研究称将视觉与运动关联 可以应用于自动驾驶汽车

研究人员发现，初级视觉皮层中的图像处理电路不仅在动物自由移动时更活跃，而且它们从大脑的运动控制区域接收信号，该区域独立于处理动物所看物体的区域。

为了更好地了解周围的世界，动物不断运动。灵长类动物和人们使用复杂的眼球运动来聚焦视力（例如，人类在阅读时会这样做）；鸟类，昆虫和啮齿动物可以通过移动头部来做同样的事情，甚至可以通过这种方式估计距离。然而，这些运动如何在大脑用来“看到”的复杂神经元回路中发挥作用，目前尚不得而知。随着科学家创造出人工神经网络来模仿视觉在自动驾驶汽车中的工作方式，这可能是一个潜在的问题领域。

为了更好地理解运动与视觉之间的关系，哈佛大学的一个研究小组研究了动物自由自在漫游时大脑主要区域之一发生的情况，以分析图像。该研究结果于周二发表在《神经元》杂志上，表明初级视觉皮层中的图像处理电路不仅在动物运动时更加活跃，而且还从独立于大脑的运动控制区域接收信号来自处理动物所看事物的区域。实际上，研究人员在视觉皮层中描述了两组与运动有关的模式，这些模式基于头部运动以及动物是处于亮还是暗中。

与运动有关的发现是出乎意料的，因为视觉通常被认为是前馈计算系统，其中视觉信息通过视网膜进入并在单向路径上运行的神经回路中传播，从而逐段处理信息。 。研究人员在这里看到的更多证据表明，视觉系统具有比原先想象的更多的反馈组件，其中信息可以沿相反的方向传播。

这些结果使人对神经活动如何在大脑的感觉区域中工作有了细微的了解，并增加了正在重写大脑视觉的教科书模型的研究领域。

哈佛大学神经生物学系的博士后Grigori Guitchounts说：“在视觉皮层中看到这种与运动相关的信息真的很令人惊讶，因为传统上人们认为视觉皮层只能处理图像。”医学院和该研究的主要作者。“起初这是一个神秘的事物，为什么这个感觉区域会代表这种动物正在做出的特定运动类型。”

尽管科学家们无法确切地说出发生这种情况的原因，但他们认为这与大脑如何感知周围的事物有关。

Guitchounts说：“对此的模型解释是，大脑需要以某种方式协调感知和行动。” “您需要知道感觉输入是何时由您自己的行为引起的，而不是何时由世界上的某些事物引起。”

在这项研究中，Guitchounts与前分子和细胞生物学系教授David Cox合作，校友Javier Masis，MA '15，博士学位。'18和博士后研究员Steffen BE Wolff。这项工作于2017年开始，并于2019年结束，而Guitchounts是Cox实验室的研究生研究员。一月份发表的论文的预印本。

过去关于视觉的实验的典型设置是这样进行的：对动物（如小鼠或猴子）进行镇静，约束，使其头部处于固定位置，然后给予视觉刺激（如照片），以便研究人员可以看到大脑中哪些神经元反应了。这种方法由哈佛大学的科学家戴维·H·胡贝尔（David H. Hubel）和托尔斯滕·N·维塞尔（Torsten N. Wiesel）于1960年代率先提出，并于1981年因其努力获得诺贝尔医学奖。从那时起，许多实验都遵循了他们的模型，但并未阐明运动如何影响所分析的神经元。

这项最新实验的研究人员希望对此进行探索，因此他们观察了10只老鼠昼夜不停的运转。科学家将每只老鼠放在一个封闭的围栏内，该围栏是其家的两倍，并不断记录它们的头部运动。他们使用植入的电极测量了大鼠移动时初级视觉皮层的大脑活动。

录音的一半是在灯光下拍摄的。另一半被记录在完全黑暗中。研究人员想比较有视觉输入时和无视觉输入时视觉皮层在做什么。为了确保房间是漆黑的，由于老鼠在夜间的视力非常好，所以他们用胶带封住了任何可以让光线进入的缝隙。

数据显示，平均而言，动物移动时，即使在黑暗中，大鼠视皮层中的神经元也比休息时更活跃。这让研究人员措手不及：在漆黑的房间里，没有视觉数据要处理。这意味着活动来自运动皮层，而不是外部图像。

研究小组还注意到，运动时激发的视觉皮层中的神经模式在黑暗和明亮中是不同的，这意味着它们不是直接相连的。一些准备在黑暗中激活的神经元在光线下处于一种睡眠模式。

研究人员使用机器学习算法对两种模式进行了编码。这样一来，他们不仅可以通过观察其视皮层中的神经活动来判断大鼠以哪种方式移动其头部，而且还可以在大鼠制造大脑之前预测其移动几百毫秒。

研究人员通过关注次级运动皮层证实了运动信号来自大脑的运动区域。他们通过外科手术将其摧毁了几只老鼠，然后再次进行了实验。大脑此区域受损的大鼠不再在视觉皮层中发出信号。但是，研究人员无法确定信号是否起源于次级运动皮层。他们说，它可能只是通过的地方。

此外，科学家指出了他们发现的一些局限性。例如，他们只测量头部的运动，而不测量眼睛的运动。该研究还基于夜间活动的啮齿动物。他们的视觉系统与人类和灵长类动物具有相似之处，但复杂度不同。尽管如此，该论文仍增加了新的研究领域，其发现可能会应用于控制机器视觉的神经网络，例如自动驾驶汽车中的神经网络。

Guitchounts说：“所有这些都是为了更好地理解视觉是如何工作的。” “神经科学正在进入一个新时代，在这个新时代中，我们认识到感知和行动是相互交织的循环。...没有感知就没有行动，没有行动就没有感知。我们现在拥有衡量这一点的技术。”

这项工作得到了哈佛大学纳米级系统中心和美国国家科学基金会研究生研究奖学金的支持。

稿源：TechTMT.Com