利用受限玻尔兹曼机建模视网膜神经节细胞群体活动
计算机视觉与模式识别
2017-01-18 v2 神经元与认知
摘要
视网膜是一个复杂的神经系统，在视觉皮层进行高阶处理之前对视觉刺激进行编码。在本研究中，我们评估了是否可以从视网膜神经节细胞 (RGCs) 的发放率分布中检索到关于视网膜所接收刺激的信息，为此利用了高密度 64x64 微电极阵列 (MEA) 技术。为此，我们使用均值 - 协方差受限玻尔兹曼机 (mcRBM) 对 RGC 群体活动进行了建模，这是一种潜变量模型，能够学习一组连续观测随机变量和一组二元未观测随机单元的联合分布。我们的目的是探究二元潜状态是否作为联合分布中的模态，编码了与不同视觉刺激相关的规律性。我们通过计算潜状态与呈现给视网膜的刺激之间的互信息来衡量 mcRBM 编码的优劣。结果表明，无论是使用光栅还是自然场景作为刺激，二元状态都能编码与不同刺激相关的规律性。我们还发现，隐藏变量编码了视网膜活动的有趣特性，可解释为群体感受野。我们进一步通过比较正常条件下与药理学阻断 GABA 受体（首先阻断 GABAC，随后也阻断 GABAA 和 GABAB）后的视网膜结果，调查了该模型学习群体活动中不同模态的能力。正如预期，当我们药理学阻断受体时，互信息趋于下降。最后我们要强调，本文描述的计算方法潜在地可应用于通过 MEA 技术获得的任何类型的神经数据，尽管应采用不同的技术来解释结果。
引用
@article{arxiv.1701.02898,
title = {Modeling Retinal Ganglion Cell Population Activity with Restricted Boltzmann Machines},
author = {Matteo Zanotto and Riccardo Volpi and Alessandro Maccione and Luca Berdondini and Diego Sona and Vittorio Murino},
journal= {arXiv preprint arXiv:1701.02898},
year = {2017}
}