Évaluation assistée par ordinateur de l'interaction cortico-cardiovasculaire

Computer-aided assessment of the Cortico-Cardiovascular Interaction

• Auteur / Autrice : Maria Sadoun
• Direction : François Cottin, Taous Meriem Laleg
• Type : Projet de thèse
• Discipline(s) : Sciences du sport et du mouvement humain
• Date : Inscription en doctorat le 30/09/2023
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences du sport, de la motricité et du mouvement humain
• Partenaire(s) de recherche : Laboratoire : CIAMS - Complexité, Innovation, Activités Motrices et Sportives - Institut national de recherche en informatique et en automatique (France). Unité de recherche (Saclay, Ile-de-France)
• Partenaire(s) de recherche : Référent : Faculté des sciences du sport

Mots clés

Mots clés libres

Modélisation fractionnaire

Ecg

Interaction cortico-cardiovasculaire

Pression artérielle

Eeg

Traitement du signal

Blood pressure

Cortico-cardiovascular interaction

Ecg

Eeg

Fractional modeling

Signal processing

Résumé

Le projet proposé vise à développer de nouveaux indicateurs de la santé mentale et physique des athlètes grâce à l'étude de l'interaction cortico-cardiovasculaire. Cette interaction sera étudiée à travers l'analyse simultanée électroencéphalogramme, électrocardiogramme (ECG) et signaux de tension enregistrés dans différents scénarios qui changent les états cognitifs et/ou physiques mimant des situations stressantes. L'étude se concentrera sur la combinaison de nouveaux cadres mathématiques de modélisation, outils de traitement du signal basés sur la forme et algorithmes d'apprentissage pour la caractérisation du cerveau et signaux cardiovasculaires dans le but de fournir des indicateurs pertinents de la santé mentale et physique.

The proposed project aims to develop new indicators of the mental and physical health of athletes through the investigation of the cortico-cardiovascular interaction. This interaction will be studied through the analysis of simultaneously recorded electroencephalogram (EEG), electrocardiogram (ECG) and blood pressure signals in different scenarios that change the cognitive and/or physical states mimicking stressful situations. The study will focus on combining novel mathematical modeling frameworks, shape-based signal processing tools and learning algorithms for the characterization of the brain and cardiovascular signals with the aim of providing pertinent indicators of mental and physical health.