Décoder le langage grâce à la résonance magnétique

Résumé de l'essai

Cette étude multicentrique prévoit l’acquisition à grande échelle de données d’IRM fonctionnelle chez des volontaires sains exposés à des stimuli linguistiques riches. Trois groupes de participants faisant un nombre varié de séances d'acquisition (3 à 100 sessions) permettront de combiner deep phenotyping et large phenotyping afin d’entraîner un modèle de fondation de l’activité cérébrale. Les données incluront à la fois des images reconstruites et les signaux bruts du k-space, rarement conservés mais essentiels pour améliorer la résolution temporelle. Les modèles développés constitueront une base pour des applications cliniques futures en neurologie et psychiatrie.

Objectif principal

Développer un modèle d’intelligence artificielle capable de décoder le langage entendu à partir de l’activité cérébrale enregistrée en IRM fonctionnelle. Évaluer l’apport de données massives et de l'utilisation des données brutes de l'IRM (k-space) pour améliorer la précision et la généralisation du décodage.

Critères :

Comment postuler ?