Upgrade to Pro — share decks privately, control downloads, hide ads and more …

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).

visualisation de données

October 25, 2018
Tweet

More Decks by visualisation de données

Other Decks in Technology

Transcript

  1. Manuel Mercier
    La représentation des données en
    neurosciences cognitives
    17 Oct. 2018

    View Slide

  2. Du neurone au cerveau
    Méthodes d’enregistrements électrophysiologiques
    L’ électroencéphalographie
    Biais inhérent aux méthodes
    Augmentation des dimensionnalités
    Ponts entre les disciplines
    Road map

    View Slide

  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

    View Slide

  4. Electrophysiologie = activité électrique des neurones
    Potentiel d’action
    Transmission

    View Slide

  5. Enregistrement unitaire

    View Slide

  6. « Code neural »
    Vergara et al., Neuron, 2016

    View Slide

  7. Enregistrement laminaire
    Lakatos, Journal of Neurophysiology 2005

    View Slide

  8. Utah array
    Interface cerveau-machine

    View Slide

  9. Evolution de l’Electroencéphalographie

    View Slide

  10. Evolution de l’Electroencéphalographie

    View Slide

  11. Le signal EEG
    Excellente résolution temporelle …
    mais résolution spatiale limitée

    View Slide

  12. Analyses des données électrophysiologiques
    … suivre le décours temporel du traitement de l’information …

    View Slide

  13. Potentiel évoqué par un stimulus
    temps
    électrodes

    View Slide

  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

    View Slide

  15. Biais : comment présenter des « résultats » ?
    Correction statistique pour comparaison multiple
    Courtesy of http://www.mattcraddock.com
    Différence entre les conditions

    View Slide

  16. Des traces aux topographies
    Localisation des sources: du dipôles de courant au model de sources distribuées
    Amélioration technologique et développement méthodologique

    View Slide

  17. Biais: comment référencer le signal ?

    View Slide

  18. Biais: comment référencer le signal ?

    View Slide

  19. Biais : respecter les données ?

    View Slide

  20. Michel et al., clinical neurophysiology, 2004
    Analyses de la dynamique des topographies

    View Slide

  21. Biais : « à priori » versus « à la pêche »?

    View Slide

  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

    View Slide

  23. King et al., TICS, 2014
    Analyses par classification de patterns

    View Slide

  24. King et al., TICS, 2014
    Analyses par classification de patterns

    View Slide

  25. Tallon-Baudry et al., TICS, 1999
    Analyses dans le domaine temps-fréquence

    View Slide

  26. LeVanQuyen et al., tins, 2007
    Analyses de la connectivité

    View Slide

  27. Darvas et al., neuroImage, 2009
    Analyses de la connectivité

    View Slide

  28. Palva et al., Journal of Neuroscience, 2005
    Analyses de la connectivité

    View Slide

  29. Palva et al., PNAS, 2010
    Analyses de la connectivité

    View Slide

  30. Donner du sens !
    Capacités de visualisation limitées
    Représentations accessible
    Données complexes
    Analyses élaborées mathématiquement
    Hypothèse physiologique

    View Slide

  31. Approche multimodale
    http://ielvis.pbworks.com

    View Slide

  32. Merci pour votre curiosité !
    Acknowledgements
    Project MIMe (#798853)

    View Slide