Cette thèse s'intègre dans le cadre du projet Européen FACETS. Pour ce projet, des systèmes matériels mixtes analogique-numérique effectuant des simulations en temps réel des réseaux de neurones doivent être développés. Le but est d'aider à la compréhension des phénomènes d'apprentissage dans le néocortex. Des circuits intégrés spécifiques analogiques ont préalablement été conçus par l'équipe pour simuler le comportement de plusieurs types de neurones selon le formalisme de Hodgkin-Huxley. La contribution de cette thèse consiste à la conception et la réalisation des circuits numériques permettant de gérer la connectivité entre les cellules au sein du réseau de neurones, suivant les règles de plasticité configurées par l'utilisateur. L'implantation de ces règles est réalisée sur des circuits numériques programmables (FPGA) et est optimisée pour assurer un fonctionnement temps réel pour des réseaux de grande taille. Des nouvelles méthodes de calculs et de communication ont été développées pour satisfaire les contraintes temporelles et spatiales imposées par le degré de réalisme souhaité. Entre autres, un protocole de communication basé sur la technique anneau à jeton a été conçu pour assurer le dialogue entre plusieurs FPGAs situés dans un système multicarte tout en garantissant l'aspect temps-réel des simulations. Les systèmes ainsi développés seront exploités par les laboratoires partenaires, neurobiologistes ou informaticiens.

Dans ce travail de thèse, nous avons modélisé le rôle de la dopamine dans l'apprentissage et dans les processus de sélection de l'action en lien avec les ganglions de la base. L'activité des neurones dopaminergiques présente de nombreuses similarités avec l'erreur de prédiction de la récompense utilisée par les algorithmes d'apprentissage par renforcement. Ainsi, ces neurones sont supposés guider le processus de sélection de l'action.Dans une première partie, nous avons analysé l'information encodée par les neurones dopaminergiques dans une tâche à choix multiples en la comparant à différentes informations utilisées par les modèles d'apprentissage par renforcement. Nos résultats suggèrent que l'information encodée par les neurones dopaminergiques enregistrer dans la tâche n'est que partiellement compatible avec une erreur de prédiction et semble en partie dissociée du comportement.Dans une deuxième partie, nous avons simulé l'effet de la dopamine sur un modèle des ganglions de la base prenant en compte des connections existant chez le primate, souvent négligées dans la littérature. La plupart des modèles actuels font en effet l'hypothèse d'une séparation stricte de deux chemins dans les ganglions de la base : le chemin direct lié à la récompense et le chemin indirect lié à la punition. Cependant des études anatomiques remettent en question cette dissociation, en particulier chez le primate. Nous proposons ainsi d'étudier comment différents niveaux de dopamine, dans le contexte de la maladie de Parkinson, affectent l'apprentissage et la sélection de l'action dans ce modèle / In this thesis work, we modelled the role of dopamine in learning and in the processes of action selection through its interaction with the basal ganglia. During the 90’s, the work of Schultz and colleagues has led to major progress in understanding the neural mechanisms underlying the influence of feedback on learning. The activity of dopaminergic neurons exhibited properties of the reward prediction error signal used in so-called Temporal Difference (TD) machine learning algorithms. Thus, DA has been thought to be the neural signal that help us to adapt our behavior. In the first part of my PhD, we analyze the information encoded by dopaminergic neurons recorded during a multi-choice task. In this purpose, we modeled the task and simulated different TD learning algorithms to quantitatively compare their ability to reproduce dopamine neurons activity. Our results show that the information carried out by dopamine neurons is only partly consistent with a reward prediction error and seems to be dissociated from behavioral adaptation.In the second part of my PhD, we study the effect of different levels of dopamine in a biologically plausible model of primates basal ganglia that considers existing connections often neglected in the literature. Indeed, most of current models of basal ganglia assume the existence of two segregated pathway: the direct pathway associated with reward and the indirect pathway associated with punishment. However, anatomical studies in primates revealed that these two pathways are not dissociated. We study the ability of such a model to reproduce beta oscillations observed in Parkinsonian and the differences in reward and punishment sensitivity, with high or low-level of dopamine.

Comprendre le comportement du système visuel rétino-thalamo-cortico-colliculaire (i.e. précoce) dans une situation d'images naturelles est d'une importance capitale pour comprendre ce qui se passe ensuite dans le cerveau. Pour comprendre ces comportements, les neurobiologistes ont étudié les voies standard, Parvocellulaires et Magnocellulaires, depuis des décennies. Cependant, il y a aussi la voie non-standard, ou Koniocellulaire, qui joue un rôle modulateur important dans les traitements local, global, et entremêlé, pour atteindre de tels comportements. Particulièrement, l'analyse standard du mouvement réalisée par la voie Magno est alternée avec des réactions rapides, comme la fuite ou l'approche à des mouvements spécifiques, qui sont pré-câblés dans la voie Konio. De plus, l'étude d'une tâche de fixation dans une situation réelle, par exemple quand un prédateur s'approche lentement de sa proie, implique non seulement un mécanisme de mouvement, mais nécessite également l'utilisation de la voie Parvo, qui analyse, au moins, le contraste de l'image. Ici, nous étudions dans un modèle neuronal de calcul bio-inspiré comment ces voies peuvent être modélisées avec un ensemble minimal de paramètres, afin de fournir des résultats numériques robustes lors d'une tâche réelle. Ce modèle repose sur une étude approfondie pour intégrer des éléments biologiques dans l'architecture des circuits, les constantes de temps et les caractéristiques de fonctionnement des neurones. Nos résultats montrent que notre modèle, bien que fonctionnant via des calculs locaux, montre globalement un bon comportement de réseau en termes d'espace et de temps, et permet d'analyser et de proposer des interprétations de l'interaction entre le thalamus et le cortex. À une échelle plus macroscopique, les comportements du modèle sont reproductibles et peuvent être qualitativement comparés à des mesures de fixation oculaire chez l'homme. Cela est également vrai lorsque l'on utilise des images naturelles, où quelques paramètres sont légèrement modifiés, en gardant des résultats qualitativement humains. Les résultats de robustesse montrent que les valeurs précises des paramètres ne sont pas critiques, mais leur ordre de grandeur l'est. Une instabilité numérique ne se produit qu'après une variation de 100% d'un paramètre. Nous pouvons donc conclure que cette approche systémique est capable de représenter les changements de l'attention en utilisant des images naturelles, tout en étant algorithmiquement robuste. Cette étude nous donne ainsi une interprétation possible sur le rôle de la voie Konio, tandis qu'en même temps elle nous permet de participer au débat sur les low et high-roads des flux attentionnel et émotionnel. Néanmoins, d'autres informations, comme la couleur, sont également présentes dans le système visuel précoce, et pourraient être prises en considération, ainsi que des mécanismes corticaux plus complexes, dans les perspectives de ce travail / Understanding the behavior of the retino-thalamo-cortico-collicular (i.e. early) visual system in a natural images situation is of utmost importance to understand what further happens in the brain. To understand these behaviors, neuroscientists have looked at the standard Parvocellular and Magnocellular pathways for decades. However, there is also the non-standard Koniocellular pathway, which plays an important modulating role in the local, global, and intermingled processing carried out to achieve such behaviors. Particularly, the standard motion analysis carried out by the Magno pathway is alternated with rapid reactions, like fleeing or approaching to specific motions, which are hard-wired in the Konio pathway. In addition, studying a fixation task in a real situation, e.g., when a predator slowly approaches its prey, not only involves a motion mechanism, but also requires the use of the Parvo pathway, analyzing, at least, the image contrast. Here, we study in a bio-inspired computational neural model how these pathways can be modeled with a minimal set of parameters, in order to provide robust numerical results when doing a real task. This model is based upon an important study to integrate biological elements about the architecture of the circuits, the time constants and the operating characteristics of the different neurons. Our results show that our model, despite operating via local computations, globally shows a good network behavior in terms of space and time, and allows to analyze and propose interpretations to the interplay between thalamus and cortex. At a more macroscopic scale, the behaviors emerging from the model are reproducible and can be qualitatively compared to human-made fixation measurements. This is also true when using natural images, where just a few parameters are slightly modified, keeping the qualitatively human-like results. Robustness results show that the precise values of the parameters are not critical, but their order of magnitude matters. Numerical instability occurs only after a 100% variation of a parameter. We thus can conclude that such a reduced systemic approach is able to represent attentional shifts using natural images, while also being algorithmically robust. This study gives us as well a possible interpretation about the role of the Konio pathway, while at the same time allowing us to participate in the debate between low and high-roads in the attentional and emotional streams. Nevertheless, other information, such as color, is also present in the early visual system, and should be addressed together with more complex cortical mechanisms in a sequel of this work

De nos jours, les opérations chirurgicales sont impossibles à imaginer sans anesthésie générale, qui implique la perte de conscience, l'immobilité, l'amnésie et l'analgésie. La compréhension des mécanismes sous-jacents de chacun de ces effets garantit un traitement médical bien contrôlé. Cette thèse se concentre sur l'effet analgésique de l'anesthésie générale, précisément, sur la réaction du patient aux stimuli nociceptifs. Nous étudions également les différences des réactions entre différents médicaments anesthésiques. L'étude a été effectuée sur un ensemble de données constituées de 230 signaux EEG : enregistrements pré- et post-incision obtenus sur 115 patients qui ont reçu du desflurane et du propofol. La première phase de l'étude comprend l'analyse spectrale de puissance, qui est une méthode très répandue dans le traitement du signal. L'information spectrale a été décrite en ajustant l'activité de fond, qui exhibe un comportement $1/f$, aux estimations de la densité spectrale de puissance des signaux d'EEG et en mesurant la puissance contenue dans des bandes delta et alpha par rapport à la puissance de l'activité de fond. Une autre amélioration a été réalisée par l'expansion des spectres avec des informations de temps en raison de la nature non stationnaire observée dans les signaux EEG. Pour obtenir les représentations temps-fréquence des signaux nous appliquons trois méthodes différentes: scalogramme (basé sur la transformée en ondelettes continue), spectrogramme classique, et réaffectation de spectrogramme. Celle-ci permet d'améliorer la lisibilité d'une représentation temps-fréquence en réaffectant l'énergie contenue dans le spectrogramme à des positions plus précises. Par la suite, les spectrogrammes obtenus ont été utilisés pour la reconstruction de l'espace de phase, pour l'analyse récurrence et pour sa quantification par une mesure de complexité. L'analyse de récurrence permet de décrire et visualiser les dynamiques récurrentes d'un système et de découvrir des motifs structurels contenus dans les données. Ici, les diagrammes de récurrence ont été utilisés comme réécriture de grammaire pour transformer le signal original en une séquence symbolique, où chaque symbole représente un certain état du système. Trois mesures de complexité différentes sont alors calculées à partir de ces séquences symboliques afin de les utiliser comme éléments de classification. Enfin, en combinant les caractéristiques obtenues avec l'analyse spectrale de puissance et avec l'analyse symbolique de récurrence, nous effectuons la classification des données en utilisant deux méthodes de classification~: l'analyse discriminante linéaire et les machines à vecteurs de support. La classification a été effectuée sur des problèmes à deux classes, la distinction entre les signaux EEG pré- / post-incision, ainsi qu'entre les deux différents médicaments anesthésiques, desflurane et propofol. / Nowadays, surgical operations are impossible to imagine without general anesthesia, which involves loss of consciousness, immobility, amnesia and analgesia. Understanding mechanisms underlying each of these effects guarantees well-controlled medical treatment. This thesis focuses on analgesia effect of general anesthesia, more specifically, on patients reaction to nociceptive stimuli. We also study differences in the reaction between different anesthetic drugs. The study was conducted on dataset consisting of 230 EEG signals: pre- and post-incision recordings obtained form 115 patients, who received desflurane and propofol. The first stage of the study comprise power spectral analysis, which is a widespread approach in signal processing. Spectral information was described by fitting the background activity, that exposes $1/f$ behavior, to power spectral density estimates of the EEG signals and measuring power contained in delta and alpha bands relatively to the power of background activity. A further improvement was done by expanding spectra with time information due to observed non-stationary nature of EEG signals. To obtain time-frequency representations of the signals we apply three different methods: scalogram (based on continuous wavelet transform), conventional spectrogram, and spectrogram reassignment. The latter allows to ameliorate readability of a time-frequency representation by reassigning energy contained in spectrogram to more precise positions. Subsequently, obtained spectrograms were used as phase space reconstruction in recurrence analysis and its quantification by complexity measure. Recurrence analysis allows to describe and visualize recurrent dynamics of a system and discover structural patterns contained in the data. Here, recurrence plots were used as rewriting grammar to turn an original signal into a symbolic sequence, where each symbol represents a certain state of the system. After computing three different complexity measures of resulting symbolic sequences they are used as features for classification. Finally, combining features obtained with power spectral analysis and recurrence symbolic analysis, we perform classification of the data using two classification methods: linear discriminant analysis and support vector machines. Classification was carried out on two-class problem, distinguishing between pre-/post-incision EEG signals, as well as between two different anesthetic drugs, desflurane and propofol.

Cette thèse s’intègre dans le cadre du projet Européen FACETS. Pour ce projet, des systèmes matériels mixtes analogique-numérique effectuant des simulations en temps réel des réseaux de neurones doivent être développés. Le but est d’aider à la compréhension des phénomènes d’apprentissage dans le néocortex. Des circuits intégrés spécifiques analogiques ont préalablement été conçus par l’équipe pour simuler le comportement de plusieurs types de neurones selon le formalisme de Hodgkin-Huxley. La contribution de cette thèse consiste à la conception et la réalisation des circuits numériques permettant de gérer la connectivité entre les cellules au sein du réseau de neurones, suivant les règles de plasticité configurées par l’utilisateur. L’implantation de ces règles est réalisée sur des circuits numériques programmables (FPGA) et est optimisée pour assurer un fonctionnement temps réel pour des réseaux de grande taille. Des nouvelles méthodes de calculs et de communication ont été développées pour satisfaire les contraintes temporelles et spatiales imposées par le degré de réalisme souhaité. Entre autres, un protocole de communication basé sur la technique anneau à jeton a été conçu pour assurer le dialogue entre plusieurs FPGAs situés dans un système multicarte tout en garantissant l’aspect temps-réel des simulations. Les systèmes ainsi développés seront exploités par les laboratoires partenaires, neurobiologistes ou informaticiens. / This work has been supported by the European FACETS project. Within this project, we contribute in developing hardware mixed-signal devices for real-time spiking neural network simulation. These devices may potentially contribute to an improved understanding of learning phenomena in the neo-cortex. Neuron behaviours are reproduced using analog integrated circuits which implement Hodgkin-Huxley based models. In this work, we propose a digital architecture aiming to connect many neuron circuits together, forming a network. The inter-neuron connections are reconfigurable and can be ruled by a plasticity model. The architecture is mapped onto a commercial programmable circuit (FPGA). Many methods are developed to optimize the utilisation of hardware resources as well as to meet real-time constraints. In particular, a token-passing communication protocol has been designed and developed to guarantee real-time aspects of the dialogue between several FPGAs in a multiboard system allowing the integration of a large number of neurons. The global system is able to run neural simulations in biological real-time with high degree of realism, and then can be used by neurobiologists and computer scientists to carry on neural experiments.