Titre: Modulation du stress et de la charge cognitive par inférence causale EEG pour les applications de Réalité Virtuelle
Mots-clés: Analyse des signaux EEG, Formation en réalité virtuelle, Modulation du stress , Charge cognitive , Inférence causale , Interaction Humain-Machine
Direction de thèse
- Directeur de thèse coté IBISC: Samir OTMANE (PR IUT Évry, IBISC équipe IRA2), samirDOTotmaneATuniv-evry.DOT.fr
- Co-directeur de thèse coté UTP : Naufal SAAD (Associate professor UTP)
- Co-encadrante coté IBISC : Aylen RICCA CAMBON (MCF IUT Évry, IBISC équipe IRA2), aylenDOTriccacambonATuniv-evry.DOT.fr
- Co-encadrante coté UTP : Ashvaany EGAMBARAM (Lecturer UTP)
Résumé du projet de thèse
Cette recherche doctorale étudie la relation causale entre le stress basé sur l’EEG, la charge cognitive [1] et l’activité neuronale afin d’améliorer l’apprentissage moteur dans des conditions critiques telles que la rééducation post-AVC [2,3]. Elle vise à développer un système de formation adaptatif en réalité virtuelle (RV) capable d’ajuster dynamiquement la difficulté des tâches en fonction des informations causales dérivées de l’EEG, optimisant ainsi l’efficacité de l’apprentissage, le transfert de compétences et la résilience au stress.
Bien que les analyses EEG basées sur la corrélation aient été utilisées pour évaluer le stress et la charge cognitive [4], elles ne permettent pas d’établir des liens causaux avec la performance motrice, limitant ainsi le développement de systèmes de formation adaptatifs. Ce projet applique des techniques d’inférence causale aux données EEG [5] afin de déterminer comment le stress et la charge cognitive influencent l’apprentissage et la rétention motrice dans les environnements de formation en RV [6]. Les progrès récents dans le traitement des signaux EEG en temps réel permettent une meilleure interprétation de l’activité cérébrale, mais l’intégration de ces avancées dans des systèmes de formation en RV adaptatifs reste un défi majeur. Relever ce défi permettra de concevoir un cadre optimisant l’apprentissage moteur et la résilience au stress, notamment dans les cas de rééducation post-AVC.
L’étude analysera les relations causales entre les signaux EEG et l’adaptation motrice en utilisant l’inférence de causalité de Granger [5] et les réseaux de convolution causaux temporels [7]. Un système de formation adaptatif en RV sera développé pour ajuster dynamiquement la difficulté des tâches, le rythme et les mécanismes de rétroaction en fonction de l’analyse EEG en temps réel. Des études utilisateurs seront menées afin d’évaluer l’efficacité de l’apprentissage, la rétention des compétences et la résilience au stress, avec une publication des résultats dans des revues scientifiques et conférences internationales de premier plan.
Les résultats attendus incluent l’identification des relations causales au sein des réseaux cérébraux impliqués dans l’apprentissage moteur, le stress et la charge cognitive, ainsi que la validation de la formation en RV pour la rééducation en tant qu’outil renforçant la résilience au stress et favorisant la récupération motrice. Cette recherche apportera une contribution significative aux domaines des neurosciences, de la rééducation et de la formation adaptative, en faisant progresser les stratégies d’intervention en temps réel pour l’apprentissage moteur et la rééducation post-AVC.
Title: Stress and Cognitive Load Modulation through Causal Inference in EEG for Virtual Reality applications
Keywords: EEG Signal Analysis, Virtual Reality Training, Stress Modulation, Cognitive Load, Causal Inference, Human Computer Interaction
Doctoral thesis direction
- Directeur de thèse coté IBISC: Samir OTMANE (PR IUT Évry, IBISC équipe IRA2), samirDOTotmaneATuniv-evry.DOT.fr
- Co-directeur de thèse coté UTP : Naufal SAAD (Associate professor UTP)
- Co-encadrante coté IBISC : Aylen RICCA CAMBON (MCF IUT Évry, IBISC équipe IRA2), aylenDOTriccacambonATuniv-evry.DOT.fr
- Co-encadrante coté UTP : Ashvaany EGAMBARAM (Lecturer UTP)
Project description
This PhD research investigates the causal relationship between EEG-based stress, cognitive load [1], and neural activity to improve motor learning in critical conditions such as stroke rehabilitation [2,3]. It aims to develop an adaptive VR training system that dynamically adjusts task difficulty based on EEG-derived causal insights, optimizing learning efficiency, skill transfer, and stress resilience.
While correlation-based EEG analyses have been used to assess stress and cognitive load [4], they fail to establish causal links with motor performance, limiting the development of adaptive training systems. This project applies causal inference techniques to EEG data [5] to determine how stress and cognitive load influence motor learning and retention in VR-based training environments [6]. Advances in real-time EEG processing allow for better interpretation of brain activity, but integrating these insights into adaptive VR training systems remains a significant challenge. Overcoming this will help design a framework that optimizes motor learning and stress resilience, particularly for stroke rehabilitation.
The study will analyze EEG-based causal relationships in motor adaptation, using Granger causality inference [5] and Temporal Causal Convolutional Networks [7]. An adaptive VR training system will be developed to dynamically adjust task difficulty, pacing, and feedback mechanisms based on real-time EEG analysis. User studies will assess learning efficiency, retention, and stress resilience, with findings published in leading journals and international conferences.
Expected outcomes include the identification of causal relationships in brain networks related to motor learning, stress, and cognitive load, and the validation of VR-based rehabilitation training as a tool for stress resilience and motor recovery. This research will significantly contribute to neuroscience, rehabilitation, and adaptive training, advancing real-time intervention strategies for motor learning and stroke rehabilitation.
- Date de l’appel : 03/03/2025
- Date limite de candidature: 31 mars 2025
- Début de thèse prévu: 1er octobre 2025
- Statut de l’appel : Non pourvu
- Contact IBISC : Samir OTMANE (PR IUT Évry, IBISC équipe IRA2), samirDOTotmaneATuniv-evryDOTfr, Aylen RICCA CAMBON (MCF IUT Évry, IBISC équipe IRA2), , aylenDOTricacambonATuniv-evryDOTfr
- En savoir plus sur ADUM
- Web équipe IRA2