.

.

Les technologies de la reconnaissance de la parole ont des performances acceptables si l'on utilise un micro dans des environnements calmes. Si des micros se situent à une position distante d'un locuteur, il faut développer des techniques de la soustraction de bruits et de réverbération. Une technique pour réduire des sons émis par les appareils environnants est proposée. Bien que l'annulation adaptative du bruit (ANC) soit une solution possible, l'excès de soustraction peut causer la distorsion de la parole estimée. Le système proposé utilise la structure harmonique des segments vocaliques que les ANCs conventionnels n'a pas prise en compte directement. La méthode de déréverbération conventionnelle provoque l'excès de soustraction car on suppose que la caractéristique de fréquence, est plate. Il faut donc estimer le temps réel de réverbération pour résoudre ce problème. On propose une méthode de déréverbération aveugle utilisant un micro avec des fonctions d'autocorrélation sur la séquence de composants à chaque fréquence. Une technique pour échapper au problème de permutation qui se provoque lorsqu'on utilise l'analyse en composantes indépendantes (ICA) dans le domaine de fréquence, est également proposée : le Multi-bin ICA. Enfin, ce travail propose une technique pour estimer les spectres de bruit et de parole sans développer de modèle de gaussienne à mélange (GMM). Le spectre de la parole est modélisé à l'aide mélange de processus de Dirichlet (Dirichlet Process Mixture : ‘DPM') au lieu du GMM.

Une Interface Cerveau-Machine (ICM) est un système permettant de transformer l'activité neurale du cerveau en une commande d'effecteurs externes. Cette étude correspond à une étape vers une ICM totalement autonome fonctionnant dans un environnement naturel ce qui est d'une importance cruciale pour les futures applications cliniques d'une ICM. Pour représenter l'environnement naturel, des expériences avec une ICM binaire asynchrone ont été réalisées avec des animaux libres de se mouvoir. En comparaison avec les études précédentes, des expériences sur le long terme ont été réalisées, ce qui est plus conforme aux exigences des applications de la vie réelle. L'objectif principal de cette étude est de différencier le modèle spécifique neuronal lié à l'intention d'action de l'activité de fond du cerveau chez des animaux libres de tous mouvements. Pour atteindre le niveau nécessaire de sélectivité, l'analyse Multi-Voies PLS a été choisie sachant qu'elle fournit simultanément un traitement du signal dans plusieurs domaines, à savoir, temporel, fréquentiel et spatial. Pour améliorer la capacité de l'approche générique Multi-Voies PLS pour le traitement de données à grandes dimensions, l'algorithme " Itérative NPLS " est introduit dans notre travail. En ayant des besoins plus faibles en mémoire, cet algorithme fournit des traitements de grands ensembles de données, permet une résolution élevée, préserve l'exactitude de l'algorithme générique et démontre une meilleure robustesse. Pour la calibration adaptative d'un système ICM, l'algorithme récursif NPLS est proposé. Finalement, l'algorithme pénalisé NPLS est développé pour la sélection efficace d'un sous-ensemble de fonctions, à savoir, un sous-ensemble d'électrodes. Les algorithmes proposés ont été testés sur des ensembles de données artificielles et réelles. Ils ont démontré une performance qui est comparable à celle d'un algorithme générique NPLS. Leur efficacité de calcul est acceptable pour les applications en temps réel. Les algorithmes développés ont été appliqués à la calibration d'un système ICM et ont été utilisés dans des expériences d'ICM avec bouclage en temps réel chez des animaux. Enfin, les méthodes proposées représentent une approche prospective pour de futurs développements de systèmes ICM humains.

L'imagerie par résonance magnétique fonctionnelle (IRMf ) permet de détecter sur le cerveau entier des activations neuronales en réponse à un stimulus, par le biais de l'observation des modifications hémodynamiques occasionnées. En particulier, l'IRMf est un outil de choix pour l'étude des mécanismes de la stimulation cérébrale profonde et de la stimulation du nerf vague qui sont encore mal connus. Cependant, cette technique n'est pas facilement utilisable chez l'homme en raison des problèmes de sécurité vis-à-vis de l'action des champs magnétiques intenses utilisés en IRM au niveau des électrodes implantées. Les développements méthodologiques chez l'animal sont donc nécessaires. L'objectif principal de cette thèse est l'étude des mécanismes à distance de la stimulation du système nerveux central et périphérique par IRMf chez le rat. Nous présentons dans un premier temps les séquences IRM rapides utilisées en IRMf, comme l'Echo-Planar Imaging multishot, permettant d'imager le cerveau entier en 1 à 2 secondes seulement, ainsi que les différents problèmes posés par l'utilisation de ces séquences, comme les artefacts de susceptibilité magnétique. Le couplage des séquences développées durant cette thèse avec des mesures électrophysiologiques a notamment permis l'imagerie des réseaux épileptiques chez le rat. Dans un second temps, nous développons les problèmes posés par la préparation animale, particulière en IRMf de par le fait que le couplage neurovasculaire doit être préservé sous anesthésie afin de préserver les activations neuronales. Après comparaison avec les anesthésies à l'isoflurane et la kétamine, nous avons déduit que la médétomidine constituait un anesthésique de choix pour l'IRMf du rongeur, et précisons le protocole de préparation animale utilisé pour l'imagerie. De plus, les électrodes utilisées en stimulation intracérébrale induisent des artefacts importants en imagerie, et des électrodes constituées de matériaux amagnétiques sont nécessaires. Nous expliquons pourquoi nous avons choisi des électrodes en carbone, et présentons le protocole de fabrication utilisé. Nous avons ensuite validé ces développements méthodologiques par des expériences d'IRMf de challenges hypercapniques et de stimulation de la patte chez le rat. Puis nous avons conduit une étude IRMf approfondie des mécanismes d'action de la stimulation du nerf vague, en s'intéressant à la distinction entre activations neuronales et effets cardiovasculaires confondants par modélisation causale dynamique. Nous présentons aussi des résultats en IRMf de la stimulation électrique intracérébrale chez le rat. Plusieurs cibles ont été stimulées (noyau géniculé dorso-latéral, gyrus dentelé, striatum et thalamus), et des activations ont été obtenues à distance de l'électrode, conformément aux connaissances actuelles sur les connexions neuroanatomiques de ces noyaux. Ainsi, nous avons mis au point et validé l'IRMf du rat et son application à la stimulation électrique du système nerveux périphérique et central.

Cette thèse traite du problème de l'égalisation des modulations codées pour les transmissions haut-débit sur canaux sélectifs en fréquence, sujets au phénomène d'interférence entre symboles. Nous considérons plus particulièrement la Turbo-Égalisation, qui instaure un échange réciproque d'information entre l'égaliseur et le décodeur, et ce de manière itérative. Nous étudions dans un premier temps le turbo-égaliseur MAP, qui utilise un égaliseur optimal au sens de la minimisation de la p probabilité d'erreur par symbole. Nous montrons que ce récepteur offre des gains de performances importants en comparaison avec les récepteurs conventionnels où les opérations d'égalisation et décodage sont généralement effectuées de manière disjointe. En contrepartie, la complexité du turbo-égaliseur MAP devient rapidement prohibitive en présence de modulations à grand nombre d'états et sur des canaux présentant des étalements temporels importants. En conséquence, nous nous intéressons à une seconde classe de turbo-égaliseurs de moindre complexité et reposant sur des égaliseurs à base de filtres linéaires, optimisés selon le critère MEQM. La nouveauté consiste ici à prendre en compte explicitement la présence d'information a priori dans le calcul des coefficients des filtres, ce qui conduit à des structures bien plus performantes que les égaliseurs MEQM classiques. Nos études montrent que ce type de récepteur constitue une solution attractive pour les transmissions à grande efficacité spectrale sur canaux sélectifs en fréquence. Finalement, nous présentons la mise en oeuvre d'un turbo-égaliseur MEQM sur un DSP virgule-fixe et faible coût, le TMS320VC5509, typiquement destiné aux terminaux mobiles. Nous obtenons ainsi un débit utile de 42 Kbits/s après 5 itérations avec une implémentation en langage C, ce qui démontre la faisabilité de tels récepteurs avec les moyens technologiques actuels.

Par l'accumulation de mutations bénéfiques lors de cycles successifs de mutagénèse, l'évolution dirigée offre un cadre rationnel pour l'amélioration des protéines à vocation industrielle. Elle permet une exploration large de l'espace possible des séquences ainsi que leurs capacités fonctionnelles. Elle est cependant lourde à mettre en oeuvre et nécessite des moyens importants. Des approches in silico font usage d'un jeu minimal de données expérimentales et utilisent la modélisation statistique combinée à des algorithmes d'apprentissage machine. Elles ont été développées pour explorer de façon heuristique l'espace possible des séquences et de la fitness et d'identifier les mutations et interactions entre résidus les plus intéressantes. C'est l'objet de cette thèse qui explore la construction et l'application de modèles statistiques s'appuyant sur des jeux minimaux de données expérimentales pour relier fitness, ou activité, à la séquence biologique des variants. L'étude s'articule autour d'un choix crucial d'une méthode de numérisation, de descripteurs de la séquence et de méthodes de régression. La méthode ProSAR de R. Fox (2005) et les limites de son applicabilité sur des jeux de données expérimentales ont été étudiées. De nouvelles méthodes ont aussi été développées, prenant en compte les propriétés physico-chimiques des acides aminés et leurs périodicités. Elle a permis de découvrir de nouveaux descripteurs reliant la séquence à l'activité et propose des approches innovantes qui ont la capacité de traiter des cadres biologiques très divers, même lorsque peu de données biologiques sont disponibles. / Via the accumulation of beneficial mutations through successive rounds of mutations, directed evolution offers a rational framework for the amelioration of protein of industrial interest. It enables the large exploration of the sequence space and fitness. However, they are wet-lab intensive and may reveal to be time consuming and costly. In silico approaches using minimal sets of experimental data and statistical models combined with machine learning algorithms have been developed to explore heuristically the sequence space and to identify the effect of the potential epistatic interactions between residues on protein fitness. This work focused on the construction and application of statistical models relying on minimal experimental datasets to study protein sequence to activity relationships (ProSAR). In particular, the choices of appropriate numerical encoding methods, of descriptors extracted from protein sequences and of regression methods were investigated. The original ProSAR method from R. Fox (2005) and the limits of its applicability on experimental datasets have been studied. New methods that consider physico-chemical features of amino acids and their periodicities have been explored. This study unveils novel descriptors of the sequence-activity relationship and provides innovative approaches that can deal with very diverse biological datasets, even when few biological data are available.

Touchant plus de 50 millions de personnes dans le monde, l’épilepsie est un problème majeur de santé publique. Un tiers des patients souffrent d’épilepsie pharmaco-résistante. Une chirurgie visant à enlever la région cérébrale à l’origine des crises – la zone épileptogène – est considérée comme l’option de référence pour rendre libre de crises ces patients. Le taux d’échec chirurgical non négligeable a poussé la recherche d’autres marqueurs. Un marqueur potentiel est les oscillations à haute fréquence (HFOs). Une HFO est une brève oscillation entre 80-500 Hz qui dure au moins 4 périodes enregistrée en EEG intracérébrale. Par leur caractère très bref, le marquage visuel de ces petites oscillations est fastidieux et chronophage.. Il semble impératif de trouver un moyen de détecter automatiquement ces oscillations pour étudier les HFOs sur des cohortes de patients. Aucun détecteur automatique existant ne fait cependant l’unanimité. Durant cette thèse, nous avons développé un nouveau moyen de visualiser les HFOs grâce à une normalisation originale de la transformée en ondelettes pour ensuite mieux les détecter automatiquement. Puis, nous avons mise en place une stratégie pour caractériser et valider des détecteurs. Enfin, nous avons appliqué le nouveau détecteur à une cohorte de patients pour déterminer la fiabilité des HFOs et des pointes épileptiques - le marqueur standard - dans la prédiction de la zone épileptogène. La conclusion de cette thèse est que les HFOs ne sont pas meilleurs que les pointes épileptiques pour prédire la zone épileptogène mais que combiner ces deux marqueurs permettait d’obtenir un marqueur plus robuste. / Epilepsy is a major health problem as it affects 50 million people worldwide. One third of the patients are resistant to medication. Surgical removal of the brain areas generating the seizure – the epileptogenic zone – is considered as the standard option for these patients to be seizure free. The non-negligible rate of surgical failure has led to seek other electrophysiological criteria. One putative marker is the high-frequency oscillations (HFOs).An HFO is a brief oscillation between 80-500 Hz lasting at least 4 periods recorded in intracerebral EEG. Due to their short-lasting nature, visually marking of these small oscillations is tedious and time-consuming. Automatically detecting these oscillations seems an imperative stage to study HFOs on cohorts of patients. There is however no general agreement on existing detectors.In this thesis, we developed a new way of representing HFOs thanks to a novel normalisation of the wavelet transform and to use this representation as a base for detecting HFOs automatically. We secondly designed a strategy to properly characterise and validate automated detectors. Finally, we characterised, in a cohort of patients, the reliability of HFOs and epileptic spikes - the standard marker - as predictors of the epileptogenic zone using the validated detector. The conclusion of this thesis is that HFOs are not better than epileptic spikes in predicting the epileptogenic zone but combining the two leads to a more robust biomarker.

La détection et l’évaluation des émotions sont des domaines qui suscitent un grand intérêt par de nombreuses communautés tant au niveau des sciences humaines que des sciences exactes. Dans cette thèse nous nous intéressons à la reconnaissance de l’anxiété sociale qui est une peur irrationnelle ressentie par une personne lors de toute forme de relation sociale. L’anxiété peut être révélée par un ensemble de traits physiques et physiologiques tels que l’intonation de la voix, les mimiques faciales, l’augmentation du rythme cardiaque, le rougissement… etc. L’avantage de l’utilisation des mesures physiologiques est que les individus ne peuvent pas les manipuler, c’est une source continue de données et chaque émotion est caractérisée par une variation physiologique particulière. Dans ce travail, nous proposons un système de mesure d’anxiété basé sur l’utilisation d’un seul signal physiologique « signal de pression sanguine volumique (Blood volume pulse BVP)». Le choix d’un seul capteur limite la gêne des sujets due au nombre de capteurs. De ce signal nous avons sélectionné des paramètres pertinents représentant au mieux les relations étroites du signal BVP avec le processus émotionnel de l’anxiété. Cet ensemble de paramètres est classé en utilisant les séparateurs à vastes marges SVM. Les travaux engagés dans le domaine de la reconnaissance des émotions utilisent fréquemment, pour support d’information, des données peu fiables ne correspondant pas toujours aux situations envisagées. Ce manque de fiabilité peut être dû à plusieurs paramètres parmi eux la subjectivité de la méthode d’évaluation utilisée (questionnaire, auto-évaluation des sujets, …etc.). Nous avons développé une approche d’évaluation objective des données basée sur les dynamiques des paramètres sélectionnés. La base de données utilisée a été enregistrée dans notre laboratoire dans des conditions réelles acquises sur des sujets présentant un niveau d’anxiété face aux situations sociales et qui ne sont pas sous traitement psychologique. L’inducteur utilisé est l’exposition à des environnements virtuels représentant quelques situations sociales redoutées. L’étape d’évaluation, nous a permis d’obtenir un modèle de données fiable pour la reconnaissance de deux niveaux d’anxiété. Ce modèle a été testé dans une clinique spécialisée dans les thérapies cognitives comportementales (TCC) sur des sujets phobiques. Les résultats obtenus mettent en lumière la fiabilité du modèle construit notamment pour la reconnaissance des niveaux d’anxiété sur des sujets sains ou sur des sujets phobiques ce qui constitue une solution au manque de données dont souffrent les différents domaines de reconnaissances / Detection and evaluation of emotions are areas of great interest in many communities both in terms of human and exact sciences. In this thesis we focus on social anxiety recognition, which is an irrational fear felt by a person during any form of social relationship. Anxiety can be revealed by a set of physical and physiological traits such as tone of voice, facial expressions, increased heart rate, flushing ... etc. The interest to the physiological measures is motivated by them robustness to avoid the artifacts created by human social masking, they are a continuous source of data and each emotion is characterized by a particular physiological variation. In this work, we propose a measurement system based on the use of a single physiological signal "Blood volume pulse BVP". The use of a single sensor limits the subjects’ discomfort. From the BVP signal we selected three relevant features which best represents the close relationship between this signal and anxiety status. This features set is classified using support vector machine SVM. The work undertaken in the field of emotion recognition frequently use, for information support, unreliable data do not always correspond to the situations envisaged. This lack of reliability may be due to several parameters among them the subjectivity of the evaluation method used (self-evaluation questionnaire, subjects…etc.). We have developed an approach to objective assessment of data based on the dynamics of selected features. The used database was recorded in our laboratory under real conditions acquired in subjects with a level of anxiety during social situations and who are not under psychological treatment. The used stimulus is the exposition to virtual environments representing some feared social situations. After the evaluation stage, we obtained a reliable model for the recognition of two levels of anxiety. The latter was tested in a clinic specializing in cognitive behavioral therapy (CBT) on phobic subjects. The results highlight the reliability of the built model specifically for the recognition of anxiety levels in healthy subjects or of phobic subjects, what constitutes a solution to the lack of data affecting different areas of recognition

Une Interface Cerveau-Machine (ICM) est un système permettant de transformer l'activité neurale du cerveau en une commande d'effecteurs externes. Cette étude correspond à une étape vers une ICM totalement autonome fonctionnant dans un environnement naturel ce qui est d'une importance cruciale pour les futures applications cliniques d'une ICM. Pour représenter l'environnement naturel, des expériences avec une ICM binaire asynchrone ont été réalisées avec des animaux libres de se mouvoir. En comparaison avec les études précédentes, des expériences sur le long terme ont été réalisées, ce qui est plus conforme aux exigences des applications de la vie réelle. L'objectif principal de cette étude est de différencier le modèle spécifique neuronal lié à l'intention d'action de l'activité de fond du cerveau chez des animaux libres de tous mouvements. Pour atteindre le niveau nécessaire de sélectivité, l'analyse Multi-Voies PLS a été choisie sachant qu'elle fournit simultanément un traitement du signal dans plusieurs domaines, à savoir, temporel, fréquentiel et spatial. Pour améliorer la capacité de l'approche générique Multi-Voies PLS pour le traitement de données à grandes dimensions, l'algorithme « Itérative NPLS » est introduit dans notre travail. En ayant des besoins plus faibles en mémoire, cet algorithme fournit des traitements de grands ensembles de données, permet une résolution élevée, préserve l'exactitude de l'algorithme générique et démontre une meilleure robustesse. Pour la calibration adaptative d'un système ICM, l'algorithme récursif NPLS est proposé. Finalement, l'algorithme pénalisé NPLS est développé pour la sélection efficace d'un sous-ensemble de fonctions, à savoir, un sous-ensemble d'électrodes. Les algorithmes proposés ont été testés sur des ensembles de données artificielles et réelles. Ils ont démontré une performance qui est comparable à celle d'un algorithme générique NPLS. Leur efficacité de calcul est acceptable pour les applications en temps réel. Les algorithmes développés ont été appliqués à la calibration d'un système ICM et ont été utilisés dans des expériences d'ICM avec bouclage en temps réel chez des animaux. Enfin, les méthodes proposées représentent une approche prospective pour de futurs développements de systèmes ICM humains. / Brain Computer Interface (BCI) is a system for translation of brain neural activity into commands for external devices. This study was undertaken as a step toward the fully autonomous (self-paced) BCI functioning in natural environment which is of crucial importance for BCI clinical applications. To model the natural environment binary self-paced BCI experiments were carried out in freely moving animals. In comparison to the previous works, the long-term experimental sessions were carried out, which better comply with the real-life applications requirements. The main goal of the study was to discriminate the specific neuronal pattern related to the animal's control action against background brain activity of freely-moving animal. To achieve the necessary level of selectivity the Multi-Way Analysis was chosen since it provides a simultaneous signal processing in several domains, namely, temporal, frequency and spatial. To improve the capacity of the generic Multy-Way PLS approach for treatment of high-dimensional data, the Iterative NPLS algorithm is introduced in the current study. Having lower memory requirements it provides huge datasets treatment, allows high resolution, preserves the accuracy of the generic algorithm, and demonstrates better robustness. For adaptive calibration of BCI system the Recursive NPLS algorithm is proposed. Finally, the Penalized NPLS algorithm is developed for effective selection of feature subsets, namely, for subset of electrodes. The proposed algorithms were tested on artificial and real datasets. They demonstrated performance which either suppress or is comparable with one of the generic NPLS algorithm. Their computational efficiency is acceptable for the real-time applications. Developed algorithms were applied for calibration of the BCI system and were used in the real-time close-loop binary BCI experiments in animals. The proposed methods represent a prospective approach for further development of a human BCI system.