[논문 리뷰] Maximally informative dimensions: Analyzing neural responses to natural signals

Tatyana O. Sharpee, Nicole C. Rust외 1명|ArXiv.org|2002. 08. 14.

Neural dynamics and brain function참고 문헌 29인용 수 13

한 줄 요약

이 논문은 신경 반응과 자연 자극 간의 정보를 최대화하기 위해 저차원 투영에 대한 상호정보량 최대화를 사용하여 관련 자극 차원을 식별하는 방법을 제안한다. 전통적인 상관관계 기반 방법과 달리, 비정규분포이면서 상관관계가 강한 자연 자극 조건에서도 작동하며, 표준 역상관관계 방법이 실패하는 경우에도 비선형 입력-출력 함수를 성공적으로 복원한다.

ABSTRACT

We propose a method that would allow for a rigorous statistical analysis of neural responses to natural stimuli, which are non-Gaussian and exhibit strong correlations. We have in mind a model in which neurons are selective for a small number of stimulus dimensions out of the high dimensional stimulus space, but within this subspace the responses can be arbitrarily nonlinear. Existing analysis methods are based on correlation functions between stimuli and responses, but these methods are guaranteed to work only in the case of Gaussian stimulus ensembles. As an alternative to correlation functions, we maximize the mutual information between the neural responses and projections of the stimulus onto low dimensional subspaces. The procedure can be done iteratively by increasing the dimensionality of this subspace. Those dimensions that allow the recovery of all of the information between spikes and the full unprojected stimuli describe the relevant subspace. If the dimensionality of the relevant subspace indeed is small, it becomes feasible to map out the neuron's input-output function even under fully natural stimulus conditions. These ideas are illustrated in simulations on model visual neurons responding to natural scenes.

연구 동기 및 목표

• 강한 상관관계가 있는 비정규분포 자연 자극에 대한 신경 반응을 분석하기 위한 통계적 방법을 개발한다.
• 신경 맥락 반응에 가장 많은 정보를 담고 있는 자극의 저차원 부분공간을 식별한다.
• 선형성이나 정규분포 자극 집합을 가정하지 않고, 뉴런의 입력-출력 함수를 재구성한다.
• 자연스러운 조건에서 기존의 역상관관계 및 스파이크 유도 공분산 방법의 한계를 극복한다.

제안 방법

• 신경 반응(스파이크)와 자극의 저차원 부분공간에 대한 투영 간의 상호정보량 I를 최대화한다.
• 정보 수익이 최대가 되는 방향을 순차적으로 추가하는 반복 최적화 절차를 사용한다.
• 관련 부분공간(RS)을 정의한다. 이는 반응에 포함된 전체 정보를 함께 설명하는 벡터들의 집합이다.
• 실험적 스파이크 유도 및 배경 자극 분포를 사용하여 베이즈의 정리에 따라 입력-출력 함수 f(s₁,…,sₙ)를 추정한다.
• 자연 풍경에 대한 비선형, 비정규분포 반응을 보이는 시뮬레이션된 뉴런에 이 방법을 적용한다.
• 지역 최대값을 피하기 위해 확률적 최적화(시뮬레이티드 어닐링)를 사용하여 최적의 자극 투영 방향을 탐색한다.

실험 결과

연구 질문

• RQ1 강한 상관관계가 있고 비정규분포인 자연 자극 집합에서, 신경 맥락 반응에 대해 최대 정보를 지닌 관련 자극 차원을 어떻게 식별할 수 있는가?
• RQ2 자극이 강하게 상관되고 비정규분포일 경우, 상호정보량 최대화가 기존의 상관관계 기반 방법보다 우월한가?
• RQ3 이 방법을 사용하여 실험 데이터로부터 감각 뉴런의 비선형 입력-출력 함수를 어느 정도 정확하게 재구성할 수 있는가?
• RQ4 표준 역상관관계가 실패하는 경우, 예를 들어 OR 유형의 비선형성을 가진 복합 세포 모델에서는 이 방법이 어떻게 작동하는가?
• RQ5 진짜 관련 부분공간과 정보 최대화에 의해 식별된 부분공간 간의 관계는 어떠한가?

주요 결과

• 두 개의 관련 방향을 가진 모델 복합 세포의 경우, 진짜와 추정된 법선 벡터 간의 내적 값이 0.8로, 관련 부분공간을 성공적으로 복원하였다.
• 한 개의 투영 방향만을 사용했을 때, 자연 자극 조건에서도 스파이크당 총 정보의 약 60%만 복원되었다.
• 이중 부분공간의 재구성 오차는 N⁻¹_spike 비례로 감소하였으며, 이는 단순 세포에서 관찰된 행동과 유사했다.
• 강한 비선형성과 대칭적인 반응 함수로 인해 스파이크 유도 평균이 0이 되는 경우, 이 방법이 역상관관계보다 우수한 성능을 보였다.
• 비정규성과 자극 간 상관관계에 대해 이 방법은 강인하며, 기존 방법이 실패하는 조건에서도 정확한 부분공간 식별이 가능하다.
• 관련 부분공간이 식별된 후에는 실험 히스토그램을 기반으로 입력-출력 함수를 정확하게 매핑할 수 있었다.