Décodeur neuronal auto-adaptatif pour une interface cerveau-moelle épinière clinique

Le CEA/LETI/CLINATEC lance un appel à candidatures pour un poste postdoctoral pour travailler sur le projet HORIZON-EIC. L'objectif du projet est d'explorer de nouvelles solutions de réhabilitation et de suppléance fonctionnelle pour les personnes en situation de handicap moteurs graves en utilisant une interface cerveau-machine (ICM) auto-adaptative. Les neuroprothèses enregistrent et décodent le signal neuronal cérébral pour activer des effecteurs (exosquelette, stimulateur de moelle épinière implantable, etc.) directement sans passage de commande de contrôle physiologique interrompu par une lésion de la moelle épinière. Un ensemble d'algorithmes pour décoder l'activité neuronale enregistrée au niveau du cortex cérébral (Electrocorticogram) a été développé à CLINATEC et testé dans le cadre de 2 protocoles de recherche clinique chez des tétraplégiques à Grenoble et chez des paraplégiques à Lausanne. Le postdoctorant contribuera aux prochaines avancées scientifiques ambitieuses répondant aux besoins médicaux des patients. L'amélioration cruciale de la convivialité peut être obtenue en atténuant le besoin d'un recalibrage constant du décodeur ICM en introduisant un cadre auto-adaptatif pour l’apprentissage du décodeur de manière incrémentale pendant l'utilisation des neuroprothèses autonome. L'ICM auto-adaptative (A-ICM) ajoute une boucle supplémentaire évaluant le niveau de cohérence entre les mouvements prévus de l'utilisateur et les actions effectuées à partir des données neuronales. Cette boucle peut fournir l’information sur les tâches ICM (labels) aux données enregistrées lors de l'utilisation autonome de la neuroprothèse. Les données labélisées peuvent être utilisées ensuite pour la mise à jour du décodeur en temps réel. Le décodeur neuronal innovant sera exploré et testé hors ligne et en temps réel dans le cadre d'essais cliniques en cours.

Ingénieur-chercheur / Post-doctorant (H/F) traitement du signal, IA et logiciel pour une application prédiction et traitement épilepsie en boucle ferme par refroidissement localisée

A ce jour, aucune étude n'a mis en évidence la possibilité d’utiliser la prédiction/prévision des crises d’épilepsie comme déclencheur de thérapeutiques en boucle fermée pour le traitement de l’épilepsie pharmaco-résistante.
Notre solution de prédiction/prévision de crises repose sur des algorithmes développés pour décoder des signaux neurologiques du cortex moteur déjà utilisés en clinique (essai clinique ‘BCI et tétraplégie’, NCT02550522) et qui peuvent être appliqués pour générer des prévisions de survenue des crises. Concernant les algorithmes du BCI moteur, nous avons publié et breveté des algorithmes de décodage en temps réel sur des patients tétraplégiques, contrôlant 8 degrés de liberté. Ils peuvent être adaptées à la prédiction des crises d’épilepsie. Notre hypothèse de travail est que le traitement pendant des périodes de haut risque d’occurrence des crises (et non pendant les crises elles-mêmes) va permettre réduire les doses thérapeutiques à administrer. Cette approche va rendre possible l’utilisation de systèmes implantables autonomes, en aidant à réduire la consommation d’énergie de ces systèmes. Las algorithmes de décodage vont être potentiellement ré-spécifié pour améliorer leur réponse à la tache de prédiction des crises épileptiques. Ils seront comparés à l’état de l’art des approches CNN (convolutional neural networks), ainsi qu’à d’autres solutions existantes. Ils seront évalués en utilisant un modèle de primates non-humains épileptiques développé a Clinatec. Ce modèle permettra également de tester l’efficacité des algorithmes pour prévenir la survenue des crises par un traitement non-pharmacologique basé sur le refroidissement localisé intra-cortical, en développement à Clinatec.
Le système de décodage neuronal est intégré dans un environnement logiciel qui permet le traitement du signal neuronal et peut émettre les commandes de contrôle à des dispositifs externes.
Le Post-Doctorat sera porté par le CEA-LETI-Clinatec en collaboration avec

Algorithmes en temps réel optimisés pour les Interfaces Cerveau-Machine à plusieurs degrés de liberté

Le sujet de recherche porte sur l’optimisation des algorithmes de l’Interface-Cerveau Machine (ICM) pour des applications médicales chez l’Homme (sujets tétraplégiques).
L’objectif principal pour le candidat post-doc sera d’optimiser/accélérer les calculs pour permettre l’utilisation de plusieurs degrés de libertés (jusqu’à 26) en temps réel. Le choix de caractéristiques appropriées pour les sous-ensembles permettra d’améliorer l’efficacité de calcul et la qualité du contrôle. Pour atteindre ce but, des modèles parcimonieux seront appliqués
Pour analyser les enregistrements ECoG en l’espace temps-fréquence-localisation, une transformée en ondelettes continue est utilisée. L’optimisation comprendra l’implémentation de transformée en ondelettes rapide ainsi que de code C++.
Le projet inclue aussi les tests et adaptations des algorithmes d’ICM à la transmission sans fil de des signaux avec l’implant WIMAGINE.
Finalement, l’adaptation des algorithmes pour l’environnement médical de sujets tétraplégiques (l’utilisation de tâches motrices imaginaires, la présence de stimuli dans le signal, la durée réduite des expériences) sera sous la responsabilité d’un post-doc.

Top