Dekodierung des visuellen Gehirns
Forscher des University College London haben einen bedeutenden Fortschritt im neuralen Dekodieren erzielt, indem sie Videoclips, die Mäuse angesehen hatten, allein anhand von Aufzeichnungen der Gehirnaktivität rekonstruierten. Die Arbeit stellt einen wichtigen Schritt zum Verständnis dar, wie das Säugetiergehirn visuelle Informationen verarbeitet und kodiert, mit Auswirkungen auf Gehirn-Computer-Schnittstellen und neurologische Therapien.
Das Team verwendete fortschrittliche Calcium-Imaging-Techniken, um die Aktivität von Tausenden von Neuronen gleichzeitig in der visuellen Hirnrinde von Mäusen zu überwachen, während diese kurze Videoclips anschauten. Durch das Training von Machine-Learning-Modellen auf der Beziehung zwischen neuronalen Feuermuster und visuellen Reizen konnten die Forscher ungefähre Rekonstruktionen der ursprünglichen Videos allein aus Gehirndaten erzeugen.
Von neuronalen Spitzen zu bewegten Bildern
Der Rekonstruktionsprozess bestand aus zwei Stufen. Zunächst erstellten die Forscher ein Codierungsmodell, das vorhersagte, wie einzelne Neuronen auf verschiedene visuelle Merkmale wie Kanten, Bewegung, Kontrast und räumliche Muster reagieren würden. Dieses Modell erfasste die Abstimmungseigenschaften jedes aufgezeichneten Neurons in der gesamten visuellen Hirnrinde.
In der zweiten Stufe kehrte das Team dieses Modell um – indem sie aufgezeichnete neuronale Aktivität eingaben und rückwärts arbeiteten, um zu schätzen, welche visuelle Eingabe diese Muster am wahrscheinlichsten erzeugt hätte. Die resultierenden Rekonstruktionen erfassten die Gesamtstruktur, Bewegung und Helligkeitsmuster der ursprünglichen Clips, obwohl feine Details unscharf blieben. Objekte und Bewegungen waren auf grober Ebene erkennbar, was zeigt, dass umfangreiche visuelle Informationen in der neuronalen Aktivität auf Populationsebene erhalten bleiben.
Warum Mäuse für diese Forschung wichtig sind
Während frühere Studien Bilder und sogar Videos aus menschlicher Gehirnaktivität mittels funktioneller MRT rekonstruiert haben, bietet das Mausmodell unterschiedliche Vorteile. Das Calcium-Imaging bietet eine Einneuron-Auflösung, die MRT nicht erreichen kann, was Forschern ermöglicht, die präzisen Beiträge einzelner Zellen und neuronaler Schaltkreise zur visuellen Verarbeitung zu untersuchen.
Mäuse ermöglichen auch kontrollierte experimentelle Bedingungen und genetische Werkzeuge, die in menschlichen Studien nicht verfügbar sind. Die Forscher konnten präzise manipulieren, welche Neuronen aufgezeichnet wurden, ihre Ergebnisse über mehrere Tiere hinweg überprüfen und ihre Ergebnisse auf die umfangreiche vorhandene Literatur zur visuellen Neurowissenschaft von Mäusen beziehen.
Auswirkungen auf Gehirn-Computer-Schnittstellen
Die Ergebnisse sind direkt relevant für die Entwicklung von Gehirn-Computer-Schnittstellen, die darauf abzielen, das Sehvermögen bei Menschen mit Blindheit oder Sehbehinderung wiederherzustellen. Das Verständnis, wie visuelle Informationen auf neuronaler Ebene kodiert werden, ist eine Voraussetzung für den Aufbau von Prothetiksystemen, die entweder visuelle Absichten dekodieren oder künstliche Sehsignale ins Gehirn liefern können.
Aktuelle visuelle Prothesen, wie Netzhautimplantate, bieten nur rudimentäres Sehen mit begrenzter Auflösung. Durch den Nachweis, dass umfangreiche visuelle Informationen aus kortikaler Aktivität extrahiert werden können, deuten die UCL-Arbeiten darauf hin, dass zukünftige Cortex-Prothesen möglicherweise viel qualitativ hochwertigere visuelle Erfahrungen ermöglichen könnten.
Machine Learning treibt den Fortschritt voran
Der Erfolg der Rekonstruktion hing stark von modernen Deep-Learning-Architekturen ab. Das Team setzte Convolutional Neural Networks ein, die auf großen visuellen Datensätzen trainiert waren, um als Priors für den Rekonstruktionsprozess zu dienen, und lehrte den Algorithmus dabei im Wesentlichen, wie natürliche Videos typischerweise aussehen. Dieses Vorwissen half dabei, Details auszufüllen, die allein die neuronalen Daten nicht auflösen konnten.
Der Ansatz baut auf einem wachsenden Körper von Arbeiten auf, die Neurowissenschaften und AI kombinieren. Computational-Modelle des Gehirns leihen sich zunehmend Techniken von AI aus, während AI-Forscher sich von biologischen neuronalen Schaltkreisen inspirieren lassen. Diese Kreuzbestäubung beschleunigt den Fortschritt in beiden Bereichen.
Ethische Überlegungen und zukünftige Richtungen
Mit der Verbesserung der Technologie zur neuralen Dekodierung werden Fragen zu mentaler Privatsphäre und Zustimmung drängender. Obwohl aktuelle Techniken invasive Gehirnaufzeichnungen und kontrollierte Laborbedingungen erfordern, wirft die Trajektorie der Technologie wichtige Diskussionen darüber auf, wie Gehirndaten geschützt und reguliert werden sollten.
Das UCL-Team plant, ihre Arbeiten auf komplexere visuelle Reize auszudehnen, einschließlich natürlicher Szenen und sozialer Interaktionen, und zu untersuchen, wie sich die visuelle Verarbeitung während des Lernens und der Gedächtnisbildung ändert. Sie zielen auch darauf ab, die Rekonstruktionsqualität zu verbessern, indem sie aus größeren Populationen von Neuronen in mehreren an der visuellen Verarbeitung beteiligten Gehirnbereichen aufzeichnen.
Dieser Artikel basiert auf Berichten von Interesting Engineering. Lesen Sie den Originalartikel.
