[論文レビュー] Testing our conceptual understanding of V1 function

Urs Köster, Bruno A. Olshausen|arXiv (Cornell University)|Nov 4, 2013

Neural dynamics and brain function参考文献 14被引用数 4

ひとこと要約

本研究は、高時間分解能の自然映像と32チャネルのシリコンプローブを用いて昏睡状態のネコの全皮質層から記録することで、V1機能の標準モデルを検証した。多くのニューロン、特に深層に位置するニューロンが、線形または複雑細胞モデルではうまく捉えきれない非線形で非古典的受容野反応を示すことが判明した。RBFおよび非パラメトリックモデルは、単一試行応答の予測において従来のモデルを上回った。

ABSTRACT

Here we test our conceptual understanding of V1 function by asking two experimental questions: 1) How do neurons respond to the spatiotemporal structure contained in dynamic, natural scenes? and 2) What is the true range of visual responsiveness and predictability of neural responses obtained in an unbiased sample of neurons across all layers of cortex? We address these questions by recording responses to natural movie stimuli with 32 channel silicon probes. By simultaneously recording from cells in all layers, and taking all recorded cells, we reduce recording bias that results from "hunting" for neural responses evoked from drifting bars and gratings. A nonparametric model reveals that many cells that are visually responsive do not appear to be captured by standard receptive field models. Using nonlinear Radial Basis Function kernels in a support vector machine, we can explain the responses of some of these cells better than standard linear and phase-invariant complex cell models. This suggests that V1 neurons exhibit more complex and diverse responses than standard models can capture, ranging from simple and complex cells strongly driven by their classical receptive fields, to cells with more nonlinear receptive fields inferred from the nonparametric and RFB model, and cells that are not visually responsive despite robust firing.

研究の動機と目的

• ニューロンが古典的受容野を有する線形または位相不変な複雑細胞として機能すると仮定するV1機能の標準モデルに挑戦すること。
• 動きのあるバーまたはグレーティングを用いた視覚的応答細胞の「ハンティング」を避けるために、全皮質層を同時に記録することでサンプリングバイアスを低減すること。
• 全層にわたるV1ニューロンの偏りのないサンプルにおける視覚的応答性と応答の予測可能性の真の範囲を評価すること。
• 非線形モデル（RBFおよび非パラメトリック手法）が、標準の線形または位相不変モデルに比べて、自然映像に対する単一試行応答をよりよく予測できるかどうかを評価すること。

提案手法

• 300 Hzの高フレームレートで提示された自然映像中に、昏睡状態のネコの全皮質層から32チャネルのシリコンポリトロードを用いてマルチユニット活動を記録した。
• 刺激をCRTリフレッシュレートに合わせて150 Hzにダウンサンプリングし、カットや輝度変化に起因するアーチファクトを避けるために、強い自然的運動を示すシーンのみを選択した。
• 非パラメトリック（オラクル）モデリングを適用して、特定のモデル構造を仮定しないまま応答の予測可能性の上限を推定した。
• 線形フィルタと位相不変エネルギーモデルを用いて、単純細胞および複雑細胞の受容野に対して一般化線形モデル（GLM）をフィッティングした。
• 非線形で非古典的受容野反応をモデル化するために、ラジアル基底関数（RBF）サポートベクターマシンを用いた。
• 受信者操作特性（ROC）曲線と決定係数（r²）を用いてモデルの性能を評価し、特に単一試行の予測精度に注目した。

実験結果

リサーチクエスチョン

• RQ1 V1ニューロンは、動きのあるバーまたはグレーティングといった標準的刺激と比較して、動的で自然なシーンの空間的・時間的構造に対してどのように反応するか？
• RQ2 全皮質層にわたる偏りのないニューロンサンプルにおける、視覚的応答性と応答の予測可能性の真の範囲は何か？
• RQ3 標準の線形および複雑細胞モデルが、自然条件下におけるV1ニューロンの応答多様性をどの程度うまく捉えていないか？
• RQ4 RBF分類器などの非線形モデルは、自然映像に対する単一試行応答の予測において、従来の線形および位相不変モデルを上回ることができるか？

主な発見

• 視覚的応答性は層II/IIIおよびIVで最も高く、線形フィルタモデルが最もよく機能した。これは、過去の研究においてこれらの層に偏ったサンプリングバイアスがあったことを示唆している。
• 特に深層に位置するニューロンの顕著な割合が、標準の線形または複雑細胞モデルではうまく捉えきれない非線形で非古典的受容野反応を示した。
• 非パラメトリック（オラクル）モデルは、単一試行応答の分散の63％を説明した。これは、最良の可能なモデルですら応答変動の一部しか捉えていないことを示唆している。
• RBF分類器は、複雑で非線形なチューニング特性を示すニューロンの単一試行応答予測において、標準モデルを上回った。
• ROC解析ではAUCが80％と高く、曲線の膝部分で真陽性より偽陽性が多かった。これは、単一試行の予測可能性が限定的であることを示している。
• PSTHに基づく相関係数51％は高いと見なされたが、モデルは鋭い時間的トランジェントを捉えておらず、試行ごとの変動をモデル化する際の限界を浮き彫りにした。