Transmission de puissance par voie acoustique pour applications biomédicales
Les implants orthopédiques intelligents ouvrent des perspectives très intéressantes, notamment pour l'amélioration du suivi post-chirurgical. Cependant, aujourd'hui, les technologies de transmission de puissance disponibles ne sont pas adaptées à l'alimentation des prothèses entièrement métalliques utilisées en orthopédie. Le projet ANR « PiezoKnee » vise à exploiter une solution de transmission de puissance basée sur les ondes acoustiques pour alimenter un implant de genou intelligent. En partenariat avec le LaTIM (CHRU Brest et IMT Atlantique) et le Tima, nous recherchons un post-doc qui sera la pièce maitresse du work package 2 du projet (WP2 : « Design Modeling & Assembly of the Acoustic Power Transfer system »). Sur la base d’un modèle d'articulation du genou (LaTIM) et en tenant compte des niveaux de puissance d'entrée admissibles (Tima) pour limiter les mécanismes physiques et rester en dessous des valeurs fixées par les normes, le candidat aura pour tâche de concevoir et optimiser le système de transmission de puissance acoustique grâce à la modélisation multi-physique à la fois analytique puis par éléments finis, en intégrant les transducteurs piézoélectriques dans l'implant. Les prototypes seront assemblés et testés d'abord sur plusieurs fantômes de genou élaborés dans le cadre du projet et ensuite sur des spécimens cadavériques au laboratoire anatomique du CHRU de Brest. Les preuves de concept permettront alors d'alimenter une nouvelle génération d'implants orthopédiques intelligents intégrant des capteurs, plus robustes et plus fiables, facilitant l'industrialisation et permettant à terme une meilleure prise en charge clinique.
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
Dosimètre à base de scintillateur plastique rapide pour la mesure en ligne des faisceaux en radiothérapie FLASH
Les nouvelles modalités de traitement du cancer ont pour but l’amélioration de la dose délivrée à la tumeur tout en épargnant au mieux les tissus sains. Différentes approches sont en cours de développement dont l’optimisation temporelle de la dose délivrée avec l’irradiation à très haut débit de dose (FLASH).
Dans ce cas particulier, des études récentes ont montré que l’irradiation FLASH avec des électrons était aussi efficace que les traitements en faisceaux de photons pour la destruction des tumeurs tout en étant moins nocive pour les tissus sains. Pour ces faisceaux, les doses instantanées sont jusqu’à plusieurs ordres de grandeur supérieures à celles produites par les faisceaux conventionnels. Les dosimètres actifs usuels saturent dans ces conditions d’irradiation à très haut débit de dose par impulsion et, par conséquent, la dosimétrie en ligne du faisceau n’est pas possible.
Nous proposons de développer un dosimètre dédié à la mesure des faisceaux en radiothérapie FLASH, basé sur un scintillateur plastique ultra-rapide couplé à un capteur photomultiplicateur en silicium (SiPM). La nouveauté du projet réside à la fois dans la composition chimique du scintillateur plastique, qui sera choisie pour son temps de réponse et son émission en longueur d’onde pour avoir une réponse adaptée aux caractéristiques impulsionnelles du faisceau, et dans le capteur final, avec la possibilité de coupler le scintillateur plastique à une matrice de SiPM miniaturisée.
Le but final est de pouvoir accéder, avec une méthodologie fiable, à la dosimétrie et à la géométrie en ligne des faisceaux FLASH.
Mesure de nématiques cellulaires actifs par microscopie sans lentille
Au CEA-Leti, nous avons validé une plateforme de vidéo-microscopie sans lentille vidéo en enregistrant des milliers d’heures de cultures cellulaires. Et nous avons développé différents algorithmes pour étudier les fonctions cellulaires majeures, à savoir l’adhésion, la motilité, la division cellulaire et la mort cellulaire.
Le projet de recherche du post-doc est d’étendre l’analyse des ensembles de données produites par la microscopie vidéo sans lentille. Le post-doc assistera notre partenaire dans la conduite des expérimentations et développera les algorithmes nécessaires pour reconstruire les images de la culture cellulaire dans différentes conditions. En particulier, les algorithmes de reconstruction holographique devront être à même de quantifier sur des échantillons cellulaires la différence de chemin optique (c’est-à-dire l’indice de réfraction multiplié par l’épaisseur). Les algorithmes existants permettent de quantifier les cellules isolées. Ils seront développés et évalués pour quantifier la formation de l’empilement cellulaire dans les trois dimensions. Ces algorithmes n’auront aucune capacité de sectionnement en Z comme par exemple la microscopie confocale, seule l’épaisseur du chemin optique sera mesurée
Nous recherchons des personnes ayant obtenu un doctorat en traitement d’images et / ou en deep learning avec des compétences dans le domaine de la microscopie appliquée à la biologie.