php能开发大型网站,dedecms 门户网站,北京华昊网站建设,微网站在哪个平台上搭建好 知乎来源#xff1a;ScienceAI编辑#xff1a;凯霞大脑中处理视觉信息的部分——颞下#xff08;IT#xff09;皮层——受损可能是毁灭性的#xff0c;尤其是对成年人而言。那些受影响的人可能会失去阅读能力#xff08;一种称为失读症的疾病#xff09;或辨认面孔#xff… 来源ScienceAI编辑凯霞大脑中处理视觉信息的部分——颞下IT皮层——受损可能是毁灭性的尤其是对成年人而言。那些受影响的人可能会失去阅读能力一种称为失读症的疾病或辨认面孔面容失认症或物体失认症的能力目前医生无能为力。更准确的视觉系统模型可以帮助神经科学家和临床医生为这些疾病开发更好的治疗方法。近日卡内基梅隆大学CMU 的研究人员开发了一种计算模型——交互式地形网络ITN使他们能够模拟 IT 的空间组织或地形topography并更多地了解相邻的脑组织簇是如何组织和相互作用的。这也可以帮助他们了解该区域的损坏如何影响识别面部、物体和场景的能力。该研究以「A connectivity-constrained computational account of topographic organization in primate high-level visual cortex」为题于 2022 年 1 月 18 日发布在《PNAS》上。论文一作 Nicholas M. Blauch 博士说这篇论文可能会帮助认知神经科学家回答关于大脑不同部分如何协同工作的长期问题。「长期以来我们一直在想我们是否应该将大脑中响应面部的区域网络视为一个单独的实体仅用于识别面部或者我们应该把它作为目标识别的神经结构的一部分」Blauch 说。「我们正在尝试使用一个假设这种更简单、通用的组织的计算模型来解决这个问题并看看这个模型是否可以解释我们通过学习执行任务在大脑中看到的专业化。」为此研究人员开发了一种深度学习模型交互式地形网络 (ITN)该模型具有生物大脑连接的附加特征假设该模型可以揭示 IT 的空间组织或地形。交互式地形网络ITN一种用于高级视觉皮层计算建模的框架特别是其功能性地形组织。ITN 模型被定义为神经网络模型其1优化以执行自然任务2以生物学上合理的方式约束连接以产生功能组织。在这项工作中介绍了一种 ITN 形式它分为三个部分近似早期视觉皮层的编码器、近似颞下皮层的交互式地形 (IT) 层以及一个或多个下游任务的读出机制。编码器的目标是提取描述视觉世界的一般视觉特征这些特征沿着支持广泛的下游读出任务的维度。研究人员的主要建模重点是 IT 层它由一系列受生物约束的循环层对组成。为了计算简单这些约束没有在编码器中建模。首先展示了特定 ITN 模型的模拟结果将其称为主模型或「E/I-EFF-RNN」这表明它具有负责激发和抑制E/I的独立神经元。前馈连接是严格兴奋性EFF的限制时间循环处理是通过学习横向连接RNN介导的。此外该模型使用 ResNet-50 编码器该编码器在大型数据集上进行了预训练包括来自对象、面部和场景域的多个类别并在预训练后用作特征提取器它为包含单独的 pIT、cIT 和 aIT 区域的三区域 IT 提供输入。图示交互式地形网络产生分层域级组织。来源论文训练后该模型在各个领域表现良好在人脸域达到了 86.4% 的分类准确率在物体域达到了 81.8%在场景域达到了 65.9%。跨域的性能差异不太可能是特定架构的产物因为它们可以在各种 DCNN 中看到这反映了每个任务的内在难度由于给定图像集的每个域的类别内部和类别之间存在可变性。为了进一步确认地形组织的功能意义研究人员分析了从 aIT 到本地类别读出层的读出权重的空间组织。研究发现平均读数权重与每个域的平均响应之间存在很大的正相关所有 rs 0.7所有 Ps 0.0001进一步证明了响应地形的功能意义。损伤分析接下来研究人员在模型中进行了一系列损伤分析以与面部和物体识别的神经心理学数据进行比较。首先做了局灶性病变。图示ITN 模型中的损伤结果。来源论文研究表明以每个域为中心的局灶性病变导致对该域的识别异常严重而对其他域也有较轻微但显著的缺陷。对于此类病变所有域的缺陷均显著所有 Ps 0.05并且对目标域的识别显著更强所有 Ps 0.05。局灶性病变引起的非首选区域的部分但不是全部损伤可能是由于不完善或非圆形的地形功能组织造成的。重要的是病变的这些更分散的影响表明功能组织虽然高度专业化但并不是严格模块化的对那些声称是给定模块的一部分的单元例如用于面部识别的损坏仍然会影响对象识别尽管程度较弱。「对其他领域有一些残留的损害」Blauch 说。「与首选域相比它很小但它向我们表明这些网络中的专业化可能很强但也有些混杂。结合整个系统采用的一般原则这意味着它可能被认为是一个具有内部专业化的系统而不是一组独立模块的集合。」一个通用的、灵活的系统在损伤后可能更有能力进行重组正如我们在儿童身上看到的那样与具有类似损伤的成年人相比儿童在幼年受损后视觉功能基本上恢复了。限制和未来方向目前的工作仅涉及高级表示的地形组织。在卷积层中建模拓扑组织是 ITN 框架的一个特殊挑战。这些架构和其他生物学上合理的变体是一个令人兴奋的机会可以从基于连接的约束条件中检查地形组织。与此相关的是尽管 ITN 由于区域间空间的限制在解释分层的地形组织方面具有优势但它还不能令人满意地具体解释分层表征转换的某些方面增加了对 3D 旋转的不变性。未来工作迫切需要将 ITN 框架扩展到更强大的计算架构、训练环境和学习规则而不是将这种计算能力委托给不同的编码器。ITN 模型和灵长类 IT 的总体表征空间之间存在一些差异。更详细地比较不同的 ITN 模型在定量和定性上解释 IT 皮层的效果是未来研究的一条令人兴奋的路线。虽然该工作比以前的工作提高了生物学的合理性但通过结合布线约束、兴奋和抑制的分离以及区域之间的兴奋性连接额外的生物学细节可能对视觉皮层的计算和组织很重要。未来的工作可能会考虑结合细节。该研究工作对认知神经科学具有重要意义提供了地形功能专业化的领域一般发展说明对于计算神经科学通过展示如何将众所周知的生物学细节纳入神经网络模型以解释经验发现。论文链接https://www.pnas.org/content/119/3/e2112566119参考内容https://medicalxpress.com/news/2022-02-neuroscientists-deep-simulate-brain-topography.html未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市大脑研究计划构建互联网城市大脑技术和企业图谱为提升企业行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
