生物科學門戶網站
BIO1000.COM

神經網絡顯示大腦喜歡看的東西

睁开眼睛可以立即看到世界-看起来很容易。但是,从光子撞击视网膜到以“看见”结束的过程远非简单。大脑“看见”的基本任务是从照射到眼睛的光中重建有关世界的相关信息。由于此过程相当复杂,因此大脑中的神经細胞(神经元)也会以复杂的方式对图像做出反应。

表征其對圖像響應特征的實驗方法已被證明具有挑戰性,部分原因是可能的圖像數量衆多。過去,開創性見解通常是由大腦神經元“喜歡”的刺激産生的。找到他們取決于科學家的直覺和很大一部分的運氣。

德國貝勒醫學院和德國蒂賓根大學的研究人員現在已經開發出一種新穎的計算方法,以加快發現這些最佳刺激的速度。他們建立了深層的人工神經網絡,可以准確地預測生物大腦對任意視覺刺激産生的神經反應。這些網絡可以被視爲生物神經元群體的“虛擬化身”,可以用來剖析感覺的神經機制。他們通過合成使特定神經元反應非常強烈的新圖像證明了這一點。

“我们想了解视觉的运作方式。我们通过开发一个人工神经网络来预测这项研究,该网络可以预测动物观察图像时产生的神经活动。如果我们可以建立视觉系统的化身,则可以对其进行实质上无限制的实验。然后,我们可以使用称为“初始循环”的方法回过头来在真实的大脑中进行测试。”资深作者安德里亚斯·托里亚斯(Andreas Tolias)说。

爲了使網絡了解神經元的反應方式,研究人員首先使用最近開發的大型功能成像顯微鏡Mesoscope記錄了大量的大腦活動。

第一作者埃德加·沃克(Edgar Y. Walker)说:“首先,我们向小鼠展示了约5,000张自然图像,并记录了成千上万个神经元在观看图像时的神经活动。”“然后,我们使用这些图像和大脑活动的相应记录来训练一个深层的人工神经网络,以模仿真实的神经元对视觉刺激的反应。”

“测试网络是否确实学会了预测视觉图像对神经的反应,例如活着的老鼠的大脑会做到的,我们展示了学习过程中未见过的网络图像,并看到它可以高精度地预测生物神经元反应。”共同第一作者Fabian Sinz说。

托裏亞斯說:“通過這些網絡進行的實驗揭示了我們未曾想到的視覺方面。”“例如,我們發現在新皮層處理的早期階段,某些神經元的最佳刺激是棋盤格,或者是銳角而不是簡單的邊緣,這是我們根據該領域當前的教條所期望的。”

“我们认为这种适合高精度人工神经网络,对其进行计算实验并验证生理实验中所得预测的框架可用于研究神经元如何代表整个大脑中的信息。最终,这将使我们更好地了解大脑中复杂的神经生理过程如何使我们看到。” Sinz说。

鄭重聲明:本文版權歸原作者所有,轉載文章僅爲傳播更多信息之目的,如作者信息標記有誤,請第一時間聯系我們修改或刪除,多謝。