Innovation en Neurosciences

Développement d'outils IA pour l'analyse avancée des signaux cérébraux

Notre Mission

Notre association a pour objet de promouvoir la recherche appliquée en intelligence artificielle, neurosciences et technologies éducatives ; d'encadrer des étudiants, stagiaires et chercheurs ; d'organiser des ateliers, conférences, formations et publications scientifiques.

Recherche Appliquée

Développement d'innovations en IA, neurosciences et technologies éducatives pour des applications concrètes

Encadrement Académique

Formation et accompagnement d'étudiants, stagiaires et chercheurs dans leurs projets scientifiques

Événements Scientifiques

Organisation d'ateliers, conférences, formations et diffusion de publications scientifiques

Nos Axes de Recherche

Exploration des frontières entre neurosciences et intelligence artificielle

Protocole Alzheimer/EEG

Méthodologie complète pour la détection précoce via l'analyse des signaux EEG

Analyse Émotionnelle

Classification des états émotionnels par analyse des fréquences cérébrales

Accéder à l'étude

Monitoring Temps Réel

Plateforme intégrée pour le suivi continu des paramètres neurophysiologiques

Github back office Github front office

Notre Stack Technologique

Combinaison d'expertise médicale et d'innovation algorithmique

Plateforme de Monitoring

Solution intégrée pour le suivi des paramètres physiologiques

Fonctionnalités :

  • Surveillance temps réel
  • Système d'alertes intelligentes
  • Visualisation multi-paramètres

Plateforme EEG pour Neurodégénérescence

  • Configuration :
    • 19 électrodes - Montage 10-20 international
  • Prétraitement :
    • Filtrage Butterworth 0.5-45 Hz
    • ICA + ICLabel pour suppression des artefacts
    • Standardisation par canal
  • Analyse temporelle : Fenêtres de 5s (50% recouvrement)
Accéder au dataset OpenNeuro
Montage 10-20

Protocole expérimental

Double tâche combinant oddball auditif et apprentissage inversé probabiliste

  • Structure : 2 blocs × 100 essais
  • Tâches :
    • Oddball auditif (20% sons aigus)
    • Apprentissage inversé (ratio 70/30 ou 80/20)
  • Mesures : Temps de réaction, NASA-TLX, SEP
Schéma du protocole

Modèle explicable Bi-LSTM

  • Architecture :
    • Autoencodeur pour réduction dimensionnelle
    • Bi-LSTM pour dépendances temporelles
  • Features : PSD (Welch) + Entropie SVD
  • Explicabilité : SHAP pour interprétation clinique
  • Performance : 98% accuracy (AD vs. FTD)
Code source GitHub
Résultats SHAP

Importance des features (SHAP values)

Publications Scientifiques

Contributions à la recherche internationale

2024

Leveraging Machine Learning and Clinical EEG Data for Multiple Sclerosis

Digital Health eJournal

Accéder à l'article
2025

Enhancing EEG-Based Emotion Detection with Hybrid Models: Insights from DEAP Dataset Applications

Digital Health eJournal

Accéder à l'article
2025

Advanced EEG Biomarkers for Early-Stage Alzheimer's Detection - Travaux en Cours

Soumission prévue : 28 juin 2025

Collecte des données

Phase en cours - 40% complété

Rédaction

Prévu mai 2025

Soumission

Date cible : 28 juin 2025

Notre Équipe Scientifique

Experts en neurosciences, traitement du signal et machine learning

Badr MOUAZEN

Professeur agrégé en systèmes d'information

Neurosciences Computationnelles

4 publications PhD Neuroscience
Giovanni De Marco

Giovanni DE MARCO

Directeur du laboratoire LINP2

Neuroimagerie, plasticité cérébrale, cognition et motricité

116 publications Directeur du laboratoire LINP2

Ghizlane ELHADDADI

Ingénieure Big Data & Intelligence Artificielle

Big Data, IA & Applications Avancées

1 publication Master Informatique

Raphaël KALIPE

Ingénieur Data

Data Analytics

1 publication Master Informatique

Chaimae ELBAHCHOUMI

Ingénieure en Informatique et Ingénierie des Données

Data, IA & Applications Avancées

2 publications Ingénieure d'état

Zainab EL BOUYED

Ingénieure en systèmes ubiquitaires et distribués - Cloud & IoT

Data & IA, Applications Intelligentes

2 publications Ingénieure d'état

Collaborons Ensemble

Vous souhaitez en savoir plus sur nos recherches ou explorer des opportunités de collaboration ?

Email

actisens.lab@gmail.com

Téléphone

+212 6 68 34 65 50