一个基于机器学习的解码框架,用于皮质电压敏感染料对视网膜神经形微刺激的反应:一项概念验证模拟研究
Keisuke Yamada1, Yuina Terakura1, Santa Fukuda1
1Department of Information Engineering, Graduate School of Engineering, Mie University, Tsu 514-8507, Japan.
Bioengineering (Basel, Switzerland)
|February 27, 2026
概括
这项研究表明,机器学习可以从模拟皮质对皮质内微刺激 (ICMS) 的反应中解码视觉信息. 这种计算方法验证了在视觉假肢中使用神经形状的尖列车的潜力.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 皮层内微刺激 (ICMS) 显示出对视觉假肢的前景.
- 从图像中获得的神经形状的尖列车被建议用于ICMS脉冲序列.
- 皮层电压敏感染料 (VSD) 对ICMS的反应需要进一步调查图像信息内容.
研究的目的:
- 探索基于机器学习的可行性解码图像信息从皮质反应到ICMS.
- 解决缺乏连接视觉图像,尖峰列车和皮层反应的大规模实验数据集的问题.
主要方法:
- 使用Wiener系统模型生成的替代数据来模拟VSD对ICMS脉冲列车的反应.
- 在合成数据集上训练了一个卷积神经网络 (CNN).
- 评估了CNN从模拟的皮质反应中重建图像的能力.
主要成果:
- 美国有线电视新闻网成功地从模拟的VSD响应中重建了图像.
- 该研究证明了从模拟的皮质活动中解码视觉信息的计算可行性.
- 这些发现为未来的生理学验证提供了基础.
结论:
- 由神经形态ICMS引起的模拟皮质活动的视觉信息的基于机器学习的解码在计算上是可行的.
- 这项概念验证研究支持使用神经形态ICMS用于视觉假肢的潜力.
- 为了生理学验证,需要进一步的研究.
