NERV

L'équipe NERV a pour ambition de développer des outils analytiques de pointe et des solutions technologiques innovantes pour décrypter les fonctions cérébrales. En se concentrant sur les réseaux de connectivité qui gouvernent le cerveau, l'équipe cherche à mieux comprendre comment ces réseaux fonctionnent et comment ils peuvent parfois se dérégler. Leur recherche vise principalement à surveiller ces dysfonctionnements et, quand c'est possible, à les réparer. Pour ce faire, ils travaillent à améliorer les interfaces cerveau-ordinateur (ICO) non invasives, lesquelles représentent un pont prometteur entre la technologie et notre compréhension du cerveau.

• Analyse des réseaux cérébraux multi-échelles : En étudiant le cerveau à divers niveaux de détail, ils cherchent à identifier des motifs de fonctionnement caractéristiques, qu'ils soient normaux ou pathologiques.
• Représentation géométrique et intégration des réseaux : L'équipe explore de nouvelles façons de représenter ces réseaux pour simplifier leur étude et améliorer les comparaisons.
• Fusion de données multimodales : En intégrant les données issues de diverses techniques d'imagerie cérébrale, ils ont pour objectif d’augmenter l’efficacité des ICO grâce à l'apprentissage automatique.
• Interfaces cerveau-ordinateur hybrides : Leur recherche se penche sur comment ces systèmes peuvent améliorer les interactions entre le cerveau humain et les machines.
• Utilisation des réseaux pour améliorer les ICO : Ils considèrent que les caractéristiques des réseaux cérébraux peuvent offrir des clés précieuses pour mieux décoder les intentions mentales des utilisateurs.

Les projets en cours au sein de l'équipe abordent des questions telles que la modélisation des réseaux cérébraux aux échelles multiples, la détection de transitions d'états anormales dans des espaces non-euclidiens, et la mise au point de contrôles hybrides innovants pour les interfaces cerveau-ordinateur. Grâce à ces recherches, l'équipe NERV espère transformer notre capacité à traiter et à gérer les troubles neurologiques, en apportant des solutions technologiques novatrices qui pourraient révolutionner le domaine de la santé cérébrale.

1. Ben Messaoud R., Le Du V., Bousfiha C., Corsi M.C., Gonzalez-Astudillo J., Kaufmann B.C., Venot T., Couvy-Duchesne B., Migliaccio L., Rosso C., Bartolomeo P., Chavez M. & De Vico Fallani F. (2025). Low-dimensional controllability of brain networks. PLoS Comput Biol, 21(1), e1012691. https://doi.org/10.1371/journal.pcbi.1012691
2. Presigny C., Corsi M.C. & De Vico Fallani F. (2024). Node-layer duality in networked systems. Nature Communications, 15, 6038. https://doi.org/10.1038/s41467-024-50176-5
3. Venot T., Desbois A., Corsi M.C., Hugueville L., Saint-Bauzel L. & De Vico Fallani F. (2024). Intentional binding for noninvasive BCI control. J Neural Eng, 21(4). https://doi.org/10.1088/1741-2552/ad628c
4. Dichio V. & De Vico Fallani F. (2024). Exploration-Exploitation Paradigm for Networked Biological Systems. Physical Review Letters, 132(9), 098402. https://doi.org/10.1103/physrevlett.132.098402
5. Corsi M.C., Chevallier S., De Vico Fallani F. & Yger F. (2022).  Functional connectivity ensemble method to enhance BCI performance (FUCONE). IEEE Trans Biomed Eng, 69(9). https://doi.org/10.1109/tbme.2022.3154885
6. Obando C., Rosso C., Siegel J., Corbetta M. & De Vico Fallani F. (2022). Temporal exponential random graph models of longitudinal brain networks after stroke. J R Soc Interface, 19: 20210850. https://doi.org/10.1098/rsif.2021.0850