Conformal models for hypercolumns in the primary visual cortex V1
本文融合辛模型与球面模型，基于共形几何经典结果提出V1超柱的微分几何新模型。
2024-10-26 math.DG q-bio.NC
Measuring the dynamics of neural responses in primary auditory cortex
本文综述了近年来听觉皮层神经元对宽带声反应特性的动态测量研究进展。重点是一种方法，其特点是单神经元的频谱时间特性的动态，宽带的声音，类似于在视觉中使用的漂移光栅。该方法对待的频谱和时间方面的反应在平等的基础上。
1998-04-16 q-bio.NC
Primary visual cortex as a saliency map: parameter-free prediction of behavior from V1 physiology
有人假设，初级视觉皮层（V1）的神经活动代表了一个视觉领域的显着地图，外源性地引导注意。到目前为止，这一假设只提供了定性的预测和证实。我们报告了这一假设的第一个定量预测，没有自由参数，并通过人类行为数据证实。该假说提供了V1神经对视觉位置的反应与该位置的显着性之间的直接联系，以引导注意力。在包含许多条的视觉输入中，其中一个显著地不同于彼此相同的所有其他条，在单例位置处的显著性可以通过在视觉搜索任务中找到单例的反应时间的短暂来测量。该假设定量预测的反应时间的整体分布，以找到一个独特的颜色，方向和运动方向的反应时间，以找到其他类型的单体。预测的分布与所有六个人类观察者的实验观察分布相匹配。这种成功预测的一个要求是一个数据驱动的假设，即V1缺乏同时调谐到视觉输入的颜色，方向和运动方向的神经元。由于有证据表明，外纹皮层确实有这样的神经元，我们讨论的可能性，外纹皮层在引导外源性注意，使他们可以致力于其他功能的角色，如视觉解码或内源性注意没有发挥作用。
2014-11-02 physics.bio-ph q-bio.NC
Information processing occurs via critical avalanches in a model of the primary visual cortex
我们研究了一种新的生物动机模型猕猴初级视觉皮层，提出了幂律雪崩后的视觉刺激。信号通过依赖于网络结构和突触参数的雪崩在模型的所有层中传播。我们确定了四种不同的雪崩配置文件作为兴奋性突触后电位的函数。雪崩遵循的大小持续时间的标度关系，并提出关键指数，匹配的实验。网络的结构产生了两个特征空间尺度的制度，其中之一消失在热力学极限。
2016-11-18 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Coherent states of the Euclidean group and activation regions of primary visual cortex
SE（2）的不确定性原理允许构造与第二海森堡群H2的巴格曼变换严格相关的相干态变换。相应的目标空间被构造性地表征，并与SE（2）的殆复结构作为接触流形相关。这种相干状态变换提供了初级视觉皮层中的神经活动图的模型，然后根据最小不确定性状态来描述。模型的结果与实验测量进行了比较。
2011-11-02 math.GR math.RT physics.data-an
Afferent specificity, feature specific connectivity influence orientation selectivity: A computational study in mouse primary visual cortex
初级视觉皮层（V1）提供了对特定输出特征（如方向调节）的选择性和出现的重要见解。小鼠视觉皮层中皮层神经元的调谐和选择性至今尚未明确解决。虽然许多体内实验研究发现，所有亚型的抑制性神经元广泛调整方向，但其他研究报告抑制性神经元与兴奋性神经元一样急剧调整。这些关于兴奋性和抑制性皮层神经元的选择性的不同发现促使我们提出以下问题：（1）皮层计算与先前描述的依赖于地图的物种有何不同或相似之处？(2)小鼠初级视觉皮层方位选择性增强的网络机制是什么？在这里，我们调查上述问题的计算框架与Hodgkin-Huxley（HH）点神经元组成的递归网络。我们的皮质网络与随机连接单独不能解释所有的实验观察，这导致我们假设，（a）方向依赖的连接（b）前馈传入特异性，以了解小鼠V1神经元的方向选择性。使用人口（方向选择性指数）OSI作为衡量神经元的选择性刺激方向，我们测试每个假设单独和结合对实验数据。基于我们对方向选择性（OS）数据的分析，我们发现基于传入特异性和连接性的模型中的网络参数与特征相似性很好地吻合。我们的结论是，这个特定的模型类最好的支持数据集的兴奋性和抑制性神经元的方向选择性在初级视觉皮层的第2/3层的小鼠。
2013-01-06 q-bio.NC
Adaptive Scales of Spatial Integration and Response Latencies in a Critically-Balanced Model of the Primary Visual Cortex
大脑处理具有大范围空间尺度上的结构的视觉输入。大脑用来实现这一壮举的精确机制或算法在很大程度上是未知的，也是视觉神经科学中的一个开放问题。特别是，在视觉空间的空间范围内，初级视觉皮层（V1）执行证据整合已被证明是改变作为对比度和其他视觉参数的函数，从而适应视觉空间的规模在输入依赖的方式。我们证明，一个简单的动力学机制-动力学临界性-可以同时解释V1的三个属性的有据可查的输入依赖性特征：视觉空间的整合规模，皮质表面的横向整合程度和响应延迟。
2018-03-21 math.DS q-bio.NC
Receptive Field and Feature Map Formation in the Primary Visual Cortex via Hebbian Learning with Inhibitory Feedback
本文提出了一个线性神经网络模型，用于描述哺乳动物视觉系统，其中初级视觉皮层（V1）到外侧膝状体核的后向联系起着关键作用。反向连接控制从LGN到V1的信息流，以使从LGN到V1的信息传输速率最大化。将赫布学习应用于前向和后向连接会导致感受野的形成，这些感受野对边缘、条形和偏好方向的空间频率敏感。V1区的感受野类型取决于LGN区传入纤维连接的密度。在学习阶段，方向偏好通过横向交互作用在初级视觉皮层中组织起来。在未成熟和成熟的动物之间的眼睛的大小的变化被证明是V1组织的发展中的一个重要因素。成熟的网络的organainization相比，在猕猴中发现的几个分析测试。
2005-05-05 q-bio.NC q-bio.QM
The Butterfly Effect in Primary Visual Cortex
探索和建立具有电生理特性和高计算效率的人工神经网络是计算机视觉领域的热门课题。受初级视觉皮层工作机制的启发，脉冲耦合神经网络（PCNN）具有同步振荡、不应期和指数衰减等特性。然而，电生理学证据表明，神经元表现出高度复杂的非线性动力学时，外部周期性信号的刺激。这种混沌现象，也被称为“蝴蝶效应”，不能用所有的PCNN模型来解释。在这项工作中，我们分析的主要障碍，阻止PCNN模型模仿真实的初级视觉皮层。我们认为神经元的兴奋是一个随机过程。然后，我们提出了一种新的神经网络，称为连续耦合神经网络（CCNN）。理论分析表明，CCNN的动态行为不同于PCNN。数值结果表明，CCNN模型在直流刺激下表现出周期行为，在交流刺激下表现出混沌行为，这与真实神经元的结果一致。分析了CCNN模型的图像和视频处理机制。图像分割的实验结果表明，CCNN模型具有更好的性能比最先进的视觉皮层神经网络模型。
2022-07-23 cs.NE q-bio.NC
Director Field Model of the Primary Visual Cortex for Contour Detection
Emory University（埃默里大学）
我们的目标是建立最简单的模型，能够检测长，嘈杂的轮廓在一个混乱的视觉场景。为此，我们在灵长类动物初级视觉皮层的神经动力学模型中的一个连续的导演字段，描述了平均速率和平均取向偏好的活跃神经元在一个特定的点在皮层。然后，我们使用一个线性-非线性动力学模型与远程连接模式，以执行远程统计背景下分析的图像。所得到的模型具有比传统模型少得多的自由度，但它可以区分大的连续对象从背景杂波抑制杂波和填充对象轮廓的闭塞元素。这导致在杂乱的场景中的大对象的高精度，高召回检测。附带说明，我们的模型与二维液晶的Landau-de Gennes理论有直接的对应关系.
2014-10-18 cs.CV 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
Reduced functional connectivity within the primary motor cortex of patients with brachial plexus injury
本研究旨在探讨外伤性臂丛神经根性撕脱伤（BPA）对初级运动皮层（M1）组织结构的影响。9例右BPA右利手患者行肋间肌皮神经（ICN-MC）转移术，术后进行静息状态fRMI扫描。相邻体素之间的经验函数相关性分析显示，与对照组相比，BPA患者手臂对应的M1区域的衰减速度更快。两组在面部面积上无差异。我们还调查了患者中这种较大的衰减是否可以归因于M1的灰质减少。结构成像分析显示各组间灰质密度无差异。我们的研究结果表明，BPA患者中邻近功能相关性的快速衰减而没有任何灰质减少可能与M1中由上肢运动协同作用负责的内在水平连接的活动减少有关。
2015-06-25 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
Stimulus-invariant processing and spectrotemporal reverse correlation in primary auditory cortex
频谱-时间感受野（STRF）提供了初级听觉皮层（AI）单个细胞的多功能和综合的频谱和时间功能表征。在本文中，我们将探讨的起源，以及之间的关系，不同的方法来测量和分析一个STRF。我们证明，STRFs测量使用一个spectrotemporally多样化阵列的宽带刺激-如动态纹波，spectrotemporally白噪声，时间正交纹波组合（TORCs）-是非常相似的，证实了早期的研究结果，STRF是一个强大的线性描述符的细胞。我们还提出了一个新的确定性分析框架，采用傅立叶级数来描述的spectrotemporal调制中包含的刺激和反应。STRF测量，包括测量误差的性质和解释的其他见解，提出了使用傅立叶变换，加上奇异值分解（SVD），和变异性分析，包括引导。结果促进实用的STRF作为一个核心功能描述的神经元在AI。
2005-08-29 q-bio.NC q-bio.QM
On sources to variabilities of simple cells in the primary visual cortex: A principled theory for the interaction between geometric image transformations and receptive field responses
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出一种理论，探讨几何图像变换与感受野响应的相互作用，通过统一空间缩放、仿射变换、伽利略变换和时间缩放变换，建立感受野形状的扩展模型，以实现不同观察条件下场景的匹配。
2026-10-20 q-bio.NC
The Dynamics of Image Processing by Feature Maps in the Primary Visual Cortex
本文研究了一种基于人脑视觉系统的线性神经网络图像处理系统的工作特性。网络的最后一级由排列在特征图中的各种方向的边缘检测器组成，对应于初级视觉皮层或V1。外侧膝状体核作为一个预处理阶段建模。LGN与V1之间存在兴奋性前向联系和抑制性后向联系。通过一种根据V1活动重构输入图像的方法，仿真结果表明，所提出的网络可以忠实地在V1中表示图像。该表示法提高了图像的信噪比，并且有可能达到200以上的压缩比。V1神经元之间的横向相互作用使它们的定向调谐更加尖锐。我们进一步研究了动态的处理，显示的表示的错误的减少率最大化的感受野使用，我们开发了一个福克-普朗克方程的误差值与时间的更详细的预测。最后，我们展示了如何输入的协方差矩阵的特征值可以用来预测的错误减少率。
2005-05-05 q-bio.NC q-bio.QM
Low-Rank Nonlinear Decoding of $μ$-ECoG from the Primary Auditory Cortex
University of California, Los Angeles（加州大学洛杉矶分校）；New York University（纽约大学）；Duke University（杜克大学）
本文考虑了并行神经测量系统，如微皮层电图（$μ$ -ECoG）的神经解码的问题。在具有非常高采样率的大量阵列元件的系统中，原始测量数据的维度可能很大。学习这种高维数据的神经解码器可能具有挑战性，特别是当训练样本数量有限时。为了解决这个问题，本文提出了一种新的神经网络解码器，在第一隐藏层中具有低秩结构。低秩约束显著地减少了解码器中的参数的数量，同时仍然能够实现丰富的非线性解码器映射。低秩解码器在来自清醒大鼠初级听觉皮层（A1）的$μ$ -ECoG数据上示出。由于听觉皮层中神经反应的复杂性以及清醒动物中混杂信号的存在，这种解码问题特别具有挑战性。结果表明，建议的低秩解码器显着优于使用标准的降维技术，如主成分分析（PCA）的模型。
2020-05-06 cs.LG cs.NE eess.SP
Topographic Deep Artificial Neural Networks (TDANNs) predict face selectivity topography in primate inferior temporal (IT) cortex
深度卷积神经网络是生物驱动的模型，类似于灵长类动物视觉皮层的分层结构，并且是当前沿腹侧流测量的神经反应的最佳预测器。然而，这些网络缺乏视觉皮层中存在的地形特性，例如初级视觉皮层中的方向图和下颞（IT）皮层中的类别选择图。在这项工作中，最小布线成本约束近似为一个额外的学习规则，以生成网络的地形图。我们发现，我们的地形深人工神经网络（ANN）可以重现灵长类动物IT皮层的类别选择性地图。
2019-09-21 q-bio.NC
Multi-Modal Latent Variables for Cross-Individual Primary Visual Cortex Modeling and Analysis
提出多模态可识别变分自编码器（miVAE），通过两级解耦策略将神经活动与视觉刺激映射至统一潜在空间，结合基于分数的归因分析，在大规模小鼠V1数据集上实现了无需个体微调的跨个体潜在表示与对齐，并成功识别神经元亚群与敏感刺激区域。
2024-12-19 q-bio.NC
A rotation-equivariant convolutional neural network model of primary visual cortex
Center for Neuroscience and Artificial Intelligence, BCM（贝勒医学院神经科学与人工智能中心）；Baylor College of Medicine（贝勒医学院）；University of Tübingen（图宾根大学）；Bernstein Center for Computational Neuroscience, University of Tübingen（图宾根大学伯恩斯坦计算神经科学中心）；Max Planck Institute for Biological Cybernetics（马克斯·普朗克生物控制论研究所）；Rice University（莱斯大学）
经典模型将初级视觉皮层（V1）描述为方向选择线性-非线性（LN）或能量模型的滤波器组，但这些模型不能准确预测神经对自然刺激的反应。最近的研究表明，基于卷积神经网络（CNN）的模型可以实现更准确的预测，但目前还不清楚V1神经元除了方向选择性和相位不变性之外还提取了哪些特征。在这里，我们通过将神经元分类为执行类似计算的组来系统地研究V1计算。我们提出了一个框架，以确定共同的功能，独立于个别神经元的方向选择性，通过使用旋转等变卷积神经网络，自动提取每个功能在多个不同的方向。我们拟合这个模型的6000个神经元的人口自然图像记录在小鼠初级视觉皮层使用双光子成像的反应。我们表明，我们的旋转等变网络不仅优于具有相同数量特征图的常规CNN，而且还揭示了许多V1神经元共享的一些共同特征，这些特征偏离了V1作为一组Gabor滤波器的典型教科书思想。我们的研究结果是一个强大的新工具，研究V1的非线性计算的第一步。
2018-09-27 cs.LG q-bio.NC stat.ML
Using deep learning to reveal the neural code for images in primary visual cortex
University of Colorado School of Medicine（科罗拉多大学医学院）；Canadian Institute for Advanced Research（加拿大高等研究院）
初级视觉皮层（V1）是大脑皮层图像处理的第一阶段，系统神经科学的一个主要研究方向是了解V1是如何编码视觉刺激信息的。在V1内，许多神经元选择性地对给定的优先方向的边缘做出反应：这些被称为简单或复杂细胞，它们被充分研究。其他神经元对局部中心-周围图像特征作出反应。还有一些人对某些图像刺激有选择性地做出反应，但激发他们的具体特征是未知的。此外，即使对于简单和复杂的细胞--最好理解的V1神经元--预测它们将如何对自然图像刺激做出反应也是具有挑战性的。因此，我们对V1如何编码图像的理解存在重要差距。为了填补这一空白，我们训练深度卷积神经网络来预测V1神经元响应自然图像刺激的放电率，并发现这些神经元中有15%在其理论可预测性极限的10%以内。对于这些预测良好的神经元，我们反转预测器网络以识别导致V1神经元尖峰的图像特征（感受野）。除了那些具有先前表征的感受野（Gabor小波和中心环绕）的神经元外，我们还识别出可预测地响应于不局限于图像的任何特定区域的更高级别纹理图像特征的神经元。
2017-06-19 cs.CV q-bio.NC
An uncertainty principle underlying the pinwheel structure in the primary visual cortex
V1中的视觉信息由称为方向偏好列的模块阵列处理。在包括人类在内的某些物种中，方向柱围绕像车轮辐条一样的奇异点呈放射状排列，称为风车。风车结构已被观察到第一次与光学成像技术，最近在体内双光子成像证明其组织与单细胞精度。在这项研究中，我们提供的证据表明，风车是事实上的最佳分布编码在最佳的角位置和动量。在过去的几年里，许多作者已经认识到，V1的功能结构是局部不变的旋转和平移的对称群SE（2）。在本研究中，我们表明，用于构建风车的方向皮层地图可以建模为相干态，即最好的配置本地化的角位置和角动量。我们采用的理论是基于众所周知的不确定原理，介绍了海森堡在量子力学，后来扩展到许多其他群体的不变性。在这里，我们陈述了一个相应的原则，在皮质几何与SE（2）对称性，并通过计算其极小值，我们得到了一个模型的定向活动地图的皮质。众所周知，风车结构是直接从这些活动图构建的，我们将能够从视觉皮层功能结构的组对称性开始正式再现它们的结构。初级视皮层被建模为一个完整的系统，其中简单细胞的集合实现SE（2）群，水平连接实现其李代数和风车实现其最小不确定性状态。
2010-07-08 math-ph math.MP q-bio.NC
Conduction velocity of intracortical axons in monkey primary visual cortex grows with distance: implications for computation
Max Planck Institute for Biological Cybernetics（马克斯·普朗克生物控制论研究所）；University of Tübingen（蒂宾根大学）
研究发现皮层内轴突的传导速度随距离线性增加，足以传递上下文信息，挑战了传统观点。
2025-10-28 q-bio.NC
Mean field theory for a balanced hypercolumn model of orientation selectivity in primary visual cortex
我们提出了一个完整的平均场理论的平衡状态的一个简单的模型的定向超柱。该理论的补充说明的数值求解平均场方程定量的过程。通过我们的处理，我们可以自洽地确定放电率和放电相关性，而不限于特定的神经元模型。在这里，我们解决了解析导出的平均场方程数值积分和消防神经元。几个已知的关键属性的方向选择性皮层神经元自然出现的描述：不规则发射与统计接近-但不限于-泊松统计;一个几乎线性的增益函数（发射频率作为刺激对比度的函数）的神经元内的网络;和对比度不变的调谐宽度的神经元放电。我们发现，放电的不规则性敏感地依赖于突触的强度。如果Fano因子大于1，那么它们对于所有引起放电的刺激方向都是如此。我们还发现，在输入电流的噪声的调谐是相同的外部输入的调谐，而平均输入电流取决于外部输入和皮层内的连接。
2004-03-25 q-bio.NC
A sub-Riemannian model of neural states in the primary motor cortex
Dipartimento di Matematica, Università di Bologna（博洛尼亚大学数学系）；Centre d’Analyse et de Mathématique Sociales, Sorbonne Université（索邦大学社会分析与数学中心）
基于子黎曼几何框架，通过运动学参数定义片段空间，引入几何核模拟皮层连接，成功从皮层活动模型中恢复出神经状态，验证了运动学变量和距离度量足以解释神经状态形成。
2026-06-23 q-bio.NC
Synchronous chaos and broad band gamma rhythm in a minimal multi-layer model of primary visual cortex
视觉诱导的神经元活动在V1显示一个显着的γ-波段组件，这是调制的刺激属性。有人认为，同步振荡有助于这些伽马带活动[...]然而，即使当观察到振荡时，它们也在非常少的周期内经历时间去相关。这在以前的伽马振荡网络建模中并不容易解释。我们在这里认为，皮质层之间的相互作用可以负责这种快速去相关。我们研究了一个V1超柱模型，嵌入了对皮层多层结构的简化描述。当刺激对比度较低时，诱导的活动只有弱同步性，并且网络瞬时共振而不产生集体振荡。另一方面，当对比度高时，诱导的活动经历同步振荡，具有表示同步混沌状态的不规则时空结构。因此，人口活动经历快速的时间去相关，伴随着快速阻尼的振荡LFPs自相关图和LFPs功率谱的峰值展宽。[...]最后，我们认为，在我们的模型中出现同步混沌的机制实际上是非常普遍的。它源于这样一个事实，即由局部延迟抑制引起的伽马振荡在与足够强的激发耦合时倾向于发展混沌。
2011-12-17 cond-mat.dis-nn q-bio.NC
Temporal Symmetry in Primary Auditory Cortex: Implications for Cortical Connectivity
雪貂（Mustela putorius）的初级听觉皮层（AI）中的神经元被很好地描述为它们的频谱-时间响应场（STRF），也被发现具有我们称之为时间对称性的独特属性。对于时间对称的神经元，STRF（脉冲响应）的每个时间横截面由相同的时间函数给出，除了缩放和“希尔伯特旋转”。在清醒动物中记录到的神经元中，有85%（145个中的123个）具有这种特性，在麻醉动物中记录到的神经元中，有96%（73个中的70个）具有这种特性。时间对称性的这种特性对于AI内部和AI中的功能神经连接的可能模型具有高度约束性。我们发现，最简单的功能丘脑输入模型，从腹侧内侧膝状体（MGB），进入AI的入口层被排除，因为它们与所观察到的时间对称性的约束是不相容的。这也是最简单的功能性皮质内连接模型的情况。似是而非的模型，产生时间对称性，无论是从丘脑和皮质内的输入，提出。特别是，我们提出，丘脑-皮质界面的两个具体特征可能是负责的。第一个是丘脑的快速动态和皮层的缓慢反应之间的时间不匹配。第二，所有进入皮质模块（或一群细胞）的丘脑输入必须限制在一个进入点（或群细胞中的一个细胞）。后者的属性意味着缺乏相关的水平相互作用，在STRF测量过程中的皮质模块。这些见解在听觉系统中的影响，并与视觉系统中的类似属性的比较，进行了探讨。
2006-08-15 q-bio.NC q-bio.QM
Retrospective for the Dynamic Sensorium Competition for predicting large-scale mouse primary visual cortex activity from videos
本研究设立Sensorium 2023动态视觉系统预测基准竞赛，基于10只小鼠初级视觉皮层的大规模神经元数据集，分两个赛道评估模型性能，推动了小鼠视觉系统动态预测模型的发展，获胜模型较此前最优水平提升50%。
2024-07-12 q-bio.NC
The Sensorium competition on predicting large-scale mouse primary visual cortex activity
Baylor College of Medicine（贝勒医学院）；University of Göttingen（哥廷根大学）；University of Tübingen（图宾根大学）
生物视觉系统的神经基础是具有挑战性的实验研究，特别是随着神经元活动变得越来越非线性的视觉输入。人工神经网络（ANN）可以为各种目标服务，以提高我们对这个复杂系统的理解，不仅可以作为感官皮层的预测数字孪生模型，用于在计算机上生成新的假设，还可以结合生物启发的架构图案，逐步弥合生物和机器视觉之间的差距。鼠标最近已经成为一个流行的模型系统，研究视觉信息处理，但没有标准化的大规模基准，以确定国家的最先进的模型的鼠标视觉系统已经建立。为了填补这一空白，我们提出了Sensorium基准竞赛。我们从小鼠初级视觉皮层收集了一个大规模的数据集，其中包含7只小鼠的28，000多个神经元的反应，这些神经元受到数千幅自然图像的刺激，同时还进行了行为测量，包括跑步速度，瞳孔扩张和眼球运动。基准挑战将基于在保留测试集上的神经元响应的预测性能对模型进行排名，并且包括仅限于刺激（Sensorium）或刺激加行为（Sensorium+）的模型输入的两个轨道。我们提供了一个入门工具包来降低入门门槛，包括教程、预训练的基线模型以及用于数据加载和提交的单行命令API。我们希望将其作为定期挑战和数据发布的起点，并作为衡量小鼠视觉系统及其他大规模神经系统识别模型进展的标准工具。
2022-06-17 cs.AI cs.LG q-bio.NC
Primary visual cortex contributes to color constancy by predicting rather than discounting the illuminant: evidence from a computational study
College of Computer Science, Sichuan University（四川大学计算机学院）；School of Life Science and Technology, University of Electronic Science and Technology of China（电子科技大学生命科学与技术学院）
该研究构建基于电生理学的V1神经模型并在带真实光源标签的自然图像上学习，证明DO神经元通过编码、预测光源而非扣除光源来实现颜色恒常性。
2024-12-10 cs.CV q-bio.NC
Spatial and color hallucinations in a mathematical model of primary visual cortex
我们研究了一个简化的模型表示的颜色在灵长类动物初级皮层视觉区V1。该模型描述的初始值问题有关的Hammerstein方程。这个问题的解决方案表示V1中神经元群体的活动作为空间和颜色的函数的变化。两个空间变量描述了皮层的空间范围，而两个颜色变量描述了皮层中每个位置处所表示的色调和饱和度。我们证明了初值问题的适定性。我们专注于其固定的，即独立于时间，并在空间周期的解决方案。证明了模型方程关于由空间周期性和色变换群决定的平面格点的欧氏变换群的直积G是等变的，同构于O（2），并研究了模型中某些参数变化时其定态解的等变分支.它们的变化可能是由药物的消耗引起的，分叉的解决方案可能代表空间和颜色的幻视。一些分支解可以通过应用等变分支引理（EBL）确定G的轴子群来确定。这些定义分叉的解决方案是不变的作用下，相应的轴向子群。我们计算解析这些解决方案，并说明它们作为彩色图像。利用先进的数值分岔分析方法，我们然后探讨这些解决方案的持久性和稳定性时，改变模型中的一些参数。我们猜想，我们可以依靠EBL预测存在的模式，生存在大参数域，但不能预测其稳定性。在我们的研究中，我们通过“蛇形”现象发现了空间局域稳定模式的存在。
2021-10-19 cs.NA math.DS math.NA
The pernicious danger of cortical brain maps
灵长类动物的大脑皮层根据细胞结构划分为不同的区域，这种划分始于神经解剖学家科布里尼安·布罗德曼（Kobrinian Brodmann）的开创性研究。虽然区域之间的边界已经发生了一些变化，在某些情况下仍然存在争议，但将皮层划分为不同编号区域的想法已经成为理解大脑功能的核心目标。事实上，区域地图确实为功能分区提供了一个很好的起点。例如，很明显，视觉区V1与初级运动皮层有不同的功能。然而，就像任何好的事情一样，人们可以把事情做得太远。事实上，皮层区域虽然有用，但对对功能感兴趣的神经科学家来说，有几个有害的副作用，特别是在前额叶皮层。
2022-09-14 q-bio.NC
Relationships between the degrees of freedom in the affine Gaussian derivative model for visual receptive fields and 2-D affine image transformations, with application to covariance properties of simple cells in the primary visual cortex
Computational Brain Science Lab（计算脑科学实验室）；Division of Computational Science and Technology（计算科学与技术系）；KTH Royal Institute of Technology（皇家理工学院）
本文理论分析二维仿射图像变换与仿射高斯导数模型感受野自由度的关系，通过规范分解揭示自由度构成，并探讨初级视觉皮层简单细胞是否覆盖这些自由度。
2025-05-12 cs.CV q-bio.NC
Neural Representational Consistency Emerges from Probabilistic Neural-Behavioral Representation Alignment
本文提出概率性神经-行为表征对齐框架 PNBA，通过零样本验证在猴运动皮层和小鼠视觉皮层中揭示跨个体保留的神经表征，从而解决神经异质性悖论并实现零样本行为解码。
2025-05-07 q-bio.NC
On the Subspace Invariance of Population Responses
在猫的视觉皮层中，神经元群体对两个正弦光栅（格子）的线性组合的响应可以很好地近似于对单个光栅的种群响应的加权和--我们称之为{ \em子空间不变性}的属性。我们测试子空间不变性在小鼠初级视觉皮层通过测量的角度之间的人口响应的格子和平面跨越人口响应其各个组成部分。我们发现强大的侵犯子空间不变性所产生的强烈的，负相关的神经元的反应，个别光栅和他们的反应格子。对比度不变性，子空间不变性的一个特殊情况，也失败了。有些神经元的反应随着对比度的增加而减少，而另一些则增加。总之，这些数据表明子空间和对比度不变性在小鼠初级视觉皮层中不成立。这些发现排除了群体编码的一些模型，包括矢量平均，一些版本的归一化和时间复用。
2018-11-08 q-bio.NC
A Restaurant Process Mixture Model for Connectivity Based Parcellation of the Cortex
University of Southern California（南加州大学）
人脑映射的主要目标之一是将皮层表面划分为功能不同的区域，即分割。虽然人们普遍认为，在宏观尺度上，皮层的不同区域具有不同的功能，但这些区域的确切数量和结构尚不清楚。因此，发现这些区域的方法很重要，特别是随着可用信息量的增长。为此，我们提出了一种基于贝叶斯非参数混合模型的皮层连接的parcellation方法。
2017-03-02 cs.CE cs.CV q-bio.NC
A model for studying the detectability of X-ray images using the representation of images in the primary visual cortex
本研究在模拟初级视觉皮层V1表征的域中比较IBO与NPW观察者，发现带通滤波可降低噪声协方差使检测指数收敛，并探讨人类观察者次优性的可能原因。
2023-12-28 eess.IV physics.med-ph q-bio.NC
Decoding hand kinematics from population responses in sensorimotor cortex during grasping
手是一个复杂的效应器，包括数十个运动自由度，赋予我们灵活，精确和毫不费力地与物体交互的能力。初级运动皮层（M1）和体感皮层（SC）中与灵巧手运动相关的神经信号比与近端肢体控制相关的神经信号受到的关注相对较少。为了填补这一空白，我们训练了三只猴子抓住大小，形状和方向不同的物体，同时跟踪他们的手部姿势，并记录M1和SC的单单位活动。我们发现，我们可以用少量的神经信号准确地解码运动学，并且与近端肢体解码器相比，解码关节角度的性能高于解码关节角速度。我们的结论是，皮质信号可用于灵巧的手控制在脑机接口的应用程序，并在SC的姿势表示可利用通过皮质内刺激关闭的感觉运动回路。
2019-06-20 q-bio.NC
From sound to meaning in the auditory cortex: A neuronal representation and classification analysis
本研究以鸣禽为模型，分析初级和次级听觉皮层的神经表征，发现A2在保留声学信息的同时显著增强语义信息，揭示听觉皮层从声音到意义的层级加工机制。
2023-09-19 q-bio.NC
Cerebral cortex inspired representation of neural field network
本文受大脑皮层记忆机制启发，提出由一维向量神经场连接而成的网络模型，并利用 NURBS 与三次方程表示网络，以低维模式支持实时智能学习。
2024-07-03 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
Adaptive Filtering Enhances Information Transmission in Visual Cortex
感觉神经科学旨在了解大脑如何编码自然环境。然而，神经编码已经在很大程度上使用简化的刺激进行了研究。为了评估大脑的编码策略是否依赖于刺激合奏，我们采用了一种新的信息理论的方法，允许无偏计算神经过滤器（感受野）的反应，自然场景或其他复杂的信号与强多点相关性。在猫的初级视觉皮层中，我们将对自然输入的反应与对亮度和对比度匹配的噪声输入的反应进行比较。我们发现，神经滤波器自适应地改变与输入合奏，以增加所携带的信息的神经反应有关的过滤刺激。自适应影响滤波器的空间频率组成，增强对与最佳编码参数一致的未充分代表的频率的灵敏度。适应发生在40秒到许多分钟之间，比以前报道的大多数适应形式都要长.
2006-11-09 q-bio.NC
Mechanisms for spontaneous symmetry breaking in developing visual cortex
为了让大脑识别图像中的局部方向，神经元必须自发地打破其响应函数的平移和旋转对称性-这是无监督学习的典型例子。生物学中无监督学习的主要框架是赫布原理，但赫布学习如何打破这种对称性是一个长期存在的生物物理学之谜。理论研究一致认为，这需要输入到视觉皮层，以反转它们在长距离上的相关性的相对大小。经验测量已经徒劳地寻找这样的反转，并报告相反的情况是正确的。我们正式的问题，通过厄米化的多层模型，它映射到一个问题的零温度相变。在新的相图中，只要（1）经常性的相互作用足够长，（2）赫布竞争被适当地考虑，两种对称性都会自发地破缺。对称性破缺的相关机制是来自同一传入细胞的连接之间的竞争。这种竞争，而不是输入的结构，能够触发图像处理所需的对称性破坏阶段。我们提供了分析预测的相对大小的相关长度尺度需要这种新的机制发生。这些结果使实验观察与赫布范式相一致，揭示了视觉皮层发育的新机制，并有助于我们对学习和对称性破缺之间关系的理解。
2021-09-05 physics.bio-ph q-bio.NC
Can retinal ganglion cell dipoles seed iso-orientation domains in the visual cortex?
本研究检验统计连接模型中RGC马赛克偶极子角度相关性是否足以引发皮层等取向域，发现猫和灵长类数据中无空间相关，并引入新点过程证明弱相关极不可能，结论是马赛克缺乏所需空间结构。
2013-11-19 q-bio.NC
A metric model for the functional architecture of the visual cortex
本工作的目的是构建一个模型的初级视觉皮层（V1）的功能架构，基于一个结构的度量测度空间诱导的视觉细胞的接受配置文件（RP）的潜在组织。为了说明V1在这样的上下文中的水平连通性，遵循K.-K.的经典方法定义了与空间几何相容的扩散过程。T.斯特姆我们的距离函数的构造既不需要RP族的任何群参数化，也不涉及任何微分结构。因此，它适应于非参数化的RP集，可能通过数值程序获得;它还允许模拟横向连接所产生的非差分度量，如一个由一个家庭的过滤器消失的规模上引起的风车表面。另一方面，当应用于经典的Gabor滤波器框架时，这种构造产生了一个近似于G. Citti和A. Sarti [J Math Imaging Vis 24：307（2006）]，从而表明其本身与现有的皮质模型一致。
2019-10-11 math.MG q-bio.NC
Curvature Sensitive Cells in the Modular Structures of The Visual Cortex
University of Bologna（博洛尼亚大学）
本文提出了一种模型，用于描述初级视觉皮层中曲率敏感细胞的功能架构，包括模组化、层次化组织、水平连接及Gabor型感受野形状。
2026-03-19 math.DG math.FA 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
A Sinc Wavelet Describes the Receptive Fields of Neurons in the Motion Cortex
Quantum Lucid Research Laboratories（量子清晰研究实验室）
视觉感知来自于流经视觉系统的信息的系统转换。在神经元层级中，单个神经元的响应特性由位于下一级的神经元确定，并且反过来，确定位于上一级的神经元的响应。因此，在感受野建模中，必须确保通过组合其输入水平中的神经元的响应模型来生成给定水平中的神经元的响应特性。然而，运动皮层中神经元的现有响应模型并不固有地产生时间频率滤波梯度（TFFG）特性，所述时间频率滤波梯度（TFFG）特性已知沿着初级视觉皮层（V1）到中间时间（MT）运动处理流出现。TFFG是沿V1至MT通路从主要低通到主要带通的时间频率滤波特征的变化（Foster et al 1985; DeAngelis et al 1993; Hawken et al 1996）。我们设计了一个新的模型，sinc小波模型（Odaibo，2014），它逻辑上有效地生成了TFFG。该模型用sinc（sin（x）/x）函数取代了Gabor函数的正弦波载波，并且具有与现有模型相同或更少数量的参数。由于sinc小波与TFFG的突现网络性质在逻辑上是一致的，我们认为sinc小波是运动皮层神经元感受野的一个较好的模型。该模型将为大脑如何表达视觉信息提供新的生理学见解。
2015-07-31 cs.CV cs.IT math.IT
Random wiring, ganglion cell mosaics, and the functional architecture of the visual cortex
胎盘食肉动物和灵长类动物的初级视觉皮层的等取向结构域的结构明显遵循种不变的数量规律。动态优化模型假设神经元在连接数百万个细胞的皮层回路中协调它们的刺激偏好，具体预测这些不变量。这可能表明V1的内在连接体及其功能结构遵循具有高精度和鲁棒性的单一优化原则。为了验证这一假设，关键是要仔细检查替代候选理论的定量预测。视网膜-皮层通路内的随机前馈布线代表了动态电路优化的概念上有吸引力的替代方案，因为随机维度扩展投影被认为一般表现出对刺激表示有利的计算特性。在这里，我们问是否可以解释为一个通用的随机布线的紧急属性的V1架构的定量不变量。我们推广和研究随机布线模型提出的Ringach和同事，在视觉皮层的iso-orientation域出现通过随机前馈连接之间的半规则马赛克的视网膜神经节细胞（RGC）和视觉皮层神经元。我们推导出闭合形式的表达式皮质感受野和域布局的模型预测完美的六边形RGC马赛克[.]我们的结论是，V1布局不变量是视觉皮层优化的具体定量签名，这不能用通用的随机前馈布线模型来解释。* 请参阅PDF格式的完整摘要。*
2015-10-01 q-bio.NC
Top-down inference in an early visual cortex inspired hierarchical Variational Autoencoder
Wigner Research Centre for Physics（维格纳物理研究中心）
将视觉皮层中的计算解释为环境生成模型中的学习和推理，在神经科学和认知科学中都得到了广泛的支持。然而，分层计算，视觉皮层处理的一个标志，仍然是不受影响的生成models，因为缺乏足够的工具来解决它。在这里，我们利用在变分自动编码器（VAE）的进步，调查早期视觉皮层与稀疏编码分层VAE训练的自然图像。我们设计的替代架构，不同的两个潜在层VAE的生成和识别组件。我们发现，在轻度归纳偏见下，与初级和次级视觉皮层中发现的表征相似的表征自然出现。重要的是，纹理样图案的非线性表示是抵抗VAE的特定结构的高级潜在空间的稳定性质，这让人想起次级视觉皮层。我们表明，神经科学启发的识别模型的选择，其中具有自上而下的处理组件是至关重要的两个签名的计算与生成模型：学习高阶矩的后验超出均值和图像修复。高阶响应统计中的模式为神经科学解释响应相关性和机器学习通过更详细的后验特征来评估学习的表示提供了灵感。
2022-06-01 cs.LG q-bio.NC stat.ML
Attentional modulation in layer 4 of the visual cortex could be mediated by interneurons with complex receptive field characteristics
视觉皮层中的许多神经元具有方向选择性，它们的放电频率随着对比度的增加而增加，并受到注意力的调节。这些计算背后的皮层回路是什么？我们研究如何同步可以调制的兴奋性的中间神经元，在模型层4网络显示对比度不变的方向调整。我们没有发现标准环模型（Somers等，1995），其中只包含简单的感受野（RF），表现适当的参数设置。只有当包含具有复杂感受野的中间神经元时，类似于最近在猫初级视觉皮层中发现的中间神经元（Hirsch et al，2003），网络才表现出适当的行为。该模型的一个关键特征是，复杂的中间神经元投射到简单的中间神经元，但简单的中间神经元不会投射回它们。通过增加复杂中间神经元的去极化，将网络从非关注状态切换到关注状态。除了对比度不变的方向调谐外，该模型还再现了以下实验结果：（1）注意状态下兴奋性细胞的局部场电位（eLFP）和脉冲序列之间的γ频率范围相干性高于非注意状态，但兴奋性细胞的放电频率在不同状态之间没有变化;（2）eLFP的γ频段功率随对比度的增加而增加。该模型预测，有两个群体的抑制性细胞，一个复杂的RF特性，其放电率增加与注意和其他简单的RF特性，其放电率降低与注意。
2006-11-08 q-bio.NC
Comparison Against Task Driven Artificial Neural Networks Reveals Functional Organization of Mouse Visual Cortex
部分受到视觉皮层计算特征的启发，深度神经网络计算其输入的分层表示。虽然这些网络在机器学习中非常成功，但它们能在多大程度上帮助我们理解皮层功能仍不清楚。几个研究小组已经开发出了一些指标，可以在网络计算的表征和皮层测量的表征之间进行定量比较。与此同时，神经科学正进入一个前所未有的大规模数据收集阶段，艾伦大脑观测站等项目就是明证。尽管这些努力的规模，在一个给定的实验中，只有一小部分的单位被记录，限制了有关皮质表征的信息。此外，在真实的实验过程中，只能向动物展示有限数量的刺激。这些限制提出了一个问题，即比较深度网络表示的指标在这些数据集上如何以及是否有意义。在这里，我们凭经验量化这些指标的能力和局限性，由于有限的图像呈现和神经元样本。我们发现，比较程序是强大的不同的选择的刺激集和水平的子采样，人们可能会期望在一个大规模的大脑调查与数千个神经元。利用这些结果，我们比较了在艾伦脑天文台测量的表征，以响应自然图像呈现到深度神经网络。我们发现视觉皮层区域是相对高阶的表征（因为它们映射到卷积神经网络的更深层）。此外，我们看到了一个广泛的，更平行的组织，而不是一个顺序的层次结构的证据，与主要领域VISp（V1）是较低的顺序相对于其他领域。
2019-11-18 q-bio.NC
Reorganization of columnar architecture in the growing visual cortex
在出生后的发育过程中，许多皮质区域的大小会显著增加，逐渐使神经元细胞体相互移位。目前，人们对皮质生长如何影响神经回路的发育知之甚少。在这里，在急性和慢性实验中，我们研究的布局视觉优势（OD）列猫初级视觉皮层（V1）在一段时间内的大量出生后的增长。我们发现，尽管V1的相当大的尺寸增加，列之间的间距在很大程度上被保留。相反，它们的空间布局在这一时期发生了系统性的变化。而在年轻的动物列更带状，布局变得更加各向同性的成熟动物。我们提出了一种新的机制，生长诱导的重组是基于“之字形不稳定性”，在几个无生命的图案形成系统中观察到的动态不稳定性。我们认为，这种机制是固有的广泛的一类模型的活动依赖的OD列的形成。分析这个类的一个成员，弹性网络模型，我们表明，这种机制可以解释的列间距的保存和我们观察到的OD列的重组的特定模式。我们的结论是，神经元系统转移其选择性在正常的发展过程中，这种重组是由生长过程中的皮质扩张。我们的工作表明，皮层回路在发育过程中保持可塑性很长一段时间，以促进神经元回路的修改，以适应皮层的生长。
2011-04-11 q-bio.NC
Reproducing sensory induced hallucinations via neural fields
本文提出了一种理论框架，用于再现由几何视觉幻觉样刺激驱动的初级视觉皮层模式，从而复现如MacKay效应和Billock-Tsou体验等新的心理物理结果。
2022-07-08 cs.CV math.AP q-bio.NC
