MIND est une équipe-projet Inria commune avec le CEA (centre NeuroSpin) dont l'objectif scientifique global est de développer des approches statistiques d'un point de vue théorique et computationnel, et des outils logiciels ouverts pour étudier le fonctionnement et la structure du cerveau tant sur le plan cognitif que clinique. Le domaine des neurosciences fait en effet face actuellement à de nombreux défis inférentiels et computationnels. Pour ce faire, l'équipe s'appuie sur plusieurs modalités d'imagerie cérébrale, comme l'imagerie par résonance magnétique (IRM) fonctionelle et de diffusion à très haut champ magnétique pour viser la haute résolution spatiale, et des techniques d'électrophysiologie, comme l'électro- et la magnéto-encephalographie, qui elles mesurent l'activité cérébrale en temps réel. Afin d'extraire les informations les plus pertinentes de ces données, l'équipe porte une attention particulière à la résolution de problèmes inverses en 3 voire 4 dimensions, linéaires ou non-linéaires, qui lorsqu'ils sont informés par des modèles biophysiques permettent d'accéder de façon non-invasive à des paramètres quantitatifs d'intérêt dans le cerveau. Par ailleurs, au-delà de répondre aux questions "où, quand et comment peut-on identifier une activité neurale de façon certaine ?" MIND s'intéresse à l'analyse des causes induisant l'activité observée dans une aire cérébrale spécifique. Répondre à ces questions à l'aide de programmes informatiques passe par le développement de méthodes de pointe s'appuyant sur l'inférence causale, la logique, la représentation de bases de connaissances et les statistiques en grandes dimensions.

Nous concentrons nos recherches sur quatre thèmes métholodogiques, qui se complètent et se nourrissent, notamment
au travers de nouveaux outils logiciels :

1) Apprentissage machine pour les problèmes inverses en neuro-imagerie

2) Bases de données et de connaissances cérébrales hétérogènes

3) Statistique et inférence causale en grandes dimensions

4) Apprentissage machine de signaux spatio-temporels.

Ces axes de recherches s'instancient par ailleurs au travers de quatre applications principales :
 
A) Modélisation prédictive à large échelle (i.e. de population)

B) Cartographie de la cognition et des circuits cérébraux

C) Modélisation de paramètres cliniques

D) Extraction de biomarqueurs quantitatifs issus des signaux et images cérébraux.

Notre équipe travaille localement en étroite collaboration avec l'équipe Soda nouvellement créée, comme MIND, au sein du centre Inria Saclay, notamment
sur les aspects concernant l'inférence causale et les développements logiciels autour de scikit-learn/nilearn. Toujours à l'échelle du plateau de Saclay, nous
collaborons avec deux autres unités de NeuroSpin, d'abord l'équipe de physiciens de l'unité mixte CEA-CNRS BAOBAB avec qui nous implantons les
techniques d'imagerie accélérée sur les systèmes IRM haut champ, mais aussi l'unité mixte Inserm-CEA Unicog (dir: Stanislas Dehaene) avec laquelle nous 
développons entre autres des modèles d'encodage des différentes structures du langage au sein du cerveau chez le sujet sain. Au sein d'Inria, MIND
collabore avec  les équipes suivantes : Celeste, OPIS,Empenn tandis que d'autres équipes sont des utilisateurs de nos outils logiciels (e.g. Potioc à
Bordeaux). 
Les développements logiciels de l'équipe s'inscrivent dans une dynamique d'open source et à ce titre, ils s'appuient sur une communauté de développeurs
au sein d'équipes partenaires privilégiées. Concernant le logiciel nilearn qui s'appuie sur scikit-learn pour décliner des modèles d'apprentissage (encodage,
décodage) pour le cerveau humain, citons McGill University, Florida International University, Stanford comme partenaires privilégiés. Concernant le logiciel
MNE, qui permet d'analyser et de visualiser des signaux neuro-physiologiques, les partenaires académiques principaux sont  Harvard Medical School,
University of Washington, Aalto university, Boston University, UC Berkeley. L'équipe BrainDynamics de NeuroSpin contribue également à valider
les méthodes de MNE et à diffuser le standard BIDS pour les signaux MEG et EEG. Concernant le logiciel PySAP dédié au traitement d'images bas niveau
(reconstruction, restauration, débruitage), nous collaborons avec l'équipe CosmoStat de l'Irfu au sein du CEA Saclay.
Parmi les collaborations industrielles, mentionnons celle avec Siemens-Healthineers (France et Etats-Unis à Princeton) sur la reconstruction d'image IRM
par apprentissage profond ainsi que celle avec META (FAIR) pour étudier les différences entre des modèles automatiques de traitement du langage naturel
et l'organisation du langage au sein du cerveau humain. Ces deux collaborations donnent lieu à des encadrements de thèses CIFRE notamment.
Il y a par ailleurs toutes les collaborations industrielles qui entrent dans le cadre du consortium scikit-learn, mais nous ne nous en attribuons pas la
paternité, car elles sont portées par Gaël Varoquaux (Soda).