Annonce

Les commentaires sont clos.

Traitement et analyse de signaux simultanés EEG/ERG pour l'aide au diagnostic en psychiatrie

25 Avril 2022


Catégorie : Ingénieur


Proposition de poste niveau ingénieur d'étude débutant en CDD (3 ans), portant sur l'analyse d'enregistrements simultanés EEG et ERG pour la recherche de biomarqueurs liés aux maladie psychiatriques. Les missions concernent le traitement des signaux recueillis par les capteurs pour l'extraction de l'information utile et l'analyse de ces données pour la mise à jour d'indicateurs fiables et robustes des troubles psychiatriques. Le candidat recruté sera rattaché au laboratoire IADI et les activités de recherches auront lieu au Centre Psychothérapique de Nancy (CPN) en collaboration avec l'entreprise Bioserenity, spécialisée dans le développement de systèmes médicaux connectés pour la recherche de biomarqueurs numériques et l'aide au diagnostic. Financement: Plan de relance. Possibilité au cours du contrat de s'inscrire en thèse dans l'objectif d'obtenir un doctorat.

 

Contexte :

Le trouble dépressif majeur (TDM) est l'une des maladies mentales les plus graves. C'est un problème de santé publique qui concerne 300 millions de personnes dans le monde. C'est la principale cause d'incapacité dans le monde, avec un impact notable sur la qualité de vie, un risque de mortalité plus élevé et l'un des principaux facteurs de risque de suicide. Dans ce contexte, le diagnostic et le traitement du TDM sont très difficiles. Il n'existe actuellement aucun outil objectif pour aider les praticiens dans le diagnostic - notamment dans le diagnostic différentiel ou dans la détection des idées suicidaires, ainsi que dans l'évaluation et la prédiction de la réponse aux traitements afin d'ajuster les thérapies individualisées et personnalisées pour le patient.

Positionnement :

Parmi tous les marqueurs biologiques, les mesures électrophysiologiques rétiniennes et corticales représentent des mesures non invasives pertinentes d’estimation des états mentaux explorés dans le cadre de maladie mentale. La fonction rétinienne est évaluée par des techniques électrophysiologiques appelées électrorétinogramme (ERG). Les ERG enregistrent le biopotentiel électrique évoqué par les cellules rétiniennes en réponse à la stimulation lumineuse. Plusieurs anomalies ont été rapportées avec l'ERG plein champ (ffERG) (stimulations flash) et modèle (PERG) (stimulations en damier) chez les patients, ce qui pourrait aider à confirmer le diagnostic et à évaluer la réponse au traitement. Avec des mesures ffERG, Hébert et al ont montré d’une part que les patients déprimés avaient des réponses rétiniennes qui diffèrent des témoins ; et d’autre part les réponses rétiniennes diffèrent entre les patients dépressifs sans médicament et les patients déprimés traités par pharmacothérapie. De plus l'analyse des données d'électroencéphalogramme (EEG) est un outil prometteur pour extraire des biomarqueurs objectifs dans les Troubles Depressifs Majeurs (TDM), soit pour discriminer les patients atteints de TDM des témoins sains, soit pour la prédiction des résultats du traitement des TDM. La plupart des études traitent de l'analyse des activations de fréquence anormales ou des mesures de connectivité EEG telles que la cohérence. Plusieurs études basées sur des outils d'apprentissage automatique sont rapportées, visant à identifier des biomarqueurs capables de prédire l'issue d'un médicament donné. Ces études rapportent des résultats très fiables en termes de précision, de sensibilité et de spécificité basés sur des outils d'apprentissage automatique standard.

Objectifs :

L’objectif de ce projet vise à exploiter des mesures EEG / ERG simultanées pour explorer les dysfonctionnements des systèmes visuels de la rétine aux réponses corticales chez les patients atteints de troubles majeurs mentaux. Nous évaluerons les mesures synchronisées de l'ERG et potentiels évoqués corticaux EEG PEV chez les patients atteints de Maladies Mentales afin de développer des marqueurs électrophysiologiques supplémentaires et complémentaires qui peuvent contribuer ensemble au diagnostic de la maladie et à l'évaluation de la réponse aux traitements.

Les grands axes de ces travaux de recherche sont les suivants :
- L'optimisation de la chaine d’instrumentation et le pré-traitement des signaux. Il s'agit ici de définir les meilleures solutions en termes de paramètres de stimulation et d’acquisition tels que les formes d’onde, les intensités, les durées de stimulation, le filtrage, les fréquences d’échantillonnage. Il s'agit également d'améliorer le rapport signal à bruit de ces signaux en allant au delà des méthodes classiques de filtrage linéaire, en s'appuyant par exemple sur des décompositions temps/échelle des signaux.
- L'extraction des caractéristiques dans les signaux. Plusieurs sources d'information peuvent être utilisées pour extraire des caractéristiques des signaux ERG/EEG: l'information spatiale qui décrit d'où spatialement est mesurer l'information utile. En pratique, cela signifie sélectionner des électrodes EEG spécifiques. L’information spectrale qui décrit comment la puissance des signaux ERG/EEG dans certaines bandes de fréquences spécifiques varie selon le type de stimulation. L'information temporelle des signaux ERG/ EEG pour différents pas de temps spécifiques ou différentes fenêtres temporelles.
- L'analyse de données s’appuyant sur des algorithmes à base de machine Learning à partir de modèle par apprentissage supervisé de type SVM, classifieur bayésien ou deep learning. Elle a pour but de renforcer d'une part l'aide au diagnostic et d'autre part d'identifier des indicateurs objectifs permettant d'orienter les stratégies thérapeutiques.

Profil Recherché :

Diplôme d'ingénieur ou de niveau Master en sciences de l'information, télécomunications, traitement du signal. La maitrise de techniques d'apprentissage automatique et d'intelligence artificielle est un plus.

Lieu d'exercice: Centre Psychothérapique de Nancy

Nature du contrat: Ingénieur d'étude (CDD - 3 ans)

Contact: Valérie Louis-Dorr (valerie.louis@univ-lorraine.fr) et Steven Le Cam (steven.le-cam@univ-lorraine.fr)

Pour toute candidature, merci de nous faire parvenir un CV, une lettre de motivation ainsi que les relevés de notes des deux dernières années. L'ajout de lettres de recommandation à votre dossier est un plus.