Visualiser votre activité cérébrale avec le bandeau Muse | de Carol Rong | janvier 2023

Guide des mannequins pour développer avec le bandeau Muse.

Alors vous avez un Bandeau Muse et vous avez essayé de servir de médiateur avec elle. C’est devenu ennuyeux – et maintenant?

Eh bien, vous êtes certainement au bon endroit car, dans ce guide, je vais décrire chaque étape nécessaire pour jouer à des jeux ou faire d’autres choses sympas avec le bandeau Muse.

En ce qui concerne les interfaces cerveau-ordinateur avec le bandeau Muse, les ressources en ligne sont assez rares et la plupart d’entre elles sont difficiles à comprendre en raison de la malédiction du savoir. Cet article vise à résoudre ce problème afin que tout soit assez clair, quel que soit votre niveau de connaissances.

Il existe d’innombrables façons de connecter votre Muse et de lui envoyer du code, mais dans cet article, je vais expliquer comment le faire complètement en Python. Toutes les instructions sont basées sur Mac mais fonctionneront toujours pour Windows et Linux avec de légers ajustements.

Avant de toucher le bandeau Muse, nous devons régler la partie code des choses. Suivez les 5 étapes ci-dessous pour installer toutes les dépendances de codage pour Python et ce projet.

Étape 1

Comme tout le code est en Python, la première étape consiste à télécharger Python si vous ne l’avez pas encore fait. Visitez leur site web ici et téléchargez la dernière version.

Étape 2

Après avoir installé Python, vous souhaitez ouvrir le Terminal sur votre ordinateur portable. Vous pouvez le faire en trouvant l’application Terminal ou en appuyant sur (⌘ + espace), puis en tapant le mot « Terminal » pour que l’application apparaisse. Si vous rencontrez des difficultés pour ouvrir Terminal, vérifiez cette en dehors.

Terminal est une interface textuelle qui permet à un utilisateur d’interagir avec un ordinateur en saisissant des commandes sous forme de texte. Il est couramment utilisé pour exécuter des commandes, exécuter des programmes et effectuer diverses tâches sur un ordinateur.

Étape 3

Maintenant que Terminal est opérationnel, vous souhaitez vérifier votre installation Python. Pour cela, il vous suffit de copier-coller le code ci-dessous dans votre terminal et d’appuyer sur « enter »

python --version

Si cela vous a donné une erreur du type « commande introuvable : python », vous pouvez avoir la version la plus récente de python, alors entrez ce qui suit.

python3 --version

L’une ou l’autre des commandes ci-dessus devrait avoir imprimé le numéro de version de votre logiciel Python, sinon, vous voudrez peut-être revenir à l’étape 1 et réessayer.

Étape 4

À ce stade, votre Python devrait être opérationnel. Avant de trouver un éditeur de code, nous devons vérifier si la dépendance Python pépin est installé. Pip est un package Python qui permet à l’utilisateur d’installer plus de commandes à partir de Python Package Index. Avec pip en place, vous pouvez installer des outils à utiliser plus tard avec une seule ligne.

Pour vérifier si pip est installé, entrez l’une des deux commandes ci-dessous. Si vous deviez ajouter « 3 » après python à l’étape 3, vous voudrez ajouter « 3 » après pip à cette étape.

pip --version

ou alors:

pip3 --version

Étape 5

Une fois que vous avez confirmé que pip est installé, il est maintenant temps de trouver un éditeur de code où vous pouvez modifier votre code. Je recommande Visual Studio Code ou VS code développé par Microsoft. La grande chose à propos du code VS est le fait qu’il est facile à utiliser disponible sur Windows, Linux et macOS.

L’installation est également super facile. Cliquez sur ici et téléchargez-le depuis leur site officiel en suivant leurs instructions.

Une fois installé, ouvrez-le et laissez-le sur la page d’ouverture.

À ce stade, vous avez installé avec succès tout le côté code des choses ! 🥳 Cependant, les choses ne sont pas encore faites. La prochaine série d’instructions vous montrera comment connecter votre bandeau au code, mais je vous promets que ce sera plus pratique et amusant !

Afin de connecter le bandeau Muse et de diffuser les signaux d’ondes cérébrales sur votre ordinateur portable, quelques éléments doivent être téléchargés. Avant 2016, la diffusion en continu à partir de Muse pouvait être facilement réalisée via Muse Lab, un logiciel spécialement conçu pour le développement de Muse, mais il a depuis été désactivé. 😢

Cependant, n’ayez crainte ! Après avoir passé quelques longues journées à surfer sur Internet, j’ai réussi à trouver quelques moyens de diffuser le bandeau via Bluetooth sans Muse Lab.

Au départ, une partie du code était obsolète, mais j’ai fini par trouver des choses qui fonctionnaient légèrement et je l’ai modifié. Suivez les étapes ci-dessous pour tout installer.

Étape 1

Tout d’abord, pour que le bandeau Muse puisse parler avec l’ordinateur portable, un sortie doit être créé. La prise permet essentiellement aux signaux Bluetooth Muse d’être « branchés » ou connectés à l’ordinateur portable.

Il existe plusieurs applications qui aident à créer ce point de vente. Mon préféré est Métriques des pétales qui peut être installé ici en suivant les instructions du site Web. Il est super convivial avec une excellente interface utilisateur. Petal Metrics fonctionne sous Windows, Linux et macOS.

Si Petal Metrics ne fonctionne pas pour une raison quelconque, BlueMuse est également une option pour les utilisateurs Windows et les utilisateurs Windows uniquement. Cependant, la configuration est légèrement plus compliquée et nécessite Github au lieu d’un simple téléchargement.

Étape 2

Maintenant qu’une prise est créée, vous souhaitez y connecter votre bandeau Muse. Sous type, sélectionnez LSL (couche de diffusion en laboratoire). Ceci est fait dans l’image ci-dessous. Les signaux LSL sont les meilleurs pour le type de développement que nous faisons car ils offrent le meilleur synchronisation horaire.

Pour connecter votre Muse, allumez-la simplement, activez le Bluetooth de votre ordinateur portable et cliquez sur le gros bouton vert flux bouton.

Il dira « connecting » ou « streaming Muse #### » mais vous ne verra rien. Ne vous inquiétez pas, vous avez tout fait correctement.

Étape 3

Maintenant, vous diffusez officiellement votre bandeau ! Vas-y toi! À cette étape, vous êtes à peu près à mi-chemin de l’ensemble du projet. Pour visualiser réellement les données, il doit y avoir un code qui transforme les signaux en visuel. Heureusement, Alexandre Barachant a créé un merveilleux programme appelé Muselsl qui y parvient. Tout ce que nous avons à faire est d’installer Muselsl pour afficher et coder avec les données de Muse.

Muselsl est un fichier Github, ce qui signifie qu’il est plus compliqué à télécharger mais je vais vous montrer comment en une seconde.

Tout d’abord, vous souhaitez ouvrir le référentiel Muselsl Github. Vous pouvez le faire ici. Un référentiel GitHub est une manière sophistiquée d’un dossier pour un projet de codage. Ensuite, vous souhaitez cloner le référentiel. Sur la page, cliquez sur le gros bouton vert « code » puis copiez le lien que vous voyez.

Une fois le lien copié, passons à l’étape suivante.

Étape 4

À ce stade, nous devons revenir au code VS que nous avons installé au début. Ouvrez le code VS si vous ne l’avez pas déjà fait et cliquez sur le premier bouton de la barre de menu de gauche. (Reportez-vous à l’image ci-dessous)

Maintenant, cliquez sur le bouton bleu « Clone Repository ». Une barre de recherche devrait apparaître en haut. Collez le lien que vous avez copié à l’étape 3 dans la barre de recherche. Ouvrez le référentiel en suivant les instructions et faites confiance à l’auteur si vous y êtes invité.

Étape 5

Vous verrez un tas de fichiers sur la gauche, mais pour l’instant, laissez-les et ouvrez le terminal de code VS comme indiqué dans la capture d’écran ci-dessous.

Une fois ouvert, le terminal devrait ressembler à ceci en bas :

Étape 6

Avec le terminal ouvert, vous souhaitez utiliser pip pour installer muselsl. Pour rappel, pip était la commande installée au tout début pour installer d’autres dépendances python.

L’installation de muselsl est super facile. Collez le code suivant dans le terminal et appuyez sur « Entrée ». Encore une fois, le code que vous collez dépend de la version (3 ou sans la 3) de python reconnue par votre ordinateur portable.

pip install muselsl

ou alors:

pip3 install muselsl

Une fois la commande entrée, laissez-la charger et travailler c’est magique ✨

Une erreur que j’ai rencontrée était le fait que mon ordinateur ne reconnaissait pas pygatt. Si vous rencontrez la même erreur, entrez simplement le code suivant, puis essayez de réinstaller muselsl encore une fois en suivant le code ci-dessus.

pip install pygatt

ou alors:

pip3 install pygatt

Étape 7

Enfin! Il est temps de visualiser et de diffuser les données. Tout d’abord, ouvrez Petal Metrics précédemment et commencez à diffuser.

Ensuite, allez dans le terminal en code VS et tapez la commande ci-dessous

muselsl view

Votre code trouvera la prise Petal Metrics et diffusera les données si vous portez correctement votre bandeau. Ça devrait ressembler a quelque chose comme ca:

À l’aide des commandes ci-dessous, vous pouvez modifier l’apparence du graphique pour une représentation plus claire.

Yay! Vous avez enfin établi une connexion et visualisé vos ondes cérébrales ! L’étape suivante consiste à modifier le code et à le faire reconnaître votre clignote 👁️

Vous pouvez maintenant voir votre activité cérébrale, mais après un petit moment, cela devient définitivement ennuyeux. Cependant, au cas où vous ne l’auriez pas remarqué, chaque fois que vous clignez des yeux, le graphique affiche un peu pic ou alors plonger.

Une chose que nous pouvons faire avec ce « creux » est de faire en sorte que l’ordinateur le reconnaisse. Lorsque l’ordinateur le reconnaît, le clignotement peut se transformer en un signal pour faire quelque chose ou montrer quelque chose. Les étapes ci-dessous vous montreront comment faire en sorte que votre ordinateur reconnaisse vos clignements.

Étape 1

Dans le référentiel Muselsl GitHub que vous avez cloné précédemment, cliquez sur
examples > neurofeedback.py

neurofeedback.py est le fichier où les signaux sont rassemblés et imprimés.

Après avoir trouvé le fichier, vous serez peut-être invité à installer Python pour VS Code. Sinon, allez dans la barre de menu de gauche, cliquez sur les extensions, recherchez Python et installez Python. L’image suivante explique comment installer Python dans VS Code.

Étape 2

Avec Python installé, revenez à la neurofeedback.py fichier et cliquez sur le bouton Exécuter (le petit triangle) en haut à droite. Cliquer sur Exécuter devrait faire apparaître le terminal et il peut y avoir beaucoup d’erreurs affichées dans le terminal. Ne vous inquiétez pas, ces erreurs sont censées être là.

Les erreurs sont une cause des importations en haut :

Votre ordinateur ne reconnaît pas ces commandes, alors tapez ce qui suit dans le terminal, un à la fois suivi de « Entrée » pour installer chacun de ces fichiers non reconnus. Encore une fois, selon le type de python que vous avez, tapez « pip3 » ou « pip » pour l’installer.

pip3 install numpy
or
pip install numpy

pip3 install matplotlib
or
pip install madplotlib

pip3 install utils
or
pip install utils

pip3 install sklearn
or
pip install sklearn

À ce stade, vous devriez pouvoir exécuter votre code sans problème. Passons maintenant à l’étape suivante.

Étape 3

Votre code est maintenant en cours d’exécution, mais il manque un flux EEG. Pour trouver ce flux, activez Petal Metrics d’avant et connectez votre Muse. Maintenant, si vous exécutez le code, vous devriez voir beaucoup de chiffres. Ces nombres représentent les ondes Alpha.

Vous pouvez en savoir plus sur ces ondes dans mon article précédent.

En bref, les ondes alpha sont vos ondes d’état détendu. Ils ne sont en grande partie pas affectés par les mouvements musculaires comme les clignements. Pour rendre les nombres sensibles aux clignotements, il faut imprimer les ondes delta.

Pour détecter les ondes delta, ajoutez le code suivant

print("Delta: ", band_powers[Band.Delta])

Placez-le là où il est placé dans la capture d’écran.

Maintenant, pour vous assurer que les autres vagues ne s’affichent pas, recherchez la ligne ci-dessous dans le code et placez un # devant (en la commentant pour que l’ordinateur ne la reconnaisse pas) ou supprimez-la complètement.

print('Alpha Relaxation: ', alpha_metric)

Si vous avez correctement suivi toutes les instructions ci-dessus, appuyez à nouveau sur Exécuter et vous devriez voir les ondes delta.

Étape 4

Les ondes delta peuvent facilement détecter les clignements et les mouvements musculaires. Si vous regardez attentivement les chiffres ou la capture d’écran ci-dessus, vous verrez qu’à la seconde où vous « clignez des yeux », les nombres deviennent plus grands que 1.

Maintenant nous savons supérieur à 1 = clignote alors qu’est-ce qu’on peut faire avec ces infos ?

Eh bien, dans le code, si nous voulons que quelque chose se produise étant donné une condition, nous utilisons un si déclaration. Dans le cas d’une détection de clignotement, l’ordinateur doit imprimer « clignotement » si l’onde delta est supérieure à 1. Cela peut être fait via la ligne suivante :

if band_powers[Band.Delta] >= 1: 
print("Blink!")

La ligne doit être placée sous la ligne où vous imprimer les ondes delta.

Étape 5

L’exécution du code à partir de l’étape 4 vous donnera quelque chose comme :

Oh oh !
Un clignotement se traduit par autant de clignotements…

En effet, lorsque vous clignez des yeux une fois, votre muscle change pendant quelques millisecondes, pas seulement une milliseconde. Les ondes delta sont collectées plus rapidement que le temps nécessaire pour un clignement.

Heureusement, il existe un moyen simple de résoudre ce problème. Tout ce que vous avez à faire est de faire défiler jusqu’en haut du code et d’ajuster les paramètres expérimentaux.

Même sans comprendre le code, vous pouvez voir un tas de chiffres. L’époque signifie une période de temps et le chevauchement signifie, eh bien, le chevauchement.

La longueur de décalage ci-dessous est la longueur de chevauchement d’époque qui dans notre cas est de 0,2

Cela signifie que toutes les 0,2 secondes, il y aura une nouvelle mesure eeg. Étant donné que 0,2 est beaucoup trop rapide pour un clignement, nous voulons changer le nombre en 1.

Cela signifie que OVERLAP_LENGTH = 0 puisque 1–0 = 1

Votre code devrait ressembler à ceci après l’ajustement :

Étape 6

Enfin, exécutons à nouveau le code, clignons et voyons ce qui se passe.

Voila ! Chaque fois que vous clignez des yeux, le nombre delta devient supérieur à 1 et « Blink! » est imprimé une fois que.

Conclusion

Tout est prêt ! Votre programme reconnaît maintenant quand vous avez cligné des yeux !

Regardez cette vidéo de moi démontrant le code: