Retinal adaptation and invariance to changes in higher-order stimulus statistics
视网膜中的适应被认为是将自然光信号编码为发送到大脑的尖峰序列的优化。然而，自适应也需要计算成本：自适应代码本质上是模糊的，因为输出符号不能简单地映射回刺激，而不知道编码神经元的自适应状态。因此，重要的是要了解输入中的哪些统计变化会引起适应性反应，哪些不会引起适应性反应，并询问适应性潜在限制的原因。我们测量了虎蝾螈视网膜神经节细胞的反应，以控制变化的第二（对比度），第三（偏斜）和第四（峰度）时刻的光强度分布的空间均匀的时间独立的刺激。刺激的偏斜度和峰度被选择为覆盖在自然场景中观察到的范围。我们通过研究二维线性-非线性模型来量化神经节细胞的适应性，该模型能够很好地捕捉所有刺激的视网膜编码特性。我们发现，视网膜神经节细胞适应对比度，但表现出显着的高阶统计量的变化不变的行为。最后，通过理论分析LN型模型中的最优编码，我们证明了神经编码可以保持高的信息速率，而无需动态适应，尽管刺激偏斜和峰度发生变化。
2012-01-17 q-bio.NC
Retinal processing: insights from mathematical modelling
视网膜是视觉系统的入口。虽然基于共同的生物物理学原理，视网膜神经元的动力学是完全不同的，从他们的皮质对应，提出有趣的问题建模。在本文中，我解决一些数学陈述的问题，在这种精神，讨论，特别是：（1）如何横向无长突细胞连接形状的时空尖峰反应的视网膜神经节细胞？(2)时空刺激相关性和视网膜网络动力学如何塑造视网膜输出端的尖峰训练相关性？这些问题的解决，首先，引入一个数学上易于处理的模型分层视网膜，整合无长突细胞的横向连接和分段线性整流，允许计算视网膜神经节细胞的感受野与电压和尖峰相关性的视网膜神经节细胞产生的无长突细胞网络。然后，我回顾了最近的一些结果，显示时空吉布斯分布和线性响应理论的概念可以用来表征集体尖峰响应的一组视网膜神经节细胞的时空刺激，通过有效的相互作用相对应的无长突细胞网络耦合。在这些基础上，我简要讨论了这些结果在皮层水平上的几个潜在后果。
2022-01-18 math.DS physics.bio-ph q-bio.NC
Feasibility Assessment of an Optically Powered Digital Retinal Prosthesis Architecture for Retinal Ganglion Cell Stimulation
本文提出一种通过瞳孔传输近红外光同时供能和传数据的数字视网膜假体架构，并在大鼠视网膜实验中证明其可在允许光照条件下驱动ASIC刺激器、诱发RGC反应，验证了无电缆高重复率顺序刺激的可行性。
2023-10-13 cs.SY eess.SY q-bio.NC
Modeling Retinal Ganglion Cell Population Activity with Restricted Boltzmann Machines
Istituto Italiano di Tecnologia（意大利理工学院）
视网膜是一个复杂的神经系统，它在视觉皮层进行高阶处理之前对视觉刺激进行编码。在这项研究中，我们评估了有关视网膜接收到的刺激的信息是否可以从视网膜神经节细胞（RGC）的放电率分布中检索，利用高密度64x64 MEA技术。为此，我们使用平均协方差限制玻尔兹曼机（英语：Restricted Boltzmann Machines），能够学习一组连续观测随机变量和一组二进制未观测随机单位的联合分布的潜变量模型，来模拟研究资助局的人口活动。这个想法是为了弄清楚二进制潜在状态是否将与不同视觉刺激相关的信息编码为联合分布中的模式。我们通过计算潜在状态和刺激之间的互信息来衡量mcRBM编码的优劣。结果表明，二进制状态可以编码与不同的刺激，使用光栅和自然场景的刺激。我们还发现，隐变量编码视网膜活动的有趣特性，解释为人口感受野。我们进一步研究了该模型学习不同模式的群体活动的能力，通过比较与正常条件下的视网膜相关的结果和在阻断GABA受体（首先是GABAC，然后是GABAA和GABAB）后的结果。正如预期的那样，如果我们阻断受体，互信息往往会减少。最后，我们强调，在这项工作中描述的计算方法可以潜在地应用于任何类型的神经数据通过MEA技术，虽然不同的技术应适用于解释的结果。
2017-01-17 cs.CV q-bio.NC
Transformation of stimulus correlations by the retina
感觉神经元反应中的冗余和相关性似乎浪费了神经资源，但可以携带有关结构化刺激的线索，并可能帮助大脑纠正反应错误。为了评估视网膜如何协商这种权衡，我们测量了神经节细胞群体的同时反应，这些神经节细胞群体呈现出在相关结构上差异很大的自然和人工刺激。我们发现，视网膜输出的成对相关性在具有广泛不同的时空相关性的刺激（包括白噪声和自然电影）之间保持相似。同时，纯粹的空间相关性往往会增加视网膜反应的相关性。对更多相关刺激的反应，神经节细胞具有更快的时间内核，并且往往具有更强的周围环境。单个细胞的这些特性，以及与神经节细胞输入的有效对比度变化相反的增益变化，在很大程度上解释了感受野测量可能的刺激之间的成对相关性的相似性。
2013-07-02 q-bio.NC
Sperry versus Hebb: Topographic mapping in Isl2/EphA3 mutant mice
在野生型小鼠中，视网膜神经节细胞的轴突建立了到中脑上丘的地形精确投影。这意味着相邻视网膜神经节细胞的轴突投射到目标中的近端位置。地形投影的精确度是分子标记（如Eph受体和肝配蛋白）和相关电活性的综合作用的结果。在Isl2/EphA3突变小鼠中，分子标记的表达水平发生变化。结果，拓扑投影被重新布线，使得视网膜细胞轴突之间的相邻关系被破坏。在这里，我们认为，相关活动的影响，提出自己的形式Hebbian学习规则可以促进恢复的地形连接，即使当分子标签进行冲突的指令。这是因为电活动的相关性携带了关于视网膜细胞空间位置的信息，而这些信息不依赖于分子标记。因此，我们认为，在Isl2/EphA3基因敲入小鼠的实验直接测试的分子标记和相关活动的发展过程中的神经连接的影响之间的相互作用。
2008-02-13 q-bio.NC
Extreme Synergy in a Retinal Code: Spatiotemporal Correlations Enable Rapid Image Reconstruction
在可用于处理视网膜输出的短暂时间间隔内，大约50至300毫秒，由单个神经节细胞产生的额外尖峰的数量可以是相当可变的。在这里，计算机生成的脉冲序列被用来研究如何通过利用视网膜神经元之间的时空相关性来改善信号/噪声，从而对大的连续刺激做出反应。现实的相关性产生调制的瞬时放电概率的所有受刺激的神经元由一个共同的振荡输入，其幅度和时间结构是一致的实验测得的场电位和相关图。虽然以前的研究通常测量一次检查一个的神经节细胞对之间的协同作用，或者采用优化的线性滤波器来解码更大群体的活动，但本研究研究了分布式，非线性编码策略，通过使用主成分分析（PCA）从单次试验中提取的多达一百万个振荡成对相关性中重建简单的视觉刺激，并行脉冲序列的持续时间短至25毫秒。通过整合大小与经典拮抗性环境相当的视网膜邻域中的信号，成对相关矩阵的第一主成分在不牺牲精细空间细节的情况下产生了信号/噪声的显著改善。这些结果展示了局部强度信息如何分布在由共同的刺激依赖性振荡调制连接的数百个神经元中，这种策略可能已经发展到最小化支持快速图像重建所需的尖峰数量。
2007-09-12 q-bio.NC
Dorsal lateral geniculate substructure in the Long-Evans rat: A cholera toxin B-subunit study
本研究描述了基于视网膜神经节细胞输入的起源眼的有色大鼠（Rattus norvegicus）丘脑背外侧膝状体核的亚结构。我们单眼眼内注射霍乱毒素（CTB），一个敏感的顺行示踪剂的B亚单位，在三个成年雄性Long-Evans大鼠。在另外四名受试者中，我们在双眼中注射荧光团缀合的CTB，在每只眼睛中使用不同的荧光团。这些受试者的大脑被固定和切片，标记的视网膜神经节细胞末端用宽视场亚微米分辨率载玻片扫描仪成像。追踪视网膜终止区以重建大脑两侧dLGN中同侧和对侧视网膜终止区的三维模型。dLGN体积为1.58 \pm 0.094 mm^{3}，其中70 \pm占整个视网膜受体LGN体积的3%。我们发现视网膜终末被起源眼很好地分离。我们一直发现三个或四个空间上分离的同侧受体区内的每个dLGN，而不是单一的紧凑区预期。这些亚结构域是否代表不同的功能亚板层仍有待确定。
2012-06-18 q-bio.NC
Retinal oscillations carry visual information to cortex
丘脑中继细胞发射动作电位，将信息从视网膜传递到皮层。脉冲序列编码的信息量通常根据刺激的脉冲定时的精度来估计。然而，感觉输入只是影响神经活动的因素之一。例如，内在动力学，如神经元网络的振荡，也调节放电模式。在这里，我们询问视网膜振荡是否有助于将信息传递给下游神经元。具体来说，我们从中继细胞进行全细胞记录，以揭示视网膜输入（EPSP）和丘脑输出（尖峰），并用信息论分析这些事件。我们的研究结果表明，丘脑脉冲序列作为两个多路复用的通道。占据低频带（<30 Hz）的一个通道通过相对于刺激的平均激发速率进行编码，并携带关于图像随时间的局部变化的信息。另一个工作在伽马频带（40-80 Hz），并通过相对于视网膜振荡的尖峰时间进行编码。因为这些振荡涉及视网膜的广泛区域，所以第二通道可能传输关于视觉场景的全局特征的信息。有时候，第二个频道比第一个频道传递更多的信息。
2008-12-05 q-bio.NC
Optogenetic vision restoration with high resolution
大多数遗传性视网膜变性是由于感光细胞死亡。在许多情况下，神经节细胞被保留下来，从而可以刺激它们恢复视觉功能。几项研究（Bi等人，2006; Lin等人，2008; Sengupta等人，2016; Caporale等人，2011; Berry等人，2017）已经表明，有可能在神经节细胞中表达光遗传蛋白并使它们对光敏感。这是恢复视力的一种有前景的策略，因为光学靶向可能比使用视网膜假体的电刺激更精确。然而，光遗传学重新激活的视网膜的空间分辨率还没有用细粒度的刺激模式测量。由于光遗传学蛋白也在轴突中表达，因此尚不清楚这些神经元是否仅对覆盖其胞体和树突的小区域的刺激敏感，或者它们是否也会对与其轴突重叠的任何刺激做出反应，从而显着损害空间分辨率。在这里，我们记录了小鼠和猕猴视网膜在体内光遗传学治疗后对随机棋盘图案的反应。我们表明，光遗传学激活的神经节细胞是每个敏感的视觉空间的一个小区域。基于这个小感受野的简单模型准确地预测了他们对复杂刺激的反应。从这个模型中，我们模拟了整个光敏神经节细胞群体如何对不同大小的字母做出反应。然后，我们估计了患者期望的最大敏锐度，假设它可以最佳地利用这个重新激活的视网膜所传递的信息。所获得的视力高于法定盲限。这种高空间分辨率是未来临床研究的一个有希望的结果。
2018-11-16 q-bio.NC
Metabolically Efficient Codes in The Retina
我们测试了视网膜神经节细胞的神经编码被优化以最小的代谢成本传输视觉信息的假设。在广泛的光模式下，神经节细胞的棘波序列由稀疏，精确的棘波脉冲组成。这些爆发被视为独立的神经符号。通过重复呈现视觉刺激来测量每个突发中的噪声，并且从神经节细胞尖峰的生物病理学现实模型中的总电荷流来估计能量成本。考虑到这些成本和噪声，有效码理论预测了符号使用的最佳分布。在这个最佳代码中，噪声或代谢代价高的符号被抑制。我们发现了极好的定性和定量协议的神经节细胞在虎蝾螈视网膜的突发大小的测量分布。
2001-05-06 cond-mat.dis-nn cond-mat.soft q-bio.NC
Revealing structure components of the retina by deep learning networks
Institute for Theoretical Computer Science, Graz University of Technology（格拉茨技术大学理论计算机科学研究所）
深度卷积神经网络（CNN）在视觉对象分类任务上表现出令人印象深刻的性能。此外，它也是预测视觉系统神经元反应的一个有用模型。然而，对于CNN在视觉神经元回路方面学习什么仍然没有明确的理解。可视化CNN的特征以获得与神经科学基础的可能联系并不容易，因为从视网膜到高级视觉皮层的电路非常复杂。在这里，我们解决这个问题，专注于单一的视网膜神经节细胞与一个简单的模型和电生理记录从蝾螈。通过用白噪声图像训练CNN来预测神经反应，我们发现最终学习的卷积滤波器类似于视网膜回路的生物组件。这些滤波器所代表的特征平铺了视网膜神经节细胞的常规感受野的空间。这些结果表明，CNN可以用来揭示神经元回路的结构成分。
2017-11-08 cs.CV q-bio.NC stat.ML
Towards the Next Generation of Retinal Neuroprosthesis: Visual Computation with Spikes
神经假体作为一种精密医疗设备，其目的是以闭环方式操纵大脑神经元信号，同时接收来自环境的刺激并控制我们大脑/身体的某个部分。就视觉而言，大脑可以在毫秒间隔内处理输入的信息。视网膜计算视觉场景，然后将其输出作为神经元尖峰发送到皮层进行进一步计算。因此，视网膜神经假体感兴趣的神经元信号是尖峰。神经假体中的闭环计算包括两个阶段：将刺激编码为神经元信号和将其解码为刺激。在这里，我们回顾了一些最近的进展，视觉计算模型，使用尖峰分析自然场景，包括静态图像和动态电影。我们假设，为了更好地理解视网膜中的计算原理，人们需要视网膜的超回路视图，其中应考虑视网膜的皮质神经元网络中揭示的不同功能网络模体。视网膜的不同构建块，包括细胞类型和突触连接的多样性，化学突触或电突触（间隙连接），使视网膜成为理想的神经元网络，以适应人工智能中开发的用于编码/解码视觉场景建模的计算技术。总之，我们需要一个系统的视觉计算与尖峰的方法来推进下一代的视网膜神经假体作为一个人工视觉系统。
2020-01-13 q-bio.NC
Neural System Identification with Spike-triggered Non-negative Matrix Factorization
Peking University（北京大学）；Peng Cheng Laboratory（鹏城实验室）；University of Edinburgh（爱丁堡大学）；University of Leicester（莱斯特大学）
大脑中形成的神经元回路是复杂的，具有错综复杂的连接模式。这种复杂性也在视网膜中观察到，作为相对简单的神经元回路。视网膜神经节细胞接收来自前几层神经元的兴奋性输入，作为激发尖峰的驱动力。需要能够以系统的方式破译这些成分的分析方法。最近，一种称为尖峰触发的非负矩阵分解（STNMF）的方法已被提出用于此目的。在这项研究中，我们扩展了STNMF方法的范围。通过使用视网膜神经节细胞作为模型系统，我们表明，STNMF可以检测上游双极细胞的各种计算特性，包括空间感受野，时间滤波器，和传输非线性。此外，我们从STNMF的权重矩阵中恢复突触连接强度。此外，我们表明，STNMF可以分离成几个子集的尖峰的神经节细胞的尖峰，每个子集是由一个突触前双极细胞。总之，这些结果证实了STNMF是一种有用的方法，用于破译神经元电路的结构。
2020-03-01 cs.LG cs.NE q-bio.NC
Spatial Contrast: A Vintage Retinal Model of Color Vision Produces the Center-Surround Opponent Color Phenomena; The Model Was Previously Shown To Produce Mutually Exclusive Opponent Colors by a Different Mechanism
本文证明一个先前提出的简单颜色视觉模型能够产生中心-周边拮抗色现象及Hubel和Wiesel发现的边缘朝向和运动检测，并阐明互斥色与中心-周边拮抗由两种不同机制产生。
2025-02-06 q-bio.NC
Neuroplasticity in adult human visual cortex
全世界每100人中就有1到5人从未经历过正常视力，这是由于一种叫做弱视的疾病，每4000人中就有1人患有遗传性视网膜营养不良，逐渐导致失明。虽然正在开发各种技术和治疗方法来恢复视力，但一个基本问题仍然没有答案：成年人的视觉大脑是否会保留足够的可塑性潜力，以便在长时间的异常视觉体验后学习如何观看？在这篇综述中，我们总结了研究表明，视觉大脑的视力正常的成年人保留一种类型的发育可塑性，称为稳态可塑性，这一属性最近已被成功地利用成人弱视的恢复。接下来，我们将讨论当视觉刺激通过仿生眼部分恢复时，大脑回路是如何重组的。这些患者的初级视觉皮层慢慢地被人工视觉刺激激活，这表明视力恢复治疗可以依赖于成年后相当程度的备用可塑性。
2019-05-07 q-bio.NC
What are the functions of primary visual cortex (V1)?
University of Tübingen（蒂宾根大学）；Max Planck Institute for Biological Cybernetics（马克斯·普朗克生物控制论研究所）
研究揭示V1皮层通过构建视觉场底向salience图引导眼动、作为信息瓶颈起点及支持持续识别的核心功能。
2026-04-24 q-bio.NC
Revealing Fine Structures of the Retinal Receptive Field by Deep Learning Networks
Tsinghua University（清华大学）；Peking University（北京大学）；University of Leicester（莱斯特大学）
深度卷积神经网络（CNN）在许多视觉任务上表现出令人印象深刻的性能。最近，它们成为神经科学中视觉系统的有用模型。然而，目前还不清楚CNN在神经元回路方面学到了什么。当具有许多层的深层CNN用于视觉系统时，由于从视网膜到更高视觉皮层的高度复杂的电路，将CNN的结构组件与可能的神经科学基础进行比较并不容易。在这里，我们解决这个问题，专注于单一的视网膜神经节细胞的生物物理模型和记录数据的动物。通过用白噪声图像训练CNN来预测神经元响应，我们发现可以揭示视网膜感受野的精细结构。具体来说，学习的卷积滤波器类似于视网膜回路的生物组件。这表明从单个视网膜细胞学习的CNN揭示了在该细胞中进行的最小神经网络。此外，当从不同小区学习的CNN在小区之间转移时，存在转移学习性能的多样性，这表明CNN是小区特定的。此外，当CNN在不同类型的输入图像之间传输时，这里是白噪声对对于自然图像，迁移学习显示出良好的性能，这意味着CNN确实捕获了单个视网膜细胞对不同输入的全部计算能力。总之，这些结果表明，CNN可以用来揭示神经元回路的结构成分，并为神经系统识别提供一个强大的模型。
2020-02-18 cs.LG q-bio.NC
Gabor frames from contact geometry in models of the primary visual cortex
研究初级视觉皮层几何模型中接触几何与Gabor滤波器的关系，证明由流形几何确定的格缩放可满足框架条件，并提出5维模型中窗函数的修改方法以生成Gabor框架。
2023-06-02 q-bio.NC
An information theoretic approach to the functional classification of neurons
一群神经元通常对感觉输入表现出广泛的多样性反应。功能分类的直观概念是，细胞可以聚集在一起，这样大部分的多样性就被捕获在集群的身份中，而不是集群中的个体。我们展示了如何使用信息论来精确地做出这种直觉，而不需要在刺激或反应的空间上引入度量。应用于蝾螈的视网膜神经节细胞，这种方法恢复了经典的结果，但也提供了明确的证据，超出了以前确定的子类。此外，我们发现每个神经节细胞在功能上都是独特的，即使在同一亚类中，也只需要几个棘波就可以可靠地区分细胞。
2002-12-31 physics.bio-ph physics.data-an q-bio.NC
A Bioplausible Model for the Expanding Hole Illusion: Insights into Retinal Processing and Illusory Motion
本研究针对扩张洞错觉的神经机制不明问题，提出基于DoG滤波与经典感受野的视网膜加工计算模型，发现对比度依赖侧抑制等是错觉成因，为动态视错觉研究提供新框架。
2025-01-15 cs.NE eess.IV q-bio.NC
A Unified Theory of Early Visual Representations from Retina to Cortex through Anatomically Constrained Deep CNNs
Department of Applied Physics Stanford（斯坦福大学应用物理系）；Google Brain（谷歌大脑）
视觉系统是分层组织的，在连续的阶段中处理视觉信息。在视觉处理的第一阶段，神经表征变化很大：在视网膜的输出端，神经节细胞感受野（RF）表现出明显的拮抗性中心-环绕结构，而在初级视觉皮层，典型的RF被急剧调整到精确的方向。目前还没有统一的理论来解释这些层间表征的差异。在这里，使用一个在图像识别上训练的深度卷积神经网络作为视觉系统的模型，我们证明了这种表征的差异可以作为视网膜和皮层网络上不同神经资源约束的直接结果出现，并且我们找到了一个单一的模型，在视觉处理的适当阶段，两种几何形状自发地出现。关键的限制是视网膜输出处的神经元数量减少，这与视神经的解剖结构作为严格的瓶颈一致。第二，我们发现，对于简单的皮层网络，在视网膜输出的视觉表示出现非线性和有损特征检测器，而他们出现的线性和忠实的编码器的视觉场景更复杂的皮层。这一结果预测，小型脊椎动物的视网膜应该执行复杂的非线性计算，提取与行为直接相关的特征，而大型动物（如灵长类动物）的视网膜应该主要对视觉场景进行线性编码，并对更广泛的刺激做出反应。这些预测可以调和两种看似不相容的视网膜观点，即要么执行特征提取，要么对自然场景进行有效编码，因为所有脊椎动物都位于这两个目标之间的光谱上，这取决于分配给视觉系统的神经资源的程度。
2019-01-03 cs.LG cs.NE q-bio.NC
The macaque IT cortex but not current artificial vision networks encode object position in perceptually aligned coordinates
York University（约克大学）；University of Udine（乌迪内大学）
猕猴IT皮层编码物体位置在感知对齐坐标，而人工视觉系统无法产生适应性位置偏移。
2026-03-11 q-bio.NC
Complete structure of topographic maps in ephrin-A deficient mice
视网膜神经节细胞的轴突建立了有序的投射到中脑上丘。邻近细胞的轴突终止于近端的上丘，从而形成视觉世界的地形精确表示。坐标轴通过化学标记的分级表达在视网膜和靶中编码。仅基于化学标记的映射不能产生所需的连接特异性。额外的锐化由相邻轴突之间相关的电活动提供。在这里，我们提出了一个定量模型，它允许在一个单一的方法结合化学标记和相关活动的影响。使用这个模型，我们研究了一个完整的结构的二维地形图的突变小鼠，其中一个标签，编码水平视网膜坐标（ephrin-A），减少/消除。我们发现，在ephrin-A缺陷小鼠的地形图显示颗粒状结构，与区域的平滑映射分离的线性不连续性，让人想起骨折的首选方向的地图中观察到的。我们还证明了点奇点在地形图中的存在。
2005-03-02 q-bio.BM q-bio.NC
A geometric model of multi-scale orientation preference maps via Gabor functions
在本文中，我们提出了一个新的模型，在初级视觉皮层（V1）的方向偏好地图的生成，同时考虑方向和规模的特点。首先，我们进行建模的功能架构的V1解释为一个主要的纤维束在2维视网膜平面通过引入内在变量，方向和规模。内在变量在视网膜平面的每一点上构成纤维，并且简单细胞的接收轮廓集位于纤维上。光纤上的每个接收轮廓在数学上被解释为从不确定性原理导出的旋转的Gabor函数。视觉刺激被提升在一个4维空间，其特征在于坐标变量，位置，方向和规模，通过线性滤波的刺激与Gabor函数。然后通过将从噪声刺激的提升中发现的取向值映射到二维视网膜平面上来获得取向偏好图。这对应于$\text{SE}(2)=\mathbb{R}^2\times S^1$群的可约表示中的巴格曼变换。将提供一个比较与以前的模型的基础上的Bargman变换的不可约表示的$\text{SE}(2)$组，概述了新的模型是更多的生理动机。然后，我们提出了模拟结果相关的建设的方向偏好地图，通过使用不同尺度的Gabor滤波器，并比较这些结果的相关神经生理学研究结果在文献中。
2017-12-12 q-bio.NC
Uncovering potential effects of spontaneous waves on synaptic development: the visual system as a model
本研究构建受生物学约束的V1丘脑皮层突触发育模型，结合简化发放率模型，揭示II期视网膜波驱动突触修剪的机制，发现缝隙连接可促进局部视网膜拓扑形成，并探讨其对后续方向选择性发育的影响。
2025-05-21 q-bio.NC
A sub-Riemannian model of the visual cortex with frequency and phase
INRIA Sophia Antipolis（法国国家信息与自动化研究所索菲亚·安蒂波利斯中心）；EHESS（法国社会科学高等研究院）；University of Bologna（博洛尼亚大学）
本文基于初级视觉皮层简单细胞的方向、频率和相位选择行为，提出了一种新的视觉皮层模型。我们从视觉感知的第一级机制开始：接受性轮廓。该模型通过引入方向、频率和相位作为内在变量，将V1解释为二维视网膜平面上的纤维束。光纤上的每个接收轮廓在数学上被解释为旋转的、频率调制的和相移的Gabor函数。我们从Gabor函数开始，并表明它以一种自然的方式诱导模型几何形状和相关的水平连接模型V1中的神经连接模式。我们提供了一个图像增强算法采用的模型框架。该算法不仅能够利用二维输入图像中固有的方向信息，而且能够利用二维输入图像中固有的频率和相位信息。我们提供了相应的增强算法的实验结果。
2019-10-11 cs.CV math.AP math.DG
Visual attention information can be traced on cortical response but not on the retina: evidence from electrophysiological mouse data using natural images as stimuli
National Technical University of Athens（雅典国家技术大学）
本研究通过计算方法分析小鼠电生理数据，发现视觉注意信息可在初级视觉皮层响应中追踪，但不存在于视网膜响应中，为改进视觉假体系统设计提供了贡献。
2023-08-01 cs.CV eess.IV q-bio.NC
Fundamental principles of cortical computation: unsupervised learning with prediction, compression and feedback
对灵长类动物大脑皮层的解剖和功能微电路的理解已经取得了很大的进展。然而，皮质计算的基本原理--允许视觉皮质将视网膜尖峰结合到物体、场景和场景的表示中的原理--迄今为止仍然难以捉摸。为了更接近理解皮层计算的基本原理，我们在这里提出了一个灵长类视觉皮层的功能性、现象学模型。该模型的核心部分描述了四个层次的皮层区域与前馈，横向和经常性的连接。在模型中实现的三个主要原则是信息压缩，预测的无监督学习，以及横向和自上而下的上下文的使用。我们发现，该模型再现了灵长类动物腹侧流的视觉处理，包括简单和复杂的细胞在V1，越来越复杂的功能编码的关键方面，并在更高的皮层区域的对象表示的可分离性增加。该模型学习视觉环境的表示，允许对新对象进行准确分类和最先进的视觉跟踪性能。
2016-08-19 cs.CV q-bio.NC
Statistical Mechanics Characterization of Neuronal Mosaics
神经元细胞的空间分布是在大多数动物的神经系统的几个部分中实现适当神经元功能的重要要求。例如，需要光感受器和相关神经元细胞（特别是神经节细胞）在哺乳动物视网膜中的特定分布，以便适当地对投影场景进行采样。这项工作介绍了如何从统计力学和复杂系统，即\emph{lacunarity}和\emph{multiscale entropy}（即熵计算的细胞马赛克的渐进扩散表示）领域的两个概念，已允许有效的表征视网膜细胞的空间分布。
2004-11-14 cond-mat.dis-nn cs.CV physics.bio-ph
Efficient Visual Coding: From Retina To V2
UCSD（加州大学圣地亚哥分校）
人类视觉系统具有由视网膜、V1、V2等处理层组成的分层结构。了解这些视觉处理层的功能作用将有助于将心理生理学和神经生理学模型整合到一致的人类视觉理论中，也将为计算机视觉研究提供见解。早期视觉通路的一个经典理论假设，它通过有效地编码其输出中的视觉信息来捕获视觉输入的统计结构。直到最近，大多数遵循这一理论的计算模型都集中在解释一个或两个视觉层的感受野特性。最近在深度网络方面的工作已经消除了这种担忧，但是，仍然需要考虑视网膜层。在这里，我们改进了先前描述的分层模型递归ICA（RICA）[1]，该模型从PCA开始，然后是稀疏编码层或ICA，然后是从ICA预期的变量分布考虑得出的分量非线性。然后重复该过程。在这项工作中，我们通过使用一个新版本的稀疏PCA（sPCA），这导致在生物学上合理的感受野的sPCA和ICA/稀疏编码改进了这个模型。当应用于自然图像补丁时，我们的模型学习视觉特征，表现出视网膜神经节细胞/外侧膝状体核（LGN）细胞，V1简单细胞，V1复杂细胞和V2细胞的感受野特性。我们的工作为实验神经科学研究提供了预测。例如，我们的研究结果表明，以前的神经生理学研究不适当地丢弃了一些记录的神经元;我们预测，他们丢弃的神经元捕捉物体的形状轮廓。
2014-12-18 cs.CV q-bio.NC
Learning to make external sensory stimulus predictions using internal correlations in populations of neurons
为了弥补感官处理延迟，视觉系统必须做出预测，以确保及时和适当的行为。最近的研究发现，从视网膜开始，在视觉处理的早期，神经元群体中存在关于刺激的预测信息。然而，为了利用这些信息，下游细胞必须能够从视网膜神经节细胞的尖峰活动中读出预测信息。在这里，我们调查是否下游细胞可以学习有效的编码的预测信息在其输入中的其他指导性信号的情况下，从输入本身的相关性。我们模拟由蝾螈视网膜中记录的尖峰活动驱动的学习。我们将下游细胞建模为接收一小组加权输入的二进制神经元，并量化二进制神经元中的活动与未来输入之间的预测信息。在训练期间，输入权重根据尖峰时间相关的学习规则而变化。我们的特点下学习的读数尖峰时间依赖的学习规则，发现，虽然不动点的学习动力学与绝对的最佳读数，他们传达了几乎所有的信息传达的最佳读数。此外，我们发现，学习感知器传输的位置和速度信息的移动酒吧刺激几乎有效的最佳感知器。我们的结论是，预测信息是，原则上，可读的下游神经元的角度在没有其他输入，因此表明，自下而上的预测可能在感觉处理中发挥重要作用。
2017-06-26 q-bio.NC
Fractal features of dark, maintained, and driven neural discharges in the cat visual system
我们采用了一些统计措施来表征猫视网膜神经节细胞（RGC）和他们的目标外侧膝状体核（LGN）神经元在各种刺激条件下的神经放电活动，我们开发了一种新的措施来检查尖峰列车对之间的分形活动的相关性。在没有刺激的情况下（即，在黑暗中），RGC和LGN放电表现出类似的特性。向眼睛呈现恒定、均匀的亮度减少了RGC维持放电中的分形波动，但增强了目标LGN放电中的分形波动，使得成对的神经活动不再彼此镜像。一个漂移光栅刺激产生RGC和LGN驱动的尖峰列车类似的字符中观察到的维持放电，有两个显着的区别：动作电位沿时间轴重组，使它们只发生在某些阶段的刺激波形，分形活动被抑制。在均匀亮度和漂移光栅刺激条件下（但不是在黑暗中），LGN细胞对的放电在长时间尺度上高度相关;相反，RGCs的放电几乎彼此不相关。这表明，在LGN的动作电位活动受到一个共同的分形调制，而RGC不受。
1999-10-18 physics.bio-ph q-bio.NC q-bio.QM
