L'Utilisation de l'Apprentissage Machine pour Etudier le Contrôle Neuronal des Mouvements du Bras et de la Main

The Use of Machine Learning to Investigate the Neural Control of Arm and Hand Movements

• Auteur / Autrice : Florian Chambellant
• Direction : Elisabeth Thomas
• Type : Projet de thèse
• Discipline(s) : Neurosciences
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Environnements, Santé
• Partenaire(s) de recherche : Laboratoire : Cognition, Action, et Plasticité Sensorimotrice
• Partenaire(s) de recherche : établissement de préparation : Université de Bourgogne (1970-....)

Mots clés

Mots clés libres

Apprentissage machine

Contrôle moteur

Cortex moteur

Machine learning

Motor control

Motor cortex

Résumé

Il s'agit d'un projet hautement interdisciplinaire et transnational réunissant les compétences de deux laboratoires en France et au Canada afin de comprendre le contrôle neuronal du mouvement. La tâche à étudier sera l'extension du bras pour l'atteint d'une cible qui sera ensuite tournée avec la main. Les mouvements des bras et des mains s'effectuent par une chaîne de commandes issu du cortex moteur du cerveau, descendant jusqu'à la moelle épinière, avant de provoquer des activités électriques des muscles. Les contractions musculaires fournissent alors la force nécessaire au déplacement de ces segments corporels. Une bonne compréhension du contrôle moteur doit donc se faire à plusieurs niveaux. Au niveau de la sortie, nous étudierons le déplacement du bras et des mains à l'aide de marqueurs cinématiques et de caméras haute résolution. Simultanément, il y aura l'enregistrement des activités électriques de plusieurs muscles du bras. Ces deux aspects du projet seront étudiés au laboratoire INSERM Cognition, Action et Plasticité Sensori-motrice de l'Université de Bourgogne. Les commandes motrices pour les contractions musculaires trouvent ses origines dans le cortex moteur du cerveau. Le laboratoire de Bourgogne travaillera en collaboration avec le Dr Numa Dancause de l'Université de Montréal pour analyser cet aspect. Le groupe de l'Université de Montréal a créé des banques de données de champs électriques multicellulaires provenant des aires motrices du cerveau chez les singes lorsqu'ils effectuent la tâche décrite ci-dessus. Qu'il s'agisse de potentiels des champs électriques du cerveau ou d'enregistrements musculaires, une caractéristique importante des études sur le contrôle moteur est la collecte simultanée d'une grande quantité de données multimodales, par exemple, il y a des signaux synchronisés provenant de 200 électrodes pour les enregistrements corticaux moteurs. Malgré les grandes quantités d'énergie investies dans la collecte simultanée de signaux, une grande partie des analyses dans le domaine du contrôle moteur se fait encore à l'aide d'analyses statistiques univariées traditionnelles. Une partie centrale du projet sera donc le développement de techniques de l'apprentissage machine comme méthode capable d'exploiter les propriétés collectives des neurones et des muscles. Le doctorant travaillera avec le Dr Elizabeth Thomas à l'Université de Bourgogne. Elle travaille depuis quelques années dans le domaine de l'Apprentissage Machine pour la compréhension du contrôle moteur. Dans son laboratoire INSERM, le candidat devra apprendre à récolter des données motrices chez l'homme et à utiliser l'apprentissage machine pour les analyser. Il/elle sera amené(e) à analyser des enregistrements du cortex moteur chez le singes mais n'assistera pas au récolte des données chez les singes. Les candidats pour cette thèse devraient pouvoir programmer et avoir suivi des cours d'Apprentissage Machine.

This is a highly interdisciplinary and trans-national project bringing together the competence of two laboratories in France and Canada in order to understand the neural control of movement. The task to be studied is one of reaching to a target which has to be rotated with the hand. Arm and hand movements take place through a chain of commands which start in the motor cortex of the brain and descends to the spinal cord, before causing electrical activities in the muscles. The muscular contractions then provide the force necessary for displacing these body segments. A good understanding motor control must therefore take place at several levels. At the output level we will examine the displacement of the arm and hands using kinematic markers and high resolution cameras. Simultaneous to this, will be the recording of the electrical activities of multiple arm muscles. These two aspects of the problem are to be investigated at the INSERM Cognition, Action and Sensorimotor Plasticity Lab of the University of Burgundy. The neural activity necessary for muscular contractions originate in the motor cortex of the brain. The laboratory in Bourgogne will be working in collaboration with Dr Numa Dancause at the Université de Montreal for the analysis of this aspect. The group at the Université of Montréal has created data banks of multicellular local field potentials from the motor areas of monkey brains as they perform the task described above. Whether it be local field potentials or muscular recordings, an important feature of motor control studies is the simultaneous collection of a vast amount of multimodal data e.g. there are upto 200 electrodes in the array for motor cortical recordings. Despite the vast amounts of energy invested in the simultaneous collection of signals, much of the analyses in the field still takes place with the use of traditional univariate statistical analyses. A central part of the project will therefore be the development of Machine Learning techniques as a method which is able to exploit the collective properties of neurons to find the relationship between the physiological activities and behavioural output. The PhD candidate will work with Dr Elizabeth Thomas at the Université de Bourgogne. She has been working for several years in the field of applying machine learning techniques for the understanding of motor control. At her INSERM lab, the candidate will be expected to learn how to collect motor data from humans and use Machine Learning for the analysis of the data. He/She will be required to analyse monkey motor cortex recordings but will not be required to collect this monkey data. Those applying should be able to program and have taken classes in Machine Learning.