균형 행위로 참조

신경 회로가 뇌에서 이미지 처리의 첫 단계를 실현하는 방법

1 차 시각 피질에서 세포의 배열. 다른 색상은 각 위치에서 선호되는 셀의 가장자리 방향을 나타냅니다. 예를 들어, 원형 영역의 세포는 매우 다른 바람직한 배향의 세포와 상호 연결되는 반면, 균일 한 영역 (예를 들어, 청색 영역)의 세포는 무엇보다도 유사한 세포로부터의 입력을 받는다. © K. Obermayerv
소리내어 읽기

과학자들은 뉴런 상호 연결이 뇌에서 이미지 처리의 첫 단계 인 방법을 발견했습니다. 저널 "Cerebral Cortex"의 연구자들이 보여 주듯이, 억제 및 흥미로운 신호의 정확한 균형은 이미지를 볼 때 가장자리와 윤곽의 과정을 안정적으로 분석 할 수있는 기초입니다.

{1R}

우리가보고있는 것을 볼 수 있도록 뇌는 많은 컴퓨팅 능력을 가지고 있습니다. 뉴런 이미지 프로세싱의 제 1 단계에서, 망막에 떨어지는 이미지 정보는 뇌로 전송되며, 여기서 뉴런의 강한 결합 네트워크에 의해 프로세싱된다. 흥분성 및 억제 피드백이 얼마나 강한지는 결정적입니다. 너무 강한 흥분은 편두통 및 간질과 유사한 상태를 유발할 수 있으며, 반면에 너무 강한 억제는 처리를 방해합니다.

이를 기반으로하는 정확한 신경 회로는 이제 미국 메사추세츠 공과 대학 (Massachusetts Institute of Technology)의 동료들과 함께 Bernstein Computational Neuroscience Center 및 Technische Universität (TU) 베를린의 연구원들에 의해 체계적으로 분석되었습니다. 그들의 결과는 흥분성 신호와 억제 성 신호가 정확한 균형을 이루어야하며 놀랍게도 임계 과잉 활성화의 한계에 가깝다는 것을 보여줍니다. 새로운 연구는 또한주의 과정이 자신의 비전에 어떤 영향을 미치는지 더 잘 이해하도록 도와줍니다.

모서리와 윤곽의 과정 분석

주요 시각 피질의 첫 번째 뇌 영상 인터페이스 중 하나는 가장자리와 윤곽의 과정을 분석하는 것입니다. 이 뇌 영역의 세포는 고정 된 방향 모서리에 우선적으로 반응합니다. 일부는 수평 방향으로, 다른 일부는 예를 들어 40도 등고선에 있습니다. 디스플레이

이 신경 세포의 기능이 어떻게 나타나는지 설명하는 다른 과학적 모델이 있습니다. 서로 다른 가능한 메커니즘을 구별하기 위해 과학자들은 베를린의 TU 베를린 클라우스 오버 마이어 (Klaus Obermayer)는 그들의 연구에서 세포의 특성에 미묘한 차이가있다. 시각 피질의 세포는 그들 각각의 이웃하는 세포로부터 뉴런 입력 신호를 수신한다. 시각 피질의 위치에 따라 세포가 위치하지만 입력 신호의 구성은 상당히 다릅니다. 그럼에도 불구하고 모든 셀은 동일한 작업을 수행합니다. 선의 방향에 매우 정확하게 반응합니다.

그들의 모델에서 과학자들은 어떤 상호 연결 패턴이 모든 입력 신호에 대한 모든 셀의 응답을 반영 할 수 있는지 체계적으로 테스트합니다. Obermayer는“데이터를 설명하는 모델을 찾았을뿐만 아니라 다른 모델도 데이터를 설명 할 수 있다는 점을 배제했습니다. 과학자들의 모델은 1 차 시각 피질의 세포들 사이에 국소 결합을 활성화 및 억제하는 것이 다량 있음을 보여준다. 백 커플 된 신호의 기여는 망막으로부터의 직접 입력 신호의 기여를 2 배 초과한다.

중요한 신경 생물학 메커니즘 이해

그러나 뇌가 왜 특정 세포의 동시 활성화와 억제에 많은 에너지를 투자합니까? 이론적으로 윤곽선과 모서리를 계산하기가 쉽지 않습니까? 과학자들은 또한 이러한 질문에 대한 그럴듯한 해답을 가지고있다 : 컴퓨터 시뮬레이션에서 보여 지듯이 복잡한 상호 연결 구조는 1 차 시각 피질에서 세포의 활동이 작은 영향에 의해 매우 쉽게 영향을 받는다는 것을 의미한다 외부에서 조정하십시오. 이러한 조정은 예를 들어주의 프로세스에 의해 이루어질 수있다.

주의 나 사전 지식과 같은 더 높은 뇌 기능이 이미 뇌의 영상 이미지 처리의 첫 단계에 이미 개입 한 것으로 알려져 있습니다. 우리가 무언가를주의 깊게 살펴보면 시각 피질 뉴런이 더 활동적이고 더 빠르게 보입니다. 과학자의 모델은 이제 기본 신경 생물학 메커니즘을 더 잘 이해하는 데 도움이됩니다.

(idw-National Bernstein Network Computational Neuroscience, 2009 년 3 월 30 일-DLO)