新的大脑地图可以改善机器视觉的AI算法

尽管有多年的研究，但大脑仍然包含巨大的造约领域。由来自寒春港实验室和悉尼大学的神经科学家领导的科学家团队最近发现了新的证据，修改了使用来自Marmosets的数据的灵长类大脑视觉系统组织的传统观点。这种大脑的重新映射可以作为理解高度复杂的视觉系统工作的未来参考，并可能影响机器视觉的人工神经网络的设计。

为了追求整体——脑在marmosets中的连接，团队发现，灵长类动物视觉系统的部分可能与先前的想法不同。映射出不同类型的细胞连接可以帮助研究人员了解一群细胞在音乐会上扮演中继和过程感觉信息从外面的环境到大脑。

在他们的研究中，研究小组观察了丘脑大脑结构位于脑干之上，由不同的细胞核（被包装在一起的细胞或神经元组），以为中继和坐标传感信息脑皮质它通常被认为是高级认知功能的所在地。

研究人员传统上将不同的硫核核作为中继核或关联核分类。例如，视觉丘脑含有横向胰核（LGN），被认为是从视网膜到视觉皮层的信息的继电器和视觉脉冲，这被认为是对多思索协调和关注的负责。

新的研究发现，相同类型的细胞存在于LGN和视觉脉冲的特定区域中。这些细胞被发现的研究人员形成与皮质相同的连接性，这意味着LGN和Pulvinar的这些子隔室可以共享相同的功能，并以先前预期的方式协作。

该研究也很重要，因为这是第一次对灵长类动物进行这种类型的脑部映射，这具有与人类类似的脑结构。

“颌部在啮齿动物模型中没有很好的定义，这就是这项针对灵长类动物的特殊研究的价值所在，它将适用于人类，”CSHL教授帕塔·米特拉实验室的计算科学经理霍炳兴(音译)说，他是这项研究的第一作者。他们的研究结果发表在欧洲神经科学杂志。

本研究是该组在此Marmoset数据集发布的第二件数据分析。这一系列的研究表明，在分析整个大脑的数据中更细节，“我们可能需要重绘人们所吸引的一些传统界限，或者重新分类人们归因于大脑部分的功能，”Mitra说，“这项研究的高级作者。

除了这些发现的基础科学意义之外，米特拉还提出了在人工智能方面的可能应用。

米特拉说:“人们开发的算法是基于对视觉系统解剖的过时观点。”“随着我们对它的更好理解，也许这将允许我们对机器视觉的网络算法进行新的思考。”

---

---