Je développe et maintiens une suite d’outils logiciels pour l’analyse de biosignaux et la recherche en neurosciences. Ces outils sont conçus pour traiter, analyser et interpréter des données physiologiques complexes.
Outils de traitement de signal
Pipeline d’analyse EEG
Objectif : Pipeline complet pour traitement et analyse de données EEG
Fonctionnalités :
- Préprocessing automatisé (filtrage, suppression d’artéfacts)
- Analyse temps-fréquence avancée
- Détection d’événements et analyse ERP
- Génération de rapports automatisée
- Support pour multiple formats de données
Suite de traitement ECG
Objectif : Outils spécialisés pour analyse de signaux cardiaques
Fonctionnalités :
- Détection automatique d’ondes R
- Analyse de variabilité du rythme cardiaque (HRV)
- Méthodes temps-fréquence pour analyse HRV
- Détection d’arythmies
- Intégration avec données comportementales
Évaluation de qualité de biosignaux
Objectif : Contrôle qualité automatisé pour enregistrements physiologiques
Fonctionnalités :
- Calcul de rapport signal/bruit
- Quantification d’artéfacts
- Évaluation de qualité de canaux
- Génération de rapports automatisée
- Intégration de base de données
VestibulabRecorder
Langage : Python (PySide6)
Objectif : Plateforme d’enregistrement posturographique et de stimulation vestibulaire galvanique
Fonctionnalités :
- Enregistrement de données de plateforme de force
- Administration sécuritaire de stimulation vestibulaire galvanique (GVS)
- Génération de formes d’onde GVS
- Modes multiples d’enregistrement et de synchronisation des différents flux
- Intégration avec un logiciel de réalité virtuelle sur un PC séparé
vHITAnalyzer
Langage : MATLAB
Objectif : Révision d’essais de test d’impulsion céphalique vidéo (vHIT) et détection d’artéfacts
Fonctionnalités :
- Interface de révision d’essais
- Détection automatique d’artéfacts
- Acceptation/rejet des essais vHIT guidé par l’utilisateur
- Conçu pour soutenir la validation clinique de la détection d’artéfacts vHIT
Cardio-Signal-Lab
Langage : Python
Objectif : Logiciel d’analyse ECG pour le traitement de signaux cardiaques (grandement amélioré)
Fonctionnalités :
- Détection et correction de pics R
- Extraction de paramètres de VRC
- Visualisation de signaux et révision de qualité
Spécifications techniques
Langages de programmation
- MATLAB : Avancé (10+ années)
- Python : Avancé (8+ années)
- R : Intermédiaire (5+ années)
- SQL : Intermédiaire
- TypeScript : Développement frontend et d’outils
- C++ : Basique (pour applications en temps réel)
Cadres et bibliothèques
- Traitement de signal : EEGLAB, FieldTrip, MNE-Python, SciPy
- Apprentissage automatique : scikit-learn, TensorFlow, PyTorch
- GUI : Qt, PySide6, tkinter
- Statistiques : SPM, R, statsmodels
- Visualisation : matplotlib, plotly, ggplot2
- DevOps : Docker
Outils IA
- Ollama : Inférence locale de grands modèles de langage
- Orchestration de flux spec IA personnalisée : Pipeline de planification, d’implémentation et de révision multi-modèles
- Outillage de mémoire IA personnalisé (bbmem) : Consolidation de mémoire persistante pour le développement assisté par IA
Intégration matérielle
- Systèmes EEG : BrainVision, Biosemi, Neuroscan
- Systèmes ECG : Biopac, PowerLab
- Stimulation : Arduino, National Instruments
- Informatique : Clusters de calcul haute performance
Disponibilité du code
Plusieurs de ces outils sont disponibles ou seront rendus disponibles à travers :
- Dépôts GitHub (lors de publication)
- Sites web de laboratoires
- Plateformes de science ouverte
Demander accès
Pour l’accès à des outils spécifiques ou la collaboration sur le développement logiciel :
- Contactez-moi directement via la page de contact
- Spécifiez vos besoins de recherche et cas d’usage
- Collaboration et contribution bienvenues
Le développement logiciel est un processus continu. Cette page est mise à jour au fur et à mesure que de nouveaux outils sont développés et que les existants sont améliorés.