Algorithmes d'apprentissage profond adaptatifs en temps réel pour la réhabilitation de la parole à l'aide d'interfaces cerveau-ordinateur implantables // Real-time adaptive deep-learning algorithms for speech rehabilitation with implantable brain-computer

Environ 18,5 millions de personnes souffrent d'un trouble de la parole, de la voix ou du langage dans le monde, et environ 300 000 en France. Parmi eux, plusieurs millions souffrent de troubles de la parole dus à des maladies neurodégénératives (telles que la sclérose latérale amyotrophique - SLA) ou à des accidents vasculaires cérébraux qui endommagent les voies motrices dédiées à l'articulation et à l'émission de la voix. Ces déficiences peuvent déboucher sur un syndrome d'enfermement (LIS), dans lequel les personnes sont incapables de parler alors que leurs capacités cognitives restent intactes. Dans ce contexte, les systèmes d'interface cerveau-ordinateur (BCI) visent à fournir des solutions de communication à ces personnes en enregistrant leurs signaux cérébraux et en les « traduisant » en parole artificielle produite par un synthétiseur [1], [2], [3], [4], [5], [6], [7], [8]. Nos recherches actuelles se concentrent sur le développement d'un BCI vocal entièrement implantable qui reconstruit la parole à partir de signaux électrocorticographiques intracrâniens (ECoG) en temps réel en utilisant l'apprentissage profond [9], [10], [11]. L'objectif de la thèse sera de développer des algorithmes adaptatifs basés sur des réseaux neuronaux profonds qui décodent la parole à partir des signaux ECoG en se mettant à jour en temps réel, et d'évaluer ces algorithmes chez des patients chroniquement implantés avec des implants cérébraux sans fil.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Approximately 18.5 million individuals have a speech, voice, or language disorder worldwide, and about 300,000 in France. Among them, several millions have speech disability secondary to neurodegenerative diseases (such as Amyotrophic Lateral Sclerosis – ALS) or brainstem strokes damaging motor pathways dedicated to speech articulation and voicing. These impairments may result in a locked in syndrome (LIS), where people are unable to speak while their cognitive abilities remain intact. In this context, brain-computer interface (BCI) systems aim to provide communication solutions for these people by recording their brain signals and “translating” them into artificial speech produced by a synthesizer [1], [2], [3], [4], [5], [6], [7], [8]. Our current research is focused on the development of a fully implantable speech BCI that reconstructs speech from intracranial electrocorticographic (ECoG) signals in real time using deep learning [9], [10], [11]. The goal of the thesis will be to develop adaptive algorithms based on deep neural networks that decode speech from ECoG signals and update in real time, and evaluate these algorithms with patients chronically implanted with wireless brain implants.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral

Concours pour un contrat doctoral

Université Grenoble Alpes

216 ISCE - Ingénierie pour la Santé la Cognition et l'Environnement

Les candidats doivent être très motivés et posséder une solide formation en informatique, en apprentissage automatique, en intelligence artificielle et en traitement du signal. De solides compétences en programmation en Python sont requises. Une bonne autonomie et une capacité à travailler en équipe interdisciplinaire ainsi qu'une bonne maîtrise de l'anglais écrit et parlé sont requises, tandis qu'aucune connaissance spécifique du français n'est obligatoire.
Candidates should be highly motivated with a solid training in computer science, machine learning, artificial intelligence, and signal processing. Strong programming skills in Python are required. A good autonomy and ability for interdisciplinary team work and fluent proficiency in English writing and speaking are required while no specific knowledge of French is mandatory.