Сложная ячейка - Complex cell

Сложные клетки можно найти в первичная зрительная кора (V1),[1] то вторичная зрительная кора (V2), и Площадь Бродмана 19 (V3 ).[2]

Как простая ячейка, сложная ячейка будет реагировать в первую очередь на ориентированные края и решетки, однако она имеет степень пространственная инвариантность. Это означает, что его рецептивное поле не могут быть сопоставлены с фиксированными возбуждающими и тормозными зонами. Скорее, он будет реагировать на образцы света в определенной ориентации в большом воспринимающем поле, независимо от точного местоположения. Некоторые сложные клетки оптимально реагируют только на движение в определенном направлении.

Эти клетки были обнаружены Торстен Визель и Дэвид Хьюбел в начале 1960-х гг.[1] Они воздержались от сообщений о сложных клетках в (Hubel 1959), потому что не чувствовали, что понимали их достаточно хорошо в то время.[3] В Hubel and Wiesel (1962),[1] они сообщили, что сложные клетки были смешаны с простыми клетками, и когда могли быть установлены возбуждающие и тормозные области, свойства суммирования и взаимного антагонизма не сохранялись.

Разница между рецептивными полями и характеристиками простых и сложных ячеек заключается в иерархической конвергентной природе визуальной обработки. Сложные ячейки получают входные данные от ряда простых ячеек. Их рецептивное поле, таким образом, представляет собой суммирование и интеграцию рецептивных полей многих входных простых клеток, хотя некоторые входные данные поступают непосредственно от LGN.[4] Способ, которым простые клетки могут образовывать сложные клетки, полностью не изучен. Простое добавление рецептивных полей привело бы к появлению сложных клеток, проявляющих наблюдаемые отдельные возбуждающие / тормозные области, что не так.

Открытие

Открытие сложных клеток зрительной коры головного мозга началось с экспериментов на кошке. Куффлер сначала светились маленькие пятна на сетчатке глаза кошки.[5] Таким образом, он смог сделать вывод, что ганглиозные клетки имеют концентрические (активные при высоких уровнях освещения) рецептивные поля. Эти клетки также имеют либо центральное рецептивное поле (возбуждается, когда стимул предъявляется непосредственно в центре рецептивного поля), либо нецентральное рецептивное поле (возбуждается, когда стимул предъявляется вне центра рецептивного поля).[5] Позже Хьюбел и Визель начали свои собственные эксперименты на кошках, чтобы еще больше укрепить знания о визуальных рецептивных полях. Один эксперимент записан на кошках под наркозом; эти кошки были парализованы для стабилизации зрения. Затем кошка оказалась перед экраном, на котором светились различные узоры белого света. Восприимчивые поля каждой клетки были нанесены на карту для обоих глаз на листах бумаги.[6]

Другие исследования сложных клеток были выполнены Movshon et al.,[7] Эмерсон и др.,[8] Touryan et al.[9][10] и Rust et al.[11]

Простые и сложные клетки и рецептивные поля

С простыми клетками и простыми рецептивными полями клетки зрительной коры могли реагировать так, как это можно было заметить по расположению возбуждающих и тормозных областей в их рецептивных полях. По сути, это означает, что рецептивные поля являются «простыми», потому что, по-видимому, существует взаимосвязь между ответом клетки и рецептивным полем, отображаемым небольшими пятнами. С другой стороны, сложные клетки и сложные рецептивные поля имеют более сложный ответ, который не демонстрирует этих отношений. Результаты вышеупомянутого эксперимента определили, что простые поля имеют четкие возбуждающие и тормозящие деления, где свет, падающий на возбуждающую область, увеличивает возбуждение клетки, а свет, падающий на тормозную область, уменьшает возбуждение клетки. Есть также свидетельства свойств суммирования, таких как свет, падающий на большую область любого деления, привел к большему изменению скорости стрельбы, чем свет, светящий на меньшую область. Также важно отметить, что возбуждающие области могут ингибировать ингибирующие области и наоборот, а также можно предсказать ответы клеток по карте этих областей.

Напротив, сложные клетки и сложные рецептивные поля определяются как «непростые». Ответ этих клеток на стимул нельзя предсказать, как это могут сделать простые клетки, поскольку у них нет тормозных и возбуждающих областей. Идеи суммирования и торможения также не всегда верны. Например, в эксперименте была представлена ​​горизонтальная щель, и было обнаружено, что клетка сильно реагировала на эту щель. На этих сложных клетках, пока щель была горизонтальной, не имело значения, где она была расположена на рецептивном поле. В случае простых ячеек можно было бы ожидать более высокой реакции на широкую щель. Однако произошел обратный эффект: фактически уменьшилось количество срабатываний ячейки. Он также был проверен на ориентацию щели. Для простых ячеек можно ожидать, что пока щель закрывает возбуждающее поле, ориентация не имеет значения. И снова произошло обратное, когда даже небольшой наклон щели приводил к снижению отклика.[6]

Моделирование сложных клеток

Из различных исследований, в том числе Мовшон и другие. в 1978 и даже в 1960-х годах простые клетки можно было смоделировать с помощью линейной модели.[7] Это могло бы указывать на то, что эти простые клетки подвергаются процессам, которые вычисляют взвешенные суммы интенсивностей стимулов, где веса находятся из воспринимающего поля. Это связано с исследованиями Энрот-Кугель И Робсон в 1966 году, который смоделировал ганглиозные клетки, подобные P-клеткам приматов (X-клетки), и ганглиозные клетки, подобные M-клеткам приматов (Y-клетки).[12] С другой стороны, сложные клетки более сложны и подпадают под другую модель. Скорее, было отмечено, что эти клетки выполняют нелинейные операции, что предполагает наличие у них линейных рецептивных полей, но вместо этого суммирует искаженный вывод субъединиц. Было обнаружено, что сложные клетки имеют сходство с Y-клетками, что делает эту субъединичную модель многообещающим кандидатом для моделирования сложных клеток.

Мовшон и другие. в 1978 г. протестировали ответы простых клеток, чтобы определить, подходит ли простая модель для X-клеток. Позже они применили тот же тест к сложным клеткам, но вместо этого использовали модель Y-клетки (субъединицы). Эта модель заявила, что каждая субъединица может реагировать по-разному, но преобразованные ответы будут смещены во времени, поэтому сумма будет постоянной. Он также заявил, что ответ клеток нельзя предсказать по рецептивному полю самостоятельно. Сложные клетки, по-видимому, соответствовали модели субъединиц, но все еще не обладали ограничением, что рецептивные поля были линейными. Это также было проверено путем измерения реакции клетки, когда стимул содержит две полосы, которые помогли бы показать свойства субъединицы рецептивного поля. Они обнаружили, что, зная эти свойства субъединиц, можно предсказать пространственную частотную избирательность, как это было в случае простых клеток.[13] Следовательно, сложные клетки могут быть смоделированы с помощью субъединичной модели, используемой для клеток ганглия Y.

Другие вычислительные модели сложных ячеек были предложены Адельсоном и Бергеном,[14] Хигер,[15] Серр и Ризенхубер,[16] Einhäuser et al.,[17] Кординг и др.,[18] Меролла и Боахен,[19] Беркес и Вискотт,[20] Карандини,[13] Хансард и Хоро[21] и Линдеберг.[22]

использованная литература

  1. ^ а б c Hubel DH, Wiesel TN (январь 1962 г.). «Рецептивные поля, бинокулярное взаимодействие и функциональная архитектура зрительной коры головного мозга кошки». Журнал физиологии. 160: 106–54. Дои:10.1113 / jphysiol.1962.sp006837. ЧВК  1359523. PMID  14449617.
  2. ^ Hubel DH, Wiesel TN (март 1965 г.). «ПРИЕМНЫЕ ПОЛЯ И ФУНКЦИОНАЛЬНАЯ АРХИТЕКТУРА В ДВУХ НЕПОГРАНИЧЕННЫХ ЗОНАХ (18 И 19) КОШКИ». Журнал нейрофизиологии. 28: 229–89. Дои:10.1152 / ян.1965.28.2.229. PMID  14283058.
  3. ^ Визель, Дэвид Х .; Хьюбел, Торстен Н. (2005). Мозг и визуальное восприятие: история 25-летнего сотрудничества ([Online-Ausg.]. Ред.). Нью-Йорк, Нью-Йорк: Издательство Оксфордского университета. ISBN  978-0-19-517618-6.
  4. ^ Палмер, Стивен Э. (1999). Наука о зрении: от фотонов до феноменологии. Кембридж: MIT Press. п. 153. ISBN  978-0-262-16183-1.
  5. ^ а б Hubel DH, Wiesel TN (октябрь 1959 г.). «Рецептивные поля отдельных нейронов в полосатой коре головного мозга кошки». Журнал физиологии. 148 (3): 574–91. Дои:10.1113 / jphysiol.1959.sp006308. ЧВК  1363130. PMID  14403679.
  6. ^ а б Hubel DH, Wiesel TN (январь 1962 г.). «Рецептивные поля, бинокулярное взаимодействие и функциональная архитектура зрительной коры головного мозга кошки». Журнал физиологии. 160 (1): 106–54. Дои:10.1113 / jphysiol.1962.sp006837. ЧВК  1359523. PMID  14449617.
  7. ^ а б Мовшон Дж. А., Томпсон И. Д., Толхерст Д. Д. (октябрь 1978 г.). «Организация рецептивного поля сложных клеток полосатой коры головного мозга кошки». Журнал физиологии. 283: 79–99. Дои:10.1113 / jphysiol.1978.sp012489. ЧВК  1282766. PMID  722592.
  8. ^ Emerson RC, Citron MC, Vaughn WJ, Klein SA (1987). «Нелинейные направленно селективные субъединицы в сложных клетках стриарной коры кошки». Журнал нейрофизиологии. 58: 33–65. Дои:10.1152 / jn.1987.58.1.33.
  9. ^ Турьян Дж, Лау Б., Дэн И (2002). «Выделение соответствующих зрительных функций из случайных стимулов для сложных клеток коры». Журнал неврологии. 22: 10811–10818. Дои:10.1523 / jneurosci.22-24-10811.2002.
  10. ^ Турьян Дж, Фельсен Дж, Дэн Й (2005). «Пространственная структура сложных рецептивных полей клеток, измеренная с помощью естественных изображений». Нейрон. 45: 781–791. Дои:10.1016 / j.neuron.2005.01.029.
  11. ^ Ржавчина NC, Шварц O, Мовшон JA, Simoncelli EP (2005). «Пространственно-временные элементы рецептивных полей макаки V1». Нейрон. 46: 945–956. Дои:10.1016 / j.neuron.2005.05.021.
  12. ^ Энрот-Кугель С., Робсон Дж. Г. (декабрь 1966 г.). «Контрастная чувствительность ганглиозных клеток сетчатки кошки». Журнал физиологии. 187 (3): 517–52. Дои:10.1113 / jphysiol.1966.sp008107. ЧВК  1395960. PMID  16783910.
  13. ^ а б Карандини М (декабрь 2006 г.). «Что вычисляют простые и сложные клетки». Журнал физиологии. 577 (Чт 2): 463–6. Дои:10.1113 / jphysiol.2006.118976. ЧВК  1890437. PMID  16973710.
  14. ^ Адельсон Э, Берген Дж (1985). «Пространственно-временные энергетические модели для восприятия движения». Журнал Оптического общества Америки A. 2: 284–299. Дои:10.1364 / josaa.2.000284.
  15. ^ Heeger DJ (1992). «Нормализация клеточных ответов в полосатом теле кошки». Vis. Неврологи. 9: 181–197. Дои:10,1017 / с0952523800009640.
  16. ^ Серр Т., Ризенхубер М. (2004). «Реалистичное моделирование простой и сложной настройки клеток в модели HMAX и последствия для распознавания инвариантных объектов в коре головного мозга». Технический отчет AI Memo 2004-017, Лаборатория компьютерных наук и искусственного интеллекта Массачусетского технологического института.
  17. ^ Einhäuser W, Kayser C, König P, Körding KP (2004). «Изучение свойств инвариантности сложных клеток по их ответам на естественные стимулы». Европейский журнал нейробиологии. 15: 475–486.
  18. ^ Кординг КП, Кайзер С., Эйнхойзер В., Кониг П. (2004). «Как комплексные свойства клеток адаптированы к статистике естественных стимулов?». Журнал нейрофизиологии. 91: 206–212. Дои:10.1152 / ян.00149.2003. HDL:11858 / 00-001M-0000-0013-DA31-6.
  19. ^ Меролла П., Боан К. (2004). «Повторяющаяся модель ориентационных карт с простыми и сложными ячейками». Достижения в системах обработки нейронной информации (NIPS 2004): 995–1002.
  20. ^ Беркес П., Вискотт Л. (2005). «Медленный анализ признаков дает богатый набор сложных свойств клеток». Журнал видения. 5: 579–602.
  21. ^ Хансард М., Хорауд Р. (2011). «Дифференциальная модель сложной клетки». Нейронные вычисления. 23: 2324–2357. Дои:10.1162 / neco_a_00163.
  22. ^ Линдеберг Т (2020). «Доказуемо масштабно-ковариантные непрерывные иерархические сети, основанные на нормализованных по масштабу дифференциальных выражениях, соединенных в каскад». Журнал математической визуализации и зрения. 62: 120–128. Дои:10.1007 / s10851-019-00915-х.