Décoder le Cerveau Visuel
Les chercheurs de l'University College London ont réalisé une avancée majeure en décodage neural en reconstruisant des extraits vidéo que des souris avaient regardés en utilisant uniquement des enregistrements d'activité cérébrale. Ces travaux représentent une étape importante vers la compréhension de la façon dont le cerveau des mammifères traite et encode les informations visuelles, avec des implications pour les interfaces cerveau-ordinateur et les traitements neurologiques.
L'équipe a utilisé des techniques avancées d'imagerie calcique pour surveiller l'activité de milliers de neurones simultanément dans le cortex visuel de souris alors qu'elles regardaient de courts extraits vidéo. En entraînant des modèles d'apprentissage automatique sur la relation entre les modèles de décharge neuronale et les stimuli visuels, les chercheurs ont pu générer des reconstructions approximatives des vidéos originales à partir des données cérébrales seules.
Des Pics Neuraux aux Images en Mouvement
Le processus de reconstruction a impliqué deux étapes. D'abord, les chercheurs ont construit un modèle d'encodage qui prédisait la façon dont les neurones individuels réagiraient à différentes caractéristiques visuelles telles que les bords, le mouvement, le contraste et les motifs spatiaux. Ce modèle a capturé les propriétés d'ajustement de chaque neurone enregistré dans le cortex visuel.
À la deuxième étape, l'équipe a inversé ce modèle — en fournissant l'activité neuronale enregistrée et en travaillant à rebours pour estimer quelle entrée visuelle aurait probablement produit ces motifs. Les reconstructions résultantes ont capturé la structure générale, le mouvement et les motifs de luminosité des extraits originaux, bien que les détails fins soient restés flous. Les objets et les mouvements étaient reconnaissables à un niveau grossier, démontrant que les informations visuelles substantielles sont préservées dans l'activité neuronale au niveau de la population.
Pourquoi les Souris sont Importantes pour cette Recherche
Bien que des études antérieures aient reconstruit des images et même des vidéos à partir de l'activité cérébrale humaine en utilisant l'imagerie par résonance magnétique fonctionnelle, le modèle souris offre des avantages distincts. L'imagerie calcique offre une résolution à neurone unique que l'IRMf ne peut pas égaler, permettant aux chercheurs d'étudier les contributions précises des cellules individuelles et des circuits neuraux au traitement visuel.
Les souris permettent également des conditions expérimentales contrôlées et des outils génétiques non disponibles dans les études humaines. Les chercheurs pourraient manipuler précisément les neurones qui étaient enregistrés, vérifier leurs résultats dans plusieurs animaux et relier leurs résultats à la littérature existante et extensive sur la neuroscience visuelle de la souris.
Implications pour les Interfaces Cerveau-Ordinateur
Ces résultats ont une pertinence directe pour le développement d'interfaces cerveau-ordinateur visant à restaurer la vision chez les personnes atteintes de cécité ou de déficience visuelle. Comprendre comment l'information visuelle est encodée au niveau neural est un prérequis pour construire des systèmes prothétiques qui peuvent décoder l'intention visuelle ou fournir des signaux visuels artificiels au cerveau.
Les prothèses visuelles actuelles, telles que les implants rétiniens, ne fournissent que la vision rudimentaire avec une résolution limitée. En démontrant que les informations visuelles riches peuvent être extraites de l'activité corticale, les travaux de UCL suggèrent que les futures prothèses corticales pourraient potentiellement fournir des expériences visuelles de qualité beaucoup plus élevée.
L'Apprentissage Automatique Soutient les Progrès
Le succès de la reconstruction a dépendait largement des architectures modernes d'apprentissage profond. L'équipe a employé des réseaux de neurones convolutifs entraînés sur de vastes ensembles de données visuelles pour servir de priors au processus de reconstruction, enseignant essentiellement à l'algorithme à quoi ressemblent généralement les vidéos naturelles. Cette connaissance préalable a aidé à remplir les détails que seules les données neurales ne pouvaient pas résoudre.
L'approche s'appuie sur un corps croissant de travaux combinant neuroscience et intelligence artificielle. Les modèles computationnels du cerveau empruntent de plus en plus des techniques à l'IA, tandis que les chercheurs en IA s'inspirent des circuits neuraux biologiques. Ce croisement pollinisateur accélère les progrès dans les deux domaines.
Considérations Éthiques et Orientations Futures
À mesure que la technologie du décodage neural s'améliore, les questions sur la vie privée mentale et le consentement éclairé deviennent plus pressantes. Bien que les techniques actuelles nécessitent des enregistrements cérébraux invasifs et des conditions de laboratoire contrôlées, la trajectoire de la technologie soulève d'importantes discussions sur la façon dont les données cérébrales doivent être protégées et réglementées.
L'équipe de UCL prévoit d'étendre leurs travaux à des stimuli visuels plus complexes, y compris des scènes naturelles et des interactions sociales, et d'étudier comment le traitement visuel change au cours de l'apprentissage et de la formation de la mémoire. Ils visent également à améliorer la qualité de la reconstruction en enregistrant de plus grandes populations de neurones dans plusieurs zones cérébrales impliquées dans le traitement visuel.
Cet article est basé sur des reportages d'Interesting Engineering. Lire l'article original.
