Étude des hyperparamètres pour la détection de la parole intérieure par électroencéphalographie (EEG)

• Stage de 6 mois, de février à juillet 2027
• Encadré par Elias BENYAHIA, Pierre YGER et François CABESTAING
• Mots-clés: Parole intérieure, EEG, apprentissage, classification, optimisation de paramètres

Contexte scientifique

Les hallucinations auditives verbales (HAV) sont l’un des symptômes les plus invalidants chez les personnes atteintes de troubles psychiatriques tels que la schizophrénie. D’un point de vue neurophysiologique, ces expériences présentent d’importantes similitudes avec la « parole intérieure », processus cognitif consistant à générer des pensées verbales sans production de sons articulés. Des études récentes ont démontré qu’il était possible d’identifier des signatures électrophysiologiques de la parole intérieure à partir de l’enregistrement d’un électroencéphalogramme (EEG). Ces résultats ouvrent des perspectives prometteuses pour mieux comprendre les mécanismes neuronaux sous-jacents aux hallucinations auditives et pour développer de nouveaux outils permettant de surveiller et de caractériser ces expériences.

L’objectif de ce stage est de consolider et d’étendre ces résultats préliminaires en améliorant les performances des modèles d’apprentissage automatique entraînés sur des ensembles de données EEG existants. La personne retenue aura accès aux enregistrements EEG recueillis dans le cadre d’une étude pilote, ainsi qu’à un pipeline existant de traitement et de classification des signaux basé sur les méthodes « Filter Bank Common Spatial Patterns » (FBCSP).

Missions du stage

Ce projet sera principalement axé sur l’exploration et l’optimisation systématiques des hyperparamètres du pipeline de traitement afin de mieux comprendre leur influence sur les performances de classification. Parmi les aspects clés à étudier figurent la sélection des fenêtres temporelles pour l’extraction des caractéristiques, les stratégies d’équilibrage des données d’apprentissage, ainsi que d’autres paramètres affectant la robustesse, la généralisation et la précision des modèles. Les résultats de ces travaux devraient contribuer au développement de systèmes de détection de la parole intérieure basés sur l’EEG plus fiables.

• Sélectionner les hyperparamètres les plus pertinents.
• Analyser l’influence de chaque hyperparamètre sur les performances de classification.
• Optimiser systématiquement ces hyperparamètres.
• Interpréter les résultats et les présenter dans un rapport de stage.

Profil candidat(e)

• Formation de Master 2 en neurosciences, traitement du signal, informatique.
• Intérêt pour l’EEG, les interfaces cerveau-machine.
• Des compétences en programmation avec Python ou MATLAB et en analyse statistique seront appréciées.
• Rigueur, sens de l’organisation et capacité à traiter des données expérimentales avec méthode.

Environnement

Le stage se déroulera pendant six mois au sein de l’équipe BCI du laboratoire CRIStAL, UMR CNRS 9189, à l’Université de Lille, ou au sein de l’équipe LillePSI du laboratoire Lille Neuroscience & Cognition. CRIStAL étant situé en zone à régime restrictif (ZRR), l’accueil en stage pourrait être soumis à l’autorisation préalable du haut fonctionnaire de défense et de sécurité (HFDS).

Candidature

Envoyer un CV, les relevés de notes et un court message de motivation à elias [dot] benyahia [at] inserm.fr

Effet du feedback incarné ou abstrait sur l’apprentissage de l’imagerie motrice

• Stage de 6 mois, de février à juillet 2027
• Encadré par Hakim SI-MOHAMMED et François CABESTAING
• Mots-clés: Imagerie motrice, EEG, apprentissage, rétroaction, interface cerveau-machine

Contexte scientifique

L’imagerie motrice consiste à se représenter mentalement un mouvement sans l’exécuter. Dans une interface cerveau-machine (BCI), l’activité cérébrale associée à cette tâche peut être mesurée par EEG et donner lieu à un retour sensoriel, ou feedback, qui guide l’apprentissage de l’utilisateur. La manière de présenter ce retour pourrait influencer à la fois l’expérience de la personne et l’efficacité de son apprentissage. Un feedback incarné, délivré en réalité virtuelle, par exemple à travers le mouvement d’un avatar ou d’un membre virtuel, est-il plus efficace qu’un feedback abstrait, tel qu’une barre ou une jauge, pour l’apprentissage de la tâche d’imagination motrice ?

Un premier protocole comparant ces deux modalités de feedback a déjà été conçu. L’objectif du stage est de le finaliser, de conduire les expérimentations auprès de participants, puis d’analyser les données EEG recueillies afin d’évaluer l’effet de chaque modalité sur l’apprentissage de la tâche d’imagerie motrice.

Missions du stage

• Se familiariser avec la littérature, le protocole existant et la chaîne d’acquisition EEG.
• Finaliser le protocole et le dispositif de feedback (incarné et abstrait), avec l’équipe d’encadrement.
• Réaliser les expérimentations auprès des participants.
• Prétraiter et analyser les signaux EEG pour comparer les deux modalités de feedback.
• Interpréter les résultats et les présenter dans un rapport de stage.

Profil candidat(e)

• Formation de Master 2 en neurosciences, traitement du signal, informatique, psychologie cognitive ou dans un domaine connexe.
• Intérêt pour l’EEG, les interfaces cerveau-machine et l’expérimentation avec des participants.
• Des compétences en programmation avec Python ou MATLAB et en analyse statistique seront appréciées.
• Rigueur, sens de l’organisation et capacité à traiter des données expérimentales avec méthode.

Environnement

Le stage se déroulera pendant six mois au sein de l’équipe BCI du laboratoire CRIStAL, UMR CNRS 9189, à l’Université de Lille. CRIStAL étant situé en zone à régime restrictif (ZRR), l’accueil en stage est soumis à l’autorisation préalable du haut fonctionnaire de défense et de sécurité (HFDS).

Candidature

Envoyer un CV, les relevés de notes et un court message de motivation à hakim [dot] simohammed [at] univ-lille.fr. Version PDF du sujet disponible ici