Langage de programmation logique probabiliste pour la meta-analyse de données hétérogènes et incertaines en neuroscience cognitive

This thesis contributes to the development of a probabilistic logic programming language specific to the domain of cognitive neuroscience, coined NeuroLang, and presents some of its applications to the meta-analysis of the functional brain mapping literature. By relying on logic formalisms such as datalog, and their probabilistic extensions, we show how NeuroLang makes it possible to combine uncertain and heterogeneous data to formulate rich meta-analytic hypotheses. We encode the Neurosynth database into a NeuroLang program and formulate probabilistic logic queries resulting in term-association brain maps and coactivation brain maps similar to those obtained with existing tools, and highlighting existing brain networks. We prove the correctness of our model by using the joint probability distribution defined by the Bayesian network translation of probabilistic logic programs, showing that queries lead to the same estimations as Neurosynth. Then, we show that modeling term-to-study associations probabilistically based on term frequency-document inverse frequency (TF-IDF) measures results in better accuracy on simulated data, and a better consistency on real data, for two-term conjunctive queries on smaller sample sizes. Finally, we use NeuroLang to formulate and test concrete functional brain mapping hypotheses, reproducing past results. By solving segregation logic queries combining the Neurosynth database, topic models, and the data-driven functional atlas DiFuMo, we find supporting evidence of the existence of an heterogeneous organisation of the frontoparietal control network (FPCN), and find supporting evidence that the subregion of the fusiform gyrus called visual word form area (VWFA) is recruited within attentional tasks, on top of language-related cognitive tasks.Cette thèse contribue au développement d'un langage de programmation logique probabiliste spécifique aux neurosciences cognitives, appelé NeuroLang, et présente certaines de ses applications à la méta-analyse d'études en neuroimagerie. En reposant sur les formalismes logiques comme datalog, et leurs extensions probabilistes, nous montrons comment NeuroLang permet de mettre en relation des données incertaines et hétérogènes pour formuler des hypothèses méta-analytiques riches. Nous encodons la base de données Neurosynth dans un programme NeuroLang et formulons des requêtes logiques probabilistes permettant d'obtenir des cartes cérébrales d'association à un terme spécifique mentionné dans les études de le base de données et de coactivation similaires aux outils existants, et mettant en évidence des réseaux cérébraux connus. Nous montrons que cette modélisation est correcte en traduisant un programme logique probabiliste en un réseau bayésien dont la distribution de probabilité jointe mène aux mêmes estimations que l'outil Neurosynth. Puis, nous montrons que modéliser l'association entre études et termes de manière probabiliste à partir des mesures TF-IDF (term frequency-inverse document frequency) permet d'obtenir, pour un nombre d'études réstreint, une meilleure précision lors de la résolution de requêtes conjonctives sur des données simulées, et une meilleure cohérence sur des données réelles, que par l'application d'un seuil. Enfin, nous utilisons NeuroLang pour formaliser et tester des hypothèses concrètes de cartographie cérébrale fonctionnelle, reproduisant ainsi les résultats d'études précédentes. En calculant la solution de requêtes ségrégatives combinant la base de données Neurosynth, les modèles de sujet et l'atlas fonctionnel DiFuMo, nous supportons l'existence d'une organisation hétérogène du réseau cérébral fronto-pariétal relié au contrôle cognitif, et supportons l'implication d'une région du lobule fusiforme appelée visual word form area (VWFA) dans des tâches cognitives d'attention, en plus des tâches cognitives reliées au langage