在灵长类视觉区域中单细胞调的深度学习驱动的表征V4支持拓组织

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 视觉系统研究 视觉系统研究

背景情况:

• 了解大脑的结构功能关系对于破译知觉和认知至关重要.
• 功能组织的普遍性,如皮层柱,在更高层次的大脑区域仍然存在争议,特别是在复杂的刺激.
• 将非线性神经元调整到高维感官输入的特征是一个重大挑战.

研究的目的:

• 在自然图像空间内调查的视觉区域V4中的功能聚类.
• 开发和应用基于深度学习的方法来表征神经元选择性.
• 探索生物和人工视觉系统之间潜在的共享编码策略.

主要方法:

• 结合线性探针记录和深度学习,分析了超过1200个V4神经元.
• 采用*in silico*最大激发图像 (MEI) 的合成来调整特征,然后进行*in vivo*验证.
• 使用人类心理物理和嵌入空间距离从对比学习获得的量化MEI相似性.

主要成果:

• 单个V4神经元对MEI的反应具有复杂的特征,包括纹理,形状,甚至类似眼睛的属性.
• 沿着相同的皮层深度记录的神经元表现出类似的空间特征选择性,表明功能组织.
• 在V4神经元群体中,表现出有共同特征选择性的功能组的聚类,并行于人工视觉系统特征地图.

结论:

• 深度学习使神经元选择性的可扩展和可行的功能性特征能够在自然主义的视觉环境中实现.
• 证据支持V4中的功能聚类,这表明生物和人工系统之间共享的视觉编码原则.
• 这项研究为在视觉层次层次上对皮层组织进行定量绘制提供了一个框架.