Structurer et propulser l'approche multivers pour l'analyse de données IRM faisant usage des techniques d'apprentissage automatique

Jeremy Lefort-Besnard

Résumé : Face à la crise de reproductibilité, la communauté de la neuroimagerie a réagi en instaurant diverses mesures, telles que le partage du code et la conteneurisation des environnements logiciels. Cependant, il est crucial de noter que ces mesures ne garantissent pas nécessairement la robustesse des résultats, c'est-à-dire leur stabilité face aux variations des procédures expérimentales. Pour améliorer cette robustesse, une approche pertinente consiste à prendre en considération de manière appropriée les sources essentielles de variations. L'idée de suivre simultanément de nombreux chemins analytiques dans le même ensemble de données, afin de donner du sens à un multivers de choix possibles, se présente comme une solution prometteuse pour atteindre cet objectif. Dans le cadre de mon projet de recherche, je propose une structuration du multivers spécifiquement dédiée à l'analyse de données IRM faisant usage des techniques d'apprentissage automatique. Ce projet vise à standardiser une méthodologie permettant un éclairage exhaustif de la variabilité des résultats engendrée par les choix analytiques, contribuant ainsi à renforcer la confiance et la fiabilité des résultats obtenus.