Laboratoire d’Étude des Mécanismes Cognitifs

CV

• 2005 - prés : Maître de Conférences en Sciences Cognitives, Laboratoire EMC, Université Lyon 2.
• 2004 - 2005 : Post-doctorat à l’Institut des Sciences Cognitives, CNRS UMR 5015.
  Thème de recherche : Modélisation et Imagerie cérébrale fonctionnelle.
• 2002 - 2004 : Post-doctorat, King’s College Londres & Université d’Oxford.
  Thème de recherche : Imagerie cérébrale fonctionnelle et multisensorialité. Dir. : M. J. Brammer & G. A. Calvert
• 1998 - 2002 : Doctorat de Sciences Cognitives, Institut National Polytechnique de Grenoble, Institut des Sciences Cognitives. Dir. : H. Paugam-Moisy.
• 2001 – 2002 : Attachée Temporaire d’Etudes et de Recherche, IUT Lyon 2.
• 1998 – 2001 : Allocataire de Recherche et moniteur d’Enseignement Supérieur
• 1998 : DEA Sciences Cognitives, Institut National Polytechnique Grenoble
• 1997 : Licence Sciences Cognitives, universités Lyon 1, Lyon 2, ENS Lyon
• 1996 : Maîtrise Mathématiques Appliquées, Université Lyon 1

Enseignements

• Co-responsable de la 1ère année de la Licence Sciences Cognitives avec Pascale Colliot

• Responsable des modules :

• Informatique et programmation (L1, L2 et L3 Sciences Cognitives, M1 Psychologie Cognitive)
• Modélisation (L2 Sciences Cognitives)
• Programmation avancée (L3 Sciences Cognitives)
• Connexionnisme (L3 Sciences Cognitives)
• Introduction aux techniques de modélisation et de simulation des processus cognitifs (M1 psychologie Cognitive)
• Programmation de systèmes intelligents (M1 Sciences Cognitives)
• Informatique et Modélisation (M1 et M2 Sciences Cognitives)
• Imagerie Cérébrale (L3 Sciences Cognitives)

Fichier pour L3

Recherche

INTÉGRATION MULTISENSORIELLE, IMAGERIE FONCTIONNELLE ET MODÉLISATION

L’intégration multisensorielle est la capacité qu’a le système cognitif à intégrer des informations venues de différents récepteurs sensoriels en une représentation unifiée. Des travaux antérieurs ont montré que des aires sensorielles et des aires dites intégratives, de plus haut niveau, seraient activées par cette fonction. Il a alors été proposé que l’intégration multisensorielle se ferait tardivement, après traitement des stimuli par chacune des modalités. C’est à partir de ces hypothèses que nous avons construit un modèle connexionniste multi-modulaire d’une mémoire multimodale, qui serait capable de relier entre elles les différentes facettes sensorielles d’un objet.

Or, très récemment, la possibilité d’une intégration très précoce, au sein même des aires sensorielles a été évoquée. D’autre part, les rôles sur les processus intégratifs de divers facteurs (sémantique, attention) reste encore indéterminés. Nous souhaitons donc développer un modèle de l’intégration multisensorielle pouvant fournir un cadre explicatif à ces observations contradictoires. Pour cela, nous souhaitons nous appuyer sur deux approches méthodologiques couplées : la modélisation informatique large-échelle, et l’imagerie cérébrale, afin de tenter de répondre aux questions suivantes :

Comment s’organise le réseau fonctionnel cérébral de l’intégration multisensorielle ?

Comment différents facteurs expérimentaux permettent d’influer sur cette organisation ?

Comment se fait le passage du niveau du signal neuronal unitaire au niveau de l’activité hémodynamique globale observée en IRMf ?

GENERALISABILITE DES RESEAUX EMOTIONNELS

Ce projet étudie la similarité des réseaux cérébraux engagés dans le traitement de stimuli émotionnels, en fonction de la valence des stimuli, pour différents types de stimuli : a-t’on une communauté des réseaux cérébraux activés pour traiter deux stimuli positifs de type différent ?

Nous souhaitons répondre à cette question en traitant les activités cérébrales recueillies par la neuro-imagerie à l’aide d’outils de classification robustes, les réseaux de neurones artificiels.

En effet, si on peut établir une classification des images cérébrales uniquement en fonction de la valence des stimuli associés, c’est que les traitements reflétés par ces images sont séparables selon la valence et communs selon le type de stimulus traité.

Après une première expérience en neuro-imagerie, nous entraînons maintenant un classifieur neuronal à séparer les images cérébrales recueillies en se basant uniquement sur la valence. Nous pourrons ensuite étudier les caractéristiques des images cérébrales permettant la discrimination, et donc préciser les universaux et les spécificités des traitements.

PERCEPTION DES EXPRESSIONS FACIALES DE PEUR ET SCHIZOPHRENIE

Une des formes les plus handicapantes de la schizophrénie est la schizophrénie paranoïde. Cette forme de la pathologie pourrait être liée à une difficulté à reconnaître visuellement les expressions faciales, et en particulier l’expression de la peur. Nous souhaitons donc explorer avec l’IRMf ce lien entre une détection abusive de la peur chez autrui et les symptômes paranoïaques de la schizophrénie. En particulier y a-t-il une activation anormale de structures telles que l’amygdale ou l’hippocampe liée à l’existence de symptômes paranoïaques ? Nous étudions également le rôle de la dissonance entre vision et audition dans la perception des émotions chez les schizophrènes.

THEORIE DE L’ESPRIT ET SCHIZOPHRENIE

La Théorie de l’Esprit décrit l’ensemble des inférences que nous réalisons lorsque nous voulons comprendre les états mentaux de nos semblables. Frith a proposé un modèle hiérarchique de classement des différents symptômes de la schizophrénie. Nous cherchons à étudier la validité de ce classement lors de tâches d’interprétation des intentions sous-jacentes à des situations d’interactions sociales complexes et dynamiques. ,La question centrale de cette recherche est la suivante : peut-on relier ce niveau de décryptage des intentions avec les symptômes observés dans des sous-groupes de patients schizophrènes ?

Publications

PUBLICATIONS DANS DES REVUES A COMITES DE LECTURE

• Ecker C, Reynaud E, Williams SC, Brammer MJ.(2007) Detecting functional nodes in large-scale cortical networks with functional magnetic resonance imaging : a principal component analysis of the human visual system. Hum Brain Mapping, 28(9):8
• Russell, T.A., Reynaud, E., Pietura, K., Benson, P.,Zelaya, F., Giampietro, V., Brammer, M.J., David, A., Philips, M.L..(2007) Neural responses to dynamic expressions of fear inschizophrenia, Neuropsychologia, 45(1):107-123
• Russell, T. A., Reynaud, E., Herba, C., Morris, R. and Corcoran, R. (2006). Do you see what I see ? Interpretations of intentional movement in schizophrenia. Schizophrenia Research, 81(1):101-11
• Mourao-Miranda J, Reynaud E, McGlone F, Calvert G, Brammer M. (2006) The impact of temporal compression and space selection on SVM analysis of single-subject and multi-subject fMRI data. Neuroimage, 33(4):1055-65 17-34.
• Reynaud, E., Crépet, A., Paugam-Moisy, H. , Puzenat, D. (2000). A computational model for binding sensory modalities. Consciousness and Cognition, vol. 9(2), p. 87-88.
• Ecker, C., Reynaud, E. , Brammer, M. J., Williams, S. R. The investigation of functional connectivity in the human visual system using local Principal Components Analysis. Soumis.

COLLOQUES INTERNATIONAUX AVEC COMITES DE LECTURE

• Reynaud, E. Paugam-Moisy, H. (2005). A Multiple BAM for Hetero-association and Multisensory Integration Modelling, IEEE-INNS Proceedings of International Joint Conference on Neural Networks 2005, p. 2117-2122, Montreal, Canada.
• Ecker, C., Reynaud, E., Amaro, E. Jr. And Williams, S. C. (2004). Functionnal connectivity in the human visual system remodelled with local Principal Component Analysis. Proceedings of the 6th fMRI Experience, Sao Paulo, Brazil.
• Reynaud, E. (2002). A model for binding multisensory stimuli. Proceedings of the 3rd Annual Meeting of the International Multisensory Research Forum, p. 118, Geneva, Switzerland.
• Paugam-Moisy, H., Puzenat, D., Reynaud, E., Mague, J-P. Neural (2002). Networks for modelling memory : case studies . Proceedings of the 10th European Symposium on Artificial Neural Networks, p. 71-82, Bruges, Belgium. Reynaud, E., Puzenat, D. (2001). A multisensory identification system for robotics. Proceedings of IJCNN’2001, Int. Joint Conf. on Neural Networks, pp.2924-2929, Washington, USA. Paugam-Moisy, H., Reynaud, E. (2001). Multi-network system for sensory integration. Proceedings of IJCNN’2001, Int. Joint Conf. on Neural Networks, pp.2343-2348, Washington, USA
• Crépet, A., Paugam-Moisy, H., Reynaud, E., Puzenat, D. (2000). A modular neural network for binding several modalities. Proceedings of IC-AI’2000, Int. Conf. of Artificial Intelligence, pp.921-928, Las Vegas, USA.
• Reynaud, E., Crépet, A., Paugam-Moisy, H., Puzenat, D. (2000). A modular neural network model for a multi-modal associative memory. Proceedings of ICCNS’2000, Int. Conf. on Cognitive and Neural Systems, p.107, Boston, USA.

COLLOQUES NATIONAUX AVEC COMITES DE LECTURE

• Crépet, A., Paugam-Moisy, H., Puzenat, D., Reynaud, E. (2000). Mémoire associative multimodale et mécanismes de retour de l’information pour la discrimination. Dans Actes de CAP’2000, Conférence sur l’Apprentissage, Editions Hermès, pp.69-82, St-Etienne, France.
• Reynaud, E., Puzenat, D., Paugam-Moisy, H. (1999). Vers un modèle de mémoire associative multi-modale.’’ Dans Actes du 3ème Colloque Jeunes Chercheurs en Sciences Cognitives, pp.195-203, Bordeaux, France.
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

web marketing

Contact

Emanuelle Reynaud
Laboratoire d’étude des Mécanismes Cognitifs
Université Lumière Lyon 2
5 avenue Pierre Mendès-France
69676 Bron Cedex
France
Tel : (+33) 4 78 77 24 31
E-mail : emanuelle.reynaud@univ-lyon2.fr