Webinaires – Groupe Early Career

Webinaires thématiques 

Les dates et programme du prochain webinaire vous seront annoncés très prochainement.

Points epistémologiques 

La rubrique de Jacques Hilbey, LIMICS – UPMC, Inserm, Paris

28 janvier 2021 – La crise de la reproductibilité 

 

18 mars 2021 – « La Fameuse p-value »

 

!!!!NOUVELLE VIDEO !!!! 20 mai 2021 – « Des paradigmes en psychiatrie »

Webinaires thématiques 

Modélisation animale des troubles de l’usage d’alcool et comorbidités associées – J. Jeanblanc, INSERM UMS 1247, Université de Picardie Jules Verne 

Jeudi 28 janvier 2021


Comparaison des effets de la rTMS et de l’iTBS sur la dépression et la qualité de vie dans la dépression unipolaire – Andrew Laurin, Laboratoire « Mouvement, Interactions, Performance » (EA 4334), Université de Nantes, CHU Nantes

Jeudi 18 Mars 2021

 

!!!!NOUVELLE VIDEO !!!! Les algorithmes et la robotique permettent de décrire comment nous apprenons l’écriture manuscrite, et comment mieux aider les enfants avec des difficultés dans ce domaine – T. Gargot, Chef de clinique – Assistant au Centre Universitaire de Pédopsychiatrie, EXcellence Center in Autism and neurodevelopmental disorders – Tours ExAC-, CHRU de Tours; doctorant en informatique à l’Université Paris 8, Paris Sorbonne, Hôpital Pitié-Salpêtrière Paris.

Jeudi 20 mai  2021

Webinaires thématiques – PsyStatOmics

Intégration multi-blocs et multi-niveaux de données

Jeudi 18 février 2021

Arnaud Gloaguen PhD, est venu présenter les stratégies qu’il a développées pour l’intégration multi-blocs et multi-niveaux. Il est actuellement post-doctorant dans l’équipe d’Arthur Tenenhaus, à Centrale Supélec, et a fait son travail de thèse également au sein de l’équipe Brainomics de Vincent Frouin à Neurospin (intitulé « A statistical and computational framework for multiblock and multiway data analysis »).

Pour une application à des données multiomiques, Amazigh Mokhtari, doctorant dans l’équipe NeuroDiderot-PROTECT (avec Andrée Delahaye et Pierre-Éric Lutz)a illustré l’application de ces stratégies à ses données.

Clustering

Jeudi 27 mai 2021

Le clustering est souvent utilisé dans l’espoir d’identifier, de manière non supervisée, des sous-groupes homogènes au sein d’un ensemble hétérogène. Cependant, une fois les clusters délimités, comment s’assurer de leur validité? Comment s’assurer que ces « dits » clusters ne représentent pas simplement une variabilité physiologique normale,  due à l’âge et au sexe par exemple ? Pour illustrer la problèmatique, Anton IFTIMOVICI (Inserm IPNP, CEA Saclay) a d’abord présenté des travaux préliminaires réalisés sur trois cohortes, à différents stades de la psychose : un groupe à très haut risque, un groupe présentant un premier épisode de psychose, et un groupe souffrant de schizophrénie. L’hypothèse initiale était qu’à chaque stade de la maladie, il y avait trois groupes neuroanatomiques différents (un groupe neuroanatomiquement préservé, et deux groupes altérés de diverses manières). Malgré une résidualisation préalable pour tenir compte des effets de l’âge et du sexe, et  bien que semblant stables d’un stade à l’autre, l’équipe s’est heurtée au fait que ces « clusters » étaient aussi exactement les mêmes dans la population témoin saine, les invalidant d’un point de vue physiopathologique. Pour présenter une solution originale, Robin LOUISET, doctorant d’Edouard Duchesnay à NeuroSpin (CEA), a discuté de l’algorithme qu’il a développé et validé pour faire des clusters sur un espace indépendant de la variabilité normale/bruit, obtenant ainsi des sous-groupes pertinents d’un point de vue physiopathologique. Il s’agit d’un cadre d’apprentissage automatique de maximisation des attentes pour le regroupement non supervisé piloté par l’apprentissage supervisé (et il est appelé « UCSL »).

Nos partenaires

Newsletter

 

S'abonner à la newsletter :

Protection des données
Voir nos mentions légales