Accueil > Personnel

Martial Mermillod

Martial Mermillod


Laboratoire de Psychologie et Neurocognition
CNRS UMR 5105
Université Grenoble Alpes
Bâtiment Sciences de l’Homme et Mathématiques
BP47, 38040 Grenoble Cedex 9 France



Tél. : +33 [0]4.76.82.59.26

Martial.Mermillod "arobase" univ-grenoble-alpes.fr

Professional Situation

Curriculum Vitae (CV)

  • 2019-2023. Chaire en Intelligence Artificielle MIAI (HUB-3IA de l’Université Grenoble Alpes).
  • 2012-Présent. Université Grenoble-Alpes (UGA). Professeur des Universités (Classe Exceptionnelle depuis le 01/09/2019).
    Laboratoire de Psychologie et NeuroCognition (LPNC - UMR CNRS 5105).
    Equipe : Vision & Emotion.
  • 2011-2012. Université Blaise Pascal (Clermont-Ferrand 2). Professeur des Universités (PR Classe 2).
    Laboratoire de Psychologie Sociale et Cognitive (LAPSCO- UMR CNRS 6024).
    Equipe 3 : Emotion, Affect et Cognition.
  • 2010-2015. Membre de l’Institut Universitaire de France.
  • 2010. Habilitation à Diriger des Recherches (08 Novembre 2010).
  • 2005-2011. Université Blaise Pascal (Clermont-Ferrand 2). Maître de Conférences.
    Laboratoire de Psychologie Sociale et Cognitive (LAPSCO- UMR CNRS 6024).
    Equipe 3 : Emotion, Affect et Cognition.
  • 2004-2005. Université Pierre Mendès France (Grenoble 2). Post-doctorat.
    Laboratoire de Psychologie et NeuroCognition (LPNC- UMR CNRS 5105).
    Groupe 2 : Perception et Mémoire.
  • 2000-2004. Université de Liège (Belgique). Doctorat en Sciences Cognitives.
    Département de Sciences Cognitives.
  • 1999-2000 Université de Savoie (Chambéry). Master de Psychologie.

Research Overview

This overview describes the main research topics related to my chair in Artificial Intelligence. These projects combine Neural Computation, Psychology and Cognitive Neurosciences in order to understand and replicate human cognitive processes for more efficient and resilient artificial neural networks. This work is supported by different fundings from the CEA (Commissariat à l’énergie atomique et aux énergies alternatives) and MIAI (Multidisciplinary Institute in Artificial Intelligence)

Inspired from human intelligence (and foolishness) for the development of artificial intelligence

This fact is largely unknown but the current revolution in artificial intelligence originates from cognitive sciences with the emergence at the end of the 1980s of the first convolutional neural networks (cf. LeCun, Bengio & Hinton, 2015 for a synthesis) under the influence of the parallel and distributed processing group initiated by the American psychologist David Rumelhart (Figure 1). Through the use of gradient descent algorithm, David Rumelhart and the PDP group (Rumelhart, Hinton, McClelland & PDP Research Group, 1986) enabled the advent of Multi-Layer Perceptron (the MLP, and Deep Learning, its direct offspring) by going beyond the limits of the first artificial neural network, the Perceptron invented by another American psychologist : Frank Rosenblatt (Rosenblatt, 1958). The work of Frank Rosenblatt himself was made possible by the original work of various neurologists, psychologists, and neuropsychologists (McCulloch & Pitts, 1943 ; Hebb, 1949).

Figure 1. The origin of Artificial Neural Networks is interdisciplinary research between (mainly) Psychology, Neurosciences and Computer Sciences.

After 50 years of competition with more conventional but less efficient Machine Learning and Artificial Intelligence methods, neural netwoks and its more recent evolution, convolutional neural networks (i.e. Deep Learning) finally showed groundbreaking performance in 2012 (Krizhevsky, Sutskever, & Hinton, 2012). Interestingly, those who were the most opposed to artificial neural networks before 2012 are also those who received the most funding to do Artificial Intelligence after 2012, after the current revolution of AI induced by artificial neural networks !!!

Unfortunately, Deep Learning is often used today as a magic wand that some try to optimize (often by adding several dozen layers of neurons to gain a few percentages on a benchmarks) but without knowledge of (1) where does Deep Learning comes from and (2) which areas of the brain are simulated in a very simplified but optimized way.

The aim of this work is therefore to draw inspiration from the brain to overcome the current limits of Deep Learning and, more generally, Artificial Intelligence.

1 – A new generation of neural networks inspired from the human brain for lifelong learning

Artificial neural networks are not able to learn sequential tasks because they suffer from catastrophic forgetting of old knowledge as new knowledge is learned (McCloskey and Cohen, 1989). For example, a neural network cannot learn French and then Korean sequentially (it must learn both databases together so as not to forget one). I started my PhD thesis in 2000 on this basic property in order to develop lifelong learning solutions in neural networks by coupling two artificial neural networks (Figure 2) in a similar manner compared to the human brain. However, at that time, neural networks were not of interest to the mainstream AI except a few cognitive scientists.


Figure 2. Development of a new generation of artificial intelligences that can continue to learn in the field by bio-psycho-inspiration (mnesic consolidation in an agnostic manner).

Thanks to an efficient collaboration with the Commissariat à l’énergie atomique et aux énergies alternatives (CEA-LETI and CEA-LIST) we have revived this work and adapted it to deep learning in order to obtain a new generation of AIs that can perform lifelong learning in the field in a agnostic manner (i.e. without a priori knowledge on the data), and without forgetting the anterior knowledge (Figure 3). Results show remarkable performance without adding new neurons, new synapses, new neural networks (hidden in multi-head neural networks) or prior knowledge of the data.



Figure 3. Performance of our dual-memory network inspired from the human brain and cognition.

2 – The Predictive Brain hypothesis

The mainstream of research in Deep Learning (e.g. convolutional neural networks) is based on pure bottom-up processes from perceptual to associative layers. This process simulates in a simplified manner (by means of convolution/pooling layers) the neural processes along the occipito-temporal cortex (Figure 4, Kuzovkin, Vicente, Petton, Lachaux, Baciu, Kahane, ... & Aru, 2018 ; Yamins, Hong, Cadieu, Solomon, Seibert, & DiCarlo, 2014).


Figure 4. Convolutional neural networks are inspired from the human brain and simulate in a very simplified manner the occipito-temporal cortex when processing visual classification tasks for instance.

However, an important difference between Deep Learning and the occipito-temporal cortex (provided by different evidence in Cognitive Psychology and Cognitive Neuroscience) is that human brain has more top-down synaptic connectivity from cognitive to perceptual layers than bottom-up connexions (Bullier, 2001). In other words, our perception is guided by our cognition. That could explain why, when we are observing the following picture (Figure 5) we don’t expect that the human will jump outside of the board and cross the road !

Figure 5. An advertising board. Humans will immediately understand the meaning of the sign, not the AI (so far). Therefore, an autonomous vehicle can suddenly stop because it anticipates that the running woman will cross the road.

In the human brain, a psychological and neuroimaging data suggests that anticipation could be generated in the orbitofrontal cortex (COF) and fed back to perceptual areas (Bar, 2004). Following this theoretical approach, visual recognition is not the result of pure bottom-up processes from the perceptual system (e.g. the retina, the lateral geniculate nucleus and the occipital cortex) to high-level cortical areas dedicated to visual cognition (e.g. identification or categorization of stimuli). Instead, the predictive brain hypothesis suggest that top-down processes, based on low spatial frequency information, are rapidly carried out by the parietal and orbitofrontal cortex (OFC) and then back-propagated to the temporal cortex processing more slowly high spatial frequency information (Figure 6), increasing the efficiency of these perceptual processes (Bar et al., 2006 ; Kauffmann, Ramanoël, & Peyrin, 2014).

Figure 6. Theoretical model of the predictive brain hypothesis based on top-down connectivity from the OFC to the occipito-temporal pathway on the basis of fMRI data (Kauffmann, Ramanoël, & Peyrin, 2014) or MEG data (Bar et al. 2006).

We have provided behavioral (Beffara, Wicker, Vermeulen, Ouellet, Bret, Funes, & Mermillod, 2015) as well as neurophysiological evidence (Mermillod, Grynberg, Pio-Lopez, Rychlowska, Beffara, Harquel, Vermeulen, Niedenthal, Dutheil, & Droit-Volet, 2018) based on ElectroEncephaloGraphic (EEG) and ElectroMyoGraphic (EMG) suggesting that high level cortical areas (processing, for instance, social information) are able to modulate very rapid perceptual processes (Figure 7).



Figure 7. Modulation of EMG and Event Related Potential (ERP) by social information during exposure to emotional facial expressions.

Importantly, we have shown that the implemention of recurrent top-down synaptic connectivity from associative to perceptual layers (i.e. by means of a Simple Reccurent Networks), is able to improve the anticipation capacities of an Artificial Intelligence aiming at decoding and anticipating human emotional expressions (Figure 8, Mermillod, Bourrier, David, Kauffmann, Chauvin, Guyader, ... & Peyrin, 2019)


Figure 8. A reccurent neural network is better at anticipating ambiguous emotion expressions than a neural network based on pure bottom-up processes (Mermillod, Bourrier, David, Kauffmann, Chauvin, Guyader, ... & Peyrin, Neural Networks, 2019)

Our aim now is to go one step further and use our knowledge of the human brain in order to obtain more robust artificial intelligences. An important weakness of Deep Learning is that the introduction of small disturbances on the stimulus to be categorized which are imperceptible to human perception are sufficient to prompt the model to make a bad prediction with high confidence. This phenomenon, called adversarial attack, is capable of transforming a stop sign into a priority road sign, quite problematic for a safe autonomous vehicle ! It is also possible to transform an airplane into a dog for military drones (figure 9), which could be even more than problematic ! Therefore, an armada of engineers has been deployed by universities and private companies to find the mathematical roots of this phenomenon and countering these potential adversary attacks, with little success so far.


Figure 9. Examples of adversarial attacks that consists of hacking Artificial Intelligences by small perturbations on the stimulus to be categorized. Humans are not (are very lightly) disturbed by these adversarial attacks.

Our aim is to understand why humans are not sensitive to adversarial attacks in order to make AI more robust to hacking.

3 – The Importance of Low Spatial Frequencies for Visual Threat Detection

The human perceptual system provides ultra-rapid access to coarse-scale (low spatial frequency information mainly provided by peripheral vision) to a wide range of cortical (parietal, temporal and orbitofrontal cortex) and subcortical areas (e.g. the amygdala). This is not the case for finer visual details (high spatial frequencies) which are transferred more slowly to specific cortical areas dedicated to complex visual analysis, and in particular via the ventral pathway from the occipital to the temporal cortex (Figure 10). Why has the human cognitive system evolved to have faster access to coarse scales ?


Figure 10. Example of different spatial frequency channels and the experimental design. Top : Broad spatial frequencies. Bottom, from left to right : <8 CpI ; 8-16 CpI ; 16-32 CpI ; 32-64 CpI and >64 CpI.

Behavioral experiments point to a preferential link between low spatial frequencies (LSF) and fear conditioning (Mermillod, Droit-Volet, Devaux, Schaefer, & Vermeulen, 2010). Moreover, by means of neural computation (Figure 11a), we have provided computational evidence showing that this preferential link is supported by the statistical properties of the stimuli (Mermillod, Guyader, & Chauvin, 2005 ; Mermillod, Guyader, Peyrin, Alleysson, & Marendaz, 2006 ; Mermillod, Vuilleumier, Peyrin, Alleysson, & Marendaz, 2009 ; Mermillod, Bonin, Mondillon, Alleysson, & Vermeulen, 2010). It seems that the cognitive system have a computational advantage to access rapidly to LSF information for correct categorization of emotional expressions (Figure 11b).

Figure 11a. Classification of emotional expressions by our artificial neural network.

Figure 11b. Correct categorization rate of the artificial neural network on the basis of different spatial frequency channels.

However, a our recent data (Figure 12) in the field of cognitive neuroscience on the basis of MagnetoEncephaloGraphy (MEG) study (McFadyen, Mermillod, Mattingley, Halász, & Garrido, 2017) suggests that contrast information could actually be the key factor (probably even better than spatial frequencies) to trigger the fear system (e.g. the cerebral amygdala).

Figure 12. Dynamic Causal Modelling (DCM) results on the basis of MagnetoEncephaloGraphy (MEG) recording showing a subcortical route to the amygdala irrespective to different spatial frequencies (but after contrast normalisation of the emotional faces !)

Our current work aims at determining which psychophysical properties (either spatial frequencies, contrast, luminance and colors) are most important for threat detection in biological and artificial neural networks.

Complementary lines of research

This overview is a brief summary of complementary research topics that we have developed with our group (PhD and post-docs) in the fields of :

-  Continual learning for multimodal datasets (Marion Mainsant, 2020-currently)..
-  Bio-inspired algorithms against adversarial attacks (Bourrier Yannick, 2019-2021).
-  Incremental learning in artificial neural networks (Miguel Angel Solinas, 2018-currently).
-  Toward the Unique Goal of Exit Signs : Being Perceived and Followed (Sarah Khazaz, 2020-currently).
-  Predictive brain in autism (Adeline Lacroix, 2018-currently).
-  Biological neural networks for predictive brain (Léa Entzmann, 2018-currently).
-  Implicit measures of consumer behaviors (Candice François, 2016-2020).
-  Authoritarianism and evaluative conditioning (Amélie Bret, 2015-2018).
-  Artificial retina and color perception (Prakhar Amba, 2015-2018).
-  Integration of conceptual and perceptual uncertainty in driving situation (Boris Quétard, 2012-2018).
-  Emotional regulation & authoritarianism on destructive obedience (Johan Lepage, 2012-2017).
-  High-Frequency Heart Rate Variability (HF-HRV) and pro-social behaviors (Brice Beffara, 2013-2016).
-  Emotion regulation and risk perception on active volcano (Gaetan Merlhiot, 2012-2016).
-  Evaluation of the side effects of Repetitive Transcranial Magnetic Stimulation (rTMS) as a therapy for depressed patients (Damien Devaux, 2009-2013).

You can find the details about these topics in the list of scientific articles.

Scientific Articles (Peer Reviewed)

Note concernant l’authorship : La première position indique l’investigateur principal de la recherche, le dernier auteur indique la position de l’encadrant principal (i.e. directeur de thèse ou de mémoire). L’avant-dernière position indique la position du co-directeur. Ensuite, l’implication dans le projet est indiquée par ordre décroissant (2° ; 3° ; etc.)

  • 1. Solinas, M., Galiez, C., Rousset, S., Reyboz, M. & Mermillod, M. (in press). A universal property of autoencoders and application to transfer learning. IEEE International Conference on Machine Learning and Applications.
  • Solinas, M., Rousset, S., Reyboz, M. & Mermillod, M. (in press). Beneficial effect of combined replay for continual learning. International Conference on Agents and Artificial Intelligence.
  • Merlhiot, G., Mondillon, L., Méot, A., Dutheil, F., & Mermillod, M. (in press). Facial Width-to-height Ratio Underlies Perceived Dominance on Facial Emotional Expressions. Personality and Individual Differences. [FACTEUR D’IMPACT : 2.31 ; Q1]
  • Vuillaume, R., Bourrier, Y., David, E., & Mermillod, M. (2020). Recurrent top-down synaptic connections at different spatial frequencies help disambiguate between dynamic emotions. In Proceedings of the 42nd Annual Meeting of the Cognitive Science Society. Mahwah, NJ : Lawrence Erlbaum Associates.
  • Clinchamps, M., Auclair, C., Prunet, D., Pfabigan, D., Lesage, F. X., Baker, J. S., Parreira, L., Mermillod, M., Gerbaud, L., & Dutheil, F. (2020). Burnout Among Hospital Non-Healthcare Staff : Influence of Job-Demand-Control Support, and Effort-Reward Imbalance. Journal of Occupational and Environmental Medicine. [FACTEUR D’IMPACT : 1.64 ; Q3]
  • Kovarski, K., Caetta, F., Mermillod, M., Peyrin, C., Perez, C., Granjon, L., Delorme, R., Cartigny, A., Zalla, T., & Chokron, S. (2020). Emotional face recognition in autism and in cerebral visual impairments : In search for specificity. Journal of Neuropsychology. [FACTEUR D’IMPACT : 2.47 ; Q2]
  • Dutheil, F., Pélangeon, S., Duclos, M., Vorilhon, P., Mermillod, M., Baker, J. S., Pereira, B., & Navel, V. (2020). Protective Effect on Mortality of Active Commuting to Work : A Systematic Review and Meta-analysis. Sports Medicine, 1-14. [FACTEUR D’IMPACT : 3.29 ; Q1]
  • Dutheil, F., Baker, J. S., Mermillod, M., De Cesare, M., Vidal, A., Moustafa, F., Pereira, B., & Navel, V. (2020). Shift work, and particularly permanent night shifts, promote dyslipidaemia : A systematic review and meta-analysis. Atherosclerosis. [FACTEUR D’IMPACT : 3.92 ; Q1]
  • Shankland, R., Favre, P., Kotsou, I. & Mermillod, M. (2020). Mindfulness and De-automatization : Effect of Mindfulness-Based Interventions on Emotional Facial Expressions Processing. Mindfulness, 1-14. https://doi.org/10.1007/s12671-020-01515-2 [FACTEUR D’IMPACT : 3.69 ; Q1]
  • Lepage, J., Bègue, L., Zerhouni, O., Dambrun, M., Vezirian, K., Besson, T., Bonneterre, S., & Mermillod, M. (2020). Authoritarian attitudes are associated with higher autonomic reactivity to stress and lower recovery. Emotion (Washington, DC). [FACTEUR D’IMPACT : 3.18 ; Q1]
  • Dutheil, F., Bessonnat, B., Pereira, B., Baker, J. S., Moustafa, F., Fantini, M. L., Mermillod, M., & Navel, V. (2020). Napping and cognitive performance during night shifts : a systematic review and meta-analysis. Sleep, 170, 60-72. [FACTEUR D’IMPACT : 5.13 ; Q1]
  • Dutheil, F., Charkhabi, M., Ravoux, H., Brousse, G., Dewavrin, S., Cornet, T., ... & Mermillod, M. (2020). Exploring the Link between Work Addiction Risk and Health-Related Outcomes Using Job-Demand-Control Model. International Journal of Environmental Research and Public Health, 17(20), 7594. [FACTEUR D’IMPACT : 2.47 ; Q1]
  • Caplette, L., Gosselin, F., Mermillod, M., & Wicker, B. (2020). Real-world expectations and their affective value modulate object processing. NeuroImage, 213, 116736. [FACTEUR D’IMPACT : 5.81 ; Q1]
  • Trouilloud, A., Kauffmann, L., Roux-Sibilon, A., Rossel, P., Boucart, M., Mermillod, M., & Peyrin, C. (2020). Rapid scene categorization : From coarse peripheral vision to fine central vision. Vision Research, 170, 60-72. [FACTEUR D’IMPACT : 2.18 ; Q1]
  • Dutheil, F., Comptour, A., Mermillod, M., Pereira, B., Clinchamps, M., Charkhabi, M., ... & Bourdel, N. (2020). Letter to the Editor : Comment on “Maternal exposure to air pollution and risk of autism in children : A systematic review and meta-analysis”. Environmental Pollution, 264, 114724. [FACTEUR D’IMPACT : 5.71 ; Q1]
  • Dutheil, F., Zaragoza-Civale, L., Pereira, B., Mermillod, M., Baker, J. S., Schmidt, J., ... & Navel, V. (2020). Prostate Cancer and Asbestos : A Systematic Review and Meta-Analysis. The Permanente Journal, 24. [FACTEUR D’IMPACT : 0.94 ; Q2]
  • Mermillod, M., Bourrier, Y., David, E., Kauffmann, L., Chauvin, A., Guyader, N., ... & Peyrin, C. (2019). The importance of recurrent top-down synaptic connections for the anticipation of dynamic emotions. Neural Networks, 109, 19-30. [FACTEUR D’IMPACT : 5.28 ; Q1]
  • Dutheil, F., Aubert, C., Pereira, B., Dambrun, M., Moustafa, F., Mermillod, M., ... & Navel, V. (2019). Suicide among physicians and health-care workers : A systematic review and meta-analysis. PloS one, 14(12), e0226361. [FACTEUR D’IMPACT : 2.74 ; Q1]
  • Lepage, J., Bègue, L., Zerhouni, O., Courset, R., & Mermillod, M. (2019). Influence of authoritarianism, vagal tone and mental fatigue on obedience to authority. Cognition and Emotion, 33(2), 157-172. [FACTEUR D’IMPACT : 4.31 ; Q1]
  • Dutheil et al. (2019). Exploring the Link between Work Addiction Risk and Health in the Framework of Job-Demand-Control Model. International Journal of Environmental Research and Public Health. [FACTEUR D’IMPACT : 2.47 ; Q1]
  • Vermeulen, N., Pleyers, G., Mermillod, M., Corneille, O., & Schaefer, A. (2019). Desperately seeking friends : How expectation of punishment modulates attention to angry and happy faces, Visual Cognition, DOI : 10.1080/13506285.2019.1676351 [FACTEUR D’IMPACT : 1.15 ; Q1]
  • Navel et al. (2019). Prostate cancer and asbestos : a systematic review and meta-analysis. The Permanente Journal. [FACTEUR D’IMPACT : 0.94 ; Q2]
  • Navel et al. (2019). Suicide among physicians and health-care workers A systematic review and meta-analysis. [FACTEUR D’IMPACT : 1.95 ; Q1]
  • Shankland, R., Favre, P., Corubolo, D., Méary, D., Flaudias, V., & Mermillod, M. (2019). Food-Cal : development of a controlled database of high and low calorie food matched with non-food pictures. Eating and Weight Disorders-Studies on Anorexia, Bulimia and Obesity, 1-10. https://doi.org/10.1007/s40519-019-00687-8. [FACTEUR D’IMPACT : 2.15 ; Q2]
  • Dutheil, F., Chaplais, E., Vilmant, A., Lanoir, D., Courteix, D., Duche, P., Abergel, A., Pfabigan, D.M., Han, S., Mondillon, L., Vallet, G.T., Mermillod, M, Boudet, G., Obert, P., Izem, O., Boirie, Y., Pereira, B., & Lesage, F.X. (2019). Effects of a short residential thermal spa program to prevent work-related stress/burnout on stress biomarkers : the ThermStress proof of concept study. Journal of International Medical Research, 47(10), 5130-5145. [FACTEUR D’IMPACT : 1.35 ; Q3]
  • Vermeulen, N., Bayot, M., Mermillod, M., & Grynberg, D. (2019). Alexithymia disrupts the beneficial influence of arousal on attention : Evidence from the attentional blink. Personality Disorders : Theory, Research, and Treatment, 10(6), 545. [FACTEUR D’IMPACT : 3.39 ; Q1]
  • Boudet, G., Chausse, P., Thivel, D., Rousset, S., Mermillod, M., Baker, J. S., ... & Dutheil, F. (2019). How to measure sedentary behavior at work ?. Frontiers in Public Health, 7, 167.
  • Ligneul, R., Mermillod, M. & Morisseau, T. (2018). From relief to surprise : Dual control of epistemic curiosity in the human brain. NeuroImage, 181, 490-500. [FACTEUR D’IMPACT : 6.45]
  • Pezzulo, G., Iodice, P., Barca, L., Chausse, P., Monceau, S. & Mermillod, M. (2018). Increased heart rate after exercise facilitates the processing of fearful but not disgusted faces. Nature – Scientific Reports, 8, 398. doi:10.1038/s41598-017-18761-5 [FACTEUR D’IMPACT : 4.85]
  • 1. Merlhiot, G., Mermillod, M., Le Pennec, J. L., & Mondillon, L. (2018). Introduction and validation of the Natural Disasters Picture System (NDPS). PloS one, 13(8), e0201942. [FACTEUR D’IMPACT : 4.41]
  • Amba, P., Alleysson, D., & Mermillod, M. (2018). Demosaicing using Dual Layer Feedforward Neural Network. Color and Imaging Conference (1), 211-218. Society for Imaging Science and Technology.
  • Lepage, J., Bègue, L., Zerhouni, O., Courset, R., & Mermillod, M. (2018). Influence of authoritarianism, vagal tone and mental fatigue on obedience to authority. Cognition and Emotion, 1-17. [FACTEUR D’IMPACT : 4.31]
  • Benichou, T., Peirera, B., Mermillod, M., Tauveron, I., Pfabigan, D., Maqdasy, S., & Dutheil, F. (2018). Heart rate variability in type 2 diabetes mellitus : a systematic review and meta-analysis. Plos-One. [FACTEUR D’IMPACT : 4.41]
  • Mermillod, M., Grynberg, D., Pio-Lopez, L., Rychlowska, M., Beffara, B., Harquel, S., Vermeulen, N., Niedenthal, P.M., Dutheil, F. & Droit-Volet, S. (2018). Evidence of Rapid Modulation by Social Information of Subjective, Physiological, and Neural Responses to Emotional Expressions. Frontiers in Behavioral Neuroscience, 11, 231. doi : 10.3389/fnbeh.2017.00231 [FACTEUR D’IMPACT : 3.104]
  • Merlhiot, G., Mermillod, M., Le Pennec, J. L., & Mondillon, L. (in press). Reducing Uncertainty to Promote Appropriate Decisions when Facing Hazardous Phenomena at an Active Volcano. Journal of Applied Social Psychology. [FACTEUR D’IMPACT : 1.23]
  • Ravoux, H., Pereira, B., Brousse, G., Dewavrin, S., Cornet, T., Mermillod, M., Mondillon, L., Vallet, G., Moustafa, F., Dutheil, F. (2018). Work Addiction Test Questionnaire to Assess Workaholism : Validation of French Version. Journal of Medical Internet Research (JMIR) Mental Health, 5(1), e12. [FACTEUR D’IMPACT : 2.96]
  • Farifteh, S., Peirera, B., Chambres, P., Mermillod, M., Fantini, L., Moustafa, F., & Dutheil, F. (2018). Effects of laughter therapy on depression as a complementary and alternative medicine : a systematic review and meta-analysis. BMJ-Open (British Medical Journal-Open Access). [FACTEUR D’IMPACT : 2.37]
  • McFadyen, J., Mermillod, M., Mattingley, J., Halasz, V., & Garrido, M. (2017). Rapid Subcortical Amygdala Route for Faces Irrespective of Spatial Frequency and Emotion. Journal of Neuroscience, 37(14), 3864-3874. [FACTEUR D’IMPACT : 7.6]
  • Bret, A., Beffara, B., McFadyen, J., & Mermillod, M. (2017). Right wing authoritarianism is associated with race bias in face detection. PLoS One, 12(7), e0179894. [FACTEUR D’IMPACT : 4.41]
  • Kauffmann, L., Roux-Sibilon, A., Beffara, B., Mermillod, M., Guyader, N., & Peyrin, C. (2017). How does information from low and high spatial frequencies interact during scene categorization ? Visual Cognition, 1-15. [FACTEUR D’IMPACT : 1.84]
  • Merlhiot, G., Mermillod, M., Le Pennec, J. L., & Mondillon, L. (2017). Managing decision-making with certainty of threat. Journal of Risk Research, 1-11. [FACTEUR D’IMPACT : 1.03]
  • Morisseau, T., Mermillod, M., Eymond, C., Van Der Henst, J.B., Noveck, I. (2017). You Can Laugh At Everything, But Not With Everyone : What Jokes Can Tell Us About Group Affiliations. Interaction Studies, 18(1). [FACTEUR D’IMPACT : 1.56]
  • Dutheil, F., Marhar, F., Boudet, G., Perrier, C., Naughton, G., Chamoux, A., Huguet, P., Mermillod, M., Saâdaoui, F., Moustafa, F., Schmidt, J. (2017). Maximal tachycardia and high cardiac strain during night shifts of emergency physicians. International Archives of Occupational and Environmental Health, 1-14. [FACTEUR D’IMPACT : 2.17]
  • Beffara, B., Bret, A.G., Vermeulen, N., & Mermillod, M. (2016). Resting High Frequency Heart Rate Variability Selectively Predicts Cooperative Behavior. Physiology & Behavior, 164, 417–428. [FACTEUR D’IMPACT : 3.03]
  • Quétard, B., Quinton, J.C., Mermillod, M., Barca, L., Pezzulo, G., Colomb, M., and Izaute, M., (2016). Investigating the effects of bottom-up visual uncertainty and expectations on the accumulation of evidence through combination of eye-tracking and mouse-tracking. Journal of Vision. [FACTEUR D’IMPACT : 2.39]
  • Hufnagel, C., Chambres, P., Dutheil, F., Auxiette, C., Chausse, P., Mermillod, M., Paugam, G. & Bertrand, P.R. (in press). Repérage des situations anxiogènes chez les personnes avec autisme : détection de rupture dans un milieu écologique. Bulletin scientifique de l’Association pour la Recherche sur l’Autisme et la Prévention des Inadaptations.
  • Mermillod, M., Marchand, V., Lepage, J., Begue, L., Dambrun, M. (2015). Destructive Obedience Without Pressure : Beyond the Limits of the Agentic State. Social Psychology, 46(6), 345-351. [FACTEUR D’IMPACT : 1.2]
  • Quétard, B., Colomb, M., Quinton, J.C., Pezzulo, G., Barca, L., Appadoo, O.K., Izaute, M., and Mermillod, M. (2015). Combined Effects of Expectations and Visual Uncertainty Upon Detection and Identification of a Target in the Fog. Cognitive Processing, 16(1), 343-348. [FACTEUR D’IMPACT : 1.36]
  • Kever, A., Grynberg, D., Eeckhout, C., Mermillod, M., Fantini, C., & Vermeulen, N. (2015). The body language : The spontaneous influence of congruent bodily arousal on the awareness of emotional words. Journal of Experimental Psychology : Human Perception and Performance, 41(3), 582-589, doi : 10.1037/xhp0000055 [FACTEUR D’IMPACT : 3.1]
  • Beffara, B., Wicker, B., Vermeulen, N., Ouellet, M., Bret, A., Funes, M.J., & Mermillod, M. (2015). Reduction of Interference Effect by Low Spatial Frequency Information Priming in an Emotional Stroop Task. Journal of Vision, 15(6):16, 1-9. [FACTEUR D’IMPACT : 3.37]
  • Villepoux, A., Vermeulen, N., Niedenthal, P., & Mermillod, M. (2015). Evidence of Fast and Automatic Gender Bias in Affective Priming. Journal of Cognitive Psychology, 27(3), 301-309. [FACTEUR D’IMPACT : 1.2]
  • Dutheil, F., Chambres, P., Hufnagel, C., Auxiette, C., Chausse, P., Ghozi, R., Paugam, G., Boudet, G., Khalfa, N., Naughton, G., Chamoux, A., Mermillod, M., & Bertrand, P.R. (2015). Do Well B. – Design Of Well Being Monitoring Systems, Study Protocol for the Application in Autism. BMJ-Open (British Medical Journal-Open Access), 5(2), e007716. [FACTEUR D’IMPACT : 2.06]
  • Bugaïska, A., Mermillod, M., Bonin, P. (2015). Does the thought of death contribute to the memory benefit of encoding with a survival scenario ? Memory,23(2), 213-232. [FACTEUR D’IMPACT : 1.65]
  • Mermillod, M., Mondillon, L., Rieu, I., Devaux, D., Chambres, P., Auxiette, C., Dalens, H., Coulangeon, L.M., Jalenques, I., & Durif, F. (2014). Dopamine Replacement Therapy and Deep Brain Stimulation of the Subthalamic Nuclei Induce Modulation of Emotional Processes at Different Spatial Frequencies in Parkinson’s Disease. Journal of Parkinson’s Disease, 4, 97-110. [FACTEUR D’IMPACT : 1.91]
  • Basu, A., Mermillod, M., Thakurta, R,. & Urbach, N. (2014). Dynamics of Psycho-Social Process in Technology Transition. In Uslu, F., (Eds.) Proceedings of INTCESS14- International Conference on Education and Social Sciences. Istanbul : International Organization Center of Academic Research.
  • Merlhiot, G., Mondillon, L., Vermeulen, N., Basu, A., & Mermillod, M. (2014). Adaptation and Validation of the Standardized Assessment of Personality – Abbreviated Scale as a self- administered screening test (SA-SAPAS). Journal of Psychology & Psychotherapy, 4 (164), doi : 10.4172/2161-0487.1000164.
  • Mermillod, M., Vermeulen, N., Kaminsky, G., Gentaz, E., & Bonin, P. (2014). Theoretical and Computational Limitations in Simulating 3- to 4-Month-Old Infants’ Categorization Processes. In Mayor, J., & Gomez, P. (Eds.), Proceedings of the 13th Neural Computation and Psychology Workshop. Progress in Neural Processing (vol. 21, pp. 95-112). Singapore : World Scientific.
  • Méary, D., Mermillod, M. & Pascalis, O. (2014). Binocular correlation model of face preference : How good, how simple ? Developmental Science, 17(6), 828-830. [FACTEUR D’IMPACT : 4.28]
  • Mermillod, M., Vermeulen, N., Kaminsky, G., Gentaz, E., & Bonin, P., (2013). The Importance of Feature Distribution and Correlation for Simulating 3 to 4-month-old Infants’ Visual Categorization Processes. Visual Cognition, 21(6), 726-738. [FACTEUR D’IMPACT : 2.05]
  • Vermeulen, N., Pleyers, G., & Mermillod, M. (2013). Second-person social neuroscience : connections to past and future theories, methods and findings. Behavioral and Brain Sciences, 36(4), 440-441. [FACTEUR D’IMPACT : 25.06]
  • Mermillod, M., Devaux, D., Derost, P., Rieu, I., Chambres, P., Auxiette, C., Legrand, G., Galland, F., Dalens, H., Coulangeon, L.M., Broussolle, E., Durif, F., & Jalenques, I. (2013). Rapid Presentation of Emotional Expressions Reveals New Emotional Impairments in Tourette’s Syndrome. Frontiers in Human Neuroscience, 7:149. doi : 10.3389/fnhum.2013.00149. [FACTEUR D’IMPACT : 2.9]
  • Vermeulen, N., Chang, B., Mermillod, M., Pleyers, G., & Corneille, O. (2013). Memory for Words Representing Modal Concepts. Experimental Psychology, 60(4), 293-301. [FACTEUR D’IMPACT : 2.22]
  • Mermillod, M., Bugaïska, A., & Bonin, P. (2013). The Stability-Plasticity Dilemma : Investigating the Continuum from Catastrophic Forgetting to Age-Limited Learning Effects. Frontiers in Psychology, 4:504. doi : 10.3389/fpsyg.2013.00504.
  • Vermeulen, N., Chang, B., Corneille, O., Pleyers, G., & Mermillod, M. (2013).Verifying properties of concepts spontaneously requires sharing resources with same-modality percept. Cognitive Processing, 14 (1), 81-87. [FACTEUR D’IMPACT : 1.75]
  • Mondillon, L., Mermillod, M., Musca, S.C., Rieu, I., Vidal, T., Chambres, P., Auxiette, C., Dalens, H., Coulangeon, L.M., Jalenques, I., Lemaire, J.J., Ulla, M., Derost, P., Marques A., & Durif, F. (2012). The combined effect of subthalamic nuclei deep brain stimulation and L-dopa increases emotion recognition in Parkinson’s disease. Neuropsychologia, 50, 2869-2879. [FACTEUR D’IMPACT : 4.5]
  • Mermillod, M., Bonin, P., Méot, A., Ferrand, L., & Paindavoine, M. (2012). Computational Evidence that Frequency Trajectory Theory does not Oppose but Emerges from Age of Acquisition Theory. Cognitive Science, 36, 1499-1531. [FACTEUR D’IMPACT : 2.37]
  • Beffara, B., Ouellet, M., Vermeulen, N., Basu, A., Morisseau, T., & Mermillod, M. (2012). Enhanced Embodied Response Following Ambiguous Emotional Processing. Cognitive Processing, 13 (1), 103-106. [FACTEUR D’IMPACT : 1.75]
  • Mermillod, M., Auxiette, C., Chambres, P., Mondillon, L., Galland, F., Jalenques, I., & Durif, F. (2011). Contraintes Perceptives et Temporelles dans l’Exploration du Modèle de Ledoux. L’année Psychologique, 111(3), 465-479. [FACTEUR D’IMPACT : 0.28]
  • Basu, A. & Mermillod, M. (2011). Emotional Intelligence and Social-Emotional Learning : An Overview. Psychology Research, 1(3), 182-186. [FACTEUR D’IMPACT : 2.37]
  • Mermillod, M., Vermeulen, N., Sylvie Droit-Volet, S., Jalenques, I., Durif, F., & Niedenthal, P. (2011). Embodying Emotional Disorders : New Hypotheses about Possible Emotional Consequences of Motor Disorders in Parkinson’s Disease and Tourette’s Syndrome. ISRN Neurology, Article ID 306918, doi:10.5402/2011/306918.
  • Kaminski, G., Méary, D., Mermillod, M. & Gentaz, E. (2011). Is It a Girl or a Boy ? Behavioural and Computational Approaches of Gender Categorization. Attention, Perception and Psychophysics, 73(5), 1344-1349. [FACTEUR D’IMPACT : 2.04]
  • Lopez, L., Bonin, P., Vermeulen, N., Meot, A., & Mermillod, M. (2011). The Importance of Low Spatial Frequencies for Categorization of Emotional Facial Expressions. In Davelaar, E.J., (Eds.), Connectionist Models of Neurocognition and Emergent Behavior : From Theory to Applications. Progress in Neural Processing (vol. 20, pp. 76-92). Singapore : World Scientific. ISBN-978-981-4340-34-2
  • Basu, A., Mandal, M.K., & Mermillod, M. (2011). Affective Priming in Visual-field Superiority. Review of European Studies, 3(2), 129-139.
  • Mermillod, M., Droit-Volet, S., Devaux, D., Schaefer, A., & Vermeulen, N. (2010). Are Coarse Scales Sufficient for Fast Detection of Visual Threat ? Psychological Science, 21(10), 1429-1437. [FACTEUR D’IMPACT : 4.43]
  • Niedenthal, P.M., Mermillod, M., Maringer, M. & Hess, U. (2010). The Future of SIMS : Who Embodies Which Smile and When ? Behavioral and Brain Sciences, 33(6), 464-480. [FACTEUR D’IMPACT : 25.06]
  • Niedenthal, P.M., Mermillod, M., Maringer, M. & Hess, U. (2010). The Simulation of Smiles (SIMS) Model : Embodied Simulation and the Meaning of Facial Expression. Behavioral and Brain Sciences, 33(6), 417-433. [FACTEUR D’IMPACT : 25.06]
  • Droit-Volet, S., Mermillod, M., Cocenas-Silva, R., & Gil, S. (2010). The Effect of Expectancy of a Threatening Event on Time Perception in Human Adults. Emotion, 10(6), 908-914. [FACTEUR D’IMPACT : 3.87]
  • Mermillod, M., Bonin, P., Mondillon, L., Alleysson, D., & Vermeulen, N. (2010). Coarse Scales are Sufficient for Efficient Categorization of Emotional Facial Expressions : Evidence from Neural Computation. Neurocomputing, 73, 2522-2531. [FACTEUR D’IMPACT : 1.59]
  • Kaminski,G., Méary, D., Mermillod, M., & Gentaz, E. (2010). Perceptual Factors Affecting the Ability to Assess Facial Resemblance Between Parents and Newborns in Human. Perception, 39, 807-818. [FACTEUR D’IMPACT : 1.31]
  • Vermeulen, N. & Mermillod, M. (2010). Fast Emotional Embodiment Can Modulate Sensory Exposure in Perceivers. Communicative & Integrative Biology, 3(2), 1-4.
  • Mermillod, M., Vermeulen, N., Lundqvist, D., & Niedenthal, P.M. (2009). Neural Computation as a Tool to Differentiate Perceptual from Emotional Processes : The Case of Anger Superiority Effect. Cognition, 110 (3), 346-357. ISSN : 0010-0277 [FACTEUR D’IMPACT : 4.16]
  • Vermeulen, N., Godefroid, J., & Mermillod, M. (2009). Emotional Modulation of Attention : Fear Increases but Disgust Reduces the Attentional Blink. Plos One, 4(11), e7924. [FACTEUR D’IMPACT : 4.09]
  • Mermillod, M., Vuilleumier, P., Peyrin, C., Alleysson, D., & Marendaz, C. (2009). The Importance of Low Spatial Frequency Information For Recognizing Fearful Facial Expressions. Connection Science, 21 (1), 75-83.ISSN : 0954-0091 [FACTEUR D’IMPACT : 0.67]
  • Vermeulen, N., Mermillod, M., Godefroid, J., & Corneille, O. (2009). Unintended Embodiment of Concepts into Percepts : Sensory Activation Boosts Attention for Same-Modality Concepts in the Attentional Blink Paradigm. Cognition, 112, 467-472. ISSN : 0010-0277 [FACTEUR D’IMPACT : 4.16]
  • Bonin, P., Méot, A., Mermillod, M., Ferrand, L., & Barry, C. (2009). The effects of age of acquisition and frequency trajectory on object naming. Quarterly Journal of Experimental Psychology, 62, 1-9. ISSN : 1747-0218 [FACTEUR D’IMPACT : 2.35]
  • Mermillod, M., Bonin, P., Morisseau, T., Méot, A.,& Ferrand, L. (2009). Frequency Trajectory Gives Rise to an Age-Limited Learning Effect as a Function of Input-Output Mapping in Connectionist Networks. In N. Taatgen and H. van Rijn (Eds.), Proceedings of the 31th Annual Conference of the Cognitive Science Society (pp.2322-2327). Mahwah, NJ : Lawrence Erlbaum Associates. ISBN 978-0-9768318-5-3
  • Mermillod, M., Alleysson, D., Musca, S. C., Dubois, M., Barra, J., Atzeni, T., Palluel, R., & Marendaz, C. (2009). More is Not Necessarily Better : Gabor Dimensional Reduction of Visual Inputs Yield Better Performance Than Direct Pixel Coding for Neural Networks Classifiers. In J. Mayor, N. Ruh and K. Plunkett (Eds.), Connectionist Models of Behavior and Cognition II. Progress in Neural Processing (vol. 18, pp. 375-385). Singapore : World Scientific. ISBN-10-981-283-422-2
  • Mermillod, M., Auxiette, C., Chambres, P., Dubois, M., Derost, P., Galland, F., Durif, F., & Jalenques, I. (2008). L’Apport de la Psychologie et des Neurosciences Cognitives dans l’Exploration des Substrats Anatomiques et Fonctionnels Impliqués dans le Syndrome de Gilles de la Tourette. Annales Médico-Psychologiques, Revue Psychiatrique, 166(5), 394-397. ISSN : 0003-4487 [FACTEUR D’IMPACT : 0.22]
  • Derost, P., Galland, F., Legrand, G., Mermillod, M., Auxiette, C., Chambres, P., Jalenques, I., & Durif, F., (2008). Données Actuelles sur la Physiopathologie du Syndrome de Gilles de la Tourette. Annales Médico-Psychologiques, Revue Psychiatrique, 166(5), 398-402. ISSN : 0003-4487 [FACTEUR D’IMPACT : 0.22]
  • Bonin, P., Perret C., Méot, A., Ferrand, L., & Mermillod, M. (2008). Psycholinguistic Norms and Face Naming Times for Photographs of Celebrities in French. Behavior Research & Methods, 40(1), 137-146. ISSN 1554-351X [FACTEUR D’IMPACT : 2.12]
  • Jalenques, I., Galland, F., Legrand, G., Derost, P., Mermillod, M., Auxiette, C., Chambres, P., & Durif, F. (2008). Clinique du Syndrome de Gilles de la Tourette chez l’Adulte. Annales Médico-Psychologiques, Revue Psychiatrique. 166(4), 319-323. ISSN : 0003-4487 [FACTEUR D’IMPACT : 0.22]
  • Galland, F., Derost, P., Legrand, G., Noton-Durand, F., Mermillod, M., Auxiette, C., Chambres, P., Durif, F., & Jalenques, I. (2008). Manifestations Psychopathologiques dans la Maladie de Gilles de la Tourette. Annales Médico-Psychologiques, Revue Psychiatrique. 166(4), 324-326. ISSN : 0003-4487 [FACTEUR D’IMPACT : 0.22]
  • Mermillod, M., Guyader, N., Alleysson, D., Musca, S., Barra, J., & Marendaz, C. (2007). Connectionist hypothesis about an ontogenetic development of conceptually-driven cortical anisotropy. In R. M. French and E. Thomas (Eds.), From Associations to Rules. Connectionist Models of Behavior and Cognition (vol. 17, pp. 213-224). Singapore : World Scientific. ISBN-13 978-981-279-731-5
  • Alleysson, D., Chaix de Lavarène, B., & Mermillod, M. (2007). Reconstruction of Spatial and Chromatic Information from Cone Mozaic. In R. M. French and E. Thomas (Eds.), From Associations to Rules. Connectionist Models of Behavior and Cognition. Progress in Neural Processing (vol. 17, pp. 191-200). Singapore : World Scientific. ISBN-13 978-981-279-731-5
  • Musca S. C., Barra, J., Atzeni, T., & Mermillod, M. (2007). Evidencing Implicit Sequence Learning through the Process Dissociation Procedure : A Case against Previous Conclusions. In S. Vosniadou, D. Kayser, A. Protopapas (Eds.), Proceedings of the Second European Cognitive Science Conference (pp. 329-334). London : Taylor and Francis. ISBN 978-1-84169-696-6
  • Mermillod, M., Alleysson, D., Musca, S.C., Barra, J., Atzeni, T., Palluel, R., & Marendaz, M. (2006). Spectral vs Spatial Coding for Non-Linear Neural Networks. In F. Alexandre, Y. Boniface, L. Bougrain, B. Giraud, N. Rougier (Eds.), Proceedings of NeuroComp06 (pp. 82-86). ISBN 2-905267-52-6
  • Mermillod, M., Guyader, N., Peyrin, C., Alleysson, D., & Marendaz, C. (2006). Avantage Computationnel de l’Information de Basse Fréquence Spatiale dans la Reconnaissance d’Expressions Faciales de Peur par un Réseau de Neurones Artificiels. Cahiers Romans de Sciences Cognitives (InCognito), 3(1), 23-36. ISSN 1267-8015
  • Peyrin, C., Mermillod, M., Chokron, S., & Marendaz, C. (2006). Effect of Temporal Constraints on Hemispheric Asymmetries During Spatial Frequency Processing. Brain & Cognition, 62(3), 214-220. ISSN : 0278-2626 [FACTEUR D’IMPACT : 3.49]
  • Musca, S. C., Atzeni, T., Dubois, M., Barra, J., Palluel-Germain, R., & Mermillod, M. (2006). Evidencing implicit learning in amnesic patients in serial reaction time tasks : A method based on the fractal dimension of background noise in reaction times. Proceedings of the Second Meeting of the European Societies of Neuropsychology (pp. 120).
  • Mermillod, M., Guyader N., & Chauvin A. (2005). Improving Generalisation Skills in a Neural Network on the Basis of Neurophysiological Data. Brain & Cognition, 58(2), 246-248. ISSN : 0278-2626 [FACTEUR D’IMPACT : 3.49]
  • Mermillod, M., Guyader, N., Vuilleumier, P., Alleysson, D., & Marendaz, C. (2005). How diagnostic are spatial frequencies for fear recognition ? In B.G. Bara, L. Barsalou & M. Bucciarelli (Eds.), Proceedings of the 27th Annual Conference of the Cognitive Science Society (pp. 1501-1506). Mahwah, NJ : Lawrence Erlbaum Associates. ISBN 0-9768318-1-3
  • Mermillod, M., Guyader N., & Chauvin A. (2005). The Coarse-to-fine Hypothesis Revisited : Evidence from Neuro-Computational Modeling. Brain & Cognition, 57(2), 151-157. ISSN : 0278-2626 [FACTEUR D’IMPACT : 3.49]
  • Mermillod, M., French R.M., Smeets, H., & Spencer, J. (2005). A neural network investigation of the head preference : problems explaining empirical results by bottom-up processes alone. In A. Cangelosi, G. Bugmann, R. Borisyuk (Eds.) Modeling Language, Cognition & Action. Progress in Neural Processing (vol. 16, pp. 361-366). Singapore : World Scientific. ISBN 978-981-256-324-8
  • Mermillod, M., Guyader N., & Chauvin A. (2004). Does the energy spectrum from Gabor wavelet filtering represent sufficient information for neural network recognition and classification tasks ? In H. Bowman, C. Labiouse (Eds.), Connectionist Models of Cognition, Perception and Emotion II. Progress in Neural Processing (vol. 15, pp. 148-156). Singapore : World Scientific. ISBN 981-238-805-2
  • French, R. M., Mareschal, D., Mermillod, M., & Quinn, P. C. (2004). The Role of Bottom-up Processing in Perceptual Categorization by 3- to 4-month-old Infants : Simulations and Data. Journal of Experimental Psychology : General, 133(3), 382-397. ISSN : 0096-3445 [FACTEUR D’IMPACT : 5.24]
  • Mermillod, M., French, R. M., Quinn, P. C., & Mareschal, D. (2003). The Importance of Long-term Memory in Infant Perceptual Categorization. In R. Alterman & D. Kirsh (Eds.), Proceedings of the 25th Annual Conference of the Cognitive Science Society (pp. 804-809). Mahwah, NJ : Lawrence Erlbaum Associates. ISBN : 978-0-8058-4991-2
  • French, R. M., Mermillod, M., Quinn, P. C., Chauvin, A., & Mareschal, D. (2002). The Importance of Starting Blurry : Simulating Improved Basic-Level Category Learning in Infants Due to Weak Visual Acuity. In W. D. Gray & C. Schunn (Eds.), Proceedings of the 24th Annual Conference of the Cognitive Science Society (pp. 322-327). Mahwah, NJ : Lawrence Erlbaum Associates. ISBN : 978-0-8058-4581-5
  • French, R. M., Mermillod, M., Quinn, P. C., & Mareschal, D. (2001). Reversing Category Exclusivities in Infant Perceptual Categorization : Simulations and Data. In J. D. Moore & K. Stenning (Eds.), Proceedings of the 23th Annual Cognitive Science Society Conference (pp. 307-312). Mahwah, NJ : Lawrence Erlbaum Associates. ISBN : 978-0-8058-4152-7
  • Labiouse C., French R. M., & Mermillod, M. (2001). Using Autoencoders to Model Asymmetric Category Learning in Early Infancy : Insights from Principal Components Analysis. In J. Bullinaria, R. Baddeley (Eds.), Connectionist Models of Cognition and Perception. Progress in Neural Processing (vol. 14, pp. 51-63). Singapore : World Scientific Press. ISBN 981-238-037-X

Patents

  • Inventeur(s) : Solinas, M., Galiez, C., Rousset, S., Reyboz, M. & Mermillod, M. (2/4/2020). Device and method for transferring knowledge of an artificial neural network. N° de dépôt : FR20/03326. Déposant(s) : CEA (Commissariat à l’Energie Atomique et aux Energies Alternatives), UNIVERSITE GRENOBLE ALPES, CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE, UNIVERSITE DE SAVOIE MONT BLANC, INSTITUT POLYTECHNIQUE DE GRENOBLE. LPNC 40%, CEA 40% et LJK 20%.
  • Inventeur(s) : Solinas, M., Rousset, S., Reyboz, M. & Mermillod, M. (2020). System and method for avoiding catastrophic forgetting in an artificial neural network. N° de dépôt : B19120 FR. Déposant(s) : CEA (Commissariat à l’Energie Atomique et aux Energies Alternatives), UNIVERSITE GRENOBLE ALPES, CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE, UNIVERSITE DE SAVOIE MONT BLANC.

Book & Chapters in book

  • Mermillod, M., (2016). Réseaux de Neurones Biologiques et Artificiels. Vers l’émergence de systèmes artificiels conscients ? De Boeck Supérieur.
  • Bayot, M., Vermeulen, N., & Mermillod, M. (2016). Pleine Conscience et Empathie : Une Ressource pour les Intervenants et une Pratique à Remettre en Contexte. In E. Fall (Ed.). Introduction à la Pleine Conscience. Dunod.
  • Mermillod, M., & Lepage, J. (2015). Embodied Emotion : the Functional Mystery of Embodying Emotions. In Y. Coello and M.H. Fisher (Eds.). Perceptual and Emotional Embodiment : Foundations of Embodied Cognition. Psychology Press.
  • Mermillod, M., & Gabarrot, F. (2013). Neuroscience Sociale. In L. Bègue et O. Desrichard (Eds.), Traité de Psychologie Sociale. Bruxelles : De Boeck.
  • Mermillod, M., Silvert, L., Devaux, D.,Vermeulen, N., & Niedenthal, P. M. (2012). Les émotions. In M. Denis (Ed.), Cogniprisme, Paris : Maison des sciences de l’homme.
  • Mermillod, M., (2012). Evolution et Métamorphose de la Cognition dans les Réseaux de Neurones Biologiques et Artificiels. In B. Pouderon & J. Casas (Ed.), Variations, Evolutions et Métamorphoses, Saint-Etienne : Publication de l’Université de Saint-Etienne.
  • Mermillod, M., (2011). Investigating the Psychological and Neural Basis of Emotional Processing. In Masmoudi S., Yun Dai, D. and Naceur A. (Eds), Integration of Cognition, Emotion, and Motivation, New York : Psychology Press (Taylor & Francis Group).
  • Mermillod, M., Bonin, P. & Niedenthal, P. M. (2010). Émotions et intégration sensorimotrice. In Weber, B. & Villeneuve, P. (Eds), Posturologie Clinique : Tonus, Posture et Attitudes, Paris : Elsevier Masson.
  • Mermillod, M., Auxiette, C., Chambres, P., Silvert, L., Galland, F., Jalenques, I., & Durif (2008). Analyse du Spectre Fréquentiel Nécessaire à la Reconnaissance d’Expressions Faciales Emotionnelles. In. A. Naceur & S. Masmoudi (Eds.), Cognition, Emotion & Motivation : Intégrer ... Mieux Expliquer la Performance, Tunis : Editions du CNIPRE, (pp. 159-179).
  • Mermillod, M., Galland, F., Mondillon, L., Durif, F., Chéreau, I., & Jalenques, I. (2008). Troubles Psychiatriques et Stimulation Cérébrale Profonde : Perspectives de Recherche Clinique et Fondamentale. In Campanella, S. & Streel, E. (Eds), Psychopathologie et Neurosciences : Questions Actuelles. Bruxelles : De Boeck (pp. 231-260). ISBN-10 : 2804158993 or ISBN-13 : 978-2804158996

Teaching

Cours Magistraux (par ordre chonologique) :

  • Cours Magistral de Master 1 Psychologie : Cognition Visuelle (12h). UFR Sciences de l’Homme et de la Société. Université Grenoble-Alpes, année académique 2015-Présent.
    Résumé du cours : Le système visuel primaire : des photo-récepteurs au cortex strié ; Acuité, contraste, excentricité et fréquences spatiales : approche psychophysique, computationnelle et neurophysiologique ; La cognition visuelle dans le cortex extrastrié, Modèle coarse-to-fine, Modèle de Ledoux (1996), Modèle de Bar (2003).
  • Cours Magistral de Master 2 Sciences Cognitives (I.C2.A.) : Psychologie Cognitive (9h). Université Grenoble-Alpes et Institut National Polytechnique de Grenoble-PHELMA, année académique 2014-Présent.
    Résumé du cours : Les Origines de la Psychologie Cognitive ; Perception et Catégorisation Visuelle ; Cognition Visuelle ; Systèmes Parallèles Distribués dans les Systèmes Biologiques et Artificiels ; Applications Fondamentales et en Psychologie de la Santé.
  • Cours Magistral de Licence 3 Mathématiques et Informatique Appliquées aux Sciences Humaines et Sociales (MIASHS) : Théories de l’apprentissage (6h). Université Grenoble-Alpes, UFR Sciences de l’Homme et de la Société. Année académique 2015-Présent.
    Résumé du cours : Psychologie Cognitive ; Catégorisation et Modélisation Connexionniste.
  • Cours Magistral de Master 2 Recherche en Psychologie : Psychophysique et Analyse des Signaux (6h, 400 étudiants par an). UFR Sciences de l’Homme et de la Société. Université Grenoble-Alpes, année académique 2015-Présent.
    Résumé du cours : Les Méthodes Psychophysiologiques et de Neuroimagerie en Psychologie des Emotions
  • Cours Magistral du Master 2 Sciences Cognitives et du Master 2 Neuropsychologie et Neurosciences Cliniques. Neurosciences Sociales & Neurosciences Cognitives (3h, 30 étudiants par an). Université Lyon Lumière, année académique 2018-2020.
  • Cours Magistral de Master 1 : Sciences Affectives (6h). UFR Sciences Humaines. Université de Bourgogne (Dijon), année académique 2014-2017.
    Résumé du cours : Les travaux princeps en psychologie des émotions (Modèle de James-Lange, Modèle de Cannon-Bard, Modèles Dimensionnels, etc.) ; Modèle de l’appraisal ; Modèle de l’Embodiment ; La Primauté de l’Affect sur le Concept (ou l’inverse ?) ; les Méthodes Psychophysiologiques et de Neuroimagerie et Psychologi des Emotions.
  • Cours Magistral de Licence 1 Psychologie : Psychologie Cognitive (18h). UFR Sciences de l’Homme et de la Société. Université Grenoble-Alpes, année académique 2012-Présent.
    Résumé du cours : Emergence des Sciences Cognitives ; Méthodologie Scientifique ; Introduction aux Neurosciences Cognitives ; Perception Visuelle ; Cognition Visuelle ; Introduction à la Notion de Systèmes Parallèles Distribués.
  • Cours Magistral de Master 2 Recherche Psychologie Sociale et Cognitive : L’implication du cortex orbito-frontal, du cortex frontal dorsolatéral et du cortex frontopolaire dans la régulation des processus sociaux et émotionnels (6h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2009-2010.
  • Cours Magistral de Master 2 Recherche Psychologie Sociale et Cognitive : Implication de l’Amygdale dans les Processus Cognitifs et Sociaux (6h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2008-2009.
  • Cours Magistral de Master 2 Recherche Psychologie Sociale et Cognitive : Approche Interdisciplinaire en Psychologie (6h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2007-2008.
  • Cours Magistral de Master 2 Recherche Psychologie Sociale et Cognitive : Modélisation neuronale (6h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2005-2007.
  • Cours Magistral de Licence 2 Psychologie : Catégorisation Perceptive et Cognitive (6h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2006-2012.
    Résumé du cours : Modèles hiérarchiques de catégorisation, Modèles de diffusion de l’information ; Notion de prototype et de catégories ; Modèle de l’exemplaire ; Modèles probabilistes ; Introduction aux réseaux de neurones artificiels : Notion de système parallèle et distribué.
  • Cours Magistral de Licence 1 Psychologie : Méthodologie scientifique (10h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. année académique 2005-2012.
    Résumé du cours : Notion de régularité comportementale ; La démarche hypothético-déductive ; La formulation d’hypothèse théorique et opérationnelle ; Les variables expérimentales ; Le groupe contrôle ; Notions de statistiques inférentielles ; Notion de réplicabilité d’un effet et présentation de l’ANOVA ; Effets principaux et interactions ; Les méthodes de neuroimagerie.
  • Cours Magistral de Licence 1 (C031) : Introduction aux méthodes quantitatives (15h). Faculté de Psychologie et des Sciences de l’Education, Université de Liège, année académique 2001-2004.

Travaux Dirigés (par ordre chonologique) :

  • TD de Master 1 : Cognition Visuelle (6h). UFR Sciences de l’Homme et de la Société. Université Grenoble-Alpes, année académique 2015-Présent.
  • TD de Licence 1 : Psychologie Cognitive (10h). UFR Sciences de l’Homme et de la Société. Université Grenoble-Alpes, année académique 2012-Présent.
  • TD de Licence 3 : Méthodologie scientifique (16h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2007-2012.
  • TD de Licence 1 : Méthodologie scientifique (126h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2005-2012.

Enseignement à Distance (par ordre chonologique) :

  • AI for Health - M2 STS Ingénierie de la Santé - Bio Health Engineering : Introduction to Neural Network Modelling (20h). Faculté de Médecine et de Pharmacie. Université Grenoble-Alpes, année académique 2020-Présent.
    Part 1 : The origins of cognitive psychology ; Part 2 : Synaptic learning algorithms ; Part 3 : Similarity between biological and artificial neural networks : towards overcoming the Turing-Von Neumann paradigm.
  • Centre d’Enseignement à Distance (CEAD) de Licence 2 : Catégorisation Perceptive et Cognitive (6h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2006-présent.
  • Centre d’Enseignement à Distance (CEAD) de Licence 1 : Méthodologie scientifique (10h). UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, année académique 2005-présent.

MOOC (Massive Open Online Course).

  • MOOC hébergé par France Université Numérique (FUN-MOOC) : Des Neurones à la Psyché. Introduction aux réseaux de neurones biologiques et artificiels (10h). Année académique 2017-2018.
    Nombre d’inscrits : 5914
    Apprenants de 89 pays dont 72,4% de France.

Main Administrative Duties

  • Membre élu du Conseil d’Administration de l’Université Grenoble-Alpes. Université Grenoble-Alpes, 2020-présent.
    En Janvier 2016, les 3 universités grenobloises ont fusionné pour former l’Université Grenoble-Alpes. Depuis le 01 Janvier 2020, le projet d’Université Intégrée a amené à la fusion de l’UGA et des Grandes Ecoles du site (Grenoble INP, ENSAG, Science Po Grenoble, etc.)
    Forte de 55000 étudiants (dont 9000 étudiants internationaux), 3300 doctorants (dont presque la moitié venant de l’international) et de plus de 7500 personnels, l’UGA est maintenant la 4ème université française par la taille.
  • Membre élu du Conseil d’Administration du Pôle Sciences Humaines et Sociales de l’Université Grenoble-Alpes.
    Université Grenoble-Alpes, 2016-2021.
    Le Pôle Sciences Humaines et Sociales administre l’activité de recherche dans les laboratoires suivant :
    -  Laboratoire universitaire Histoire Cultures Italie Europe (LUHCIE) - EA 7421
    -  Centre de recherche sur les enjeux de la communication (GRESEC) - EA 608
    -  Institut des Langues et Cultures d’Europe, d’Amérique, d’Afrique, d’Asie et d’Australie (ILCEA4) - EA 7356
    -  Laboratoire de recherche historique Rhône Alpes (LARHRA) - UMR 5190
    -  Laboratoire de linguistique et didactique des langues étrangères et maternelles (LIDILEM) - EA 609
    -  Laboratoire Interuniversitaire de psychologie / Personnalité, cognition, changement social (LIP - PC2S) - EA 4145
    -  Arts et pratiques du texte, de l’image, de l’écran et de la scène (LITT&ARTS) - UMR 5316
    -  Laboratoire de Psychologie et de NeuroCognition (LPNC) - UMR 5105
    -  Laboratoire en sciences de l’éducation (LSE) - EA 602
    -  Maison de la Création - FED 4269
    -  Philosophie, Pratique, Langage (PPL) - EA 3699
    -  Sport Exercice Motricité (SEM) - FED 4180
    -  Laboratoire sport et environnement social (SENS) - EA 3742
  • Directeur-Adjoint de la Structure Fédérative de Recherche "Pôle Grenoble Cognition".
    Le Pôle Grenoble Cognition est simultanément une Fédération de Recherche du CNRS (FR 3381) et une Structure Fédérative de Recherche universitaire soutenue institutionnellement et financièrement par l’Université Joseph Fourier (UJF), l’Université Pierre Mendès France (UPMF), l’Université Stendhal, l’Institut National Polytechnique de Grenoble (INPG) et l’INRIA. La SFR Grenoble Cognition rassemble 14 laboratoires, 30 équipes de recherche et près de 200 chercheurs travaillant dans le domaine de la cognition sur le site grenoblois.
    Université Grenoble-Alpes, 2012-2021.
  • Responsable de la mention Master de Psychologie de l’UFR-SHS de l’Université Grenoble-Alpes, incluant 7 parcours :
    - Psychologie de la santé
    - Pratiques psychothérapeutiques
    - Psycho-criminologie
    - Psychologie du Travail et Ergonomie
    - Recherche en Psychologie
    - Neuropsychologie & Neurosciences Cliniques
    - Neuropsychologie de l’Enfant
  • Membre du bureau du Groupe de Recherche (GDR) BioComp "Implémentations Matérielles du Calcul Naturel".
    GDR-CNRS, 2015-présent.
  • Responsable du Master 2 Recherche en Psychologie de l’UFR-SHS de l’Université Grenoble-Alpes.
    Université Grenoble-Alpes, 2014-2017.
  • Président du Département de Spécialistes de l’UFR-SHS de l’Université Grenoble-Alpes (chargé de la nomination et de l’organisation des comités de sélection).
    Université Grenoble-Alpes, 2013-2016.
  • Membre élu du Conseil de Laboratoire et du Conseil Scientifique du Laboratoire de Psychologie et NeuroCognition (LPNC – CNRS UMR 5105) de l’Université Grenoble-Alpes.
    Université Grenoble-Alpes, 2013-2016.
  • Membre élu du Conseil Scientifique de l’Université Blaise Pascal.
    Université de Clermont-Ferrand 2, 2011-2012.
  • Responsable du Master 2 Recherche de l’UFR de Psychologie, Sciences Sociales et Sciences de l’Education.
    Université de Clermont-Ferrand 2, 2011-2012.
  • Membre élu du Conseil de Laboratoire de Psychologie Sociale et Cognitive (LAPSCO – CNRS UMR 6024) de l’Université Blaise Pascal.
    Université de Clermont-Ferrand 2, 2011-2012.
  • Membre de la Commission Pédagogique.
    Université de Clermont-Ferrand 2, 2009-2012.
  • Membre de Comités de Sélection.
    Universités de Dijon, Montpellier, Grenoble, Clermont-Ferrand, etc.
    Fonction de rapporteur ou de président du comité.
  • Membre de la Commission de Spécialistes.
    Assesseur. Université de Clermont-Ferrand 2, 2006-2008.
  • Responsable de la Mention Licence (Licence 1, Licence 2 et Licence 3) de l’UFR de Psychologie, Sciences Sociales et Sciences de l’Education. Université de Clermont-Ferrand 2, 2009-2012.

Main Grants and Awards

  • Chaire en Intelligence Artificielle MIAI (HUB-3IA de l’Université Grenoble Alpes). Towards Robust and Understandable Neuromorphic Systems.
  • Prime d’Encadrement Doctoral et de Recherche (PEDR). 2017-2023.
  • Projet Initiative de Recherche Stratégique de l’IDEX UGA. Implication des circuits neuronaux de codage prédictif dans la cognition sociale.
    Coordinateur du projet : Martial Mermillod
    Durée : 3 ans (2018-2021)
  • Délégation CNRS à mi-temps au Laboratoire Jean Kuntzmann (LJK). Le LJK est le laboratoire de Mathématiques Appliquées et d’Informatique (UMR CNRS 5224) de l’UGA.
    The Predictive Brain Hypothesis Assessed by Neural Network Modeling.
    Coordinateur du projet : Martial Mermillod
    Temps personnel alloué au projet : 25 %
    Durée : 1 ans (année 2016-2017)
  • Membre de l’Institut Universitaire de France. 2010-2015.
    Titre du projet : "Processus et Perturbation du Traitement Emotionnel : Vers une Approche Interdisciplinaire".
    Temps personnel alloué à l’ensemble du projet : 50 %
    Durée : 5 ans (2010-2015)
  • Projet Exploratoire Premier Soutien (PEPS) Interdisciplinaires.
    Embodied Emotion and Speech Monitoring.
    Coordinateur du projet : Martial Mermillod
    Temps personnel alloué au projet : 20 %
    Durée : 1 ans (2014-2015)
  • Projet de Recherche Structurant de l’Université Pierre Mendès France.
    V-FOVEA. Validation de la Formation Vittoz à l’Expérience Attentionnelle.
    Collaborateurs sur le projet : SHANKLAND Rébecca, BAEYENS Céline, GAUCHET Aurélie, MERMILLOD Martial, BONAZ Bruno, PELLISSIER Sonia.
    Durée : 3 ans (2014-2017)
  • Projet Laboratoire d’Excellence « IMOBS3 ». Mobilité Innovante : Solutions intelligentes et durables
    Coordinateur : Institut Pascal (LASMEA, LaMI, LGCB) en partenariat avec 4 unités de recherche de l’UBP (LAPSCO, LIMOS, LM, LMI), le CEMAGREF, l’IFMA, le Centre d’Etudes Techniques de Lyon (CETE Lyon - DLCF), le pôle de compétitivité ViaMeca et le secteur économique (Michelin, Aubert et Duval, PSA, Automobile LIGIER, Apojee, Effidence...)
    Acronyme de l’action portée dans le cadre du LABEX IMOBS3 : PEVMA
    Titre de l’action : Perception visuelle et anticipation motrice dans les systèmes de traitement de l’information biologiques et artificiels.
    Directeur(s) de thèse : Martial Mermillod (LPNC), Jean-Charles Quinton (Institut Pascal), Marie Izaute (LAPSCO)
    Temps personnel alloué à l’ensemble du projet : 20 %
  • Projet Laboratoire d’Excellence « ClerVolc ». Perception des risques et catastrophes naturelles liées au volcanisme.
    Projet transversal entre le Laboratoire Magma et Volcan (LMV) et le LAPSCO dans le cadre du financement d’une bourse de doctorat en co-encadrement par Martial Mermillod (LPNC), Laurie Mondillon (LAPSCO) et Jean-Luc Le Pennec (LMV).
  • Projet de Recherche Structurant de l’Université Pierre Mendès France.
    Approche comportementale et neuroscientifique de la soumission à l’autorité.
    Collaborateurs sur le projet : Laurent Bègue, Michael Dambrun, Johan Lepage, Martial Mermillod.
    Durée : 1 ans (2013-2014)
  • Projet ANR Do Well B.
    Design of Well being Monitoring Systems.
    Méthode mathématique et neurophysiologique de détection de crises comportementales dans l’autisme.
    Coordinateur du projet : Pierre Bertrand (70 %)
    Temps personnel alloué au projet : 20 %
    Durée : 3 ans (2012-2015)
  • Prime d’Excellence Scientifique (PES). 2009-2013
  • Projet Family-Air (Projet ANR BLAN08-1_353820)
    Kin recognition in neonates and adults : an interdisciplinary approach
    Coordinateur du projet : Edouard Gentaz (40 %)
    Temps personnel alloué au projet : 20 %
    Durée : 2 ans (2009-2011)
  • Projet FaceExpress (Projet ANR n° BLAN06-2_145908).
    La Reconnaissance des Expressions Faciales d’Emotion et Les Théories de l’Esprit Incarné (embodied)
    Coordinatrice du projet : Paula Niedenthal (60 %)
    Temps personnel alloué au projet : 50 %
    Durée : 4 ans (2006-2010)
  • Projet Dynemo (Projet ANR-06-CORP-019)
    Création d’un corpus d’expressions émotionnelles faciales spontanées et dynamiques
    Coordinatrice du projet : Anna Tcherkassof (45 %)
    Temps personnel alloué au projet : 30 %
    Durée : 2 ans (2006-2008)
  • Bourse de post-doctorat de la fondation Fyssen
    Durée : 1 an (2004-2005)

Valorisation de la Recherche

  • Projet ANRT CIFRE - Eaton (COOPER SECURITE SAS).
    Titre du projet : Toward the Unique Goal of Exit Signs : Being Perceived & Followed. Amélioration de l’affordance des dispositifs d’éclairage de sécurité des bâtiments par une approche cognitiviste du comportement humain.
    Durée : 3 ans (2020-2023)
  • Projet de la Fondation de France. A neurodevelopmental approach of social hierarchy in humans.
    Coordinateurs du projet : Jean-Claude Dreher, Jean-Baptiste Van der Henst, Olivier Pascalis, Martial Mermillod
    Durée : 3 ans (2019-2022)
  • NVIDIA GPU Grant. Academic Program for Research on Neuromorphic Systems.
    Coordinateur du projet : Martial Mermillod
    Dimension du projet : Donation of 1 Titan V to support research activity in neural network modelling.
  • Projet CNRS-Attentats 2015.
    Les Vecteurs Psychophysiologiques de Comportements Extrémistes Suite aux Attentats du 13 Novembre 2015 : Evaluation et Remédiation.
    Coordinateur du projet : Martial Mermillod
    Durée : 1 ans (année 2016)
  • Projet ANRT CIFRE - Market Vision.
    Titre du projet : Interactions Sensori-Motrice et Emotionnelle lors des Décisions et des Comportements Réels d’Achat. Evaluation implicite de la réponse émotionnelle de consommateurs.
    Durée : 3 ans (2016-2019)
  • Programme Hospitalier de Recherche Clinique (PHRC 2009), CHU de Clermont-Ferrand.
    Reconnaissance des Emotions et Neurones Miroirs dans la Maladie de Parkinson.
  • Programme Hospitalier de Recherche Clinique (PHRC 2009), CHU de Clermont-Ferrand.
    Reconnaissance des Expressions Faciales Emotionnelles chez les Patients Présentant un Episode Dépressif Majeur avant et après Stimulation Magnétique Transcranienne répétée (rTMS) à Basse Fréquence du Cortex Préfrontal Dorsolateral Droit et/ou Venlafaxine.
  • Programme Hospitalier de Recherche Clinique (PHRC 2006), CHU de Clermont-Ferrand
    Emotion et pathologie du mouvement. Syndrome de Gilles de la Tourette et maladie de Parkinson : Reconnaissance des expressions faciales émotionnelles et classification de mots émotionnels.