Interface cerveau machine - Nouvelles approches d'extraction d'information

Brain Computer Interface - Investigating new ways for extracting the information

• Auteur / Autrice : Ilan Jaoui
• Direction : Franck Badets
• Type : Projet de thèse
• Discipline(s) : Nano électronique et Nano technologies
• Date : Inscription en doctorat le 04/11/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Electronique et de Technologie de l'Information (LETI)

Mots clés

Mots clés libres

Interface cerveau machine

Electronique analogique

Intelligence Artificielle

Conception ASIC

Brain Computer Interface

Analogue Design

Artificial Intelligence

ASIC Design

Résumé

Notre laboratoire a conçu en 2011 l'ASIC de mesure de signaux neuronaux intégré à l'implant WIMAGINE® qui a permis à un patient de marcher à nouveau après une blessure à la colonne vertébrale. Nous visons maintenant le développement d'une nouvelle génération d'ASIC afin d'améliorer les performances et la consommation. L'objectif de cette thèse est de mettre en œuvre dans un ASIC une architecture novatrice pour la mesure et la transmission des signaux neuronaux pour un dispositif médical implanté. Elle comprendra l'étude d'architecture, la conception, l'envoi en fabrication, le test et l'amélioration du système. Elle offre une occasion unique d'explorer les domaines de l'électronique proche capteur, du traitement du signal et du « deep learning » avec l'objectif de conversion directe et économe des signaux neuronaux en informations utiles avec une approche « data-driven ».

In 2011, our laboratory designed the neural signal measurement ASIC integrated in the WIMAGINE® implant, which enabled a patient to walk again after a spinal injury. We are now aiming to develop a new generation of ASICs to improve performance and power consumption. The aim of this PhD is t.o implement in an ASIC a novel architecture for the measurement and transmission of neural signals for an implanted medical device. It will include architecture study, design, testing and improvement of the system. It offers a unique opportunity to explore the fields of near-sensor electronics, signal processing and deep learning, with the aim of converting neural signals directly and economically into useful information using a data-driven approach.