SOPRANO : Smart & Open-source Pattern Recognition Algorithm for Neural Oscillations.
Le rôle du sommeil dans la physiopathologie de la mémoire reste une question décisive en neurosciences. Pour y répondre, il est indispensable de combiner des enregistrements intracérébraux multiples, avec d'autres paramètres comportementaux ou physiologiques durant les différents états de vigilance. L'analyse de ces données hétérogènes posent toutefois certains problèmes méthodologiques. Des approches de traitement des données et de classification ont été développées, en particulier au CRNL. Celles-ci reposent cependant sur l’analyse d’un nombre très limité de signaux, et étaient jusque là inadaptées à la problématique des "Big Data", récente en neurosciences. Le LIRIS a développé de nouvelles méthodes qui s’inspirent de la théorie spectrale des graphes et de modèles ensemblistes. Ces techniques ont été utilisées sur des données réelles de très grandes dimensions et pourraient être adaptées aux gros volumes de données cérébrales multidimensionnelles. Ces nouvelles approches de traitement des données sont non seulement essentielles pour comprendre le rôle cognitif des états de vigilance, mais aussi, potentiellement, pour aider au diagnostic et au traitement de nombreuses maladies neuropsychiatriques.
La liste des partenaires dans ce projet PEPS FaSciDo
Equipe Data Mining et Machine Learning (DM2L) : du Laboratoire d'InfoRmatique en Image et Systèmes d'information de Lyon (LIRIS UMR CNRS 5205).
Equipes SLEEP & FORGETTING : du Centre de Recherche en Neurosciences de Lyon (CRNL UMR CNRS 5292/UMR Inserm 1028).