非参数稀疏层次模型描述V1 fMRI对自然图像的响应

的一部分神经信息处理系统进展21（NIPS 2008）

作者

Vincent Q.Vu、Bin Yu、Thomas Naselaris、Kendrick Kay、Jack Gallant、Pradeep Ravikumar

摘要

我们提出了一种新的分层非线性模型，用于预测自然图像诱发的V1区大脑活动。在此报告的研究中，通过功能性磁共振成像（fMRI）测量大脑活动，这是一种非侵入性技术，可间接测量小体积（~2mm立方）脑组织上的神经活动。我们的模型，我们称之为SpAM V1模型，是基于一个合理的假设，即fMRI测量反映了V1中大量简单和复杂细胞的（可能非线性）合并、整流输出。它有一个层次过滤阶段，由三层组成：模型简单单元格、模型复杂单元格，以及第三层，其中复杂单元格被线性合并（称为“合并-复杂”单元格）。然后，池化阶段将测量的fMRI信号作为一个稀疏加性模型（SpAM），在该模型中，将模型复数单元和模型池复数单元输出的稀疏非参数（非线性）组合求和。我们的结果表明，SpAM V1模型比仅提供模型复杂细胞的线性池的基准模型更好地预测自然图像引起的fMRI反应。此外，为每个体素估计的SpAM V1模型的空间感受野、频率调谐和方向调谐曲线似乎与V1的已知特性以及之前对此数据集的分析一致。应用于SpAM V1模型的可视化过程表明，大多数非线性池由简单的压缩或饱和非线性组成。