Stabilité neurophysiologique de l'état de repos cérébral en conditions écologiques : étude par EEG portable et apprentissage automatique. // Neurophysiological stability of the resting-state brain activity in ecological conditions: a study using portable

Ce projet de thèse vise à évaluer la stabilité neurophysiologique de l'état de repos (resting state) par électroencéphalographie (EEG) en comparant des mesures obtenues en environnement contrôlé (laboratoire) et en conditions écologiques (domicile), chez des sujets sains. Le resting state, caractérisé par des oscillations spontanées, reflète des mécanismes fondamentaux tels que l'équilibre excitation/inhibition ou la dynamique des réseaux neuronaux. Bien que des études antérieures aient démontré la reproductibilité de ces marqueurs en laboratoire (Popov et al., 2023), leur stabilité en dehors de ce cadre reste inconnue, limitant ainsi leur application clinique, par exemple pour le suivi post-Accident Vasculaire Cérébral (AVC).
L'approche proposée combine l'utilisation de dispositifs EEG portables (électrodes sèches) et de méthodes d'apprentissage automatique pour garantir la fiabilité des mesures en conditions réelles. Le protocole expérimental inclut 30 sujets et se déroule en deux phases : une première session en laboratoire pour valider la concordance entre un système EEG de référence (électrodes gel) et un dispositif portable, et une seconde session à domicile pour évaluer la stabilité des marqueurs neurophysiologiques entre les deux contextes.
Ce projet s'inscrit à l'interface des neurosciences et de l'intelligence artificielle, avec pour objectif de développer des neuromarqueurs écologiques fiables pour l'étude de la plasticité cérébrale. Les résultats pourraient ouvrir la voie à des applications cliniques, telles que le suivi à domicile de patients post-AVC.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This doctoral thesis project aims to evaluate the neurophysiological stability of the resting state (resting state) by electroencephalography (EEG) by comparing measurements obtained in a controlled environment (laboratory) and in ecological conditions (home), in healthy subjects. The resting state, characterized by spontaneous oscillations, reflects fundamental mechanisms such as the excitation/inhibition balance or the dynamics of neuronal networks. Although previous studies have demonstrated the reproducibility of these markers in the laboratory (Popov et al., 2023), their stability outside this framework remains unknown, thus limiting their clinical application, for example for post-stroke monitoring.
The proposed approach combines the use of portable EEG devices (dry electrodes) and machine learning methods to ensure the reliability of measurements in real conditions. The experimental protocol includes 30 subjects and takes place in two phases: a first session in the laboratory to validate the concordance between a reference EEG system (gel electrodes) and a portable device, and a second session at home to assess the stability of neurophysiological markers between the two contexts.
This project is at the interface of neuroscience and artificial intelligence, with the aim of developing reliable ecological neuromarkers for the study of brain plasticity. The results could open the way to clinical applications, such as home monitoring of post-stroke patients.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrat doctoral

Concours pour un contrat doctoral

Sorbonne Université SIS (Sciences, Ingénierie, Santé)

158 Cerveau, cognition, comportement

Nous recherchons un(e) candidat(e) motivé(e) avec une formation solide en mathématiques appliquées et traitement du signal, complétée par un Master 2 ou une Majeure en neurosciences/santé. Le(a) candidat(e) idéal(e) aura des compétences en analyse de données (Python/MATLAB, machine learning) et un intérêt marqué pour les applications cliniques des neurotechnologies (ex : EEG portable, suivi post-AVC). Une expérience en recherche (stage, projet) ou en milieu clinique serait un atout. Le(a) doctorant(e) bénéficiera d'un encadrement interdisciplinaire (neurosciences, IA, clinique) et d'un environnement stimulant pour développer des compétences en analyse de données neurophysiologiques et en innovation technologique.
We are looking for a motivated candidate with a strong background in applied mathematics and signal processing, complemented by a Master's degree or major in neuroscience/health. The ideal candidate will have skills in data analysis (Python/MATLAB, machine learning) and a keen interest in the clinical applications of neurotechnologies (e.g., portable EEG, post-stroke monitoring). Prior research experience (internships, projects) or clinical exposure would be an asset. The PhD student will benefit from interdisciplinary supervision (neuroscience, AI, clinical) and a stimulating environment to develop expertise in neurophysiological data analysis and technological innovation.