Caractérisation de la récupération motrice au cours d’un processus de rééducation guidé par BCI

Description de l'offre : Les interfaces cerveau-machine ou BCI (pour Brain Computer Interface) permettent de restaurer une fonction perdue en offrant la possibilité à un individu de contrôler des dispositifs externes grâce à la modulation de son activité cérébrale. Le CEA a développé une technologie de BCI basée sur l’implant WIMAGINE de mesure de l’activité cérébrale par électrocorticographie (ECoG) et sur des algorithmes de décodages des intentions motrices. Cette technologie a initialement été testée pour le contrôle d’effecteurs robotiques de type exosquelette, et de dispositifs de stimulation médullaire pour pallier les pertes motrices graves. Ce paradigme initial de suppléance et de substitution, bien que prometteur, laisse désormais entrevoir un potentiel d’application différent : celui de la récupération fonctionnelle par rééducation guidée par BCI. La littérature actuelle suggère en effet que les BCI, utilisées de manière intensive et bien orientées, peuvent favoriser la plasticité neuronale et, par extension, une amélioration des capacités motrices résiduelles. En particulier, les BCI implantées en électrocorticographie (ECoG) pourrait apporter des gains thérapeutiques significatifs. L’objectif de cette thèse est donc d’évaluer le potentiel de la technologie BCI du CEA pour favoriser l’amélioration des capacités motrices résiduelles de patients paralysés par plasticité neuronale. Ce travail sera abordé par une démarche scientifique rigoureuse et multidisciplinaire, comprenant une revue exhaustive de la littérature scientifique, la mise en place et la réalisation d’expérimentations cliniques avec des patients, le développement algorithmique d’outils de suivi et d’analyse de la progression des patients et la publication des résultats significatifs dans des revues scientifiques de haut-niveau. Cette thèse est destinée à un(e) étudiant(e) spécialisé(e) en ingénierie biomédicale, avec une expertise en traitement de signal et analyse de données physiologiques complexes et une expérience en Python ou Matlab. Un fort intérêt pour l’expérimentation clinique et les neurosciences sera aussi nécessaire. L’étudiant(e) travaillera au sein d’une équipe pluridisciplinaire au sein de CLINATEC, contribuant ainsi à la recherche de pointe dans le domaine des BCIs.

Profil du candidat : Traitement du signal – ingénierie biomédicale