Modélisation multimodale du vieillissement neurocognitif du langage. Perspective connectomique et intégrative chez l'individu sain

Multimodal Neurocognitive Modeling of Language during Healthy Aging. Connectomic and Integrative Approach

• Auteur / Autrice : Clément Guichet
• Direction : Monica Baciu, Martial Mermillod
• Type : Projet de thèse
• Discipline(s) : PCN - Sciences cognitives, psychologie et neurocognition
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Psychologie et Neuro Cognition
• Partenaire(s) de recherche : Equipe de recherche : Langage (Lang)

Mots clés

Mots clés libres

Langage

Mémoire

Modélisation inter-cognitive

Neurosciences cognitives

Neurosciences computationnelles

Language

Memory

Cross-cognitive Modeling

Cognitive Neuroscience

Computational Neuroscience

Résumé

L'objectif théorique est le développement d'un modèle du vieillissement neurocognitif du langage, et particulièrement de la production lexicale dans une perspective : • intégrative, c'est-à-dire en considérant les interactions entre le langage, la mémoire à long-terme, et les fonctions exécutives (L-M-EF) • connectomique, c'est-à-dire en examinant la réorganisation de réseaux cérébraux • lifespan, c'est-à-dire en considérant la variabilité intra- et inter-individuelle tout au long de la vie. • multimodale, c'est-à-dire en intégrant plusieurs modalités d'analyses afin d'obtenir une vision plus complète des mécanismes mis en jeu. L'objectif méthodologique est d'automatiser des méthodes de prétraitement en neuroimagerie pour tirer profit de grandes bases de données multimodales. Il s'agit aussi de développer de nouveaux pipelines statistiques basées sur des modèles sophistiqués en machine learning.