Développement d’un modèle computationnel de la Frequency-Following Response Encadrement Federico Lucchetti ([email protected]), Antoine Nonclercq ([email protected]), Paul Deltenre ([email protected]) Contexte La “Frequency-Following Response” (FFR) est un potentiel évoqué auditif résultant du verrouillage de phase des neurones auditifs sur les périodicités du stimulus sonore. Enregistrée par des électrodes de surface chez l’humain, la FFR évoquée par des stimuli complexes contient également des produits de distorsion d’origine cochléaire, liés au fonctionnement des Cellules Ciliées Externes. Plusieurs générateurs contribuent plus que probablement à l’activité enregistrée en surface : le Potentiel Microphonique Cochléaire (PMC), le nerf cochléaire et les relais auditifs du tronc cérébral. La FFR est devenue récemment un nouveau outil permettant de valoriser l’évaluation de l’encodage temporel des sons pour le diagnostic et la qualification des déficits supra-liminaires secondaires aux déficiences auditives ou survenant dans le contexte de troubles du langage sans surdité. Du fait que la FFR est un potentiel électrique macroscopique auquel peuvent contribuer plusieurs populations de cellules, il est très difficile d’inférer le lieu de ses générateurs. Le développement d’un modèle computationnel pourrait s’avérer comme une approche prometteuse pour étudier le traitement des sons purs, complexes et de la parole par les composants du système auditif et comment ils sont encodés dans le système nerveux. Des modèles de simulation du système auditif humain existent mais n’ont pas encore été appliqués et approfondis dans le cadre de l’étude de la FFR. Travail 1. Modéliser toutes les étapes du traitement du signal: génération du stimulus auditif, filtres de l’oreille moyenne, transduction de l’onde de pression en signal électrique, dynamique non linéaire de l’oreille interne et de la synapse, génération des potentiels de décharge et étudier leur propagation le long du nerf cochléaire jusqu’au tronc cérébral. 2. Calibrer le modèle sur base de données électrophysiologiques. 3. Confrontation du modèle avec des enregistrements réels de FFR. 4. Proposer des nouvelles méthodes de stimulation et d’acquisition sur bases des prévisions faites grâce au modèle de simulation. 5. La plupart du travail sera faite utilisant un ordinateur à grande puissance de calcul, l’étudiant sera