【BIAI】Lecture2-Visual system

Lecture 2 - Visual System

专业术语

central nervous system(CNS) 中枢神经系统
pupil 瞳孔
iris 虹膜
cornea 角膜
retina 视网膜
fovea 中央凹 或 黄斑区
kens 晶状体
optic nerve 视神经
Bipolar cells 双极细胞
Ganglion cells 神经节细胞
rods 杆状细胞
cones 锥状细胞
Synaptic terminal 突出末梢
Depolarization 去极化
action potential 动作电位
interneurons 中间神经元
lateral geniculate nucleus(LGN) 脑的侧膝体核
ventral pathway 腹侧通路
dorsal pathway 背侧通路

课程大纲

在这里插入图片描述

Evolution of the eye

在这里插入图片描述

Function of the Visual System

The visual system is a part of the central nervous system (CNS) that gives organisms the ability to detect, process,interpretinformation from visible light, with the goal of building a representation of the surrounding environment.(视觉系统是中枢神经系统的一部分,它赋予生物体检测、处理、解释可见光信息的能力,旨在构建周围环境的表征。)

眼睛不是相机,不是图片成像,是电信号的处理。

Structure of the Eye

在这里插入图片描述
但是眼睛和camera很像

  • Lens + Cornea: help focus light onto the eye, like camera lenses.(晶状体 + 角膜:帮助将光线聚焦到眼睛上,就像相机的镜头一样。)
  • Photoreceptors(感光细胞) in Retina: convert light energy into neuronal activity, like camera sensors.(视网膜中的感光细胞:将光能转化为神经活动,就像相机传感器一样。)
  • pupil: to adjust based on illumination of lighr, like aperture of the camera.(瞳孔:根据光照的强弱进行调节,就像相机的光圈一样。)
  • optic nerve: transmit the image signal to the brain, like camera electronics.(视神经:将图像信号传输到大脑,就像相机的电子部件一样。)

Retina

在这里插入图片描述

视网膜如何将光信号转化为电信号?
光信号最先传到最里面一层的感光细胞(rods and cones),然后到Bipolar cells,再到Ganglion cells。最后经过视神经传输到大脑。

Rods and Cones

Rods(120 millions):more sensitive to light than the cones, not sensitive to color. (night)
Cones(6~7 millions): color sensitivity, concentrated in the central yellow spot known as macula.(day)
在这里插入图片描述
Signal conversion

  • Outer segment: Electromagnetic -> Chemical(当光线进入外段时,光能被感光色素吸收,触发一系列的化学反应,将光信号转化为化学信号,从而引发视觉传递过程)
  • Inner segment: Chemical -> Eletrical(内段是视觉感受器官中感光细胞的一部分,它接收来自外段的化学信号,并将其转化为电信号。在内段中,化学信号被转化为电位变化,这是由于化学反应在细胞膜上产生了离子流动,从而形成神经电信号)
  • Synaptic terminal: Electrical -> Chemical(突触末梢是神经元之间信息传递的位置,当电信号(神经脉冲)到达突触末梢时,它会引发一系列的化学反应,将电信号转化为化学信号。这些化学信号以神经递质的形式释放到突触间隙中,然后通过与下游神经元的接收器结合,再次转化为电信号,从而实现神经信息的传递和传导)

Human:one type of Rods, three types of Cones

在这里插入图片描述
因为视锥细胞(cones)是对色彩的感知,所以就是对应rgb三种颜色的设计,分别对应蓝光波长,绿光波长,红光波长。
而所谓的色弱其实就是缺少某一种cones。红绿色盲缺少m-cones。
Fish和birds有四种cones,所以它们看到的色彩更加丰富。

Electrical signals are generated

用光刺激Bipolar细胞和Ganglion细胞,得到的膜电位变化图如下:
在这里插入图片描述

Q: 纵轴depolarization解释?
A: “Depolarization” 的中文翻译是 “去极化”。在神经生理学中,去极化是指细胞膜电位向正方向变化的过程。当细胞膜电位由负值变为更接近于零或正值时,我们称之为去极化。这种改变通常是由离子通道的打开,导致正离子(如钠离子或钙离子)进入细胞,或者负离子(如氯离子)离开细胞所引起的。

我们可以看到,刚开始膜电位为负值,因为此时是静息状态,当time=0,接受到光刺激时,膜电位发生去极化。
针对Bipolar细胞,不同刺激的光,去极化的程度也不同,并且去极化时间没有滞后。
针对Ganglion细胞,去极化会有一个滞后时间。

Action Potential are generated by Ganglion cells

虽然去极化是细胞膜电位的一种状态,但与动作电位(action potential)相比,它在神经系统中的信息传递和功能上有一些限制。
如:

  • 信号传递距离:去极化是一种局部的电位变化,它只在细胞膜附近发生。它的传播范围有限,不适合传输长距离的信号。相比之下,动作电位能够在神经元的轴突上迅速传播,实现长距离的信号传递。
  • 强度和可靠性:去极化的幅度和持续时间通常受到刺激的强度和持续时间的影响,因此去极化的变化可能会相对较小且不稳定。相比之下,动作电位是一种快速、突然、大幅度的电位变化,具有更明确的阈值和可靠的产生,从而更有效地传递和解码信息。

因为去极化的值变化非常小,无法区分噪声和信号,但是动作电位的峰值非常明显。如下图所示。
在这里插入图片描述

Information Integration by Ganglion Cell

在这里插入图片描述
上图是视网膜不同的照明模式,即光线在视网膜上形成的分布。
模式(A),当视网膜中间区域亮,四周暗,就会导致视网膜上中间排列的感光细胞被激活,然后信息传到Ganglion cell,那么这个信息可能会导致Ganglion cell最大化激活。
模式(B),中间暗四周亮的时候,四周的信息可能会抑制Ganglion cell。
模式(C),中间和四周都亮的时候,有的信息激活Ganglion cell,有的抑制Ganglion Cell。
所以不同的模式会有不同的Ganglion cell。

Visual pathway: from the eye to the cerebral cortex

在这里插入图片描述
信息首先在Rods和cones上实现转换,再在Interneurons上实现模拟电路的处理,在Ganglion上实现模拟到数字的转换,然后通过Optic fiber把数字电路的信息传到大脑里面,最后通过LGN映射到不同的V1(视觉皮层)的神经元上去,到了大脑皮层后进行更高级的处理,分为ventral pathway和dorsal pathway。(关于背侧通路和腹侧通路的介绍,大家可以参考这篇博客BCI-Two-streams hypothesis(双流假说))

Discussion

Q1: Whether can we predict the neural signals based on the input image?

答案是可以通过输入图像预测神经元的活动,设计的网络的每一层可以映射到不同层的神经元活动的。如下图所示,这种映射是简单的线性预测。
在这里插入图片描述

Q2: Whether can we reconstruct the image based on neural signals?

答案是可以的,但是因为是上采样,所以实现难度较大。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Q3: Whether can mechanism of visual system help AI improve performance?(BI inspires AI)

答案是可以,如下图的一个工作VOneNet。将CNN的第一层用V1替换,V1是由卷积层+非线性层+随机层构成的。(VOneNet的V1模块是根据对大脑V1区域的研究和观察设计的,它尝试通过卷积层和特定的滤波器来模拟V1神经元对边缘、方向和纹理等低级视觉特征的感知。)
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/230418.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

视频格式网络地址转换视频到本地,获取封面、时长,其他格式转换成mp4

使用ffmpeg软件转换网络视频,先从官网下载对应操作系统环境的包 注意:网络地址需要是视频格式结尾,例如.mp4,.flv 等 官网地址:Download FFmpeg window包: linux包: 如果下载缓慢,下载迅雷安装使用…

imgaug库指南(一):从入门到精通的【图像增强】之旅

文章目录 引言imgaug简介安装和导入imgaug代码示例imgaug的强大之处和用途小结结尾 引言 在深度学习和计算机视觉的世界里,数据是模型训练的基石,其质量与数量直接影响着模型的性能。然而,获取大量高质量的标注数据往往需要耗费大量的时间和…

清风数学建模笔记-多分类-fisher线性判别分析

内容:Fisher线性判别分析 一.介绍: 1.给定的训练姐,设法投影到一维的直线上,使得同类样例的投影点尽可能接近和密集,异类投影点尽可能远离。 2.如何同类尽可能接近:方差越小 3.如何异类尽可能远离&#…

AI:111-基于深度学习的工业设备状态监测

🚀点击这里跳转到本专栏,可查阅专栏顶置最新的指南宝典~ 🎉🎊🎉 你的技术旅程将在这里启航! 从基础到实践,深入学习。无论你是初学者还是经验丰富的老手,对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的关键代码,详细讲解供…

122基于matlab的CSO-SVM,BA-SVM模式识别模型

基于matlab的CSO-SVM,BA-SVM模式识别模型。优化SVM的两个参数晚上最佳参数确定。输出分类识别结果和准确率。数据可更换自己的,程序已调通,可直接运行。 122鸡群优化算法蝙蝠优化算法 (xiaohongshu.com)

关于设计模式的一点总结

一、GoF 23种设计模式 1.分类 GoF 23种设计模式可分为几类:创建型、结构型和行为型。如下表 分类设计模式创建型单例模式、工厂方法模式、抽象工厂模式、原型模式、建造者模式结构型代理模式、适配器模式、装饰者模式、桥接模式、组合模式、门面模式、享元模式行…

使用Python做个可视化的“剪刀石头布”小游戏

目录 一、引言 二、环境准备与基础知识 三、游戏界面制作 四、游戏逻辑实现 五、代码示例 六、游戏测试与优化 七、扩展与改进 八、总结 一、引言 “剪刀石头布”是一种古老的手势游戏,它简单易懂,趣味性强,适合各个年龄段的人参与。…

勒索检测能力升级,亚信安全发布《勒索家族和勒索事件监控报告》

评论员简评 近期(12.08-12.14)共发生勒索事件119起,相较之前呈现持平趋势。 与上周相比,近期仍然流行的勒索家族为lockbit3和8base。在涉及的勒索家族中,活跃程度Top5的勒索家族分别是:lockbit3、siegedsec、dragonforce、8base和…

vue3中pdf打印问题处理

1 get请求参数问题 之前的请求是post得不到参数,今天发现的问题很奇怪,从前端进入网关,网关居然得不到参数。 前端代码 const print () > {let linkUrlStr proxy.$tool.getUrlStr(proxy.$api.invOrder.psiInvOrder.printSalOutstock,{a…

error:0308010C:digital envelope routines::unsupported 前端项目错误

直接启动命令中增加: SET NODE_OPTIONS--openssl-legacy-provider && vue-cli-service serve

【电商项目实战】实现订单超时支付取消

🎉🎉欢迎来到我的CSDN主页!🎉🎉 🏅我是Java方文山,一个在CSDN分享笔记的博主。📚📚 🌟推荐给大家我的专栏《电商项目实战》。🎯🎯 &am…

客服智能管理系统是如何应用的

客服系统有很多种类,针对不同场景的客服使用的客服系统也不同,如有网店里的在线客服、实体店里的电话客服、网站上的在线客服、公共服务型的热线客服、售后服务客服等等。所谓客服智能管理系统就是一种可以把多个客服场景都管理起来的系统,提…

【Proteus仿真】【STM32单片机】超声波测距系统

文章目录 一、功能简介二、软件设计三、实验现象联系作者 一、功能简介 本项目使用Proteus8仿真STM32单片机控制器,使用动态数码管、按键、HCSR04超声波、蜂鸣器模块等。 主要功能: 系统运行后,数码管显示超声波检测距离,当检测…

Vue中的计算属性与监听器

聚沙成塔每天进步一点点 ⭐ 专栏简介 Vue学习之旅的奇妙世界 欢迎大家来到 Vue 技能树参考资料专栏!创建这个专栏的初衷是为了帮助大家更好地应对 Vue.js 技能树的学习。每篇文章都致力于提供清晰、深入的参考资料,让你能够更轻松、更自信地理解和掌握 Vue.js 的核心概念和技…

面试题:你如何理解 System.out.println()?

文章目录 前言首先分析System源码:out源码分析println分析 前言 如果你能自己读懂System.out.println(),就真正了解了Java面向对象编程的含义。 面向对象编程即创建了对象,所有的事情让对象帮亲力亲为(即对象调用方法&#xff09…

k Nearest Neighbour(KNN)建模

介绍: K最近邻(K-Nearest Neighbors,KNN)是一种基本的分类和回归算法。它的基本思想是对未知样本进行预测时,先找到训练数据集中与该样本最近的K个样本,然后根据这K个样本的标签进行预测。 KNN模型的基本步…

神经网络的核心:帮助新手理解 PyTorch 非线性激活函数

目录 torch.nn子函数非线性激活详解 nn.Softmin Softmin 函数简介 函数工作原理 参数详解 使用技巧与注意事项 示例代码 nn.Softmax Softmax 函数简介 函数工作原理 参数详解 使用技巧与注意事项 示例代码 nn.Softmax2d Softmax2d 函数简介 函数工作原理 输入…

Python 自学(四) 之元组字典与集合

目录 1. 列表,元组,字典与集合的区别 2. 元组的创建和删除 tuple() del P101 3. 单个元素的元组 P102 4. 元组元素的修改 P106 5. 元组的使用场景 6. 字典的创建和删除 dict() zip() : del clear() P1…

金融中IC和IR的定义

当谈到金融领域时,IC(Information Coefficient)和IR(Information Ratio)通常是用来评估投资组合管理绩效的指标。它们都涉及到投资者对信息的利用和管理的效果。 信息系数(IC - Information Coefficient&a…

Spring高手之路-Spring中Bean的五大作用域

目录 Singleton(单例):默认的作用域 Prototype(原型) Request(请求) Session(会话) Global Session(全局会话) 五大作用域范围对比 作用域…