POSTE : Post-Doctorant en Neuro-Ingénierie et Traitement du Signal Biomédical H/F DESCRIPTION : Cette extension de la technologie BCI soulève de nouveaux défis, comme la diminution ou la distorsion du contenu informatif du signal neuronal due à des lésions ou autres pathologies cérébrales, ou encore la modulation du signal neuronal liée à la rééducation du patient. (1) Benabid, A. L., Costecalde, T., Eliseyev, A., Charvet, G., Verney, A., Karakas, S., & Chabardes, S. (2019). An exoskeleton controlled by an epidural wireless brain-machine interface in a tetraplegic patient: a proof-of-concept demonstration. The Lancet Neurology, 18(12), 1112-1122. (2) Moly, A. et al. (2022). An adaptive closed-loop ECoG decoder for long-term and stable bimanual control of an exoskeleton by a tetraplegic. Journal of neural engineering. (3) Lorach, H., Galvez, A., Spagnolo, V., & Courtine, G. (2023). Walking naturally after spinal cord injury using a brain-spine interface. Nature 618, 126-133. Mission Le/la candidat(e) sélectionné(e) contribuera, au sein d'une équipe multidisciplinaire, au développement d'algorithmes de décodage de l'activité cérébrale adaptés notamment aux tâches de rééducation des membres supérieurs ou inférieurs pour des patient post-AVC, afin de leur permettre de contrôler divers effecteurs dans le cadre de protocoles de rééducation visant à favoriser la plasticité cérébrale, tout en s'adaptant à la variabilité des signaux cérébraux. Un autre objectif pourrait être le rétablissement des communications. Pour atteindre ces objectifs : - Des approches semi-supervisées et non-supervisées d'entrainement / d'adaptation de décodeur seront à explorer, en particulier en présence de données neuronales provenant de patients. - Ces approches seront tout d'abord testées hors-ligne pour analyser la faisabilité, en rejouant les données accumulées avec les patients des différents essais cliniques. - Les méthodes devront être adaptées en fonction des effecteurs de rééducation contrôlés : membres supérieurs ou membres inferieure, avec ou sans stimulation électrique fonctionnelle musculaire (Functional Electrical Stimulation, FES), épidurale (Epidural Electrical Stimulation, EES). - Finalement, les approches les plus prometteuses seront intégrées dans la chaîne logicielle pour être testées en temps réel avec les patients inclus dans les essais cliniques. Le/la post-doctorant(e) intégrera l'équipe Traitement du signal de CLINATEC®. Il/elle sera impliqué(e) dans un projet très multidisciplinaire et sera amené(e) à collaborer avec des ingénieurs en machine learning, logiciel et électronique, ainsi que des biologistes et des médecins, de CLINATEC, du CHU Grenoble Alpes, ainsi que de l'EPFL et CHUV (Lausanne). PROFIL : CLINATEC recherche un candidat (H/F) spécialisé en machine learning', notamment en apprentissage incrémental/adaptatif, traitement de signal en temps-réel et traitement de flux important de données. Des compétences de programmation en MATLAB et Python sont indispensables. Une expérience en traitement du signal neuronal (EEG-ECoG-MEG) et un fort attrait pour les neurosciences et le domaine médical seront des atouts.