🧬 biology

EyeBrain: Left and Right Brain Lateralization Activity Classification Through Pupil Diameter and Fixation Duration

Cette étude démontre que la mesure du diamètre pupillaire et de la durée de fixation via l'eye-tracking permet de classifier efficacement l'activité des hémisphères cérébraux gauche et droit avec un score F1 de 0,894.

Auteurs originaux : Ko Watanabe, Pooja Pol, Nicolas Großmann, Shoya Ishimaru, Andreas Dengel

Publié 2026-04-28

📖 3 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Ko Watanabe, Pooja Pol, Nicolas Großmann, Shoya Ishimaru, Andreas Dengel

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

🧠 EyeBrain : Lire dans votre cerveau grâce à vos yeux

Imaginez que votre cerveau est un immense orchestre symphonique. Pour que la musique soit belle, il y a deux sections principales :

La section "Logique" (l'hémisphère gauche) : Ce sont les percussionnistes et les mathématiciens. Ils sont précis, suivent le rythme, gèrent les mots et les calculs.
La section "Créative" (l'hémisphère droit) : Ce sont les violonistes et les peintres. Ils s'occupent des mélodies, des images, de l'émotion et de l'imagination.

Le problème, c'est qu'on ne peut pas voir l'orchestre travailler à l'intérieur de votre crâne. Mais les chercheurs de l'équipe EyeBrain ont découvert un "espion" incroyable qui nous donne des indices sur ce que joue l'orchestre : vos yeux.

👀 L'espion : La pupille et le regard

Les chercheurs ne regardent pas où vous fixez l'écran, mais comment vos yeux réagissent physiquement. Ils se sont concentrés sur deux signaux :

La dilatation de la pupille : C'est comme le volume sonore de votre cerveau. Quand vous faites un effort mental intense (comme un calcul difficile), votre pupille change de taille, un peu comme un muscle qui se contracte.
La durée de fixation : C'est le temps que votre regard "s'accroche" à un point. C'est comme si votre regard faisait une pause pour laisser le cerveau digérer une information.

🧪 L'expérience : Le test de l'orchestre

Pour vérifier si cela fonctionne, ils ont demandé à des participants de faire quatre activités :

Côté Gauche (Logique) : Faire des maths et écrire un essai.
Côté Droit (Créatif) : Dessiner et écouter de la musique.

Ils ont ensuite utilisé une intelligence artificielle (un peu comme un détective ultra-rapide) pour analyser les mouvements des pupilles et voir si elle pouvait deviner quelle "section" de l'orchestre était en train de jouer.

🏆 Le résultat : Un détective très doué

Le résultat est impressionnant ! L'intelligence artificielle a réussi à deviner si le cerveau utilisait le côté gauche ou le côté droit avec une précision de 89 %.

C'est un peu comme si, en regardant simplement la façon dont une personne cligne des yeux ou dont ses pupilles tremblent, on pouvait savoir si elle est en train de résoudre une équation complexe ou de composer une symphonie.

🚀 À quoi ça va servir ? (Le projet "EyeBrain")

L'idée n'est pas de vous espionner, mais de créer une sorte de "montre connectée pour le cerveau".

Imaginez une application sur votre téléphone ou des lunettes intelligentes qui vous diraient :

"Attention, aujourd'hui, vous avez utilisé 90 % de votre cerveau logique. Vous êtes épuisé sur le plan analytique ! Prenez un moment pour dessiner ou écouter de la musique pour rééquilibrer votre cerveau."

Cela pourrait aider les étudiants à mieux réviser, les travailleurs à gérer leur fatigue mentale, ou même aider des personnes en rééducation après un accident pour suivre leur progression cérébrale.

En résumé : Vos yeux sont les fenêtres de votre cerveau, et grâce à l'EyeBrain, nous apprenons enfin à lire ce qui s'y passe !

Résumé Technique : Projet EyeBrain

1. Problématique (Le Problème)

Le projet EyeBrain s'attaque à la difficulté de mesurer l'activité cérébrale de manière non invasive et continue. Bien que la latéralisation cérébrale (la spécialisation des hémisphères gauche et droit) soit documentée — l'hémisphère gauche gérant principalement le langage et l'arithmétique, et le droit la créativité et la perception musicale — il est complexe de monitorer ces états en vie quotidienne. L'étude cherche à savoir si des métriques oculaires simples, spécifiquement le diamètre de la pupille et la durée de fixation, peuvent servir de biomarqueurs pour classifier l'activation de l'un ou l'autre hémisphère, sans recourir à des dispositifs lourds comme l'EEG.

2. Méthodologie

Les chercheurs ont adopté une approche basée sur l'apprentissage automatique (machine learning) et l'oculométrie (eye-tracking).

Collecte de données : 34 participants ont effectué quatre tâches distinctes (deux pour chaque hémisphère) : calcul mental et rédaction d'essais (Gauche) ; dessin et écoute de musique (Droit). Les données ont été capturées via un eye-tracker Tobii Pro à 90 Hz.
Prétraitement : Un pipeline rigoureux a été mis en place pour filtrer le bruit (clignotements, interruptions, variations de luminosité) et normaliser le diamètre pupillaire par rapport à une ligne de base (baseline correction).
Extraction de caractéristiques (Feature Engineering) :
- Pupillométrie : Extraction de caractéristiques dans le domaine temporel (moyenne, écart-type, entropie, etc.) et fréquentiel (via Transformée de Fourier Rapide - FFT) du diamètre de la pupille.
- Fixations : Extraction de la durée des fixations et de leur fréquence.
- Fenêtrage glissant (Sliding Window) : Utilisation d'une fenêtre glissante avec un chevauchement de 50 % pour transformer les séries temporelles en vecteurs de caractéristiques exploitables.
Modèles de classification : Comparaison de modèles classiques : SVM (Support Vector Machine), XGBoost et Random Forest. L'évaluation a été réalisée via une validation croisée "Leave-One-Participant-Out" (LOPOCV) pour garantir la généralisation du modèle.

3. Contributions Clés

Preuve de concept de la latéralisation par l'œil : Démontrer que les mouvements et réactions de l'œil sont des indicateurs robustes de l'activité hémisphérique.
Optimisation des paramètres : Identification de la taille de fenêtre optimale (90 secondes) et de la durée d'activité nécessaire (environ 7,5 minutes) pour obtenir des prédictions stables.
Importance des fixations : Découverte que l'ajout des données de fixation (durée et nombre) améliore significativement la précision par rapport à l'utilisation de la seule pupillométrie.
Conception d'un système de monitoring : Proposition du concept "EyeBrain", une application de suivi quotidien de l'équilibre cognitif.

4. Résultats

Performance de classification : Le modèle a atteint une performance remarquable avec un score F1 de 0,894.
Impact des fixations : L'inclusion des caractéristiques de fixation a entraîné une amélioration moyenne de plus de 5 % du score F1. Les fixations d'une durée comprise entre 250 et 1000 ms se sont révélées être les plus prédictives.
Hiérarchie des caractéristiques : Les caractéristiques les plus importantes pour le modèle XGBoost étaient liées à la durée minimale de fixation ( $fx\_duration\_t\_min$ ) et au nombre de fixations.
Précision par tâche : L'écoute de musique (Droit) et l'arithmétique (Gauche) ont été les tâches les plus facilement identifiées, tandis que le dessin et la rédaction d'essais présentaient des taux d'erreur plus élevés (potentiellement dus à des mouvements de tête ou des obstructions visuelles).

5. Signification et Implications

Ce travail ouvre la voie à une nouvelle catégorie d'applications de santé numérique et de neuro-réadaptation. En transformant l'eye-tracking en un outil de monitoring de la charge cognitive et de l'équilibre hémisphérique, EyeBrain permet :

Aux individus : De visualiser leur équilibre entre activités logiques et créatives pour optimiser leur bien-être et leur carrière.
Aux éducateurs/mentors : De comprendre les forces et faiblesses cognitives des apprenants.
En recherche médicale : De proposer des méthodes de suivi non invasives pour la rééducation neurologique ou la gestion de la fatigue mentale.

L'étude conclut que bien que les modèles actuels soient performants, l'intégration future du Deep Learning (LSTM, Transformers) et de dispositifs portables (lunettes intelligentes) permettra une analyse en temps réel et "en conditions réelles" (in-the-wild).