Les lundis Cogimage - année 2010-2011

Séminaires de l'équipe Cogimage du CRICM

Archives:

• 2005-2006, 2006-2007, 2007-2008, 2008-2009, 2009-2010

Accueil du laboratoire

Accédez directement au prochain séminaire

Les jeudis de 12H à 13H (sauf indications contraires ci-dessous).

Les salles sont indiquées par date de séminaire.

Si vous désirez venir faire un séminaire au laboratoire,

	Date	Intervenant	Laboratoire	Titre & Résumé
	Octobre
	04/10/2010 12h-13h Salle de cours du sous-sol de la médecine physique et réadaptation	Benoît Cottereau	Psychology Department, Stanford University, USA	Disparity Processing in Human Visual Cortex using High-density EEG
	11/10/2010 12h-13h Salle de cours du sous-sol de la médecine physique et réadaptation	Joan Glaunès	Université Paris 5	Modèles de distributions et courants pour les sous-variétés et application à l'estimation de prototypes en analyse d'images.
	18/10/2010 12h-13h Salle de cours du sous-sol de la médecine physique et réadaptation	Arnaud Delorme	CERCO Toulouse	Comparing results of algorithms implementing blind source separation of EEG data
	Novembre
Attention c'est à 15h	8/11/2010 15h-17h30 Salle de cours du sous-sol de la médecine physique et réadaptation	Fabrizio De Viso Fallani Guillaume Dumas	Université "La Sapienza", Rome COGIMAGE / CRICM	Defecting or not defecting : how to see human interaction during cooperative games through EEG-based functional connectivity analysis Going from a one-body to a two-body neuroscience
	"During the last decade, a new neuroimaging technics called ?hyperscanning? has brought the ability to record two or more persons simultaneously. More than a technical step this advance could create a real methodological leap by giving access to real time investigation of inter-individual exchanges. But passing from a one-body to a two-body (or more) neuroscience need also to rethink our way to create paradigms and to interpret the measures we make. I will present a study on inter-subject synchronization through spontaneous imitation made in collaboration with developmental psychologists. This study will illustrate some of the current issues and problematics which appear with the development of hyperscanning." Paper link:  http://tinyurl.com/35lzw87
	Janvier
	20/01/2011 12h-13h	Alan Pegna	Laboratory of Experimental Neuropsychology, Neuropsychology Unit / Neurology Clinic, Geneva University Hospital, Suisse	Vision aveugle et traitement subliminal chez le sujet sain
	24/02/2011 12h-13h	Maximilien Chaumon	Athinoula A. Martinos Center for Biomedical Imaging, Department of Radiology, Massachusetts General Hospital, Charlestown, MA	Exploring contextual processing at multiple scales : from sensory encoding to large-scale network effects
	Mars
	29/03/2011 14h Salle des theses de la faculté de médecine du Kremlin-Bicretre Indications géographiques	Rémi Cuingnet	ICM Equipe Cogimage, CRICM et LIF	Contributions à l’apprentissage automatique pour l’analyse d’images cérébrales anatomiques
	Jury Xavier Pennec, Directeur de Recherches à l'INRIA (rapporteur) Jean-Philippe Vert, Directeur du Centre de Bioinformatique de l'Ecole des Mines de Paris (rapporteur) Pierre Celsis, Directeur de Recherches à l'Inserm (examinateur) Emmanuel Durand, Professeur des Universités-Praticien Hospitalier, Université Paris 11 (examinateur) Jean-François Mangin, Directeur du LNAO, Neurospin (examinateur) Alain Trouvé, Professeur à l'Ecole Normale Supérieure de Cachan (examinateur) Habib Benali, Directeur de Recherches à l'Inserm, (directeur de thèse) Olivier Colliot, Chargé de Recherches au CNRS, (directeur de thèse)  Résumé L'analyse automatique de différences anatomiques en neuroimagerie a de nombreuses applications pour la compréhension et l'aide au diagnostic de pathologies neurologiques. Récemment, il y a eu un intérêt croissant pour les méthodes de classification telles que les machines à vecteurs supports pour dépasser les limites des méthodes univariées traditionnelles. Cette thèse a pour thème l'apprentissage automatique pour l'analyse de populations et la classification de patients en neuroimagerie. Nous avons tout d'abord comparé les performances de différentes stratégies de classification, dans le cadre de la maladie d'Alzheimer à partir d'images IRM anatomiques de 509 sujets de la base de données ADNI. Ces différentes stratégies prennent insuffisamment en compte la distribution spatiale des \textit{features}. C'est pourquoi nous proposons un cadre original de régularisation spatiale et anatomique des machines à vecteurs supports pour des données de neuroimagerie volumiques ou surfaciques, dans le formalisme de la régularisation laplacienne. Cette méthode a été appliquée à deux problématiques cliniques: la maladie d'Alzheimer et les accidents vasculaires cérébraux. L'évaluation montre que la méthode permet d'obtenir des résultats cohérents anatomiquement et donc plus facilement interprétables, tout en maintenant des taux de classification élevés. Abstract Brain image analyses have widely relied on univariate voxel-wise methods. In such analyses, brain images are first spatially registered to a common stereotaxic space, and then mass univariate statistical tests are performed in each voxel to detect significant group differences. However, the sensitivity of theses approaches is limited when the differences involve a combination of different brain structures. Recently, there has been a growing interest in support vector machines methods to overcome the limits of these analyses. This thesis focuses on machine learning methods for population analysis and patient classification in neuroimaging. We first evaluated the performances of different classification strategies for the identification of patients with Alzheimer's disease based on T1-weighted MRI of 509 subjects from the ADNI database. However, these methods do not take full advantage of the spatial distribution of the features. As a consequence, the optimal margin hyperplane is often scattered and lacks spatial coherence, making its anatomical interpretation difficult. Therefore, we introduced a framework to spatially regularize support vector machines for brain image analysis based on Laplacian regularization operators. The proposed framework was then applied to the analysis of stroke and of Alzheimer's disease. The results demonstrated that the proposed classifier generates less-noisy and consequently more interpretable feature maps with no loss of classification performance.
	Avril
	08/04/2011 à 11h Auditorium de l'ICM	Shlomo Bentin	Professeur de l'université de Jerusalem	Motor system contributions to social cognition: Evidence from EEG modulation in the mu-range
	08/04/2011 à 14h Salle 01/02 de l'ICM	Lucile Gamond	ICM Equipe Cogimage, CRICM	Rôle des covariations dans la formation des premières impressions :Études comportementales et électrophysiologiques
	Jury: M. Pascal Huguet (Rapporteur) M. Gilles Pourtois (Rapporteur) M. Shlomo Bentin (Examinateur) M. Roland Jouvent (Examinateur) Mme. Nathalie George (Co-directrice de thèse) Mme. Catherine Tallon-Baudry (Co-directrice de thèse) Résumé: Lorsque nous rencontrons une personne pour la première fois, nous nous en formons spontanément une première impression, qui implique des processus de catégorisation. Nous avons postulé que cette opération serait basée sur la perception de covariations entre des caractéristiques physiques et des traits de personnalité. Nous avons donc étudié le rôle de ces covariations dans les réponses neurales et comportementales liées à la formation des premières impressions. Nous avons montré, dans une première étude en magnétoencéphalographie, qu’une exposition à une covariation entre un trait physique facial et un trait de personnalité influence les réponses cérébrales précoces (dès 60-85 ms) à de nouveaux visages, indiquant que le trait physique pertinent pour la covariation a été extrait et intégré aux traitements perceptifs de nouveaux visages. Dans une seconde étude, en comportement, nous avons mis en évidence que l’exposition à une covariation ne permet d’induire un biais comportemental que dans certaines conditions d’apprentissage, se rapprochant des conditions écologiques de perception de la personne. Malgré l’absence d’influence de nos manipulations expérimentales sur la nature des jugements de personnalité formulés explicitement, nous proposons que l’exposition de courte durée à une covariation permette l’acquisition de connaissances importantes pour la formation des premières impressions telles que l’existence de traits physiques pertinents et leur association avec des traits de personnalité. Ces connaissances seraient ensuite généralisées et utilisées lors de la perception et de la catégorisation de visages nouvellement rencontrés. Abstract: On meeting a person for the very first time, we spontaneously form a first impression about him/her, which involves categorization processes. We postulated that this operation is based on the perception of covariations between physical feature and personality traits. Thus, we studied the role of such covariations in the neural and behavioural responses associated with first impressions formation. In a first magnetoencephalography study, we showed that the short exposure to a covariation between a facial physical feature and a personality trait influences early brain responses (as soon as 60-85 ms) to unknown faces. This suggests that the facial physical feature involved in the covariation was extracted and integrated into subsequent face perceptual processing. In a second study, we showed that the exposure to a covariation influence behavioral responses but under certain learning conditions only, which seemed related to ecological conditions of person perception Despite the lack of influence of our experimental manipulations on explicit personality judgments, we propose that the short exposure to a covariation allows the acquisition of important knowledge for first impressions formation, such as the existence of relevant physical features and their association with personality traits. This knowledge would be generalized and used in the perception and categorization of newly encountered faces.