神經(jīng)工程中的一個基本挑戰(zhàn)是確定對感覺系統(tǒng)的適當人工輸入，以產(chǎn)生所需的感知。在神經(jīng)假體中，這一過程被稱為人工感覺編碼，它在修復裝置恢復殘疾人的感覺知覺中起著至關重要的作用。例如，在視覺假體中，人工圖像編碼的一個關鍵方面是將攝像機捕獲的圖像下采樣到與假體的輸入數(shù)量和分辨率匹配的大小。
洛桑聯(lián)邦理工學院Diego Ghezzi等發(fā)現(xiàn)與無學習下采樣方法相比，使用視網(wǎng)膜網(wǎng)絡的固有計算對圖像進行下采樣會產(chǎn)生更好的性能。
本文要點：
（1）
作者驗證了一種基于學習的方法，該方法利用了在移植的小鼠視網(wǎng)膜中測量的從光感受器到視網(wǎng)膜神經(jīng)節(jié)細胞的信號轉換。框架生成下采樣圖像，與無學習方法生成的圖像相比，該圖像以更高的神經(jīng)元可靠性在計算機上和體外引發(fā)神經(jīng)元響應。在學習過程中，演員網(wǎng)絡學習優(yōu)化對比度和內(nèi)核的權重。
（2）
這種方法可能會指導未來視覺假體的人工圖像編碼策略。最終，這個框架可以應用于其他感覺假體的編碼策略，如耳蝸或肢體。
參考文獻:
Leong, F., Rahmani, B., Psaltis, D. et al. An actor-model framework for visual sensory encoding. Nat Commun 15, 808 (2024).
DOI: 10.1038/s41467-024-45105-5
https://doi.org/10.1038/s41467-024-45105-5
