视觉功能组织机理的神经网络模型与验证实验

Gap lies between machine learning, neural network model and in vivo brain functions, and multi-discipline research will help to integrate the research on "creating the brain", "simulating the brain" and "understanding the brain". To understand the visual mechanisms, we plan to stimulate the self-organization neural network by natural pictures, which are broadly applied in unsupervised machine learning. In this model, the cortical response map to unknown stimuli will be predicted, and carefully examined by various experimental techniques, including intrinsic signal optical imaging, two photon imaging and electrophysiological recordings, to investigate and cross-check the neural mechanisms of visual information processing in both experiment and model. Meanwhile, the detected weak imaging signals will be introduced into the neural network model, and then the fine signals will be deducted via computation, based on the fact that in the model, limited information in the signal may be enough to calculate the complete and exquisite brain imaging signals. Focusing on the neural network to depict the functional organization principles in the visual cortex, we will try to establish an interface between three different fields, and finally it will benefit each other. The aim to this multi-discipline approach is to improve the computational study on visual information processing.

信息领域的机器学习算法、神经计算模型、脑功能动物实验三者之间存在着鸿沟，交叉学科的研究将促进“利用脑”、“模拟脑"、”认识脑“这三方面的深入与融合。针对视觉认知基础与神经表达理论的迫切要求，我们利用无监督机器学习中的自然图像驱动，应用于自组织神经计算网络；利用该模型，预测未知刺激所诱发的视觉皮层反应，并采用内源信号光学成像、双光子成像、电生理记录等多种技术手段在活体动物视觉皮层进行精确测试，对视觉信息的表达机制进行模型与实验的双向探讨与验证；同时，利用计算模型的内在规律，带入实验中实测的较差的脑成像信号，在模型中推导出具有精细组织规律的脑功能图，并以多种成像手段验证，尝试利用有限脑成像信息推算完整精细的脑成像信号。这些研究以神经计算模型为核心探讨视觉皮层的功能组织模式，在实际工作中打通三个领域融合的接口，在应用中充分考虑彼此的促进，以多学科紧密交叉促进"视听觉信息的认知计算"的深入研究。

本课题采用自组织神经计算网络，第一，模拟生成了多种动物视觉皮层的方位、眼优势、空间频率功能图，并与实验数据高度相似。第二，在此基础上，我们利用该模型进行了预测，在眼优势剥夺情况下，定量预测方位功能图与眼优势功能图在时间与空间上的非线性动力学变化过程；同时，在活体动物的视觉皮层上植入慢性成像窗口，在进行单眼缝合实验的过程中，进行长期、多次内源性光学成像，实验结果与模型预测高度吻合（Neuroscience, 2016a)。第三，瞄准“深度学习”中多层次的基本框架，我们研究了初级视觉皮层17区与下一级视觉皮层21a之间在方位适应情况下，适应效应的传递效应，通过内源性光学成像、单细胞记录、场电位记录等多种技术手段，发现，其传递效应具有特征依赖性的级联放大效应，为多层级信息传递框架提供了生理学基础(Scientific report, 2017)，发现17区与21a区相似的回馈神经网络，及层次性的差异（Neuroscience, in revision）。同时，我们进一步研究了视觉剥夺情况下，底层的视网膜的可塑性，发现12-24小时的视觉剥夺，会引起视网膜功能的快速下降，该下调会被传递到初级视觉皮层，首次证实在成年动物的视网膜上存在着视觉经验依赖的功能可塑性（Plos One, 2016)。第四，我们已经成功完成了动物成像数据与模拟网络之间的对接，实际的实验数据得以可靠地代入模型，进行功能组织模式的推导、修复和预测，相关结果正在整理投稿中。第五，我们将功能图的研究拓展到猫牙相关皮层，系统研究了其功能反应模式（Neuroscience, 2016b），发现根管治疗并不改变该皮层的功能构筑模式（Neuroscience, 2017,封面文章）。. 总体来看，自组织神经计算模型已经可以模拟、预测、代入并推导真实实验数据；同时，我们也获得了视觉系统从视网膜、外膝体、初级视觉皮层到中级视觉皮层信息传递方式的相关实验数据，并为下一步应用于深层级计算模型奠定了生理学基础。