Approches computationnelles d'analyse des relations entre cerveau et comportement

Computational approaches for brain-behavior relationship

• Auteur / Autrice : Jules Brochard
• Direction : Jean Daunizeau
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 15/01/2021
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Cerveau, cognition, comportement (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Institut du cerveau (Paris ; 2009-....)
• Jury : Président / Présidente : Benoît Girard
• Jury : Rapporteurs / Rapporteuses : Alexandre Gramfort, Andrea Brovelli

Mots clés

Mots clés contrôlés

Plasticité neuronale

Prise de décision

Neurosciences cognitives

Réseaux neuronaux (physiologie)

Imagerie par résonance magnétique

Mots clés libres

IRMf

Prise de décision

Médiation

Différences inter-individuelles

Réseaux de neurones

Contraintes physiologiques

FMRI

Mediation

Artificial Neural Network

Decision-making

Inter-individual Differences

Physiological onstraints

Résumé

La neuro-imagerie moderne permet de mesurer l’activité de notre cerveau. On en déduit traditionnellement soit la sensibilité de chaque région cérébrale, soit les informations qu’on peut en extraire, mais rarement leurs mécanismes internes. Dans cette thèse je propose deux méthodes différentes permettant d’identifier directement les calculs neuraux régissant nos décisions. Ma première étude se concentre sur l’analyse de médiation cérébrale, c’est-à-dire sur le rôle d’intermédiaire exercée par le cerveau entre un stimulus et une réponse. J’y étudie les caractéristiques statistiques des tests de médiation et démontre une propriété surprenante : seule la partie centrale d’une chaîne de traitement de l’information peut être identifiée comme médiatrice, les autres étapes ne contenant pas assez, ou trop, de bruit. J’adapte ensuite cette approche à l’étude des données IRMf, réduit son coût computationnel et clarifie son interprétation causale. Enfin, j’analyse une expérience de prise de décision et identifie une lien entre l’aversion à la perte des sujets et la force médiatrice du cortex préfrontal dorsolateral gauche. Ma seconde étude se concentre sur les contraintes physiologiques s’imposant aux processus neuraux, c’est-à-dire sur les calculs réalisables par des neurones façonnés par divers mécanismes biologiques. J’élabore d’abord un test permettant de discriminer des réseaux de neurones artificiels réalisant tous une même tâche, tout en étant soumis à diverses contraintes. Ensuite, je montre que les calculs du Striatum et de l’Amygdale semblent soumis à une plasticité hebbienne lors d’une prise de décision et que cette plasticité prédit le degré d’irrationalité de chaque sujet.

Modern neuroimaging allows us to measure the activity of our brain. Traditionally, either the sensitivity of each cerebral region, or the information that can be extracted from it are deduced, but their internal mechanisms are still poorly understood. In this thesis I propose two different methods to directly identify the neural computations governing our decisions. My first study focuses on brain mediation analysis, i.e. on the brain's role as an intermediary between a stimulus and a response. I first investigate the statistical properties of mediation tests and show a surprising property : only the central part of an information processing chain can be identified as a mediator and not the other steps, which contain either too little or too much noise. I then adapt this approach to the study of fMRI data, reduce its computational requirement and clarify its causal interpretation. Finally, I analyze a decision-making experiment and identify a link between subject loss aversion and the mediating force of the left dorsal-lateral prefrontal cortex. My second study focuses on the physiological constraints imposed on neural processes, i.e. the computations that can be performed by neurons shaped by various biological mechanisms. I first develop a test to discriminate artificial neural networks performing identical tasks but subject to different constraints. Then, I show that the Striatum and Amygdala calculations seem to be subject to a hebbian plasticity during decision making, and fianlly that the degree of plasticity predicts the degree of irrationality of each subject. Both these approaches can and should be extended to network level analysis in further work.