基于深度学习技术的视神经系统研究

With the progress of brain science and artificial intelligence, computational neuroscience is becoming an interdisciplinary subject between information and life science. This project includes mathematics, physics theories and information science theories that are used to study the working of brain nerve system. There is no systematic theoretical research and lack practical application. A series of key problems need to be researched.In this project, information sciences methods are used to explore the optical signal effects for the brain nerve system. Deep learning, the most likely answer to how human brain studies, is innovatively utilized to simulate the visual system. .To achieve the high reliability of the simulation on the optic nerve system, adaptive parameter equalization and reconstruction are integrated as the theoretical basis. In this project, visible light modulation, optic signal acquisition, processing and modeling, brain regions dynamic detection, processing and simulation, neural signal de noise, deep learning framework, major parameter adaptation, adaptive adjustment, positive feedback training will be thoroughly studied. The research team has established a very good international cooperation and has obtained preliminary research results for optical signal modulation as well as acquisition which lay down a solid basis for further studies.

计算神经学是随着脑神经科学进步与人工智能发展出现的跨信息科学和生命科学两领域的热点交叉学科。本项目吸收数学、物理等基础理论，使用信息科学理论与方法研究脑神经系统工作原理。该领域研究还尚缺乏系统性，在理论研究和实际应用中有一系列关键问题有待研究。.本项目主要从信息科学领域入手，针对具有可观测性的可见光信号对脑神经系统的影响进行研究。基于最有可能解开人脑/小鼠脑工作奥秘的深度学习方法，提出创新性的基于深度学习技术的视神经仿真系统架构，并结合参数的自适应均衡等技术，为实现高可靠性的视神经仿真和重构提供理论依据和技术支持。需要研究包括可见光调制、视神经信号采集、处理与建模、视觉处理脑区动态探测和仿真、神经电信号去噪、深度学习系统构建、重要参数适配、自适应调节技术、正反馈训练验证等一系列关键技术，以期取得突破。本项目团队具备交叉学科特性，研究具有良好的国际合作基础、初步研究成果，试验条件、经验和基础。

计算神经学是随着脑神经科学进步与人工智能发展出现的跨信息科学和生命科学的热点交叉学科。本项目对深度学习技术在脑神经信号处理中的关键问题进行研究，使用信息科学理论与方法研究脑神经系统工作原理。数据来源是生命科学合作伙伴通过载体和离体膜片钳实验获得的小鼠子脑区场电位和单个脑神经细胞电信号。研究使用深度学习方法对信号进行处理，进行细胞放电行为、小鼠行为与神经放电的关系模型、小鼠子脑区放电特性的研究。基于最有可能解开脑工作奥秘的深度学习方法，提出创新性的基于深度学习技术的脑神经信号处理架构，并结合参数的自适应均衡等技术，为实现高可靠性的神经系统仿真和重构提供理论依据和核心技术支持。项目主要研究包括脑神经信号采集、处理与建模、脑区动态信号探测和仿真、神经电信号去噪、重要参数适配、自适应调节、正反馈训练等关键技术。团队具备交叉学科特性，研究具有良好的国际合作基础、初步成果，试验条件等基础。.经过2018年的项目研究，项目组在信号采集设备、小鼠多功能刺激设备、神经信号分析等方面取得了基础性的研究成果，为未来项目的继续推进，建立了良好的基础。有助于解释意识、脑神经工作原理等基础性科研的推进。完成小鼠实验使用的可见光/多种辐射条件，完成小鼠多目标跟踪系统的开发和整合，完成实验环境搭建和实验测试（在小鼠身上进行初步的行为学实验，探索小鼠的行为学变化，并训练其在不同可见光/多种辐射条件环境下的行为特性）。整理采集到的小鼠实际数据，使用神经科学领域传统分析方法，分析得到的实验数据，提出生命科学解释。针对个体被测对象的研究建立了基于深度学习的去噪声方法和相应的算法。在实验数据和分析结果的基础上，对实验数据进行时域切割，映射到分析结果，建立训练集。搭建深度学习方法，使用训练集对深度神经网络进行训练，调整参数，探索深度学习算法对神经信号的分析结果。