The neurosemantic networks of object nouns : Analysis and Interpretation

Abstract

Plusieurs études soutiennent l’idée que la cognition est distribuée et émerge de multiples interactions dynamiques entre différentes régions cérébrales (Sporns 2010; Fuster 2006; Bressler 1995; Mesulam 1990). Comme le mot est une cognition, ce mot est donc distribué et émerge sous forme d’un réseau à grande échelle. Dans ce réseau, les informations lexicales (phonologie, orthographie, morphologie) sont distribués dans différentes régions cérébrales. Chaque mot est relié à sa sémantique incluant les formes physiques, les couleurs, les mouvements, les actions distribués dans la mémoire sémantique (Fischer and Zwaan 2008; Martin 2007; Kutas and Federmeier 2000). Nous construisons le réseau neurosémantique des mots, où les noeuds correspondent aux mots et des arêtes correspondent aux liens sémantiques entre un nombre arbitraire de mots. Ce réseau est ensuite analysé au moyen de plusieurs mesures de graphes y compris : la centralité, le coefficient de clustering et le chemin. Notre méthode permet une meilleure compréhension de certaines déficits lexico sémantiques observés chez des patients atteints des maladies comme la démence sémantique ou l’Alzheimer (Mesulam et al. 2013; Jefferies et al. 2009). Une simulation basée sur la théorie de la percolation peut fournir une explication pour certains phénomènes bien connus dans la neuropsychologie cognitive, tels que: les troubles sémantiques lexicales restreints à des catégories sémantiques spécifiques (Warrington and Shallice 1984) et des déficits sémantiques lexicales qui résultent de la dégradation progressive des connaissances sémantiques comme le cas chez les patients atteints de la démence sémantique (Hoffman, Jones, and Ralph 2012). L’étude s’est faite sur le graphe v transformé ; le réseau des features ; où les noeuds sont les caractéristiques d’objets stockées dans la mémoire sémantique et les liens sont les noms d’objets. L’analyse des réseaux neurosémantique des noms concrets a montré que ces réseaux ont une structure de ‘‘petit monde’’ (small world), qui possède une organisation fonctionnelle du cerveau induisant la ségrégation, une forte densité de connectivités entre les voisins de chaque noeud, et l’intégration où les chemins courts ont la capacité de favoriser le transit d’information rapidement entre leurs noeuds. La dégradation des connaissances sémantiques modifie la structure du réseau des features. La méthode proposée dans cette thèse apporte à la neuroscience cognitive un outil computationnel pour tester les prédictions et conduire des simulations en se basant sur des calculs mathématiques. Aussi ce model permet une meilleure compréhension des déficits cognitifs observés chez les patients atteints des maladies comme la démence sémantique ou l’Alzheimer.