Optimisation bayésienne multi-cible pour la neuromodulation du mouvement

Le développement d’interfaces neuronales à grand nombre de canaux vise à obtenir une communication à haut débit avec le système nerveux en parallélisant le flux d’informations sur plusieurs sous-régions. Par exemple, le cortex moteur, la moelle épinière et les nerfs abritent des représentations de multiples mouvements corporels au sein de topographies hautement interconnectées. Les interfaces neuronales sont actuellement incapables d’explorer ces arrangements pour évoquer diverses sorties motrices fonctionnelles. Cette cartographie est limitée à la capacité humaine de se concentrer sur une cible à la fois. Cette lacune technologique limite sévèrement le développement de l’investigation neuroscientifique multivariée et de l’intervention de neuromodulation multimodale. Nous proposons que le cadre GPBO, avec une nouveauté théorique du poids UCB multi-cible dynamique, est adapté pour paralléliser l’optimisation multi-cible, permettant l’identification complète de l’espace de contrôlabilité (c’est-à-dire, toutes les sorties possibles qui peuvent être générées avec les entrées disponibles) d’une seule interface.

Faculty Supervisor:

Marco Bonizzato

Student:

Partner:

Télécom Paris

Discipline:

Computer science

Sector:

Education

University:

Université de Montréal

Program: