Повреждение части мозга, отвечающей за обработку зрительной информации, — нижневисочной (ИТ) коры — может иметь разрушительные последствия, особенно для взрослых. Пострадавшие могут потерять способность читать (расстройство, известное как алексия) или узнавать лица (прозопагнозия) или предметы (агнозия), и в настоящее время врачи мало что могут сделать.
Более точная модель зрительной системы может помочь нейробиологам и клиницистам разработать более эффективные методы лечения этих состояний. Исследователи Университета Карнеги-Меллона (CMU) разработали вычислительную модель , которая позволяет им моделировать пространственную организацию или топографию ИТ и больше узнать о том , как организованы и взаимодействуют соседние кластеры мозговой ткани. Это также может помочь им понять, как повреждение этой области влияет на способность распознавать лица, объекты и сцены.
Исследователи — Николас Блаух, доктор философии. студент программы нейронных вычислений и его советники Дэвид С. Плаут и Марлен Берманн, оба профессора факультета психологии и Института неврологии КМУ, описали модель в выпуске Proceedings of the National Academy of Science от 18 января. наук .
Блаух сказал, что статья может помочь когнитивным нейробиологам ответить на давние вопросы о том, как различные части мозга работают вместе.
«Мы давно задавались вопросом, должны ли мы думать о сети областей мозга, которые реагируют на лица, как об отдельной сущности только для распознавания лиц, или мы должны думать о ней как о части более широкой нейронной архитектуры для распознавания лиц. распознавание объектов », — сказал Блаух. «Мы пытаемся решить эту проблему, используя вычислительную модель, которая предполагает эту более простую общую организацию, и смотрим, может ли эта модель объяснить специализацию, которую мы наблюдаем в мозге, обучаясь выполнять задачи».
Для этого исследователи разработали модель глубокого обучения, наделенную дополнительными функциями биологической связи мозга, предполагая, что модель может выявить пространственную организацию или топографию ИТ.
«Мозг не имеет неограниченного объема, — объяснил Блаух. «Нужно попытаться свести количество белого вещества, используемого для соединения различных областей мозга, к минимуму, необходимому для эффективной коммуникации, чтобы оставалось место для большего количества серого вещества или нейронов для обработки информации».
Блаух также объяснил, что большинство связей между областями мозга осуществляется возбуждающими нейронами, тогда как связи внутри области мозга опосредованы как возбуждающими, так и тормозными нейронами. В большинстве моделей глубокого обучения искусственные нейроны могут по отдельности как возбуждать, так и подавлять другие нейроны.
Следуя этим принципам, исследователи создали базовую сетевую архитектуру и функцию стоимости, которая делает упор на обучение распознаванию изображений, пытаясь при этом поддерживать короткие соединения. Ученые обучили модель, называемую интерактивной топографической сетью, распознавать изображения из разных областей : лица, объекты и сцены. Как только модель научилась распознавать эти изображения, они обнаружили, что она создает отдельные пространственные области для каждого домена, как это видно в мозгу.
