\begin{tcolorbox}
\textbf{Titre :} Développement d'outils d'intelligence artificielle pour le post-traitement des données de neuro-monitorage afin d'optimiser la prise en charge des patients en neuro-réanimation \\
\textbf{Mots clés :} Pression intracrânienne, Compliance cérébrale, Autorégulation cérébrale, Intelligence artificielle, Traitement du signal

\vspace{0.25cm}

\begin{multicols}{2}
En unité de neuro-réanimation, le monitorage de la pression intracrânienne (PIC) vise quasi-exclusivement à prevenir les épisodes d'hypertension intracrânienne, dont le seuil est généralement fixé à 20 mmHg. Cependant, la morphologie du signal de PIC est le reflet de différentes caractéristiques du système cérébrospinal, et contient donc des informations sur l'état clinique du patient qui ne peuvent être résumées à un simple chiffre. L'objectif de cette thèse est d'explorer les possibilités offertes par le monitorage continu de la PIC pour étudier deux propriétés biomécaniques du système cérébrospinal : la compliance cérébrale, désignant la relation pression-volume régnant au sein de la boîte crânienne, et l'autorégulation cérébrale, correspondant à la capacité de préservation du débit sanguin cérébral par des mécanismes de vasoconstriction. Pour ce faire, les analyses développées consistent à détecter automatiquement des pics caractéristiques de la morphologie du signal de PIC monitoré en continu, ainsi qu'à définir des indices \textit{ad hoc}  sur la base de décompositions non-linéaires du signal de PIC.
\end{multicols}
\end{tcolorbox}

\vspace{1cm}

% English Section
\begin{tcolorbox}
\textbf{Title :} Development of artificial intelligence tools for the post-processing of neuromonitoring data to optimize patient management in neuro-intensive care. \\
\textbf{Keywords:} Intracranial pressure, intracranial compliance, cerebral autoregulation, artificial intelligence, signal processing

\vspace{0.25cm}

\begin{multicols}{2}
In neuro-intensive care units, intracranial pressure (ICP) monitoring is aimed almost exclusively at preventing episodes of intracranial hypertension, the threshold for which is generally set at 20 mmHg. However, the morphology of the ICP signal reflects various characteristics of the cerebrospinal system, and therefore contains information about the patient's clinical condition that cannot be summarized by a single number. The aim of this thesis is to explore the possibilities offered by continuous ICP monitoring to study two biomechanical properties of the cerebrospinal system: cerebral compliance, designating the pressure-volume relationship prevailing within the cranium, and cerebral autoregulation, corresponding to the ability to preserve cerebral blood flow through vasoconstriction mechanisms. To this end, the analyses developed consist in automatically detecting peaks characteristic of the morphology of the continuously monitored ICP signal, as well as defining ad hoc indices based on non-linear decompositions of the ICP signal.

\end{multicols}
\end{tcolorbox}