Modélisation, traitement et analyse des données en temps réel des signaux physiologiques pour prédire la profondeur de l'anesthésie.

Modeling, processing and real-time data analysis of physiological signals topredict the depth of anesthesia

• Auteur / Autrice : Jin Wen Loh
• Direction : David Holcman, Juergen Reingruber, Dan Longrois
• Type : Projet de thèse
• Discipline(s) : Mathématiques
• Date : Inscription en doctorat le 01/09/2023
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Institut de biologie de l'École normale supérieure (Paris ; 2010-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....)

Mots clés

Mots clés libres

Modélisation

Traitement des signaux

Anesthésie

Algorithms

Classification

Modeling

Signal processing

Anaesthesia

Algorithms

Classification

Résumé

Les puissances des différentes ondes EEG ont démontré des corrélations avec des états de conscience distincts chez patients pendant l'anesthésie. L'objectif de ce doctorat. La proposition est d'étudier plus en profondeur et d'affiner les méthodes prédictives. capacités des signaux EEG, traitant spécifiquement de l'extubation trachéale et de la sortie de l'anesthésie. S'appuyant sur les résultats du mémoire de maîtrise de Jin W. Loh, la recherche proposée vise à développer un analyse mathématique, traitement du signal et méthode en temps réel pour prédire la profondeur de l'anesthésie à partir de l'EEG signal, détectant les intervalles optimaux pour l'extubation trachéale, contribuant ainsi à améliorer la sécurité des patients et prise de décision clinique éclairée.

The powers of different EEG waves have demonstrated correlations with distinct states of consciousness in patients during anesthesia. The focus of this Ph.D. proposal is to further investigate and refine the predictive capabilities of EEG signals, specifically addressing tracheal extubation and emergence from anesthesia. Building upon the findings of Jin W. Loh's Master's thesis, the proposed research aims to develop an advanced mathematical analysis, signal processing and real-time method for predicting the depth of anesthesia from EEG signal, detecting optimal intervals for tracheal extubation, thereby contributing to enhanced patient safety and informed clinical decision-making.