Note ABES Traitement de signaux neuronaux à base de réseaux de neurones à décharges optimisés pour accélérateurs neuromorphiques Processing neural signal with spiking neural networks optimized for neuromorphic hardware Tri des potentiels d'actions Réseau de Neurones à décharges Encodage Parcimonieux Matériel Neuromorphique Électrophysiologie Interface Cerveau-Machine Réseaux neuronaux à impulsions Spike Sorting Spiking Neural Network Sparse Coding Neuromorphic Hardware Electrophysiology Brain-Machine Interface Interfaces neuronales directes Réseaux neuronaux (informatique) Codage Consommation d'énergie Représentation parcimonieuse Électrophysiologie Les Interfaces Cerveau-Machine (ICM) reposent sur le tri de potentiels d'action pour décoder l'activité des neurones individuels, une méthode centrale pour des neuroprothèses et l'étude des circuits cérébraux. Avec l'amélioration des sondes neuronales incluant une densité croissante d'électrodes, la quantité de signaux à transmettre requiert une grande quantité d'énergie, ce qui complique le développement d'ICM embarquée. Le défi est alors d'effectuer un tri in situ, donc avec peu de ressources computationnelles, et de concilier qualité de tri, faible consommation énergétique et traitement en temps réel. Cette thèse propose une solution bio-inspirée non supervisée basée sur un réseau de neurones à décharges, appelé Neuromorphic Sparse Sorter (NSS). Le réseau exploite l'encodage parcimonieux pour traiter efficacement les signaux neuronaux de hautes dimensions. Une communication en décharge multi-bit, contrairement à une communication binaire classique, est utilisée afin de proposer une balance optimale entre qualité de tri et énergie requise pour une inférence du réseau. Les performances de NSS sont validées sur des données simulées et réelles, incluant des signaux fortement bruités et non stationnaires. Enfin, une implémentation sur matériel neuromorphique démontre la rapidité de traitement et la faible consommation énergétique du système. Brain-Machine Interfaces (BMIs) depend on sorting action potentials (spike sorting) to decode individual neuron activity, an essential process in both neuroprosthetics and the study of neural circuits. Advances in neural probes, particularly the increased electrode density, have dramatically expanded the volume of data to transmit and process, posing a significant challenge for low-power, on-chip BMIs. To address this, spike sorting must be performed in situ, using minimal computational resources while maintaining high accuracy, low energy consumption, and real-time performance. This thesis introduces a bio-inspired, unsupervised approach called the Neuromorphic Sparse Sorter (NSS), based on a spiking neural network architecture. NSS leverages sparse coding to efficiently handle high-dimensional neural signals. Unlike traditional binary communication, it employs multi-bit spiking to strike a balance between classification accuracy and energy efficiency. The system's effectiveness is validated on both simulated and real datasets, including noisy and non-stationary signals. A final hardware implementation confirms NSS's real-time processing capabilities and ultra-low power consumption, highlighting its potential for chronic implanted BMI applications. Electronic Thesis or Dissertation Text fr en PDF 13301095 https://pepite-depot.univ-lille.fr/LIBRE/EDBSL/2025/2025ULILS105.pdf http://www.theses.fr/2025ULILS105/abes https://theses.hal.science/tel-05262689 https://theses.hal.science/tel-05262689 https://theses.hal.science/tel-05262689 https://theses.hal.science/tel-05262689 Mélot Alexis Mélot 1997-09-23 FR 292614861 https://theses.fr/2025ULILS105 2025ULILS105 https://doi.org/10.70675/be22e914ze5e3z429cz8b12z48f900772da3 2025-09-17 Recherche clinique, innovation technologique, santé publique Université de Lille (2022-....) 259265152 Université de Sherbrooke (Québec, Canada) MADS_ETABLISSEMENT_DE_COTUTELLE_1 026431475 Doctorat Docteur es non oui Yger Pierre MADS_DIRECTEUR_DE_THESE_1 175722234 Coffinier Yannick MADS_DIRECTEUR_DE_THESE_2 080014186 Wood Sean MADS_DIRECTEUR_DE_THESE_3 284174068 Hoel Virginie MADS_PRESIDENT_DU_JURY 121234223 Yvert Blaise MADS_MEMBRE_DU_JURY_1 12664182X Fontaine Réjean MADS_MEMBRE_DU_JURY_2 283282002 Ranta Radu MADS_RAPPORTEUR_1 076384527 Saïghi Sylvain MADS_RAPPORTEUR_2 083962387 École graduée Biologie-Santé (Lille ; 2000-....) MADS_ECOLE_DOCTORALE_1 147705126 Lille Neuroscience et Cognition (Lille) MADS_PARTENAIRE_DE_RECHERCHE_1 1049721 255451776 Centre national de la recherche scientifique (France ; 1939-....) MADS_PARTENAIRE_DE_RECHERCHE_2 02636817X ddc:570 Université de Sherbrooke (Québec, Canada) Yger Pierre Coffinier Yannick Wood Sean Hoel Virginie Yvert Blaise Fontaine Réjean Ranta Radu Saïghi Sylvain École graduée Biologie-Santé (Lille ; 2000-....) Lille Neuroscience et Cognition (Lille) Centre national de la recherche scientifique (France ; 1939-....) PDF 13301095