Etude de polymères conducteurs pour technologies monopuce améliorée - Capteurs à ondes acoustiques intégrés // Conductive Electrochimical-modified Layer for Enhanced Single- Chip Technologiy- Integrated Acoustic wave sensors

L'analyse des composés organiques volatils (COVs) constitue une méthode innovante permettant de recueillir des données cliniques approfondies de certains processus biochimiques dans le corps humain. Ces COVs peuvent servir de
biomarqueurs potentiels d'un large éventail de conditions physiologiques et pathologiques, associées notamment à des maladies chroniques telles que l'asthme, la maladie de Crohn, ou encore l'insuffisance rénale. L'analyse des COVs respiratoires, une approche de biosurveillance fiable, non invasive et rapide, présente un potentiel pour le dépistage précoce et le suivi de l'évolution de ces maladies inflammatoires chroniques. Ce type d'analyse pourrait transformer
considérablement la gestion de ces affections en améliorant la qualité de vie des patients, tout en réduisant l'intensité des traitements invasifs et les coûts associés à leur prise en charge.
Le sujet de thèse ‘'CELEST-IA'' propose le développement d'un outil de diagnostic et de suivi capable d'apporter une première solution efficace et économique pour la détection et la quantification de biomarqueurs. Basée sur une technologie de capteurs à onde acoustique de surface (SAWs), notre solution intègre des algorithmes d'Intelligence Artificielle exploitant des approches d'apprentissage non-supervisé. L'objectif est d'aboutir à un outil commercial capable d'extraire et d'extraire des signatures complexes de COVs afin de fournir une analyse personnalisée, ouvrant la voie vers un suivi clinique non invasif.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Volatile organic compound (VOC) analysis is an innovative method for collecting in-depth clinical data on certain biochemical processes in the human body. These VOCs can serve as potential biomarkers for a wide range of physiological and pathological conditions, particularly those associated with chronic diseases such as asthma, Crohn's disease, and kidney failure. Respiratory VOC analysis, a reliable, non-invasive, and rapid biomonitoring approach, offers potential for the early detection and monitoring of the progression of these chronic inflammatory diseases. This type of analysis could significantly transform the management of these conditions by improving patients' quality of life, especially by reducing the intensity of invasive treatments and the associated costs. The 'CELEST-IA' thesis topic proposes the development of a diagnostic and monitoring tool capable of providing an initial, effective, and cost-efficient solution for the detection and quantification of biomarkers. Based on surface acoustic wave (SAW) sensor technology, our solution integrates artificial intelligence algorithms using unsupervised learning approaches. The goal is to develop a commercial tool capable of extracting and interpreting complex VOC signatures to provide personalized analysis, paving the way for non-invasive clinical monitoring.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Financement d'une collectivité locale ou territoriale

Université de Lille

632 ENGSYS Sciences de l'ingénierie et des systèmes

Electronique Organique Chimie de surface Onde acoustique de surface Prototypage Réalisation de cartes électronique Analyse de datas
Organique electronics surface Chimistry Surface acoustique Wave Prototyping PCB routing Data analysis