Kevin VERDIERE - Soutenance en cours de traitement

Adresse Professionnelle
10 Avenue Edouard Belin 31000
TOULOUSE FRANCE
kevin.verdiere@isae-supaero.fr
Identifiant ORCID 0000-0001-5112-1716
Compte LinkedIn https://www.linkedin.com/in/kevin-verdi%C3%A8re-374351b0/

Projet professionnel :

chercheur en milieu académique
chercheur en entreprise, R&D du secteur privé
pilotage de la recherche et de l’innovation, gestion de projets innovants, pilotage de structures innovantes

Techniques maîtrisées :
Neurosciences, Interfaces Cerveau Machine, Interaction Homme Machine, Traitement de Signal, Machine Learning, Monitoring Neurophysiologiques, EEG, fNIRS, ECG, EyeTracking.

Doctorat Systèmes embarqués

Thèse soutenue le 19 décembre 2019 - Institut Supérieur de l'Aéronautique et de l'Espace

Ecole doctorale : SYSTEMES

Sujet : Approche en connectivité du monitoring d'état mental en contexteaéronautique : de l’opérateur unique aux coéquipiers

Mots-clés de la thèse : fNIRS,EEG,Classification,Connectivité,Pilotage,Suivi d'états mentaux,

Direction de thèse : Frédéric DEHAIS

Co-direction de thèse : Raphaëlle ROY

Unité de recherche : ISAE-ONERA ACDC - Analyse, Commande Dynamique et Conception des systèmes - Toulouse
Intitulé de l'équipe : ISAE/DCAS/EDSYS/ACDC Département de Conception et conduite des véhicules Aéronautiques et Spatiaux

Diplôme national de master - Physique, Mécanique, Sciences de l'Ingénieur

obtenu en juin 2013 - Université de Rouen
Option : Ingénierie pour le Bio-médical

Production scientifique

- Kevin J. Verdière, Mélisande Albert, Frédéric Dehais, Raphaëlle N. Roy 2019. Physiological synchrony revealed by delayed coincidence count: Application to a cooperative complex environment IEEE Transactions on Human-Machine Systems, 0,
- Kevin J. Verdière, Frédéric Dehais and Raphaëlle N. Roy 2019. Spectral EEG-based classification for operator dyads’ workload and cooperation level estimation IEEE SMC, 0,
- Verdière, K. J.; Roy, R. N. Dehais, F. 2018. Mesuring pilot’s engagement using fNIRS connectivity features in an automated vs manual landing scenario Frontiers in Human Neuroscience, Volume 12, page 6, https://www.frontiersin.org/articles/10.3389/fnhum.2018.00006/full
- Dehais, F.; Duprès, A.; Di Flumeri, G. ; Verdière, K. J. ; Borghini, G. ; Babiloni, F. ; Roy, R. N. 2018. Monitoring pilot’s cognitive fatigue with engagement features in simulated and actual flight conditions using hybrid fNIRS-EEG passive BCI IEEE SMC, 0,
- Verdière, K. J. ; Scannella, S. ; Dehais, F. Roy, R. N. 2017. Inflight Event-Related Potentials using a Dry-EEG system 3rd Symposium on cutting-edge methods for EEG Research, 0,
- Roy, R. N.; Verdière, K. J.; Scannella, S. Dehais, F. 2017. Passive BCI tools for mental state estimation in aerospace applications 1st Neuroadaptative Technology Conference, 79,
- Verdière, K. J. ; Roy, R. N. Dehais, F. 2017. Pilot engagement estimation using fNIRS connectivity features in an automated vs manual landing scenario JJC-ICON, 0,
- Senoussi, M. ; Verdière, K. J. ; Bovo, A. ; Chanel, C. P. C. ; Dehais, F. R N Roy 2017. Pre-stimulus antero-posterior EEG connectivity predicts performance in a UAV monitoring task IEEE SMC, 0, https://ieeexplore.ieee.org/document/8122770/

Dernière mise à jour le 19 mars 2020