Bien sûr ! Voici un exemple de code Python pour simuler un processus d’interface cerveau-ordinateur (BCI, pour Brain-Computer Interface). Ce code utilise des données EEG simulées pour détecter des événements spécifiques. Nous allons utiliser des bibliothèques comme NumPy pour la manipulation des données et Matplotlib pour la visualisation.
« `python
import numpy as np
import matplotlib.pyplot as plt
# Narrateur
print(« Welcome to the Brain-Computer Interface Simulation. »)
print(« In this simulation, we will generate synthetic EEG data and detect specific events based on the signal. »)
# Paramètres de simulation
sampling_rate = 250 # Hz
duration = 5 # secondes
time = np.arange(0, duration, 1/sampling_rate)
# Génération de données EEG simulées
np.random.seed(42)
eeg_data = np.random.normal(0, 1, time.shape)
# Ajout d’un événement spécifique dans les données
event_time = 2 # secondes
event_duration = 0.5 # secondes
event_amplitude = 5
event_start = int(event_time * sampling_rate)
event_end = int((event_time + event_duration) * sampling_rate)
eeg_data[event_start:event_end] += event_amplitude
# Détection de l’événement
threshold = 3
detected_events = np.where(np.abs(eeg_data) > threshold)[0]
# Affichage des résultats
plt.figure(figsize=(12, 6))
plt.plot(time, eeg_data, label=’EEG Signal’)
plt.axvline(x=event_time, color=’r’, linestyle=’–‘, label=’Event Time’)
plt.scatter(time[detected_events], eeg_data[detected_events], color=’g’, label=’Detected Events’)
plt.xlabel(‘Time (s)’)
plt.ylabel(‘Amplitude’)
plt.title(‘Brain-Computer Interface Simulation’)
plt.legend()
plt.show()
# Narrateur
print(« The simulation has been completed. »)
print(« An event was injected into the EEG data at the 2-second mark with an amplitude of 5. »)
print(« The detection algorithm identified the event based on a threshold of 3. »)
print(« As you can see in the plot, the event is indicated by the red vertical line and the detected points are marked in green. »)
print(« This simulation demonstrates a basic process of detecting events in EEG data, which is fundamental in brain-computer interface applications. »)
« `
### Explication du Code
1. **Paramètres de Simulation**:
– `sampling_rate`: Fréquence d’échantillonnage des données EEG.
– `duration`: Durée de la simulation.
– `time`: Vecteur de temps correspondant aux échantillons.
2. **Génération de Données EEG Simulées**:
– Utilisation de `np.random.normal` pour générer des données EEG aléatoires avec une moyenne de 0 et une déviation standard de 1.
3. **Ajout d’un Événement Spécifique**:
– Injection d’un événement avec une amplitude spécifique à un moment donné dans les données EEG.
4. **Détection de l’Événement**:
– Utilisation d’un seuil pour détecter les points où l’amplitude des données EEG dépasse une valeur spécifiée.
5. **Affichage des Résultats**:
– Utilisation de Matplotlib pour tracer les données EEG, marquer le moment de l’événement et afficher les points détectés.
### Narrateur
Le narrateur guide l’utilisateur à travers le processus de simulation, expliquant chaque étape et les résultats obtenus.
Ce code est un point de départ pour une simulation d’interface cerveau-ordinateur et peut être étendu pour inclure des fonctionnalités plus avancées et des données réelles.