通过生成模型揭示大脑功能的奥秘：灵长类动物的运动感知与小鼠皮层网络组织
神经元与认知
2024-12-31 v1 人工智能
摘要
本论文由两个主要项目组成，这两个项目通过应用生成模型探索神经科学中的问题。项目 #1（第 4 章）探讨了神经元如何编码外部世界的特征。我将 Helmholtz 的“感知作为无意识推断”——这一概念与现代生成模型如变分自编码器 (VAE) 相呼应——与视觉皮层的层次结构相结合。这一组合导致开发了一种层次化 VAE 模型，我对其测试其模仿灵长类动物视觉皮层对运动刺激反应的能力。结果表明，该层次化 VAE 能够类似灵长类大脑的方式感知运动。此外，该模型在完全无监督的情况下识别了视网膜运动输入的因果因素，如物体运动和自身运动。总体而言，这些结果表明，层次化推断构成了大脑理解世界的基础，层次化 VAE 能够有效地建模这一理解。项目 #2（第 5 章）研究了随机脑活动的时空结构及其对脑状态（如休息）的反映。通过同步的 fMRI 和宽域 Ca2+ 成像数据，本项目演示了小鼠皮层可被分解为重叠社区，约有一半的皮层区域属于多个社区。比较揭示了从 fMRI 和 Ca2+ 信号中推断的网络之间的相似性与差异性。导论（第 1 章）的结构类似于本摘要：第 1.1 至 1.8 节涉及项目 #1，第 1.9 至 1.13 节涉及项目 #2。第 2 章包含历史背景，第 3 章提供必要的数学背景，最后，第 6 章包含结论与未来展望。
引用
@article{arxiv.2412.19845,
title = {Unveiling Secrets of Brain Function With Generative Modeling: Motion Perception in Primates & Cortical Network Organization in Mice},
author = {Hadi Vafaii},
journal= {arXiv preprint arXiv:2412.19845},
year = {2024}
}
备注
This is my PhD Dissertation, defended on November 3, 2023