> Offres de formation > Offres de thèses

Architecture d'accélérateur matériel de calcul pour signaux BCI

Défi technologique : Technologies pour la santé et l'environnement, dispositifs médicaux (en savoir +)

Département : Département Systèmes et Circuits Intégrés Numériques (LIST)

Laboratoire : Laboratoire Systèmes-sur-puce et Technologies Avancées

Date de début : 01-04-2023

Localisation : Grenoble

Code CEA : SL-DRT-23-0641

Contact : ivan.miro-panades@cea.fr

Au LETI/Clinatec, une équipe de chercheurs pluridisciplinaires mettent en place des nouveaux algorithmes qui permettent de décoder des signaux neuronaux [1]. En particulier, grâce à un capteur électrocorticographique (ECoG) implanté dans la boite crânienne, il est possible de décoder les signaux neuronaux issus des intentions de mouvement du patient, en commande de mouvement d'effecteurs de suppléance fonctionnelle. Ces signaux décodés peuvent être utilisés pour piloter un exosquelette et ainsi permettre de restaurer la mobilité des quatre membres chez les patients tétraplégiques [2] [3]. L'équipe de chercheurs du professeur Courtine à l'EPFL [4], a développé un stimulateur de la moelle épinière qui permet de restaurer le mouvement des membres inférieurs chez les patients paraplégiques. Actuellement, dans le cadre du projet NEMO-BMI, ces équipes sont en train de coupler la technologie de décodage de l'activité cérébrale à la technologie de stimulation de la moelle épinière afin de faire la preuve de concept d'une Interface Cerveau Moelle-épinière permettant la restauration de la marche chez les patients paraplégiques [5]. Le traitement de signal nécessaire pour décoder les signaux du cerveau nécessite une puissance de calcul très importante. Actuellement, ces calculs sont effectués sur un ordinateur portable et sont très gourmands en énergie (consommation proche de 100W). Le patient est donc obligé de transporter un ordinateur portable dans un sac à dos, ce qui est gênant pour l'utilisation de cette solution hors d'un contexte clinique. À long terme, l'objectif est que le décodage des signaux puisse être embarqué directement dans un implant, ce qui implique un budget de moins de 100mW. Le focus de cette thèse est de proposer une architecture de calcul qui permettra de réduire la puissance nécessaire pour effectuer le décodage des signaux neuronaux par un facteur 1000X. Pour relever ce défi technologique, le candidat va devoir trouver des solutions innovantes et au-delà de l'état de l'art actuel. Nous cherchons un candidat avec des connaissances larges en architecture d'ordinateur et traitement de signal. Le candidat travaillera au sein d'une équipe pluridisciplinaire afin de prendre en main les algorithmes, proposer des architectures innovantes et puis les valider. Réaliser cet objectif de baisse de consommation en énergie nécessitera de l'innovation et les travaux réalisés pendant la thèse donneront lieu à des publications et éventuellement à des brevets. [1] Eliseyev A, Auboiroux V, Costecalde T, et al. Recursive Exponentially Weighted N-way Partial Least Squares Regression with Recursive-Validation of Hyper-Parameters in Brain-Computer Interface Applications. Scientific Reports. 2017 Nov. [2] Moly A, Costecalde T, Martel F, Martin M, Larzabal C, Karakas S, Verney A, Charvet G, Chabardes S, Benabid AL, Aksenova T. An adaptive closed-loop ECoG decoder for long-term and stable bimanual control of an exoskeleton by a tetraplegic. J Neural Eng. 2022 Mar 30;19(2). [3] Benabid, A. L., Costecalde, T., Eliseyev, A., Charvet, G., Verney, A., Karakas, S., ... & Chabardes, S. (2019). An exoskeleton controlled by an epidural wireless brain?machine interface in a tetraplegic patient: a proof-of-concept demonstration. The Lancet Neurology, 18(12), 1112-1122. [4] Rowald, A., Komi, S., Demesmaeker, R., Baaklini, E., Hernandez-Charpak, S. D., Paoles, E., ... & Courtine, G. (2022). Activity-dependent spinal cord neuromodulation rapidly restores trunk and leg motor functions after complete paralysis. Nature Medicine, 28(2), 260-271. [5] Lorach, H., Charvet, G., Bloch, J., & Courtine, G. (2022). Brain-spine interfaces to reverse paralysis. National Science Review.

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share