Master Thesis Online
Fast and Accurate Characterization of Neuronal Activity with HD-MEAs
Boxus, Florent 
Promotor(s) :
Franci, Alessio
Date of defense : 30-Jun-2025/1-Jul-2025 • Permalink : http://hdl.handle.net/2268.2/23233
Details
| Title : | Fast and Accurate Characterization of Neuronal Activity with HD-MEAs |
| Translated title : | [fr] Caractérisation rapide et précise de l’activité neuronale avec HD-MEAs |
| Author : | Boxus, Florent
|
| Date of defense : | 30-Jun-2025/1-Jul-2025 |
| Advisor(s) : | Franci, Alessio
|
| Committee's member(s) : | Lambrechts, Dennis
Sacré, Pierre
Drion, Guillaume
|
| Language : | English |
| Number of pages : | 105 |
| Keywords : | [en] Spike [en] Detection [en] Network [en] HD-MEA [fr] Spike [fr] Réseau [fr] Détection |
| Discipline(s) : | Engineering, computing & technology > Electrical & electronics engineering |
| Commentary : | TFE réalisé dans le cadre d'un stage chez IMEC. |
| Research unit : | IMEC |
| Target public : | Researchers Professionals of domain |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Degree: | Master : ingénieur civil électricien, à finalité spécialisée en Neuromorphic Engineering |
| Faculty: | Master thesis of the Faculté des Sciences appliquées |
Abstract
[en] This thesis addresses the complex problem of data processing from High-Density Microelectrode Arrays (HD-MEAs). It aims at developing both robust and low latency spike detection algorithms for allowing functional characterization of the neuronal activity on the chip and future closed-loop experiments applications.
[fr] Ce travail aborde le problème complexe du traitement des données à partir de réseaux de microélectrodes haute densité (HD-MEAs). Il vise à développer des algorithmes robustes et à faible latence de détection de spikes pour permettre la caractérisation fonctionnelle de l’activité neuronale sur la puce et les futures applications d’expériences en boucle fermée.
File(s)
Document(s)
MasterThesis_Florent_Boxus.pdf
Description:
Size: 10.56 MB
Format: Adobe PDF
Erratum_MasterThesis_Florent_Boxus.pdf
Description: -
Size: 62.75 kB
Format: Adobe PDF
Annexe(s)
AbstractTFE_Florent_Boxus.pdf
Description:
Size: 216.2 kB
Format: Adobe PDF
Cite this master thesis
All documents available on MatheO are protected by copyright and subject to the usual rules for fair use.
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.
