Thèse Analyse Basée sur l'Intelligence Artificielle des Traumatismes Acoustiques Liés à la Guerre et de leur Impact à Long Terme sur l'Activité Cérébrale des Enfants H/F

Doctorat.Gouv.Fr

Établissement : Université de Picardie - Jules Verne École doctorale : Sciences, Technologie, Santé Laboratoire de recherche : GRAMFC - Unité de recherche Groupe de Recherches sur l'Analyse Multimodale de la Fonction Cérébrale Direction de la thèse : Fabrice WALLOIS ORCID 0000000329285428 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-30T23:59:59 a. Description du sujet
Les conflits armés exposent les populations civiles, notamment les nourrissons, à des environnements sonores extrêmes (explosions, bombardements, tirs). Or, durant les premières années de vie, le cerveau est en phase critique de développement, ce qui le rend particulièrement vulnérable aux stimuli violents et imprévisibles. Des travaux en neurosciences montrent que ces expositions peuvent perturber l'activité cérébrale et entraîner à long terme des troubles tels que l'anxiété, le stress post-traumatique, les troubles du sommeil, cognitifs ou du développement neurologique.

Le problème scientifique de cette thèse est de comprendre et modéliser l'impact des traumatismes acoustiques liés à la guerre sur l'activité cérébrale des nourrissons, ainsi que d'identifier précocement les signes neurologiques anormaux.

L'objectif principal est de développer un modèle basé sur l'intelligence artificielle capable d'analyser l'activité cérébrale et de détecter précocement des anomalies. Les objectifs spécifiques sont : (1) étudier l'impact des sons de guerre sur le cerveau des nourrissons ; (2) analyser les signaux EEG pour identifier des patterns anormaux ; (3) développer des modèles d'apprentissage automatique pour classifier les signaux ; (4) étudier la corrélation entre exposition sonore et troubles neurologiques ou psychologiques ; (5) proposer un système de détection précoce des nourrissons à risque.

b. Approche méthodologique
La méthodologie repose sur une approche interdisciplinaire combinant neurosciences, traitement du signal et intelligence artificielle.
Une première étape consistera à analyser les caractéristiques acoustiques des sons de guerre (intensité, fréquence, durée, variation temporelle) afin d'évaluer leur impact potentiel sur le cerveau.

Ensuite, des signaux EEG seront collectés et prétraités (filtrage, réduction du bruit, normalisation). Des caractéristiques seront extraites dans les domaines temporel, fréquentiel et temps-fréquence.

Des modèles d'apprentissage automatique seront ensuite appliqués pour la classification des signaux : réseaux de neurones profonds, CNN, LSTM, modèles hybrides CNN-LSTM, ainsi que des méthodes classiques (SVM, Random Forest, KNN). Les performances de ces modèles seront comparées.

Une étape clé sera l'étude des corrélations entre les caractéristiques acoustiques et les modifications observées dans les EEG. Enfin, un modèle prédictif sera développé pour détecter précocement les risques de troubles neurologiques ou psychologiques.

c. Résultats attendus
Sur le plan scientifique, cette recherche permettra de mieux comprendre l'impact des traumatismes acoustiques de guerre sur le développement cérébral des nourrissons, un domaine encore peu exploré.
Sur le plan technologique, elle aboutira à un modèle intelligent capable de classifier automatiquement les signaux cérébraux et de détecter des anomalies précoces.
Sur le plan médical, les résultats pourraient contribuer à des systèmes de détection précoce aidant les professionnels de santé à identifier les enfants à risque et à intervenir rapidement.
Enfin, cette thèse devrait donner lieu à des publications scientifiques en intelligence artificielle, traitement du signal biomédical et santé numérique. Le problème scientifique de cette thèse est de comprendre et modéliser l'impact des traumatismes acoustiques liés à la guerre sur l'activité cérébrale des nourrissons, ainsi que d'identifier précocement les signes neurologiques anormaux. L'objectif principal est de développer un modèle basé sur l'intelligence artificielle capable d'analyser l'activité cérébrale et de détecter précocement des anomalies. Les objectifs spécifiques sont : (1) étudier l'impact des sons de guerre sur le cerveau des nourrissons ; (2) analyser les signaux EEG pour identifier des patterns anormaux ; (3) développer des modèles d'apprentissage automatique pour classifier les signaux ; (4) étudier la corrélation entre exposition sonore et troubles neurologiques ou psychologiques ; (5) proposer un système de détection précoce des nourrissons à risque.