Abstract
La chirurgie éveillée des tumeurs cérébrales est une approche innovante qui vise à minimiser les risques de séquelles neurologiques chez les patients subissant une résection tumorale. Cette technique permet d'assurer que les régions critiques du cerveau ne soient pas endommagées pendant l'intervention chirurgicale. Cependant, la préservation des réseaux cérébraux impliqués dans la parole présente des défis spécifiques. Certains troubles sont souvent difficiles à discerner cliniquement, notamment en raison de la brièveté des réponses évocables et de la résolution limitée du système auditif humain. Dans ce contexte, notre projet vise à développer une méthodologie permettant de classifier automatiquement ces troubles articulatoires à partir des signaux acoustiques de la parole enregistrés lors des interventions chirurgicales. Pour ce faire, nous nous appuyons sur des algorithmes d'apprentissage machine (intelligence artificielle) capables d'analyser et d'identifier des patrons acoustiques représentatifs des différentes perturbations induites par la stimulation corticale.