Topic description
Les athlètes sont soumis à un stress physique et mental important pendant l'entraînement et la compétition, ce qui peut nuire à leur performance et à leur santé à long terme [1],[2],[3]. Cela a motivé le développement d'interfaces homme-machine pour la gestion du stress, utilisant des techniques de biofeedback et de neurofeedback [4]. Cependant, ces stratégies restent peu exploitées en raison du manque de mesures objectives et fiables du stress. Cette tâche est particulièrement difficile en raison de la complexité physiologique du phénomène et de sa forte variabilité interindividuelle. L'absence d'intégration de mesures diversifiées, combinées ou multimodales limite la capacité à évaluer de manière précise et pertinente les états de stress vécus par les athlètes. L'incorporation de telles mesures permettrait une quantification, une caractérisation et une classification plus fines de ces états.
L'objectif du projet est de développer un cadre mathématique et computationnel robuste pour modéliser et analyser l'interaction entre le cerveau et le système cardiovasculaire en réponse à des facteurs de stress, en intégrant des approches de modélisation dynamique et d'apprentissage fondé sur les données. Des signaux neuro-psycho-physiologiques synchronisés, associés à des indicateurs de stress perçu, seront exploités en combinant des modèles mathématiques d'interaction cerveau–cœur, des techniques avancées de traitement du signal, et des méthodes d'apprentissage qui se complètent pour extraire des motifs pertinents et des indicateurs de stress.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Athletes face significant physical and mental stress during training and competition, which
threaten their performance and long-term health [1],[2],[3]. This has motivated the development of human-machine interfaces for stress management using bio- and neurofeedback [4]. Yet, these strategies remain underutilized due to a lack of reliable, objective stress measurement. This task has proven challenging given the inherent physiological complexity and high subject-specificity of the stress phenomenon. The absence of integration of diverse, combined, or multimodal measures limits the ability to accurately and meaningfully assess the stress states experienced by athletes. Incorporating such measures would enable more precise quantification, characterization, and classification of these states.
The objective of the project is to develop a robust mathematical and computational framework to model and analyze the interplay between the brain and cardiovascular systems in response to stressors, integrating dynamical modeling and data-driven approaches. Synchronized neuro-psycho-physiological signals, along with perceived stress indicators, will be leveraged by integrating mathematical models of brain-heart interaction, advanced signal processing, and learning methods that complement each other to extract relevant patterns and stress indicators.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
Funding category
Other public funding
Funding further details
ANR
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.