La recherche des dernières décennies nous a offert une compréhension détaillée des processus par lesquels les aires visuelles du cerveau reconstituent les signaux physiques de l’environnement pour en générer des représentations. Cependant, la proposition selon laquelle la perception serait également le produit d’inférences et attentes, qui nous permettraient d’interpréter plus exactement les informations entrantes à l’aide d’expériences passées, est récurrente dans l’histoire des neurosciences cognitives. Le predictive coding (PC), qui est actuellement un modèle influent de la perception, propose qu’un des rôles principaux du cerveau est de prédire les informations entrantes. L’apprentissage visuel serait ainsi orienté en fonction d’informations n’ayant pas été correctement prédites ou d’erreurs de prédiction. Le PC est associé depuis quelques années par le phénomène de suppression neuronale (SN), où la réduction graduelle de l’activité cérébrale associée au traitement répété d’un stimulus, représenterait la réduction des erreurs de prédiction. Cette thèse propose premièrement que bien que la SN puisse être le reflet d’un processus assimilable au PC, celle-ci ne le représente possiblement qu’en partie. Une mesure additionnelle reflétant la correction ou l’ajustement des prédictions déclenché par l’erreur de prédiction serait alors nécessaire.
Dans un premier temps, une revue critique des principaux courants de la recherche sur l’apprentissage est présentée sous la forme d’un chapitre de livre du domaine plus large du développement des capacités d’apprentissage. Celle-ci permet de préciser les aspects fondamentaux de l’habituation, la SN et la capacité à associer des éléments en mémoire, ainsi que l’importance de caractériser ces phénomènes aussi pleinement que possible par l’utilisation de nouvelles mesures, ce qui motive les études expérimentales présentées subséquemment. Par la suite, une première étude visant à identifier une mesure complémentaire à celle de la SN reflétant un processus d’ajustement de prédictions est présentée. Cette mesure, nommée entropie multi-échelles (EME), offre une estimation de la quantité d’information d’un signal électroencéphalographique (EEG) et de la capacité de traitement des réseaux neuronaux sous-jacents. La première hypothèse de cette étude était donc que la SN serait accompagnée d’une augmentation de l’EME au-dessus de la région occipito-temporale lors d’un apprentissage de visages. Puisque les phénomènes reflétés par la SN et l’EME s’appuieraient sur la contribution de régions distantes dont le cortex préfrontal dorsolatéral, la deuxième hypothèse était que ces mesures seraient altérées par une modulation exogène de l’activité de cette région préfrontale par stimulation électrique transcrânienne à courant direct (SETCD). Les résultats ont montré que le signal EEG présentait à la fois une SN et une augmentation de l’EME avec l’apprentissage. De plus, la modulation préfrontale par SETCD a entraîné des variations de l’EME de la région occipito-temporale, sans toutefois avoir un impact sur la mesure de SN. La première étude suggère ainsi que la SN et l’EME reflètent des mécanismes cérébraux impliqués dans l’apprentissage visuel et compatibles au modèle de PC.
Dans la deuxième étude, l’hypothèse d’une association entre les mesures de SN et d’EME a été reprise, cette fois dans le contexte d’un apprentissage visuel relationnel, étant donné le potentiel que représente les connaissances d’associations passées entre items pour la génération de prédictions. Dans ce contexte, des effets de SN et d’augmentation d’EME ont été obtenus à nouveau et étaient associées à la réussite de l’encodage d’associations de visages-paysages. Un deuxième aspect de cette étude visait à investiguer la présence d’effets semblables chez de jeunes enfants sains, étant donné plusieurs études suggérant que le PC et la mémoire relationnelle soient fonctionnels dans la première année de vie. Cependant, étant donné l’absence d’effets dans ce groupe, les résultats de la deuxième étude suggèrent que la présence du PC tôt dans le développement s’appuie possiblement sur d’autres ressources que la mémoire relationnelle. Les études de cette thèse sont une première démonstration du potentiel que représentent les mesures de SN et d’EME dans la compréhension des mécanismes qui sous-tendent la perception et l’apprentissage visuel. / Research over the last decades has offered detailed knowledge of the processes by which visual areas use physical signals from the environment to represent it accurately. However, the proposition that perception also relies on inferences and predictions based on past experience to allow more efficiency in the interpretation of incoming signals has been recurrent throughout the history of cognitive neuroscience. In recent years, the predictive coding (PC) model, which proposes that the brain acts as a predictor of incoming information, has been influential in this field. Learning is therefore driven by prediction error and encoding is essentially restricted to unpredicted inputs, thus allowing adjustments to predictions. PC has been associated with repetition suppression (RS), whereby the gradual reduction in brain responses associated with the repeated processing of a stimulus is thought to represent prediction error reduction. This thesis proposes that although RS may be attributable to a PC process, it may not represent it fully. To do so would necessitate the use of an additional measure reflecting prediction adjustments carried out as a consequence of prediction error.
A critical review of the principal currents in the cerebral mechanisms underlying learning is presented first. This review underlines the fundamental aspects of habituation, RS and the ability to associate elements to one another in memory and the importance of characterizing these phenomena fully using new measures of learning, which motivates the experimental studies presented next. Then, a study aimed at identifying a measure complementary to RS and reflecting a prediction adjustment process is presented. This measure, named multiscale entropy (MSE), offers an estimation of the information content of an electroencephalogram (EEG), and of the underlying neural networks. The first study’s main hypothesis was that RS would be accompanied with an increase in MSE over occipito-temporal areas during learning of faces. As the processes reflected by these measures would rely on distal contributions including the dorsolateral prefrontal cortex (DLPFC), the second hypothesis was that exogenous modulation of this region using transcranial direct current stimulation (tDCS) would alter RS and MSE effects found over occipito-temporal cortex. As predicted by hypotheses, EEG signal showed both RS and MSE increase from the first presentation of a face to the second over occipito-temporal sites. Additionally, prefrontal tDCS modulated brain signal complexity over right occipito-temporal cortex during learning, but did not influence RS over the same region. The first study therefore suggests that RS and MSE reflect mechanisms involved in learning of visual stimuli that appear compatible with the PC account of perception and learning.
In the second study the hypothesis of an association between RS and MSE increase was investigated again, this time in the context of a visual relational memory task, given the high potential past associations of items represent for prediction generation. In this context, RS and MSE increase effects were replicated in study trials leading to correct associations of face-landscape pairings. The second study also investigated the presence of similar effects in a sample of young healthy children, given that recent studies have found evidence of both PC mechanisms and relational memory ability emerging in the first year of life. However, given the lack of effects in this sample of participants, we suggest that while PC mechanisms may emerge early, relational memory may contribute later in the course of development. Together, the studies presented in this thesis represent the first demonstration of the potential the combined use of measures of RS and signal complexity represent in further understanding the cerebral underpinnings of visual perception and learning.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/26843 |
| Date | 04 1900 |
| Creators | Lafontaine, Marc Philippe |
| Contributors | Lippé, Sarah |
| Source Sets | Université de Montréal |
| Language | fra |
| Detected Language | French |
| Type | thesis, thèse |
| Format | application/pdf |
Page generated in 0.0038 seconds