CIFRE - Approche avancée du traitement de signal adaptatif pour la détection non-invasive de signaux physiologiques

Topic description

Notre société continue d’évoluer vers une intégration toujours plus présente de la technologie dans notre quotidien. Notre rapport à la consommation, à la santé, à l’éducation, à l’information, ou même au fonctionnement même de notre société passe aujourd’hui par une maitrise toujours plus accrue du monde numérique.

Et pourtant, ces interfaces numériques restent globalement agnostiques à leurs utilisateurs et à ce qui les anime : leurs intentions, leurs émotions au-delà de leurs interactions.

Elles sont incapables de reconnaitre des épisodes de frustration face à une interface web mal pensée. Incapables de veiller sur la concentration et la fatigue d’un opérateur sur un poste de travail industriel à risques.

Incapables de reconnaitre le désespoir d’un étudiant submergé de connaissances dans son apprentissage. C’est en partie à cette problématique qu’essaie de répondre l’informatique affective.

Aujourd’hui, la plupart des approches en informatique affective s’appuient sur l’exploitation d’informations audiovisuelles telles que les expressions faciales la posture ou encore la prosodie.

Pourtant, l’émotion se manifeste avant tout dans la physiologie du corps de l’utilisateur. Une situation de stress au travail ?

Une première rencontre ? Un intérêt marqué pour un produit ? Votre corps réagit avant une prise de conscience par votre cerveau, notamment à travers le système nerveux autonome qui va modifier en conséquence l’activité de plusieurs organes périphériques internes.

Un électrocardiogramme sur le torse nous permettra de suivre l’activité cardiaque, des électrodes distribuées sur le corps pourront mesurer la conductance galvanique et donc les variations, un électroencéphalogramme aidera à caractériser l’activité neuronale quand un oxymètre permettra de suivre le pouls de l’utilisateur.

En traitant ces signaux avec des modules IA entrainés, il est possible d’en extraire une certaine dynamique de l’état et du ressenti du sujet.

De telles solutions de mesure, pratiques en laboratoire, s’avèrent cependant vite inconfortables dans l’environnement quotidien.

Etseme, établissement encadrant, est une entreprise deeptech créée en développant une solution de reconnaissance émotionnelle en temps réel basée sur la technologie radar, non invasive, exploitable en milieu naturel et ne nécessitant aucun accessoire au contact du corps.

Notre solution radar exploite le potentiel de certaines gammes de fréquences radio pour détecter à distance des micro-mouvements de la cage thoracique et indirectement des muscles du cœur.

L’acquisition de données labellisées à travers des méthodes psycho-expérimentales d’induction émotionnelle, nous permet d’entrainer des modèles IA en capacité de traduire la dynamique de l’activité cardiaque en dynamique émotionnelle.

Notre solution est jugée aujourd’hui suffisamment prometteuse par nos partenaires pour être intégrée sur des chaînes de production.

Elle fournit une assistance bienveillante aux opérateurs industriels en vue de faciliter leur bien-être et ainsi optimiser leur productivité.

D’autres cas d’usages, notamment dans le domaine de la formation, du transport, de la robotique et de la santé sont envisagés.

Ayant jusque-là exploité des radars disponibles sur le marché, Etseme fait le choix stratégique aujourd’hui de travailler sur la conception et le développement de sa propre solution radar, notamment d’un point de vue software.

Un état de l’art conséquent sur les technologies radar à portée physiologique a déjà été réalisée par l’entreprise encadrante, un cahier des charges défini et une partie des challenges technologiques et des pistes de réponses associées couchée sur papier.

Parmi d’autres sujets, un travail de recherche qui nous semble tout à fait approprié pour un projet d’une thèse reste à effectuer : l’optimisation de la capture et du traitement du signal physiologique d’une ou plusieurs cibles en mouvement.

Le sujet est assez large pour donner lieu à une démarche de recherche exploratoire et l’objectif assez précis pour offrir un cadre précieux à un doctorant.

Il offrira l’opportunité au doctorant d’exploiter et développer ses compétences aussi bien en traitement du signal radiofréquence qu’en conception électronique, respectivement soutenu par le laboratoire d’accueil et par l’entreprise encadrante.

En effet, ETSEME trouve dans le laboratoire IMS (Intégration du Matériau au Système), UMR CNRS, groupe Signal et Image, à travers la direction de thèse de Guillaume Ferré, toutes les compétences de recherche complémentaires pour mener à bien ce projet, notamment à travers son expertise en traitement en temps réel du signal radiofréquence notamment sur des radars FMCW et des données spatio-temporelles sous-jacentes.

Starting date

01-01

Funding category

Cifre

Funding further details