Offre de thèse 36 mois en traitement du signalSujet de thèse : Vers des modèles normatifs EEG robustes et transférables

Un concours est organisé pour attribuer une bourse de thèse de 36 mois, la sélection se fera sur dossier et entretien.

La modélisation normative offre un cadre puissant permettant d’aller au-delà des comparaisons classiques de type « cas-témoins » et de quantifier les écarts individuels par rapport aux schémas attendus de la fonction cérébrale.
Dans des travaux récents, la modélisation normative de l’EEG a démontré un fort potentiel pour caractériser l’hétérogénéité des troubles psychiatriques et neurologiques. Cependant, plusieurs défis méthodologiques subsistent, notamment le choix des modèles statistiques, l’harmonisation entre sites, la cartographie multivariée des écarts, la transférabilité entre ensembles de données et le développement d’approches évolutives pour une mise en œuvre clinique.

Ce projet de thèse portera sur les avancées méthodologiques en matière de modélisation normative de l'EEG.
S'appuyant sur les travaux existants utilisant des modèles basés sur GAMLSS, le projet évaluera systématiquement d'autres approches de modélisation, notamment les processus gaussiens, les modèles bayésiens, les modèles normatifs basés sur l'apprentissage profond, la régression distributionnelle et les cadres hybrides d'apprentissage automatique.
L'un des principaux objectifs sera de comparer ces modèles en termes de précision, d'étalonnage, d'interprétabilité, de robustesse et de capacité à détecter des écarts cliniquement significatifs.

Le projet portera également sur l’harmonisation des EEG entre les sites, les appareils, les protocoles et les
populations. Il s’agira notamment de tester des stratégies d’harmonisation statistique, l’adaptation de domaine, l’apprentissage par transfert et des approches d’apprentissage fédéré afin de permettre aux modèles normatifs de se généraliser à des ensembles de données hétérogènes sans nécessairement partager les données brutes. Un autre objectif majeur sera de passer d’une modélisation normative univariée des caractéristiques EEG individuelles à des modèles multivariés et structurés spatialement qui rendent compte de la covariance entre les caractéristiques, les canaux, les bandes de fréquences, les mesures de connectivité et les paramètres de micro-états.

Le résultat attendu est un cadre méthodologique robuste pour la modélisation normative EEG de nouvelle génération, capable de produire des profils de déviation cérébrale individualisés, fiables, interprétables et transférables.

Ce doctorat renforcera les fondements méthodologiques des neurosciences de précision basées sur l’EEG et soutiendra de futures applications cliniques en psychiatrie, en neurodégénérescence et dans le suivi de la santé cérébrale.


Documents à fournir :   CV à jour,  notes de master ,  lettre(s) de recommandation

Dossier à transmettre avant le vendredi 9 octobre 2026 à  18h à laspi @ univ-st-etienne.fr

Critères d'évaluation :

Excellence académique (sur 7 pts).
- Notes de M1 (sur 2 pts)
- Notes de M2 (sur 5 pts)

• Audition (sur 13 pts) :
Elle se déroulera en 2 temps : 20 minutes de présentation ( 5 mn pour le CV et 15 mn pour la présentation) , et 20 minutes de questions.
-  Prestation orale (sur 4 pts)
-  Méthodologie et perspectives envisagées pour ce sujet de thèse (sur 5 pts)
-  Réponses aux questions (sur 4 points).