Soutenir la fondation

Profil de chercheur

Bellec Pierre

Thème primaireSanté numériqueThèmes secondairesNeurosciences du vieillissement

Coordonnées

pierre.bellec@criugm.qc.ca

Biographie

Pierre Bellec est professeur titulaire au Département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal et chercheur régulier au Centre de recherche de l’Institut universitaire de gériatrie de Montréal (CRIUGM). Il est également membre associé du Mila – Institut québécois d’intelligence artificielle – où il contribue à l’interface entre neurosciences et apprentissage machine.

Titulaire d’un doctorat (imageire médicale) de l’Université de Paris XI, Pierre Bellec a poursuivi sa formation postdoctorale à l’Université McGill (MNI). Il est également professeur agrégé de Mathématiques, Ministère de l’Education Nationale et de la Recherche (2000, France).

Il est professeur agrégé au Département de psychologie de l’Université de Montréal et membre associé du Mila – Institut québécois d’intelligence artificielle – où il contribue à l’interface entre neurosciences et apprentissage machine.

Au CRIUGM, il dirige le laboratoire SIMEXP (Simulation, Exploration and Modeling of the Brain), qui développe des outils computationnels pour analyser les données de neuroimagerie à grande échelle. Il joue un rôle actif dans plusieurs initiatives, dont le projet Courtois NeuroMod, où il agit comme chercheur principal.

Intérêts de recherche

Ses intérêts de recherche se situent à l’intersection des neurosciences computationnelles, de la neuroimagerie fonctionnelle et de l’intelligence artificielle. Il s’intéresse particulièrement :

  • à l’organisation fonctionnelle du cerveau humain à l’aide de l’imagerie par résonance magnétique fonctionnelle (IRMf) ;

  • au développement d’algorithmes et de méthodes statistiques pour l’analyse de grands ensembles de données neuroimagerie ;

  • à l’apprentissage automatique appliqué aux neurosciences, notamment pour prédire des traits cognitifs ou cliniques à partir de la connectivité cérébrale ;

  • à la science ouverte, à travers le partage d’outils, de données et de pipelines reproductibles (p. ex. avec le projet NeuroLibre) ;

  • aux maladies neurodégénératives comme la maladie d’Alzheimer, pour lesquels ses méthodes sont utilisées afin d’identifier des biomarqueurs fonctionnels potentiels.

Mots clés : intelligence artificielle, apprentissage automatique, imagerie cérébrale, biomarqueurs de neurodégénérescence, modélisation neuronale, analyse des données cérébrales.