La représentation des données en neuroscience cognitive

La représentation des données en neuroscience cognitive

Parallèlement aux évolutions technologiques de ces vingts dernières années, l’étude du fonctionnement cérébral a suivi un essor tant dans les approches techniques que méthodologiques.
Cet essor qualitatif et quantitatif des données neurophysiologiques a permis le développement de nouvelles approches dans le traitement de ces données et a nécessité de nouveaux outils de visualisation. Nous proposons de partager avec vous cette histoire en l’abordant du point de vue du chercheur en neurosciences cognitives, qui se doit de représenter rigoureusement les données tout en les rendant accessibles. Nous verrons qu’atteindre cet équilibre est complexe et qu’il nécessite des échanges allant au-delà des neurosciences cognitives, qui passe non seulement par des échanges entre disciplines scientifiques mais aussi par l’éducation des non-initiés.

Manuel Mercier et Yseult Hejja-Brichard, chercheurs en Neurosciences cognitives et comportementales au Centre de Recherche Cerveau et Cognition (CerCo).

4fd94a50bc8f2c18fad2a07631b9d396?s=128

visualisation de données

October 25, 2018
Tweet

Transcript

  1. 2.

    Du neurone au cerveau Méthodes d’enregistrements électrophysiologiques L’ électroencéphalographie Biais

    inhérent aux méthodes Augmentation des dimensionnalités Ponts entre les disciplines Road map
  2. 3.

    Organisation en couches Le neurone et son axone, soma et

    arborescence dendritique Le cerveau Du neurone au cerveau A P G D Soma: 4-100 μm Axone jusqu’a 1 m Epaisseur du cortex ~ 2,5 mm
  3. 14.

    Intervalle de confiance par sujets Intervalle de confiance entre les

    sujets Biais : comment présenter des « résultats » ? Courtesy of http://www.mattcraddock.com Données par sujets et leur moyenne
  4. 15.

    Biais : comment présenter des « résultats » ? Correction

    statistique pour comparaison multiple Courtesy of http://www.mattcraddock.com Différence entre les conditions
  5. 16.

    Des traces aux topographies Localisation des sources: du dipôles de

    courant au model de sources distribuées Amélioration technologique et développement méthodologique
  6. 22.

    Classifier R.-E. Fan, K.-W. Chang, C.-J. Hsieh, X.-R. Wang, and

    C.-J. Lin. LIBLINEAR: A Library for Large Linear Classification, Journal of Machine Learning Research 9(2008), 1871-1874. Analyses par classification de patterns Grootswagers et al., journal of cognitive neuroscience, 2016
  7. 30.

    Donner du sens ! Capacités de visualisation limitées Représentations accessible

    Données complexes Analyses élaborées mathématiquement Hypothèse physiologique