视觉神经信号整合机制的新探索
http://www.kexuemag.com/artdetail.asp?name=1391
英国Nature,2009,457:83报道,美国神经科学家卡克林(Y. Karklin)和列维奇(S. Lewicki)设计了一个神经计算模型,以探讨中枢视觉神经元如何概括自然景观中的图像特征信息。
对观察者来说,某一景观片段的网膜映像不是一成不变的,因此承担视觉整合的神经元,也就是复杂细胞,必须对边缘、轮廓和纹理等结构特征做出概括性的应答,才能清晰地传达画面信息。问题在于视觉对象的像素密度特点与上述结构特征之间并非简单线性关系,由个别像素信号的简单集合只能得到错杂重叠的神经响应样式。
两位研究者认为,视觉神经计算的一项重要内容,是对画面局部像素密度差异的范围和样式,或者说画面特征的统计分布,加以表征。根据这一思路,他们设计了一个神经计算模型,可通过学习领会自然景观片段特征的统计分布并进行识别。值得注意的是,此模型不是对最适的视觉刺激做出应答,而是对合乎统计分布的所有刺激做出应答,因而能给知觉上相似的图像赋予相似的表征,同时又将不同类型的图像区分开来。此计算模型的人工神经元能相当近似地模拟初级视觉皮层复杂细胞的行为,而且一组这样的人工神经元能模拟更高级视觉皮层区域的行为。
研究者指出,该模型的一个重要优点是能够从自然图像特征的统计结构中学习到更为概括性的东西,而不是像以往研究那样,给有限数量的刺激参数指定不变值。这样就可以更加切近地帮助理解视觉皮层区复杂细胞功能的非线性效应。