مدل رمزگذاری میدان تاثیر برای بینایی طبیعی دینامیکی

مدل های رمزگذاری برای پیش بینی فعالیت مغز انسان در پاسخ به محرک های حسی مورد استفاده قرار می گیرند. هدف این مدل ها توضیح دادن نحوه ارائه اطلاعات حسی در مغز است. شبکه های عصبی کانولوشنی که به وسیله تصاویر آموزش دیده اند قادر به رمزگشایی داده های تصویربرداری رزونانس مغناطیس عملکردی از انسان ها در حال مشاهده تصاویر طبیعی هستند. با در نظر گرفتن تابع پاسخ همودینامیک، این شبکه ها بدون داشتن هیچ مکانیسم بازگشتی یا پسخور قادر به تخمین میزان اکسیژن خون وابسته به سطح برای تصاویر ویدیویی نیز هستند. برای این منظور از نقشه های ویژگی استخراج شده از شبکه عصبی کانولوشن و مفهوم میدان تاثیر در مدل رمزگذاری استفاده شده است. فرض اصلی در این مدل این است که برای هر واکسل یک منطقه مکانی در نقشه ویژگی کدگذاری می شود و این مناطق برای همه نقشه های ویژگی ثابت است. سهم هر نقشه ویژگی در فعالیت واکسل از طریق وزن مربوطه مشخص می شود.

در این پژوهش سه داوطلب سالم در حال تماشای مجموعه ای از تصاویر ویدیویی هستند. این مجموعه حاوی تصاویری است که نمایانگر بینایی طبیعی در زندگی واقعی است. داده های ام آر آی و اف ام آر آی با استفاده از کویل های سطحی ارایه فازی 3 تسلا سیستم ام آر آی گرفته شده است.

داده ها نشان داد که قشر بینایی انسان دارای ساختاری سلسله مراتبی است. نواحی دیداری اولیه دارای میدان تاثیر کوچک تری هستند و به ویژگی های ساده مثل لبه پاسخ می دهند، در حالی که نواحی دیداری سطح بالاتر دارای میدان تاثیر بزرگ تری بوده و به ویژگی های پیچیده تر مانند الگو پاسخ می دهند.

این مدل برای تصاویر ویدیویی ظرفیت تفسیرپذیری بالاتری را نسبت به مدل های پیشین دارد.