents dans cet environnement s’articulent spatialement par rapport à nous. Les tâches nécessitant des mouvements des yeux ou des mains ainsi qu’une coordination œil-main seraient impossibles sans le cortex pariétal, qui traite, stocke et récupère également la forme, la taille et l’orientation des objets à saisir.

De plus, les zones pariétales semblent jouer un rôle dans le traitement autoréférentiel et le sentiment d’autonomie. Il a été démontré que des lésions du cortex pariétal entraînent de graves perturbations du comportement moteur et des actions orientées vers les objets, ainsi que des expériences extracorporelles.

8. Le lobe frontal

Le lobe frontal est la région où se forment la plupart de vos pensées et décisions conscientes. De plus, le cortex frontal contient des zones motrices qui contrôlent les mouvements volontaires de tous nos membres et de nos yeux. Le lobe frontal abrite la plupart des neurones sensibles à la dopamine. Il est très important d’en être conscient, car le système dopaminergique est responsable de tous les processus cognitifs liés à la récompense, à l’attention, à la mémoire à court terme, à la planification et à la motivation.

Activation neuronale et champs électriques

Le cerveau humain compte environ 85 milliards de neurones : ce sont ces cellules qui assurent la grande majorité de la communication au sein du cerveau. Il existe également des milliards d’autres cellules qui remplissent diverses fonctions visant notamment à soutenir, nourrir et faciliter la transmission des signaux nerveux (entre autres).

Les neurones se composent généralement d’un corps cellulaire et d’un ou plusieurs axones qui se terminent tous par des synapses. Les synapses agissent comme des passerelles permettant le passage de l’activité inhibitrice ou excitatrice entre les neurones. Cela signifie que les synapses propagent (« déclenchent ») des impulsions d’information entre les neurones, ce qui soit augmente la probabilité que le neurone suivant émette un signal (activité excitatrice), soit diminue cette probabilité (activité inhibitrice).

En pleine effervescence : les cellules pyramidales

Tous les champs électriques générés par le cerveau ne sont pas suffisamment puissants pour traverser les tissus, les os et le crâne jusqu’à la surface du cuir chevelu. Les recherches indiquent que c’est principalement l’activité synchronisée des neurones pyramidaux dans les régions corticales du cerveau qui peut être mesurée de l’extérieur (c’est-à-dire à l’aide d’appareils d’EEG). Leur nom provient de la forme pyramidale ou triangulaire de leur corps cellulaire.

Les cellules pyramidales sont présentes dans toutes les zones corticales (cortex occipital, temporal, pariétal et frontal), où elles sont toujours orientées perpendiculairement à la surface corticale. Le corps cellulaire est dirigé à l’opposé de la surface (vers la matière grise), tandis que leur dendrite est dirigée vers la surface (pour plus de détails, voir Luck, 2014 et Buzsáki et al., 2012).

Cette orientation unique des cellules génère un champ électrique dont l’orientation est très stable. En revanche, les cellules situées dans les structures cérébrales plus profondes (telles que le tronc cérébral ou le cervelet) ne présentent pas cette orientation spécifique.

En conséquence, les champs électriques ont davantage tendance à se propager dans différentes directions et à s’annuler mutuellement, plutôt que de se propager de manière stable vers la surface du cuir chevelu — même si des centaines de milliers de neurones situés dans ces régions plus profondes présentent une activité synchronisée.

Signaux EEG

Pour enregistrer l’activité électrique générée par le cerveau, les chercheurs en EEG n’ont pas besoin d’ouvrir le crâne pour placer des capteurs (même si cela arrive aussi). Heureusement, cela peut être beaucoup plus simple : il leur suffit d’enregistrer les données électriques à partir de capteurs (électrodes) placés à la surface du cuir chevelu. Utilisé pour la première fois chez l’homme dans les années 1920 par le neurologue allemand Hans Berger (Jung & Berger, 1979), l’EEG est une technique d’enregistrement peu coûteuse, non invasive et entièrement passive.

L’EEG présente plusieurs avantages par rapport aux autres techniques d’imagerie ou aux simples observations comportementales. Son principal atout réside dans son excellente résolution temporelle : il permet en effet de capturer des centaines, voire des milliers d’instantanés de l’activité électrique à partir de plusieurs électrodes en l’espace d’une seule seconde. Cela fait de l’EEG une technologie idéale pour étudier le déroulement temporel précis des processus cognitifs et émotionnels qui sous-tendent le comportement.

Contrairement à d’autres enregistrements physiologiques (tels que l’EDA ou le GSR), qui ne nécessitent souvent que quelques électrodes, les enregistrements EEG sont réalisés à l’aide de réseaux d’électrodes comprenant entre 10 et plus de 500 électrodes, selon l’ampleur de l’expérience. Pour une mise en place plus rapide, les électrodes EEG sont fixées sur des casquettes élastiques, des mailles ou des grilles rigides, ce qui garantit que les données peuvent être recueillies à des emplacements identiques sur le cuir chevelu, quelle que soit la session ou le participant.

Les signaux électriques étant très faibles, les données enregistrées sont numérisées puis transmises à un amplificateur. Les différences de prix entre les systèmes EEG s’expliquent généralement par le nombre et la qualité des électrodes, la qualité de la numérisation, ainsi que la qualité et la fréquence d’échantillonnage de l’amplificateur. En règle générale, les systèmes EEG dotés de fréquences d’échantillonnage plus élevées sont plus chers que les appareils dont la fréquence d’échantillonnage est plus faible.

Une fois les données amplifiées, elles peuvent être affichées sous forme de série chronologique de valeurs de tension. Il y a 100 ans, l’évolution temporelle de l’EEG était tracée sur papier. Si les enregistrements EEG en milieu clinique se font parfois encore sur papier, la quasi-totalité des systèmes EEG utilisés dans la recherche universitaire et commerciale affichent les données sous forme d’un flux continu de tensions sur un écran d’ordinateur.

L’EEG comparé à d’autres techniques d’imagerie cérébrale :

• La magnétoencéphalographie (MEG) enregistre les champs magnétiques générés par l'activité neuronale. À l'instar de l'EEG, la MEG offre une excellente résolution temporelle et est souvent considérée comme permettant de mieux capter l'activité neuronale profonde que l'EEG. Les appareils de MEG sont volumineux, fixes et coûteux. Ils nécessitent une maintenance technique importante ainsi que des ressources en matière de formation.
• L'imagerie par résonance magnétique fonctionnelle (IRMf) mesure les variations du débit sanguin associées aux modifications de l'activité neuronale. L'augmentation de l'activité neuronale nécessite de l'oxygène, qui est acheminé par le sang, et les propriétés magnétiques du sang oxygéné diffèrent de celles du sang non oxygéné. Cette propriété est mesurée par l'IRMf sous la forme d'une distorsion du champ magnétique généré par les protons d'hydrogène. L'IRMf offre une excellente résolution spatiale, mais ne dispose pas de la résolution temporelle de l'EEG.
• La tomographie par émission de positons (TEP) est une technique d'imagerie nucléaire qui repose sur le rayonnement gamma émis lors de la désintégration de radionucléides injectés dans l'organisme du sujet. La TEP permet de suivre l'activité métabolique (par exemple, le métabolisme du glucose) des neurones pendant l'activité cognitive. Si les examens TEP sont bien plus résistants aux artefacts de mouvement, ils ne disposent pas de la haute résolution temporelle des enregistrements EEG.

Rythmes et oscillations EEG

Vous avez déjà appris que l’activité corticale est associée aux potentiels postsynaptiques des neurones. Bien sûr, le potentiel postsynaptique d’un seul neurone est trop faible pour être détecté. Cependant, lorsque les potentiels postsynaptiques se produisent simultanément et de manière synchrone chez des centaines de milliers de neurones orientés de la même manière, ils s’additionnent et génèrent un champ électrique qui se propage rapidement à travers le tissu cérébral et le crâne. Finalement, ce champ peut être mesuré au niveau du cuir chevelu.

Imaginez un public en train d’applaudir. Au début, chacun tape des mains à son propre rythme, ce qui produit un bruit de fond sans structure discernable. Mais au bout d’un moment, le public se synchronise : tout à coup, tout le monde applaudit en même temps, au même rythme. Ces applaudissements synchronisés sont bien plus forts que le bruit de fond d’il y a quelques minutes. À un moment donné, cette synchronisation s’estompera.

Qu’il s’agisse de l’activité neuronale, des applaudissements d’une foule ou du grondement d’un tremblement de terre, tous ces phénomènes se produisent en raison d’une synchronisation des schémas d’oscillation.

Les milliards de neurones du cerveau humain présentent des schémas de décharge extrêmement complexes, qui s’entremêlent de manière assez complexe. Les oscillations neuronales mesurables par EEG sont visibles même dans les données brutes, non traitées. Cependant, le signal est toujours un mélange de plusieurs fréquences de base sous-jacentes, considérées comme reflétant certains états cognitifs, affectifs ou attentionnels. Comme ces fréquences varient légèrement en fonction de facteurs individuels, des propriétés des stimuli et des états internes, la recherche classe ces fréquences en fonction de plages de fréquences spécifiques, ou bandes de fréquences : bande delta (1 – 4 Hz), bande thêta (4 – 8 Hz), bande alpha (8 – 12 Hz), bande bêta (13 – 25 Hz) et bande gamma (> 25 Hz).

Gammes de fréquences EEG / Bandes de fréquences

1. Bande delta (1 à 4 Hz)

Les ondes cérébrales les plus lentes et de plus grande amplitude, dont la fréquence se situe entre 1 et 4 Hz, sont appelées ondes delta (Niedermeyer & da Silva, 2012). Les ondes delta ne sont généralement présentes que pendant le sommeil profond non-REM (stade 3), également appelé sommeil à ondes lentes (SWS). Dans les laboratoires du sommeil, la puissance de la bande delta est examinée pour évaluer la profondeur du sommeil. Plus le rythme delta est fort, plus le sommeil est profond. Les fréquences delta sont plus fortes dans l’hémisphère droit du cerveau, et leurs sources sont généralement localisées dans le thalamus. Le sommeil étant associé à la consolidation de la mémoire, les fréquences delta jouent un rôle central dans la formation et l’organisation interne de la mémoire biographique ainsi que des compétences acquises et des informations apprises.

2. Bande thêta (4 à 8 Hz)

Les oscillations cérébrales comprises dans la gamme de fréquences de 4 à 8 Hz sont désignées sous le nom de bande thêta (Niedermeyer & da Silva, 2012). Des études montrent systématiquement que l’activité thêta frontale est corrélée à la difficulté des opérations mentales, par exemple lors de la concentration, de l’assimilation, du traitement et de l’apprentissage d’informations, ou encore lors de la récupération de la mémoire. Les fréquences thêta deviennent plus marquées à mesure que la difficulté de la tâche augmente. C’est pourquoi la bande thêta est généralement associée aux processus cérébraux sous-jacents à la charge de travail mentale ou à la mémoire de travail (Klimesch, 1996 ; O’Keefe & Burgess, 1999 ; Schack, Klimesch & Sauseng, 2005).Les ondes thêta peuvent être enregistrées dans l’ensemble du cortex, ce qui indique qu’elles sont générées par un réseau étendu impliquant les zones préfrontales médianes, ainsi que les cortex central, pariétal et temporal médian. Apparemment, les ondes thêta servent de fréquence porteuse pour le traitement cognitif entre des régions cérébrales éloignées les unes des autres (Mizuhara, Wang, Kobayashi & Yamaguchi, 2004).

Pour en savoir plus sur la manière dont ces processus cérébraux sont mis en œuvre et évalués dans le cadre de l’apprentissage et de la mémoire, consultez notre article intitulé « N-back to Basics : l’apprentissage et la mémoire à travers le test N-back ».

3. Bande alpha (8 à 12 Hz)

Découvertes pour la première fois par Hans Berger en 1929, les ondes alpha sont définies comme une activité oscillatoire rythmique comprise dans la gamme de fréquences de 8 à 12 Hz (Niedermeyer & da Silva, 2012). Les ondes alpha ont plusieurs corrélats fonctionnels reflétant les fonctions sensorielles, motrices et mnésiques. On observe une augmentation de la puissance de la bande alpha lors de la relaxation mentale et physique, les yeux fermés. À l’inverse, la puissance alpha est réduite, voire supprimée, lors d’une activité mentale ou physique, les yeux ouverts. La suppression des ondes alpha constitue un indicateur fiable des états d’activité mentale et d’engagement, par exemple lors d’une attention focalisée sur tout type de stimulus (Pfurtscheller & Aranibar, 1977). On pourrait également dire que la suppression des ondes alpha indique que votre cerveau se prépare à capter des informations provenant de divers sens, en coordonnant les ressources attentionnelles et en se concentrant sur ce qui compte vraiment à ce moment précis.

4. Bande bêta (12-25 Hz)

Les oscillations comprises entre 12 et 25 Hz sont communément appelées « activité de la bande bêta » (Niedermeyer & da Silva, 2012). Cette fréquence est générée à la fois dans les régions postérieures et frontales. On sait généralement que les processus cognitifs actifs, intenses ou anxieux, ainsi que la concentration active, sont associés à une puissance bêta plus élevée. Au-dessus du cortex central (le long de la bande motrice), la puissance bêta s’intensifie lorsque nous planifions ou exécutons des mouvements, en particulier lorsque le fait d’atteindre ou de saisir un objet nécessite des mouvements fins des doigts et une attention concentrée. Il est intéressant de noter que cette augmentation de la puissance bêta est également perceptible lorsque nous observons les mouvements corporels d’autrui. Notre cerveau semble imiter les mouvements des membres d’autrui, ce qui indique l’existence d’un « système de neurones miroirs » complexe dans notre cerveau, coordonné par les fréquences bêta (Zhang et al., 2008).

5. Bande gamma (au-dessus de 25 Hz)

À l’heure actuelle, les fréquences gamma constituent les « trous noirs » de la recherche en EEG, car on ne sait toujours pas exactement où elles sont générées dans le cerveau ni ce que ces oscillations reflètent. Certains chercheurs avancent que les ondes gamma, à l’instar des ondes thêta, servent de fréquence porteuse pour relier entre elles les différentes impressions sensorielles d’un objet en une forme cohérente, reflétant ainsi un processus attentionnel. D’autres soutiennent que la fréquence gamma est un sous-produit d’autres processus neuronaux tels que les mouvements oculaires et les microsaccades, et qu’elle ne reflète donc pas du tout le traitement cognitif. Les recherches futures devront se pencher plus en détail sur le rôle de la fréquence gamma.

Collecte de données EEG de bonne qualité

« Rien ne remplace des données propres » : voilà les sages paroles du professeur Steve Luck, de l’université de Californie à Irvine, que vous devriez garder à l’esprit chaque fois que vous collectez des données EEG. À ce jour, aucun algorithme n’est capable de corriger des données mal enregistrées. Il est tout simplement impossible de nettoyer ou de traiter des données de manière à améliorer le signal comme par magie.

Le principe fondamental du « GIGO » (garbage in, garbage out) s’applique également aux données EEG. Il est donc essentiel de toujours partir de données correctement enregistrées. L’enregistrement de données de qualité présente plusieurs avantages :

• Réalisez davantage d'expériences chaque année.
  Ne perdez pas votre temps à essayer de tirer le meilleur parti de données mal enregistrées. Collectez des données fiables dès le départ.
• Publiez davantage d'articles, et de meilleure qualité.
  Des données fiables permettent de mieux vérifier vos hypothèses. Si vous ne disposez que de données de mauvaise qualité, comment pouvez-vous être sûr qu'un effet est dû à des différences d'états cognitifs, et non simplement à un effet secondaire d'un artefact ? Les évaluateurs sauront apprécier vos efforts pour améliorer la qualité des données.
• Augmentez vos chances d'obtenir des financements et des offres d'emploi plus intéressantes.
  La présentation de données fiables dans une demande de subvention augmente considérablement vos chances d'obtenir un financement. De même, la présentation de résultats fondés sur des données fiables lors d'une conférence ou lors de votre prochain entretien d'embauche mettra en valeur vos compétences en matière de recherche.

Électrodes EEG

Les systèmes d’EEG utilisent des électrodes fixées sur le cuir chevelu pour capter les potentiels électriques générés par le cerveau. Bien sûr, on pourrait simplement fixer des fils sur la peau, mais cela créerait une connexion électrique très instable. Il est donc préférable d’opter pour des électrodes d’EEG humides. Il s’agit de disques ou de pastilles métalliques qui entrent en contact avec la peau grâce à un gel, une pâte ou une crème conductrice, généralement à base de solution saline.

Il est important de choisir la bonne combinaison de métal pour l’électrode et de pâte conductrice, car certains métaux se corrodent assez rapidement, ce qui fausse les données.

Dans des conditions optimales, votre peau, l’électrode et le gel pour électrode agissent comme un condensateur et atténuent la transmission des basses fréquences (par exemple, les variations de tension lentes dans la gamme des fréquences delta). Le type d’électrode humide le plus courant est composé d’argent (Ag) recouvert d’une fine couche de chlorure d’argent (AgCl) ; on trouve souvent des désignations telles que « électrodes Ag/AgCl ».

Vous pouvez également utiliser des électrodes EEG sèches. Celles-ci entrent en contact direct avec la peau sans nécessiter de gel pour électrodes. En général, les électrodes sèches sont beaucoup plus rapides à mettre en place, mais elles sont en revanche plus sensibles aux artefacts de mouvement que les capteurs humides (mouvement de l’électrode, du bonnet ou du sujet ; Saab et al., 2011).

Réseaux d’électrodes et leur placement

Les systèmes les plus courants pour définir et nommer les emplacements et les positions des électrodes sur le cuir chevelu ont été proposés par l’American Encephalographic Society (1994) ainsi que par Oostenveld & Praamstra (2001). On les appelle généralement, respectivement, le système 10-20 et le système 10-5. Dans le système 10-20, les électrodes sont placées aux points correspondant à 10 % et 20 % le long des lignes de longitude et de latitude.

Les points importants du système 10-20 sont les suivants :

• Nasion (Nz)
  : creux situé entre les yeux, à la base du nez.
• Inion (Iz)
  : la protubérance à l'arrière de la tête.
• Points
  préauriculaires gauche et droit : vous pouvez sentir ces creux situés juste devant les oreilles avec vos doigts lorsque vous ouvrez et fermez la bouche.

La ligne verticale reliant le nasion (à l’avant) et l’inion (à l’arrière), ainsi que la ligne horizontale reliant les points préauriculaires gauche et droit, sont désormais divisées en dix sections égales.

De même, l’équateur est divisé en portions de 10 % et 20 %.

Nombre et disposition des électrodes

Conformément aux recommandations de Luck (2014) et de Michel et ses collègues (2004), il n’existe pas de nombre d’électrodes optimal universel pour les expériences EEG. Le nombre et l’emplacement des électrodes peuvent varier en fonction des résultats et des conclusions existants.

Si l’on ne dispose d’aucune information sur le processus cérébral étudié et qu’un co-enregistrement avec des données IRM s’avère nécessaire (pour la reconstruction de sources, par exemple), il peut être judicieux d’enregistrer à partir d’au moins 64 canaux afin de mieux comprendre d’où proviennent les signaux. Cependant, les protocoles EEG de surface classiques fonctionnent très bien avec 32 canaux ou moins. Il est recommandé de commencer modestement, puis d’élargir progressivement la configuration à mesure que vous acquérez de l’expérience et des connaissances. N’oubliez pas que vous devrez consacrer beaucoup plus de temps à la mise en place et à l’analyse de réseaux EEG de plus de 128 canaux qu’à un réseau de 20 canaux, qui aurait pu suffire pour votre étude.

Un autre aspect à garder à l’esprit est la répartition des électrodes. Essayez de placer les électrodes de manière uniforme sur le cuir chevelu (Michel et al., 2004), car cela vous permettra de tirer des conclusions plus représentatives. Prenons l’exemple suivant : la littérature et vos recherches antérieures indiquent que les effets les plus marqués dans un paradigme EEG sont attendus dans les régions frontales gauches. Cependant, vous ne devriez pas vous contenter de placer quelques électrodes sur les régions frontales gauches et de négliger les autres régions. Utilisez plutôt un nombre raisonnable d’électrodes et enregistrez également les données provenant d’autres zones. Vous pourrez ainsi vous assurer de bien distinguer les effets des artefacts. Alors que les changements d’activité cérébrale peuvent n’affecter que les électrodes d’intérêt, les artefacts peuvent être visibles sur toutes les électrodes, quel que soit leur emplacement.

Électrode de référence et de masse (et quelques calculs)

Les enregistrements EEG sont obtenus à partir de plusieurs électrodes. On pourrait penser que la valeur mesurée au niveau de Cz reflète l’activité électrique à cet endroit précis. Cependant, il n’existe pas de tension en un point unique. La tension EEG reflète en réalité le potentiel (ou le courant) entre le site (Cz, par exemple) et l’électrode de terre (G).

Par conséquent, la tension enregistrée entre Cz et G correspond simplement à la différence Cz – G. L’électrode de terre étant reliée au circuit de terre de l’amplificateur, celle-ci introduit toujours un certain bruit électrique. De ce fait, la tension mesurée entre Cz et G contient à la fois l’activité cérébrale et ce bruit électrique.

Pour pallier cette limitation, les systèmes EEG intègrent une électrode de référence R. L’amplificateur enregistre le potentiel entre Cz et l’électrode de terre (Cz – G) ainsi que le potentiel entre l’électrode de référence et l’électrode de terre (R – G). À partir de ces données, l’amplificateur calcule alors la différence entre Cz et l’électrode de référence comme suit : [Cz – G] – [R – G], ce qui est identique à Cz – G – R + G, ce qui se simplifie en Cz – R (puisque G s’annule). Par conséquent, la sortie de l’amplificateur correspond au potentiel électrique entre le site d’enregistrement (Cz) et l’électrode de référence – comme si l’électrode de terre (G) n’existait pas.

Mais quel est le meilleur emplacement pour l’électrode de référence ? En réalité, il n’y en a pas : le choix de l’électrode de référence n’affecte que les tensions absolues aux bornes de toutes les électrodes, tandis que les tensions relatives restent totalement inchangées.

Cela signifie que le fait de changer l’emplacement de la référence peut donner l’impression que les tensions du cuir chevelu sont très différentes, même si leur répartition relative est parfaitement identique. Imaginez un paysage composé de montagnes et de vallées. Changer l’électrode de référence revient à inonder ce paysage d’eau. Si le niveau de la mer change, la forme absolue du paysage reste quant à elle inchangée. Ce phénomène est abordé plus en détail dans Michel et al. (2004).

Impédance de l’électrode

Une connexion électrique stable entre l’électrode et le cuir chevelu est essentielle pour enregistrer des signaux EEG de bonne qualité. Cependant, les cellules mortes, les sécrétions cutanées grasses (sébum) et la sueur s’accumulent sur le cuir chevelu et constituent une barrière de résistance électrique, car elles ne permettent pas une bonne propagation de l’activité électrique. Le terme technique utilisé dans le domaine de l’EEG est « impédance », qui s’exprime en ohms (Ω).

Les systèmes EEG proposent généralement des indicateurs de qualité logiciels ou matériels qui permettent de visualiser graphiquement l’impédance de chaque électrode. Les couleurs vertes et les faibles valeurs d’impédance indiquent généralement une bonne qualité d’enregistrement, tandis que les couleurs rouges et les valeurs d’impédance élevées indiquent une mauvaise qualité d’enregistrement. En d’autres termes : ce n’est que lorsque les impédances sont faibles que vous pouvez être absolument certain que le signal enregistré reflète les processus à l’intérieur du crâne plutôt que des artefacts provenant de l’environnement. Par conséquent, chaque fois que vous collectez des données EEG, assurez-vous que les impédances sont aussi faibles que possible.

Voici quelques conseils pour réduire les impédances :

• Demandez aux participants de se présenter à la séance expérimentale avec les cheveux lavés et séchés.

Aucun produit capillaire ne doit être appliqué (laque, après-shampoing, cire ou gel, par exemple), et les cheveux doivent être parfaitement secs. Demandez également aux participants de ne pas porter d’épingles ou de barrettes, car celles-ci devront de toute façon être retirées. Des cheveux mouillés ou d’autres produits capillaires entraîneront une augmentation de l’impédance. De plus, les épingles à cheveux – si elles ne sont pas repérées – pourraient créer des contacts entre des électrodes voisines et sont difficiles à détecter une fois que le bonnet ou la bande EEG a été mis en place. Un autre avantage des cheveux simplement lavés est qu’il est beaucoup plus facile de les écarter des sites EEG (les cheveux sont de mauvais conducteurs).

• Nettoyez tous les emplacements des électrodes à l'alcool.

Vous pouvez utiliser, par exemple, de l’isopropanol à 70 %, des tampons imbibés d’alcool ou des cotons-tiges trempés dans de l’alcool. Après avoir enfilé le bonnet EEG et avant de brancher les électrodes, vous pouvez enfoncer un coton-tige imbibé d’alcool dans chacune des prises d’électrode et le frotter doucement, mais avec détermination, entre deux doigts. Appliquez également de l’alcool sur d’autres sites d’enregistrement importants, tels que l’électrode de référence (souvent située derrière l’oreille gauche ou droite) ou au-dessus, en dessous ou sur le côté des yeux (pour les enregistrements d’électro-oculogramme, EOG). N’oubliez pas de demander aux participants de fermer les yeux, car l’évaporation de l’alcool peut provoquer des réactions indésirables au niveau des yeux. Attendez toujours que l’alcool se soit complètement évaporé avant de poursuivre.

• Appliquez du gel pour électrodes ou de la pâte conductrice.

Certaines pâtes conductrices sont abrasives et contiennent des particules de pierre ponce (comme un masque facial). Dans ce cas, vous pouvez réduire considérablement l’impédance en trempant un coton-tige ou un bâtonnet en bois muni d’un coton dans la pâte, puis en appliquant celle-ci sur chacune des prises d’électrode. Là encore, appuyez doucement et frottez avec le bâtonnet. Remplissez ensuite la prise de pâte et insérez l’électrode. Les gels non abrasifs (similaires aux gels utilisés pour les enregistrements échographiques) ne nécessitent pas de frottement. Il suffit simplement d’appliquer le gel dans la prise. Il est important de ne pas en mettre trop. Si vous appliquez trop de gel, vous risquez de créer des ponts de gel entre les électrodes voisines, ce qui entraînera des données invalides et des artefacts difficiles (voire impossibles) à corriger lors du post-traitement.

Numérisation, amplification et transmission du signal

Une fois que la tension a été captée par les électrodes, le signal analogique continu doit être amplifié et numérisé pour pouvoir être enregistré sur un ordinateur. Même si tout cela se passe en arrière-plan et sans que vous vous en rendiez compte, il est utile de connaître quelques notions de base sur l’amplification et la numérisation.

Comme votre cerveau est constamment en activité, les tensions générées fluctuent et varient en permanence. Les systèmes EEG, cependant, capturent des instantanés discrets de ce processus continu, générant ainsi des échantillons de données, un peu comme les photos prises par un appareil photo. Les systèmes EEG se distinguent par leur fréquence d’échantillonnage (le nombre d’échantillons par seconde) qu’ils peuvent atteindre.

Tout comme pour les oscillations, les fréquences d’échantillonnage s’expriment en échantillons par seconde, avec pour unité le hertz (Hz) : un système EEG avec une fréquence d’échantillonnage de 250 Hz peut, par exemple, prélever 250 échantillons par seconde. Comme une seconde peut également s’exprimer en 1 000 ms, les échantillons voisins sont espacés de 1 000 / 250 = 4 ms. En revanche, si l’EEG est échantillonné à 500 Hz, les échantillons sont espacés de 1 000 / 500 = 2 ms. Si vous souhaitez obtenir des mesures avec une plus grande précision temporelle, vous devriez collecter les données EEG à un taux d’échantillonnage plus élevé (c’est-à-dire > 500 Hz). Si vous vous intéressez aux analyses basées sur la fréquence (telles que la latéralisation préfrontale des bandes alpha ou bêta), un taux d’échantillonnage de 128 Hz peut être suffisant.

En plus de la numérisation, le signal EEG est amplifié. C’est la raison pour laquelle les systèmes EEG sont si coûteux.

Considérez cela comme le système audio de vos données : à l’instar du haut-parleur mono de votre téléphone, une amplification de mauvaise qualité ne transmet pas autant de signal qu’un amplificateur haut de gamme (comme un système DOLBY 3D au cinéma), qui met en valeur même les variations de tension les plus subtiles. Certains systèmes EEG sont modulaires, ce qui vous permet de combiner à votre guise des électrodes et différents types d’amplificateurs, tandis que d’autres se présentent sous la forme d’une combinaison fixe comprenant une grille d’électrodes et un boîtier d’amplification.

Une fois les signaux numérisés et amplifiés, ils sont transmis à l’ordinateur d’enregistrement. Cela s’effectue soit par une connexion filaire (via USB, par exemple), soit sans fil (par exemple via Bluetooth ou une connexion Wi-Fi). Les amplificateurs filaires sont encore courants dans les instituts de recherche universitaires, les laboratoires de neurosciences et de psychologie. En revanche, les laboratoires commerciaux et les agences de neuromarketing utilisent souvent des casques EEG sans fil, car ceux-ci permettent aux participants de se déplacer librement et d’explorer leur environnement sans être liés à une station de test au sein du laboratoire.

Nettoyage des données EEG et des artefacts

Avant de vous lancer dans la collecte et l’analyse des données, il y a une chose que vous devriez vous mettre en tête : rien ne remplace des données propres (vous vous souvenez peut-être de cette phrase au début de ce chapitre). Veillez toujours à ce que vos données soient aussi propres que possible, c’est-à-dire que les données collectées ne reflètent que l’activité cérébrale. Cela semble simple en théorie, mais dans la pratique, il y a un bémol. Comme les électrodes captent l’activité électrique provenant d’autres sources dans l’environnement, il est important d’éviter, de minimiser ou au moins de contrôler au mieux ce type d’artefacts :

Artifices physiologiques

1. Activité musculaire (EMG, ECG)

L’activité musculaire génère des courants électriques qui sont captés par les électrodes. Plus les muscles sont proches des électrodes, plus leur impact sur l’enregistrement sera important. L’activité des muscles faciaux (front, joues, bouche), des muscles du cou et de la mâchoire, en particulier, a des effets considérables sur les enregistrements EEG. Il faut à tout prix éviter de serrer les mâchoires : demandez aux participants de ne pas mâcher ni de contracter leur mâchoire. Le cœur étant un muscle, il affecte également la qualité des données EEG. On ne peut pas simplement demander au cœur de s’arrêter ; il faut donc recourir à des procédures de décontamination du signal pour éliminer le bruit de l’ECG des enregistrements EEG. Idéalement, vous pouvez surveiller la fréquence cardiaque à l’aide d’un capteur optique (par exemple, la photopléthysmographie) ou d’un appareil ECG.

2. Mouvements oculaires

Les mouvements oculaires (horizontaux et verticaux) influencent les champs électriques captés par les électrodes. Les mouvements oculaires verticaux (de haut en bas) présentent une forme plus sinusoïdale, tandis que les mouvements horizontaux (de droite à gauche) ont une forme plus rectangulaire. L’œil émet un champ électromagnétique puissant généré par les millions de neurones de la rétine. Le fait de bouger les yeux modifie également le champ électrique produit par le globe oculaire. Il est recommandé d’enregistrer les mouvements oculaires à l’aide d’eye trackers ou en plaçant des électrodes EEG supplémentaires autour des yeux.

3. Clignements

Tout comme les mouvements oculaires, le clignement des yeux perturbe considérablement les signaux cérébraux. Si les participants clignent des yeux au moment où un stimulus donné s’affiche à l’écran, l’EEG risque de ne pas refléter les processus corticaux liés à la perception de ce stimulus. En tant qu’expert en EEG, vous pourriez être tenté d’exclure cet essai de l’analyse, car les données EEG ne contiennent pas d’informations pertinentes. Cependant, si le clignement des yeux se produit de manière non systématique tout au long de l’enregistrement, une atténuation basée sur des procédures statistiques telles que la régression et l’interpolation ou la séparation aveugle des sources pourrait être plus appropriée. Dans ce cas, les portions de données contaminées sont remplacées par des données interpolées à partir des canaux de données ou des points temporels environnants.

Sources externes d’artefacts

1. Mouvement

Le déplacement d’une électrode ou les mouvements du casque peuvent provoquer des artefacts importants, visibles sur le canal concerné ou sur l’ensemble des canaux. Les causes sont multiples : le casque EEG peut se desserrer, ou une électrode peut perdre le contact avec sa prise. Il est toujours recommandé de s’assurer que le casque est bien ajusté sur la tête et que toutes les électrodes sont solidement fixées à la peau.

2. Bruit de ligne

Le bruit de ligne (60 Hz aux États-Unis, 50 Hz dans l’Union européenne) peut générer d’importants artefacts sur l’enregistrement des électrodes ; cela apparaît clairement dans les données EEG brutes. Le bruit de ligne est d’autant plus important que l’impédance est faible. Si l’électrode de référence est affectée, le bruit de ligne capté se propage à toutes les autres électrodes. Heureusement, les fréquences cognitives du cerveau se situent souvent en dessous de la plage de 50 ou 60 Hz, ce qui vous permet de filtrer vos données en conséquence ou de vous concentrer sur les fréquences qui vous intéressent.

3. Se balancer et se balancer

Les mouvements de balancement et les secousses peuvent avoir des répercussions importantes sur l’enregistrement. Les mouvements brusques de la tête, en particulier, modifient la répartition de l’eau, ce qui affecte les propriétés électriques et les champs générés par le cerveau. Veillez à ce que les participants ne tournent pas la tête trop rapidement et ne lèvent ni ne baissent les yeux brusquement, car cela entraînerait des variations dans les données difficiles à corriger lors du traitement.

Analyse EEG : indicateurs et caractéristiques

En matière d’analyse EEG et d’extraction de caractéristiques, on peut facilement se sentir dépassé par la longue liste d’étapes de prétraitement à accomplir pour passer des signaux bruts aux résultats. En réalité, la conception de paradigmes EEG intelligents est un art, et l’analyse des données EEG est un savoir-faire. Cela exige indéniablement un certain niveau d’expertise et d’expérience, notamment en matière de traitement du signal, de détection des artefacts, d’atténuation ou d’extraction de caractéristiques. Chacune de ces étapes nécessite des décisions éclairées sur la meilleure façon de mettre en évidence les processus EEG souhaités ou les mesures d’intérêt.

Ce qui constitue pour vous un signal valable peut n’être que du bruit pour quelqu’un d’autre. Il n’existe tout simplement pas de pipeline de traitement des données universel que l’on puisse appliquer à n’importe quel ensemble de données EEG, quelles que soient les caractéristiques de l’appareil, la population étudiée, les conditions d’enregistrement, les stimuli ou le paradigme expérimental global.

Image d’Andrii Cherninskyi, sous licence CC BY 3.0

1. Artéfact électrooculographique provoqué par l’excitation des muscles oculaires (lié au clignement des yeux, par exemple). Onde positive lente et de grande amplitude, prédominante sur les électrodes frontales.
2. Artéfact d’électrode causé par un mauvais contact (et donc une impédance plus élevée) entre l’électrode P3 et la peau.
3. Artéfact de déglutition.
4. Artéfact de l’électrode de référence commun causé par un mauvais contact entre l’électrode de référence et la peau. Onde très importante similaire sur tous les canaux.

Heureusement, certains systèmes EEG modernes sont équipés d’un mode automatique pour le traitement des données : ils prennent les devants et appliquent des procédures automatisées de débruitage ou génèrent automatiquement des indicateurs cognitifs et affectifs de haut niveau, qui permettent de tirer des conclusions beaucoup plus rapidement.

Potentiels évoqués (PE)

Les paradigmes EEG liés à un événement ont pour objectif de mettre en évidence les processus cérébraux déclenchés par des stimuli externes. Dans ces paradigmes, les stimuli sont présentés de manière répétée – 100 fois ou plus, par exemple. Parallèlement, ils ne sont affichés que très brièvement, pendant 200 à 1 000 ms.

Découvrez la logique qui sous-tend les études EEG liées aux événements :

1. On observe une activité EEG continue et persistante, ainsi qu’un bruit aléatoire sans aucun rapport avec l’apparition d’un stimulus. Il s’agit de votre « activité par défaut » (vos pensées et états mentaux permanents). Lorsque vous présentez un stimulus, vous déclenchez une activité EEG liée à ce stimulus.

2. Afin d’extraire les données EEG liées au stimulus des données continues non pertinentes, le stimulus est présenté à plusieurs reprises – 50 fois ou plus, par exemple. À la fin de la collecte des données, vous disposerez de 50 essais, qui correspondent à des segments de données synchronisés avec le début du stimulus et s’étendent généralement d’environ 200 ms avant le début du stimulus à 1 000 ms après celui-ci. Chaque essai correspond à une courbe temporelle des données enregistrées par chaque électrode. La sélection de portions de données à partir de l’enregistrement EEG continu est appelée « époquage » ou « segmentation » (parfois suivie d’une correction de la ligne de base pour chaque essai, où la moyenne des données EEG avant chaque stimulus est soustraite des données post-stimulus).

3. Une fois les époques contenant des artefacts exclues (ou les données corrigées, par exemple en cas de clignement des yeux), les époques restantes sont moyennées échantillon par échantillon, ce qui donne une courbe temporelle moyenne des données EEG. En calculant la moyenne des courbes temporelles EEG de tous les essais, seule l’activité EEG liée au stimulus est conservée, tandis que le bruit de fond aléatoire non pertinent est atténué (plus le nombre de répétitions est élevé, plus les données EEG liées à l’événement seront nettes).

4. La courbe EEG moyenne obtenue correspond au potentiel lié à l’événement, qui reflète l’activité EEG moyenne déclenchée par un stimulus spécifique.

Des recherches ont permis d’identifier des potentiels évoqués (PEE) pour toutes les modalités sensorielles : la vision, le toucher, l’ouïe, l’odorat et les stimuli haptiques. Tous ces stimuli sensoriels déclenchent une activité EEG liée à l’événement.

Les ERP peuvent être caractérisés par plusieurs éléments : leur aspect et leur forme, leur nombre, leur latence, l’amplitude de leurs « ondulations », leurs composantes (pics positifs et négatifs) et leur topographie (c’est-à-dire la répartition du potentiel électrique au moment des pics sur l’ensemble des électrodes). Les composantes ERP telles que le N400, le P300 ou le N170 comptent parmi les plus largement étudiées et les mieux comprises dans la recherche universitaire.

Vous avez le choix : vous pouvez représenter les ERP soit sous forme de courbes temporelles synchronisées avec le début du stimulus, soit sous forme d’une séquence de cartes de tension dont les caractéristiques de distribution varient au fil du temps en fonction des propriétés du stimulus ou de différents états internes. En fonction de l’emplacement des tensions les plus fortes (pôles positifs et négatifs), vous pouvez déduire quelles régions du cerveau sont actives à un moment donné.

Souvent, les scientifiques comparent les ERP obtenus dans différentes conditions expérimentales — par exemple, les ERP provoqués par des stimuli représentant des visages par rapport à ceux provoqués par des images de maisons. Il est également possible de comparer les ERP de différents groupes de participants — par exemple, des enfants atteints d’un trouble du spectre autistique par rapport à un groupe témoin d’âge équivalent. Dans les deux cas, votre analyse porte sur les différences de latence, d’amplitude ou de distribution topographique des ERP à certains instants, synchronisés avec le début du stimulus, entre les différentes conditions.

Les études ERP requièrent deux éléments :

1. Répétitions du stimulus

Comme il est impossible d’obtenir un ERP à partir d’une seule présentation du stimulus (les données EEG contiendront à la fois des composantes liées au stimulus et des composantes non liées au stimulus), il est nécessaire de répéter la présentation (comptez au moins 100 répétitions).

2. Synchronisation précise des stimuli

Les paradigmes liés à un événement partent du principe que les données EEG de chaque essai individuel sont synchronisées avec précision par rapport au début du stimulus. Cela implique que les marqueurs de début de stimulus doivent avoir été envoyés exactement au moment de la présentation du stimulus. Lorsqu’il existe un décalage aléatoire entre le marqueur de début et le début effectif du stimulus, la synchronisation exacte des données EEG par rapport au début du stimulus ne peut être garantie.En conséquence, la forme d’onde ERP moyenne peut être atténuée ou disparaître complètement, car les essais individuels n’étaient pas parfaitement alignés sur les débuts respectifs des stimuli. La seule façon d’être absolument certain du moment réel de l’apparition du stimulus à l’écran, par exemple, consiste à fixer une photodiode sur l’écran de présentation du stimulus et à enregistrer ses niveaux de luminosité avec les autres données. Chaque fois qu’un stimulus apparaît à l’écran, le signal de la photodiode change, ce qui vous permet d’aligner correctement les données sur le véritable début du stimulus plutôt que sur un marqueur de début potentiellement incorrect.

Pour plus de détails sur la collecte et l’analyse des paradigmes ERP, voir Luck (2014).

Analyse EEG : indicateurs et caractéristiques

Les modèles ERP se limitent à un ensemble spécifique d’activités cérébrales déclenchées par des stimuli sensoriels. Cependant, le cerveau est un oscillateur continu qui génère une activité rythmique même en l’absence totale de stimuli, par exemple pendant le sommeil. Afin d’exploiter l’activité cérébrale qui régit notre comportement, nos pensées, nos motivations et nos émotions, il faut adopter une approche analytique différente, fondée sur l’analyse des fréquences.

Quelles sont les principales fréquences qui contribuent à l’activité cérébrale ? Comment ces fréquences varient-elles en fonction des changements d’états internes ou des facteurs environnementaux ?

Vous avez appris précédemment que le cerveau génère principalement des basses fréquences comprises entre 1 et 80 Hz. Celles-ci peuvent être classées en bandes de fréquences spécifiques (telles que les ondes delta, thêta, alpha, bêta et gamma) et associées à des processus cérébraux dans des régions spécifiques qui sous-tendent l’attention, la cognition et les émotions.

Par rapport aux ERP, les analyses de fréquences sont plus étroitement liées aux processus physiologiques et aux structures cérébrales. C’est pourquoi il est souvent beaucoup plus facile de s’en tenir à l’analyse des fréquences et des bandes de fréquences. Un autre avantage des analyses de fréquences réside dans le fait qu’elles nécessitent beaucoup moins de données pour aboutir à des conclusions. Cependant, les analyses basées sur les fréquences ont un inconvénient : contrairement aux protocoles ERP qui permettent d’observer des variations de tension à l’échelle de la milliseconde, les mesures EEG basées sur les fréquences offrent une précision temporelle bien moindre.

Les analyses basées sur la fréquence sont recommandées lorsque le temps de test est limité et que votre analyse ne porte pas sur la synchronisation précise de l’activité liée aux stimuli, mais plutôt sur l’état mental, affectif ou cognitif général du participant. Les analyses de fréquence sont particulièrement utiles dans les études portant sur les états cognitifs et affectifs, par exemple lorsque l’EEG est enregistré pendant que les participants regardent des contenus médiatiques, évaluent la qualité de produits ou d’aliments, ou naviguent sur des sites web ou des interfaces logicielles.

L’un des termes les plus couramment utilisés en analyse de fréquence est celui de « puissance », qui reflète l’intensité d’une fréquence spécifique dans le signal. Une puissance plus élevée signifie que le signal EEG contient une plus grande proportion de cette fréquence spécifique. On pourrait également dire que le signal EEG est dominé par une fréquence spécifique. Si vous souhaitez vous lancer dans l’analyse par fréquences, trouvez un participant et réalisez l’une des expériences EEG les plus anciennes et les plus reproduites :

1. Yeux ouverts. Enregistrez les données EEG des participants pendant 2 minutes en leur demandant simplement de garder les yeux ouverts (ils ont bien sûr le droit de cligner des yeux).

2. Yeux fermés. Enregistrez les données EEG pendant encore 2 minutes et demandez aux participants de fermer les yeux et de se concentrer sur leurs pensées et leurs images mentales.

Lorsque vous analysez ces deux conditions séparément à l’aide d’une FFT et que vous extrayez les fréquences sous-jacentes aux données EEG spontanées, vous remarquerez probablement que la condition « yeux fermés » présente une puissance de fréquence plus élevée dans la bande alpha (8 – 12 Hz) sur les canaux occipitaux par rapport à la condition « yeux ouverts ». Cet effet de réduction de la puissance alpha lors de l’ouverture des yeux est appelé « blocage alpha » et a été décrit pour la première fois par Hans Berger en 1929.

Asymétrie frontale

Au cours des dernières décennies, les analyses fréquentielles des données EEG ont considérablement gagné en sophistication. L’asymétrie frontale, ou latéralisation frontale, est l’un des indicateurs fréquentiels les plus avancés.

Cet indice d’engagement et de motivation s’appuie généralement sur la puissance des bandes bêta (12–25 Hz) ou gamma (> 25 Hz), en particulier au niveau des électrodes placées sur les régions corticales frontales (canaux F3 et F4, par exemple). Les chercheurs ont systématiquement constaté qu’une puissance plus élevée dans le cortex frontal gauche par rapport au droit indique des sentiments positifs, un engagement et une motivation (voir Davidson, 2004 ; Schaffer et al., 1983). Des données récentes suggèrent que la latéralisation frontale peut effectivement être utilisée pour évaluer l’engagement des répondants face à des publicités médiatiques, des produits physiques et des services (Astolfi et al., 2008 ; Vecchiato et al., 2012 ; Yilmaz et al., 2014).

D’après les recherches sur les biomarqueurs EEG des traits de personnalité stables liés à la curiosité et à l’enthousiasme face à des stimuli nouveaux, la latéralisation frontale reflète les tendances momentanées d’« approche-évitement » d’une personne, qui la poussent soit à s’engager, soit à se retirer. Indirectement, cet engagement momentané reflète également la motivation de l’individu (Harmon-Jones et al., 2010). De plus, une puissance de bande frontale gauche plus élevée peut servir d’indice d’émotions liées à l’engagement, telles que la joie, tandis qu’une puissance de bande frontale droite plus élevée pourrait indiquer des états émotionnels négatifs (dégoût, peur ou tristesse, par exemple).

Vous avez peut-être recueilli des données EEG auprès de participants regardant des publicités télévisées, et vous aimeriez savoir quelles publicités et quelles scènes suscitent le plus d’intérêt chez votre public cible, et lesquelles devraient être retravaillées avant leur lancement sur le marché. Dans ce cas, l’asymétrie frontale peut être calculée assez facilement à partir des données EEG continues. Les deux électrodes dont vous avez besoin sont F3 et F4. Presque tous les casques EEG comportent ces emplacements standard. Si votre système EEG ne dispose pas des électrodes F3 et F4, vous pouvez également utiliser des électrodes situées à proximité des emplacements F3-F4 d’origine.

Veuillez suivre les étapes suivantes :

1. Prétraiter les données

Les procédures varient d’une étude à l’autre, il n’est donc pas possible de formuler des recommandations générales. Les articles originaux de Pvapers sur l’asymétrie frontale, ainsi que les ouvrages de Luck (2014) et de Cohen (2014), constituent d’excellents points de départ pour déterminer une séquence optimale d’étapes.

2. Répartir les données par période

À cette étape, les données EEG continues enregistrées pendant chacune des publicités sont découpées en segments plus courts. Des études scientifiques recommandent de définir des époques qui se chevauchent, d’une durée maximale de 2 secondes. Si vous testez une publicité de 60 secondes

3. Transformation de fréquence

Appliquez la transformation de fréquence à chaque époque afin de déterminer quelles fréquences sous-tendent les données. Vous pouvez vous concentrer sur la puissance dans la bande bêta (12 – 25 Hz).

4. Calculer l’asymétrie frontale pour chaque période :

En d’autres termes, la différence de puissance entre les hémisphères gauche et droit est divisée par la puissance totale des deux hémisphères. Une asymétrie plus marquée traduit un comportement d’approche, tandis qu’une asymétrie moins marquée traduit un comportement d’évitement.

5. Représenter graphiquement l’asymétrie frontale

La procédure génère un score d’asymétrie par époque. Vous pouvez désormais tracer l’évolution temporelle de ces scores afin de visualiser les variations de motivation/d’engagement tout au long de la présentation du stimulus. De plus, vous pouvez calculer la moyenne des valeurs sur l’ensemble des époques pour obtenir un indice global d’asymétrie frontale.

Dans l’ensemble, les asymétries frontales observées dans les bandes de fréquences bêta et gamma peuvent être interprétées en fonction du degré de motivation à s’approcher (approche) ou à s’éloigner (évitement) d’un stimulus ou d’une image mentale. L’asymétrie frontale peut être mesurée à l’aide de casques EEG équipés d’électrodes placées sur les régions frontales du cuir chevelu (idéalement, F3 et F4), ce qui permet d’analyser les variations à court terme de la motivation au cours de la présentation d’un stimulus.

Indicateurs cognitifs et affectifs

Outre les signaux cérébraux liés à la fréquence et associés à l’engagement et à la motivation, la recherche universitaire et industrielle s’intéresse aux processus corticaux qui sous-tendent la charge mentale ou la somnolence.

La capacité à surveiller en continu les niveaux de fatigue, d’attention, d’implication dans la tâche et de charge mentale des personnes interrogées dans des environnements opérationnels s’avère particulièrement utile dans les situations où certains comportements pourraient potentiellement entraîner des situations dangereuses. Un exemple : la surveillance de la charge cognitive, de la somnolence et de l’engagement dans la tâche chez les contrôleurs de centrales électriques pourrait aider à analyser comment le cerveau réagit à des environnements généralement très monotones (si tout se passe bien), et comment la charge corticale et les scores d’engagement s’adaptent à des catastrophes rares mais occasionnelles ou à des situations mettant la vie en danger. Ces informations peuvent être utilisées pour optimiser les appareils, les interfaces logicielles ou des environnements de travail entiers afin d’accroître l’engagement, la motivation et la productivité.

De plus, l’extraction en continu de marqueurs psychophysiologiques de l’engagement et de la vigilance à partir de l’activité cérébrale en temps réel permet de concevoir des systèmes en boucle fermée, qui fournissent un retour d’information sur les états cognitifs, affectifs et attentionnels. En d’autres termes : dès que la charge de travail cérébrale ou les niveaux de somnolence dépassent une valeur seuil spécifiée (ou que les niveaux d’engagement tombent en dessous d’une certaine valeur), les participants peuvent être avertis afin de prendre des mesures correctives. Ce volet de la recherche continuera de se développer au cours des deux prochaines années, avec la conception de systèmes entièrement adaptatifs qui réagissent de manière entièrement automatique aux états cérébraux des utilisateurs.

La série B-Alert EEG d’Advanced Brain Monitoring (ABM), par exemple, propose deux indicateurs cognitifs et affectifs qui ont été validés dans le cadre de plusieurs projets de recherche universitaires (Berka et al., 2004 / 2007 ; Johnson et al., 2011 ; Stevens et al., 2007 ; Stikic et al., 2014) :

1. États cognitifs

Les états cognitifs reflètent le niveau global d’implication, d’attention et de concentration lors de la collecte d’informations et de l’analyse visuelle. Le niveau d’implication est représenté sur une échelle continue dont les extrêmes sont les valeurs zéro (faible implication) et un (forte implication). Afin de classer les valeurs situées entre ces deux extrêmes, l’ABM propose les quatre niveaux de classification suivants, correspondant à une implication croissante :

• Endormissement [0,1]

• Distraction [0,3]

• Fort engagement [0,9]

• Faible engagement [0,6]

2. Charge de travail

La charge de travail désigne tout processus cognitif impliquant des fonctions exécutives telles que la mémoire de travail, la résolution de problèmes et le raisonnement analytique. La charge de travail, associée à l’activité dans la bande thêta, augmente avec des niveaux plus élevés d’exigences de la tâche et de charge de la mémoire de travail, par exemple lors de la mémorisation de listes ou lorsque l’on tente de bloquer les stimuli distrayants afin de se concentrer sur les éléments liés à la tâche. Là encore, la plage numérique de la charge de travail va de zéro à un, les valeurs les plus élevées représentant une charge de travail accrue. Contrairement à la mesure de l’état cognitif, la charge de travail présente un point optimal au centre de l’échelle :

• Ennui [jusqu’à 0,4]

• Charge de travail optimale [0,4 – 0,7]

• Stress et surcharge d’informations [supérieure à 0,7]

Le principal avantage de ces indicateurs – à l’instar de l’indice d’asymétrie préfrontale – réside dans leur plage de valeurs normalisée, comprise entre zéro et un. Les valeurs faibles indiquent un engagement ou une charge de travail moindre ou réduit, tandis que les valeurs élevées traduisent un engagement ou une charge de travail accru ou intensifié.

Comme ces indicateurs sont calculés seconde par seconde, vous pouvez facilement évaluer l’évolution des états cognitifs et affectifs tout au long de la présentation de stimuli dynamiques (navigation sur un site web ou dans un logiciel, visionnage d’une vidéo ou exploration d’un centre commercial). De plus, vous pouvez calculer des scores globaux en effectuant simplement une moyenne sur des périodes plus longues, par exemple sur une séquence vidéo, un site web ou un rayon de magasin, afin d’extraire le niveau général de charge de travail ou d’engagement.

Une autre gamme de casques EEG fournissant également des mesures cognitives et affectives est proposée par Emotiv : l’Emotiv EPOC et l’EPOC+. Ces appareils permettent de recueillir les mesures suivantes :

1. L’engagement/l’ennui reflète un état de vigilance à long terme et l’orientation consciente de l’attention vers des stimuli pertinents pour la tâche.

2. L’excitation (arousal) reflète la réaction physiologique immédiate à des stimuli associés à une valence positive.

3. Stress (Frustration)

4. Méditation (Relaxation)

Étant donné qu’Emotiv ne publie pas d’articles librement accessibles sur la validité de ces échelles, la valeur scientifique de ces indicateurs fait l’objet d’un débat (par exemple, Pham & Tran, 2012).

Les paramètres EEG basés sur la fréquence sont utilisés dans les domaines d’application commerciaux et universitaires suivants :

• 
  Ingénierie biomédicale : Les modèles basés sur la fréquence sont utilisés dans le cadre des interfaces cerveau-ordinateur. En surveillant l'activité alpha au-dessus des zones motrices, les chercheurs peuvent détecter si les sujets ont l'intention de bouger certains membres. Il est important de noter que ces zones continuent d'osciller à une fréquence spécifique même si les membres sont paralysés (à la suite d'un accident, par exemple). Ces signaux cérébraux peuvent alors être surveillés afin de permettre aux patients de contrôler des bras ou des jambes robotiques en fonction de leur activité cérébrale.
• 
  Neurosciences appliquées à la consommation : des indicateurs EEG basés sur la fréquence peuvent être mesurés chez des participants explorant des magasins réels ou virtuels afin d'évaluer les niveaux d'engagement, de motivation ou de somnolence tout au long de leur parcours d'achat. À quels endroits du magasin les niveaux d'engagement sont-ils élevés, et où la motivation est-elle la plus faible ? Alors que les auto-évaluations et les entretiens sont généralement biaisés en raison des limites de la mémoire ou des capacités de réflexion des participants (ou en raison des attentes sociales), l'EEG permet un suivi direct et non intrusif pendant l'exploration proprement dite.
• Études
  de marché : les indicateurs EEG basés sur la fréquence sont largement utilisés dans les études commerciales portant sur l'efficacité des marques, notamment en matière d'emballage et de conception de produits, y compris les sites web et les interfaces logicielles, afin d'identifier les obstacles et d'améliorer les flux de travail en s'appuyant sur les processus cognitifs et affectifs.
• 
  Publicité, bande-annonce et tests médiatiques : les publicités télévisées ont pour but d'inciter les consommateurs potentiels à acheter un produit ou un service. La surveillance de l'activité EEG des participants pendant qu'ils regardent des publicités ou des bandes-annonces, ainsi que l'analyse des données en fonction de leur spectre de fréquences, peuvent fournir des informations brutes et impartiales sur les états cognitifs et affectifs du public. De même, le contenu des cours en ligne et les vidéos didactiques peuvent être évalués à l'aide d'indicateurs d'engagement et de charge de travail, ce qui permet d'écarter les supports difficiles à suivre.

C’est fini ?

Pas du tout ! Si ce guide vous a intéressé, nous sommes certains que vous adorerez notre guide de poche complet de 64 pages sur l’EEG, que vous pouvez télécharger ci-dessous. Vous avez des questions ? N’hésitez pas à contacter notre équipe d’experts en EEG pour faire passer vos recherches au niveau supérieur. Découvrez notre article sur les 5 éléments indispensables pour un équipement EEG optimal.

Fabricants de matériel d’EEG

• Advanced Brain Monitoring (ABM) (2237 Faraday Ave, Carlsbad, CA, 92008, États-Unis)
• ant Neuro (Colosseum 22, 7521 PT Enschede, Pays-Bas)
• Biosemi B.V. (WG-Plein 129, 1054SC Amsterdam, Pays-Bas)
• BrainMaster Technologies Inc. (195 Willis Street, Bedford, OH 44146, États-Unis)
• Brain Products GmbH (Zeppelinstr. 7, 82205 Gilching, Allemagne)
• Cognionics Inc. (8445 Camino Santa Fe [bureau 205], San Diego, CA 92121, États-Unis)
• Electrical Geodesics (EGI). (500 East 4th Ave., Suite 200, Eugene, OR 97401, États-Unis)
• Emotiv Inc. (268 Bush Street [bureau 4109], San Francisco, CA 94104, États-Unis)
• g.tec Medical Engineering GmbH (Sierningstrasse 14, 4521 Schiedlberg, Autriche)
• NeuroSky Inc. (125 S Market Street [Suite 900], San José, CA 95113, États-Unis)
• Mind Media BV (Louis Eijssenweg 2B, 6049CD Herten, Pays-Bas)
• Mitsar Co. Ltd. (Mitsar Co. Ltd., 4-2A rue Optikov, Centre d'affaires « LAHTA », 197374 Saint-Pétersbourg, Russie)
• Neuroelectrics. (Avinguda Tibidado, 47 bis, 08035 Barcelone, Espagne)
• Wearable Sensing Inc. (5754 Pacific Center Blvd, San Diego, CA 92121, États-Unis)

Logiciel d’analyse d’EEG

• iMotions Lab
• BESA Research (BESA GmbH)
• BIOPAC ACQKnowledge (BIOPAC Inc.)
• Brainstorm (Université de Californie du Sud, Los Angeles, Californie)
• BrainVision Analyzer (Brain Products GmbH)
• BrainVoyager (Brain Innovation B.V.)
• Cartool Software (Centre d'imagerie biomédicale de Lausanne-Genève)
• Curry 7 (Compumedics Limited)
• EEGLAB (Centre Swartz pour les neurosciences computationnelles, UCSD)
• LORETA (Institut KEY pour la recherche sur le cerveau et l'esprit, Zurich)

Références

• Société américaine d'électroencéphalographie (1994). Société américaine d'électroencéphalographie. Recommandation n° 13 : Recommandations relatives à la nomenclature standard des positions des électrodes. Journal of Clinical Neurophysiology, 11, 111–113.
• Astolfi, De Vico Fallani, Cincotti et al. (2008). Fondements neuronaux des réponses cérébrales aux publicités télévisées : une étude EEG à haute résolution. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 16(6), 522–531.
• Badcock, Preece, de Wit et al. (2015). Validation du système EEG Emotiv EPOC pour l'enregistrement de potentiels évoqués auditifs de qualité scientifique chez les enfants. PeerJ, 3, e907.
• Berka, Izzetoglu, Bunce et al. (2004). Analyse en temps réel des indices EEG de vigilance, de cognition et de mémoire obtenus à l'aide d'un casque EEG sans fil. International Journal of Human-Computer Interaction, 17(2), 211–227.
• Berka, Levendowski, Lumicao et al. (2007). Corrélats EEG de l'engagement dans la tâche et de la charge mentale lors de tâches de vigilance, d'apprentissage et de mémoire. Aviation, Space, and Environmental Medicine, 78(5), p. B231-B244.
• Buzsáki, Anastassiou et Koch (2012). L'origine des champs et des courants extracellulaires : EEG, ECoG, LFP et pics. Nature Reviews Neuroscience, 13(6), 407–20.
• Cohen (2011). Il était temps. Frontiers in Human Neuroscience, 5(2), 1–15.
• Cohen (2014). Analyse des séries chronologiques neuronales. Théorie et pratique. Cambridge, MA : MIT Press.
• Colrain, Turlington et Baker (2009). Impact de l'alcoolisme sur l'architecture du sommeil et les spectres de puissance EEG chez les hommes et les femmes. Sleep, 32(10), 1341-1352.
• Davidson (2004). Quel est le rôle du cortex préfrontal dans les émotions ? Perspectives sur la recherche relative à l'asymétrie frontale de l'EEG. Biological Psychology, 67(1-2), 219–234.
• de Vico Fallani, Astolfi, Cincotti et al. (2008). Structure des réseaux corticaux lors de l'encodage mémoriel réussi dans le cadre de publicités télévisées. Clinical Neurophysiology, 119(10), 2231–223764
• Dimigen, Valsecchi, Sommer et Kliegl (2009). Réponses cérébrales visuelles liées aux microsaccades chez l'être humain. The Journal of Neuroscience, 29(39), 12321–31.
• Gratton, Coles et Donchin (1983). Une nouvelle méthode d'élimination hors ligne des artefacts oculaires. Electroencephalography and Clinical Neurophysiology, 55(4), 468–484.
• Handy (2005). Potentiels évoqués : manuel méthodologique. Cambridge : MIT Press.
• Harmon-Jones, Gable et Peterson (2010). Le rôle de l'activité corticale frontale asymétrique dans les phénomènes liés aux émotions : une synthèse et une mise à jour. Biological Psychiatry, 84, 451–462.
• Johnson, Popovic, Olmstead et al. (2011). Développement et validation d’un algorithme de somnolence/vigilance à l’aide d’EEG synchronisés et de tests de performance cognitive afin de personnaliser un modèle généralisé. Biological Psychology, 87(2), 241–250.
• Jung et Berger (1979). Cinquante ans d'EEG. La découverte de l'électroencéphalogramme par Hans Berger et ses premiers résultats (1924-1931). Archiv für Psychiatrie und Nervenkrankheiten, 227, 279-300.
• Kahana, Sekuler, Caplan, Kirschen et Madsen (1999). Les oscillations thêta humaines varient en fonction de la tâche lors de la navigation dans un labyrinthe virtuel. Nature, 399(6738), 781-784.
• Klimecki, Leiberg, Lamm et Singer (2012). Plasticité neuronale fonctionnelle et changements associés de l'affect positif après un entraînement à la compassion. Cerebral Cortex, 23(7), 1552-1561.
• Klimesch (1996). Processus mémoriels, oscillations cérébrales et synchronisation EEG. International Journal of Psychophysiology, 24(1-2), 61-100.
• Lainscsek, Hernandez, Weyhenmeyer, Sejnowski et Poizner (2013). L'analyse dynamique non linéaire des séries chronologiques d'EEG permet de distinguer les patients atteints de la maladie de Parkinson des individus en bonne santé. Frontiers in Neurology, 04-200.
• Lopes da Silva, Gonçalves et de Munck (2009). Électroencéphalographie (EEG). Encyclopédie des neurosciences, p. 849-855.65
• Luck (2005). Dix règles simples pour la conception d'expériences ERP. Dans Handy. Event-Related Potentials: A Methods Handbook. Cambridge, MA : MIT Press.
• Luck (2014, 2e édition). Introduction à la technique des potentiels évoqués. Cambridge, MA : MIT Press.
• Mizuhara, Wang, Kobayashi et Yamaguchi (2004). Un réseau cortical à longue portée émergeant avec l'oscillation thêta lors d'une tâche mentale. Neuroreport, 15(8), 1233.
• Niedermeyer & Lopes da Silva (2012, 6e édition). Électroencéphalographie : principes fondamentaux, applications cliniques et domaines connexes. Philadelphie, Pennsylvanie : Lippincott Williams & Wilkins.
• Ohme, Reykowska, Wiener et Choromanska (2010). Application de l'asymétrie EEG frontale à la recherche en publicité. Journal of Economic Psychology, 31(5), 785–793.
• O’Keefe et Burgess (1999). Activité thêta, navigation virtuelle et hippocampe humain. Trends in Cognitive Sciences, 3(11), 403-406.
• Onton, Delorme et Makeig (2005). Dynamique de l'EEG au niveau de la ligne médiane frontale pendant l'activité de la mémoire de travail. Neuroimage, 27(2), 341-356.
• Oostenveld et Praamstra (2001). Le système d'électrodes à 5 % pour les mesures EEG et ERP à haute résolution. Clinical Neurophysiology, 112(4), 713–719.
• Pham et Tran (2012). Reconnaissance des émotions à l'aide du dispositif Emotiv EPOC. Dans Lecture Notes in Computer Science, 7667, p. 394-399.
• Ramsøy (2015). Introduction au neuromarketing et aux neurosciences appliquées à la consommation. Rørvig : Neurons Inc ApS.
• Rana et Kaina (2014). Rôles fonctionnels de la puissance de la bande alpha à 10 Hz dans la modulation de l'activation et de la désactivation des réseaux corticaux lors d'une tâche complexe de mouvement visuel. PLOS One, 9(10), e107715.
• Saab, Battes et Grosse-Wentrup (2011). Enregistrements EEG simultanés à l'aide d'électrodes sèches et humides dans le cadre de l'imagerie motrice. 5e Conférence internationale sur les interfaces cerveau-ordinateur (BCI 2011), p. 312-315.66
• Schack, Klimesch et Sauseng (2005). Synchronisation de phase entre les oscillations thêta et alpha supérieures lors d'une tâche de mémoire de travail. International Journal of Psychophysiology, 57(2), 105-114.
• Schaffer, Davidson et Saron (1983). Asymétrie de l'électroencéphalogramme frontal et pariétal chez des sujets dépressifs et non dépressifs. Biological Psychiatry, 18, 753–762.
• Stevens, Galloway et Berka (2007). Modifications liées à l'EEG de la charge cognitive, de l'engagement et de la distraction chez les étudiants au fur et à mesure qu'ils acquièrent des compétences en résolution de problèmes. 11e Conférence internationale sur la modélisation des utilisateurs (UM 2007), p. 187-196.
• Stikic, Johnson, Tan et Berka (2014). Classification des états affectifs positifs et négatifs à partir de l'EEG. Brain-Computer Interfaces, 1(2), 99–112.
• Vecchiato, Toppi et Astolfi (2012). La valeur ajoutée de la neuroimagerie électrique