Signatures neurales des associations audiomotrices émergentes

Neural signatures of emerging audiomotor mapping

• Auteur / Autrice : Hai Qin Zhang
• Direction : Peter Neri
• Type : Projet de thèse
• Discipline(s) : Sciences cognitives, neurosciences, psychologie
• Date : Inscription en doctorat le 01/09/2024
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Lettres, Arts, Sciences humaines et sociales (Paris ; 2010-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des systèmes perceptifs (Paris ; 2014-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....)

Mots clés

Mots clés libres

Audiomotor learning

Language

Imagery

Music

Apprentissage audiomotorice

Langage

Imagerie

Musique

Résumé

Les interactions sensorimotrices sont fondamentales pour l'acquisition de comportements sophistiqués tels que la parole et la musique. Il existe des preuves solides de la communication entre les cortex moteur et auditif pendant la production de sons qualifiés, mais la dynamique de la formation des cartes sensorimotrices est encore en cours d'élucidation. Ce projet de doctorat vise à caractériser l'apprentissage des cartes audiomotrices en étudiant les réponses neuronales chez les humains formés à une nouvelle carte audiomotrice à différents niveaux de complexité et d'expertise préalable. L'apprentissage chez l'homme sera comparé à celui d'un modèle audiomoteur computationnel entraîné à identifier les commandes motrices les plus efficaces pour atteindre une cible auditive. Les résultats du projet pourraient améliorer la convivialité des interfaces cerveau-machine en tenant compte des contraintes cognitives de l'apprentissage audiomoteur.

Sensorimotor interactions are fundamental to acquiring sophisticated behaviours like speech, and music. There is robust evidence of communication between the motor and auditory cortices during skilled sound production, but dynamics of sensorimotor map formation are still being elucidated. This PhD project aims to characterise audiomotor map learning by studying neural responses in humans being trained on a new audiomotor mapping at different levels of complexity and prior expertise. Learning in humans will be compared with that of a a computational audiomotor model trained to identify the most efficient motor commands to achieve an auditory target. Results of the project may improve usability of brain-machine interfaces by taking into account cognitive constraints to audiomotor learning.