一个生物模拟视觉检测模型:由事件驱动的LGMDs与分数尖端神经回路实现

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 机器人技术 机器人技术 机器人技术

背景情况:

• 巨型运动探测器 (LGMD) 对于碰撞预测和避免至关重要.
• 现有的模型侧重于前突触或后突触通路,缺乏单个LGMD神经元的生物物理细节.
• 这种差距阻碍了自主系统中的应用.

研究的目的:

• 开发使用分数尖端神经元 (FSN) 的LGMD生物模拟视觉模型.
• 为LGMD行为提供生物物理上可信的解释.
• 创建一个与视觉路径和神经元特性兼容的模型.

主要方法:

• 实现了一个以事件驱动的视觉模型,模拟光受体和具有横向抑制的开/关视觉通路.
• 通过修改树突参数来模仿峰值频率适应 (SFA) 引入FSN电路.
• 将树状树木纳入FSN以模拟在LGMD中观察到的前抑制 (FFI).

主要成果:

• 事件驱动的仿生模型成功实现了碰撞检测和迫在眉的选择.
• 该模型在复杂的场景中与快速移动的物体有效地表现.
• 证明了模型模仿LGMD行为的能力.

结论:

• 基于FSN的仿生模型为LGMD功能提供了一个新的,解释性的和预测性的框架.
• 这种方法将前突触和后突触特征与生物物理神经元特性结合起来.
• 该模型在自主导航和人工视觉系统中具有潜在的应用.