Closed-loop neurostimulation for the treatment of schizophrenia
Neurostimulation en boucle fermée pour le traitement de la schizophrénie
Neurostimulation en boucle fermée
TES
Compensation des délais
Contrôle adaptatif
Modélisation cérébrale
Closed-loop neurostimulation
TES
Delay compensation
Adaptive control
Brain modeling
005.74
616.89
Cerveau
Modèles mathématiques
Neurostimulation
Schizophrénie
La schizophrénie est associée à des rythmes cérébraux anormaux, en particulier une activité alpha réduite (8-12 Hz) et une activité gamma augmentée (25-55 Hz). Les techniques actuelles de neurostimulation, telles que la Stimulation Électrique Transcrânienne (TES) et la Stimulation Cérébrale Profonde (DBS), utilisent généralement des protocoles de stimulation prédéfinis et ne s'adaptent pas à l'état cérébral en temps réel du patient. Cette thèse présente un système de neurostimulation en boucle fermée qui ajuste dynamiquement la stimulation en fonction des retours EEG en temps réel. Le système repose sur un contrôleur adaptatif basé sur un modèle, capable de moduler l'activité cérébrale afin de restaurer un équilibre sain entre les rythmes alpha et gamma. Afin de surmonter le défi des délais de rétroaction, un algorithme prédictif est intégré, assurant que la stimulation reste synchronisée avec l'activité cérébrale en cours. Les simulations démontrent l'efficacité du système pour rétablir les rythmes cérébraux normaux dans la schizophrénie, offrant ainsi une approche prometteuse de traitement personnalisé.
Schizophrenia is associated with abnormal brain rhythms, particularly reduced alpha activity (8-12 Hz) and increased gamma activity (25-55 Hz). Current neurostimulation techniques, such as Transcranial Electrical Stimulation (TES) and Deep Brain Stimulation (DBS), typically use pre-defined stimulation protocols and fail to adapt to the patient’s real-time brain state. This thesis presents a novel closed-loop neurostimulation system that dynamically adjusts stimulation based on real-time EEG feedback. The system leverages a model-based adaptive controller to modulate brain activity, aiming to restore a healthy balance between alpha and gamma rhythms. To address the challenge of feedback delays, a predictive algorithm is integrated, ensuring that stimulation remains synchronized with ongoing brain activity. Simulations demonstrate the system’s effectiveness in restoring normal brain rhythms in schizophrenia, offering a promising personalized treatment approach.
Electronic Thesis or Dissertation
Text
fr
PDF
1886748
https://publication-theses.unistra.fr/public/theses_doctorat/2024/WAHL_Thomas_2024_ED269.pdf
http://www.theses.fr/2024STRAD057/abes
https://theses.hal.science/tel-05322860
https://theses.hal.science/tel-05322860
https://theses.hal.science/tel-05322860
https://theses.hal.science/tel-05322860
Wahl
Thomas
1999-12-05
FR
283675012
1510004314M
21711593
4200018
https://theses.fr/2024STRAD057
2024STRAD057
https://doi.org/10.70675/d4093a3fz626bz408azb861zb62bf0cfbda6
2024-12-04
Informatique
Strasbourg
131056549
Doctorat
Docteur es
non
oui
Hutt
Axel
MADS_DIRECTEUR_DE_THESE_1
174958811
Duprez
Michel
MADS_DIRECTEUR_DE_THESE_2
221458670
Isope
Philippe
MADS_PRESIDENT_DU_JURY
082019754
Louis-Dorr
Valérie
MADS_MEMBRE_DU_JURY_1
144589281
Modolo
Julien
MADS_RAPPORTEUR_1
130934542
Helias
Moritz
MADS_RAPPORTEUR_2
283681217
École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
MADS_ECOLE_DOCTORALE_1
269
156504863
Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
MADS_PARTENAIRE_DE_RECHERCHE_1
260728
176969721
ddc:004
ddc:610
Hutt
Axel
Duprez
Michel
Isope
Philippe
Louis-Dorr
Valérie
Modolo
Julien
Helias
Moritz
École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
PDF
1886748
confidentialité 2024-12-04 2025-12-01
confidentialité 2024-12-04 2025-12-01
confidentialité 2024-12-04 2025-12-01
confidentialité 2024-12-04 2025-12-01