神經(jīng)編碼是指大腦將外界刺激（如視覺、嗅覺）轉(zhuǎn)化為神經(jīng)元脈沖響應(yīng)的過程，是腦科學(xué)研究的關(guān)鍵問題，也對機(jī)器視覺和機(jī)器感知意義重大。大腦中所接收的信息超過70%都是來自于視覺系統(tǒng)，視網(wǎng)膜作為心靈之窗，是生物視覺信息處理的第一站，負(fù)責(zé)對時(shí)空中不斷變化的可見光進(jìn)行實(shí)時(shí)編碼。目前已經(jīng)提出了很多模擬生物視網(wǎng)膜的信息編碼模型，但僅處理簡單或靜態(tài)圖像刺激，并且局限于小規(guī)模神經(jīng)元群，不能有效表征真實(shí)視網(wǎng)膜處理動(dòng)態(tài)自然場景的過程。

為了突破上述瓶頸，北京大學(xué)信息科學(xué)技術(shù)學(xué)院計(jì)算機(jī)系、數(shù)字視頻編解碼技術(shù)國家工程實(shí)驗(yàn)室黃鐵軍教授課題組提出并實(shí)現(xiàn)了一種基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜編碼模型，能夠高精度地預(yù)測大規(guī)模視網(wǎng)膜神經(jīng)節(jié)細(xì)胞對動(dòng)態(tài)自然場景的響應(yīng)，同時(shí)可以學(xué)習(xí)出各個(gè)神經(jīng)節(jié)細(xì)胞的感受野。所提出的卷積循環(huán)編碼網(wǎng)絡(luò)除了在結(jié)構(gòu)上更加接近視網(wǎng)膜，還可以使用更少的參數(shù)學(xué)習(xí)出精度更高的編碼模型。實(shí)驗(yàn)結(jié)果揭示了網(wǎng)絡(luò)的循環(huán)連接結(jié)構(gòu)是影響視網(wǎng)膜編碼的關(guān)鍵因素。這一模型不僅具有生物學(xué)價(jià)值，而且對設(shè)計(jì)新一代脈沖視覺模型、芯片乃至研制視網(wǎng)膜假體都具有重要意義。

視網(wǎng)膜結(jié)構(gòu)與對應(yīng)的卷積循環(huán)編碼網(wǎng)絡(luò)

相關(guān)成果以“通過卷積循環(huán)神經(jīng)網(wǎng)絡(luò)揭示對動(dòng)態(tài)自然刺激的神經(jīng)編碼（Unravelling neural coding of dynamic natural visual scenes via convolutional recurrent neural networks）”為題，近日發(fā)表在《細(xì)胞·模式》（Cell Patterns,DOI: 10.1016/j.patter.2021.100350）。計(jì)算機(jī)系2017級博士研究生鄭雅菁為論文的第一作者，主要合作者為人工智能研究院余肇飛研究員和英國利茲大學(xué)Jian K. Liu研究員等。

這一計(jì)算機(jī)科學(xué)與生命科學(xué)交叉成果的取得，源于北京大學(xué)學(xué)科全面的綜合優(yōu)勢和跨學(xué)科交叉的特色。黃鐵軍課題組從2015年開始與生命科學(xué)學(xué)院唐世明課題組、基礎(chǔ)醫(yī)學(xué)部濮鳴亮課題組等開展交叉合作研究，2018年共同組建的“類腦視覺”團(tuán)隊(duì)獲批科技部創(chuàng)新人才推進(jìn)計(jì)劃重點(diǎn)領(lǐng)域創(chuàng)新團(tuán)隊(duì)。這一研究工作還得到了國家自然科學(xué)基金基礎(chǔ)科學(xué)中心、牛頓高級學(xué)者基金等的大力支持。

來源：北京大學(xué)