人類視覺迴路的簡單模型
當光線進入我們的眼睛，一趟精彩旅程就此展開，從視網膜經視神經通往外側膝狀體核（LGN），再至視覺皮質V1、MT（middle temporal visual area）、MST（medial superior temporal area），不過每個階段的細部迴路與功能都還有待生物學家的深入探究。因此現階段若要建造完整人類視覺迴路的網路模型，少不了假設與猜測。這邊要介紹的是一個以功能為出發點的模型設計。Oliver Layton是整個模型最主要的貢獻者，模型的主要目標是用來解釋一件我們已經習以為常的事──從視覺瞭解自身的運動狀態，比如說知道自己正在往前走、右轉、左轉或倒退。一般情況下，我們的知覺事實上是多個感官的融合，所以能有更為準確的運動姿態認知，那我們來看看單靠視覺，可能是怎麼達成基本的估計。
從輸入端開始，視網膜細胞感知光亮度變化，當亮度變亮送出ON訊號，變案則是OFF，沒有變化則不反應，並投射至LGNm（M細胞），其實和近年興起的DVS（dynamic vision sensor）運作模式是一樣的；緊接著，LGNm往V1的路上利用Reichardt-Hassenstein模型解析光流（optical flow）；V1和MT在這裡的功用則可視為加強光流感知，加強視野中各區的光流對比；最有趣的部份是如何在MSTd（dorsal MST）形成最終的運動姿態認知，假定每一種移動方式都對應一種光流場，各種模式都有一個模板神經會對該種光流型態有最大偏好，藉此篩選出當下的運動狀態。
基於前述的模型，更新的研究報告提出如何將前景的移動物體從背景分離，事實上非常直觀，理想上我們將當下光流場減去自體運動產生的光流，就會留下獨立移動物體光流，進而能推估該物體速度等資訊。而後來還引進雙眼視覺的概念，因兩眼視差，我們能推測物體的相對距離，輔助我們辨認不同遠近的移動物體。這一連串的模型描述人類感官的一項基本能力，然而必須要注意的是，該模型許多部份僅僅是為達成目的而設計，在生物上不一定有同樣的機制存在，反倒在工程上較容易實現。
撰文：姚皇宇
原始文獻：
Layton, O. W. & Niehorster, D. C. A model of how depth facilitates scene-relative object motion perception. PLOS Computational Biology 15, e1007397 (2019).
Layton, O. W. & Fajen, B. R. A Neural Model of MST and MT Explains Perceived Object Motion during Self-Motion. J. Neurosci. 36, 8093–8102 (2016).
Layton, O. W. & Fajen, B. R. Competitive Dynamics in MSTd: A Mechanism for Robust Heading Perception Based on Optic Flow. PLOS Computational Biology 12, e1004942 (2016).
從輸入端開始，視網膜細胞感知光亮度變化，當亮度變亮送出ON訊號，變案則是OFF，沒有變化則不反應，並投射至LGNm（M細胞），其實和近年興起的DVS（dynamic vision sensor）運作模式是一樣的；緊接著，LGNm往V1的路上利用Reichardt-Hassenstein模型解析光流（optical flow）；V1和MT在這裡的功用則可視為加強光流感知，加強視野中各區的光流對比；最有趣的部份是如何在MSTd（dorsal MST）形成最終的運動姿態認知，假定每一種移動方式都對應一種光流場，各種模式都有一個模板神經會對該種光流型態有最大偏好，藉此篩選出當下的運動狀態。
基於前述的模型，更新的研究報告提出如何將前景的移動物體從背景分離，事實上非常直觀，理想上我們將當下光流場減去自體運動產生的光流，就會留下獨立移動物體光流，進而能推估該物體速度等資訊。而後來還引進雙眼視覺的概念，因兩眼視差，我們能推測物體的相對距離，輔助我們辨認不同遠近的移動物體。這一連串的模型描述人類感官的一項基本能力，然而必須要注意的是，該模型許多部份僅僅是為達成目的而設計，在生物上不一定有同樣的機制存在，反倒在工程上較容易實現。
撰文：姚皇宇
原始文獻：
Layton, O. W. & Niehorster, D. C. A model of how depth facilitates scene-relative object motion perception. PLOS Computational Biology 15, e1007397 (2019).
Layton, O. W. & Fajen, B. R. A Neural Model of MST and MT Explains Perceived Object Motion during Self-Motion. J. Neurosci. 36, 8093–8102 (2016).
Layton, O. W. & Fajen, B. R. Competitive Dynamics in MSTd: A Mechanism for Robust Heading Perception Based on Optic Flow. PLOS Computational Biology 12, e1004942 (2016).
留言
張貼留言