Conception et validation de stratégies de stimulation pour l'optogénétique

Development and validation of stimulation strategies for the optogenetics

• Auteur / Autrice : Quentin Sabatier
• Direction : Ryad Benosman
• Type : Thèse de doctorat
• Discipline(s) : Robotique
• Date : Soutenance le 07/05/2018
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Sciences mécaniques, acoustique, électronique et robotique de Paris
• Partenaire(s) de recherche : Laboratoire : Institut de la vision (Paris ; 2009-....)
• Jury : Président / Présidente : Stéphane Régnier
• Jury : Examinateurs / Examinatrices : Serge Picaud, Sio-Hoï Ieng
• Jury : Rapporteurs / Rapporteuses : Yves Frégnac, Laurent Perrinet

Mots clés

Mots clés contrôlés

Vision artificielle (robotique)

Neurostimulation

Photorécepteurs (cellules) de la rétine

Génétique

Rétinite pigmentaire

Mots clés libres

Prothèses rétiniennes

Optogénétique

Interface cerveau-machine

Caméra neuromorphique

Programmation événementielle

Modélisation

Retinal prosthesis

Optogenetics

Neuromorphic engineering

Résumé

Un million et demi de personnes souffrent de la Rétinopathie Pigmentaire, une famille de maladies héréditaires entraînant une dégénérescence de la rétine. La maladie commence par la perte de la vision nocturne et du champ visuel périphérique et mène à une cécité totale. En raison de l'hétérogénéité des mutations génétiques responsables de la maladie, des solutions visant à compenser les symptômes de la maladie émergent. Ces prothèses rétiniennes comportent trois éléments : (i) une caméra filmant la scène devant le patient, habituellement montée sur une paire de lunettes et (ii) un dispositif de stimulation qui est capable de contrôler une partie de l'activité neuronale du patient et (iii) un processeur qui implémente la transformation entre le signal de sortie de la caméra et les commandes de stimulation. Le travail présenté dans cette thèse contribue au travail de GenSight Biologics pour développer une telle prothèse rétinienne. Le project combine deux technologies récentes, une caméra neuromorphique dans laquelle chaque pixel acquiert le signal d'une manière asynchrone, et une très haute résolution temporelle, et l'optogénétique qui permet de rendre les neurones ciblés photoexcitables. Mon travail s'étend sur l'ensemble de la chaîne de traitement du signal. Nous présentons tout d'abord un algorithme extrayant les fréquences spatiales de la vidéo à partir du flux de mesures asynchrones émises par la caméra. Ensuite, nous nous concentrons sur l'Interface Cerveau-Machine en développant un modèle de la transformation reliant le signal lumineux projeté par les lunettes et les trains de potentiels d'action déclenchés par les cellules ganglionnaires de la rétine du patient.

A million and a half people suffer from Retinitis Pigmentosa, a family of inherited diseases leading to degeneration of the retina. The disease begins with the loss of night vision and peripheral visual field and leads to total blindness. Due to the heterogeneity of the genetic mutations responsible for the disease, emerging solutions aim to compensate for the symptoms of the disease rather than curing it. These retinal prostheses have three elements: (i) a camera filming the scene in front of the patient, usually mounted on a pair of glasses, (ii) a stimulation device controlling a part of the neuronal activity of the patient and (iii) a processor that implements the transformation between the output signal of the camera and the stimulation commands. The work presented in this thesis contributes to the work of GenSight Biologics to develop such a retinal prosthesis. The project combines two recent technologies, a neuromorphic camera in which each pixel acquires the signal in an asynchronous manner, and a very high temporal resolution, and optogenetics which makes the targeted neurons photoexcitable. My work spans the entire chain of signal processing. We first present an algorithm extracting the spatial frequencies of the video from the asynchronous measurement stream emitted by the camera. Next, we focus on the Brain-Machine Interface by developing a model of the transformation linking the projected light signal and the trains of action potential triggered by the patient's retinal ganglion cells.