迈向下一代视网膜神经假体——基于脉冲的视觉计算方法

• 作者: 余肇飞 刘健 张祎晨 田永鸿 贾杉杉 郑雅菁 黄铁军
• 来源期刊: 工程（英文）
• 关键词: 视觉编码 视网膜 神经假体 脑-机接口 人工智能 深度学习 脉冲神经网络 概率图模型
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: AI for Precision Medicine—Review
• 页码范围: 449-461,507-520
• 页数: 27页
• 字数: 13435字
• 语种: 英文

摘要

神经假体是一种精准医疗设备,旨在以闭环的方式操纵大脑神经信号,接受来自外界环境刺激的同时,控制人脑或人体的某些部分.外界输入的信息可以在大脑中的神经元细胞中以毫秒量级处理运算.就视觉而言,视觉场景信息进入眼睛,经过视网膜神经细胞进行处理,以神经元脉冲的模式将其输出,发送至脑皮层,以进行进一步的计算.因此,视网膜神经假体感兴趣的神经信号是神经元脉冲.神经假体中的闭环计算包括两个阶段:将刺激信息编码为神经元信号和将神经元信号重新解码为刺激信息.在本文中,我们回顾了视觉计算模型最近取得的一些进展,着重介绍这些模型如何使用脉冲来分析包括静态图像和动态视频在内的自然场景.为了更好地理解视网膜中神经网络的计算原理,我们认为,有必要对视网膜构建一个超级网络环路,在此环路中,那些皮层神经网络所揭示的不同功能的网络模块,都可以应用于视网膜网络中.视网膜的不同组成部分,包括多种细胞类型和突触连接——化学突触和电突触(缝隙连接),使视网膜成为一个理想的神经网络,其能够适应人工智能中发展起来的计算技术,对视觉场景的编码和解码进行建模.因此,有必要构建一种整体系统的方法,利用神经脉冲进行视觉计算,推动下一代视网膜神经假体发展,构建新型人工视觉系统.