Kodierung statischer natürlicher Bilder mit Hilfe von Spike-Ereigniszeiten: Kooperieren Neuronen?

Um mögliche Strategien der zeitlichen Spike-Kodierung im zentralen Nervensystem zu verstehen, untersuchen wir funktionale neuromimetische Modelle der visuellen Verarbeitung für statische Bilder. Zunächst präsentieren wir das von Van Rullen und Thorpe eingeführte Retinamodell, das die Multiskalen-Kontrastwerte des Bildes mithilfe einer orthonormalen Wavelet-Transformation darstellt. Diese analogen Werte aktivieren eine Reihe von spikenden Neuronen, die jeweils einmal feuern, um eine asynchrone Welle von Spikes zu erzeugen. Laut diesem Modell kann das Bild aufgrund von Regelmäßigkeiten in den Statistiken der Koeffizienten, die mit natürlichen Bildern bestimmt werden, schrittweise aus dieser Spike-Welle rekonstruiert werden. Hier untersuchen wir mathematisch, wie die Qualität der Informationsübertragung, die durch diese zeitliche Darstellung vermittelt wird, im Laufe der Zeit variiert. Insbesondere untersuchen wir, wie diese Regelmäßigkeiten genutzt werden können, um die Informationsübertragung zu optimieren, indem eine Form der zeitlichen Kooperation von Neuronen verwendet wird, um analoge Werte zu kodieren. Das ursprüngliche Modell verwendete Wavelet-Transformationen, die nah an orthogonal sind. Allerdings überlappen sich die Selektivitäten realistischer Neuronen, und wir schlagen eine Erweiterung des vorherigen Modells vor, indem wir eine räumliche Kooperation zwischen Filtern hinzufügen. Dieses Modell erweitert das vorherige Schema für arbiträre und möglicherweise nicht-orthogonale Darstellungen von Merkmalen in den Bildern. Insbesondere haben wir die Leistung zunehmend überkompletter Darstellungen in der Retina verglichen. Die Ergebnisse zeigen, dass dieser Algorithmus eine effiziente Spike-Kodierungsstrategie für die Verarbeitung von niedrigeren visuellen Informationen bietet, die sich an die Komplexität des visuellen Inputs anpassen kann.