Type de stage
Stage de recherche Neurosciences – Master 2 (spécialité Neurosciences)
Profil du candidat : étudiant en M2 en Neurosciences, Sciences Cognitives, ou Traitement du signal, avec un intérêt pour l’analyse EEG et les pathologies neurologiques.
Dates / durée
Janvier à juin 2027
Contexte
Notre équipe étudie les mécanismes sous-jacents de l’épilepsie à travers des enregistrements EEG réalisés chez des patients humains. Nous disposons notamment d’enregistrement de très longue durée chez des patients présentant un état de mal épileptique, une condition caractérisée par une activité épileptique prolongée et au cours de laquelle les patients peuvent présenter de nombreuses crises, parfois organisées en clusters, c’est-à-dire en groupes de crises rapprochés dans le temps.
Ces enregistrements de longue durée offrent une opportunité unique d’étudier la dynamique de l’activité épileptique autour des crises. En particulier, ils permettent de comparer l’activité intercritique, observée entre les crises, aux modifications EEG qui apparaissent dans les minutes qui précèdent une crise. L’objectif est ainsi de mieux comprendre comment l’activité épileptique évolue progressivement d’un état intercritique vers un état précritique, puis vers la crise.
Objectif
Ce projet vise à caractériser les relations entre les signaux intercritiques, les modifications précritiques de l’activité EEG et la survenue des crises épileptiques.
Une première partie du projet consistera à évaluer une méthode automatisée de détection des pointes intercritiques reposant sur des réseaux de deep learning, afin d’exploiter efficacement les très longues durées d’enregistrement disponibles et d’identifier un grand nombre d’événements intercritiques.
La question principale du projet sera la suivante : Les caractéristiques et la dynamique des signaux intercritiques permettent-elles d’identifier des modifications de l’activité cérébrale précédant la survenue d’une crise épileptique ?
Des méthodes d’intelligence artificielle pourront être utilisées pour automatiser la détection et la caractérisation des pointes intercritiques dans les enregistrements EEG de longue durée. L’évolution de leurs caractéristiques au cours du temps pourra ensuite être étudiée en lien avec la survenue des crises, afin d’identifier d’éventuelles signatures de transition vers un état précritique.
Missions
- Analyse d’enregistrements EEG de surface de très longue durée réalisés chez des patients en état de mal épileptique
- Identification et caractérisation des crises, ainsi que des périodes intercritiques et précritiques précédant leur survenue
- Développement et utilisation de méthodes de traitement du signal et d’intelligence artificielle pour détecter automatiquement les pointes intercritiques dans les enregistrements EEG
- Évaluation et validation des performances de détection automatique, notamment par comparaison avec des annotations expertes
- Étude de l’évolution temporelle des caractéristiques EEG avant et après les crises, afin d’identifier d’éventuelles modifications associées à la transition vers l’activité critique
- Comparaison des périodes précédant les crises avec des périodes intercritiques ne conduisant pas à une crise
- Analyse des relations entre ces marqueurs EEG et l’organisation des crises en clusters
Compétences
- Autonomie, rigueur et bonnes capacités de communication
- Intérêt pour les neurosciences, l’électrophysiologie et l’analyse de signaux biologiques
- Expérience en traitement du signal et/ou en électrophysiologie
- Compétences en programmation : maîtrise de Matlab, ou bonne maîtrise de Python avec des bases en Matlab
- Intérêt ou expérience en machine learning et deep learning
Rémunération
Gratifications de stage selon le montant en vigueur en 2027
Remboursement partiel des frais de transport sur présentation d’un justificatif
Contact
Virginie LAMBRECQ virginie.lambrecq[at]aphp.fr
Michel LE VAN QUYEN michel.le-van-quyen[at]inserm.fr
