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
