视网膜假体视觉信息处理模型_图文

1、基金项目:科技部973项目(2005CB724302;国家自然科学基金(30870649收稿日期:20100610修回日期:20100727第28卷第3期计算机仿真2011年3月文章编号:10069348(201103023804视网膜假体视觉信息处理模型裴智军,乔清理,艾慧坚(天津医科大学生物医学工程学院,天津300070摘要:视觉假体方案是神经工程领域用于部分或完全恢复视觉的主要手段,建立生物视网膜模型,并仿真其视觉信息处理功能,是视网膜假体研究中的一个重要组成部分。从已知的生理机制出发,提出两层结构的视网膜信息处理模型:外网状层(Out Plexiform Layer ,OPL 信息提取

2、和内网状层(Inner Plexiform Layer ,IPL 信息编码,通过时空滤波、静态非线性调整和泊松峰电位产生,建立输入刺激图像和输出峰电位序列之间的直接关系,并在MATLAB 平台上结合其图形模块进行仿真研究,得到了与内、外网状层处理结果对应的边缘轮廓图像和携带视觉信息的峰电位序列,为视网膜假体研究提供了一种理论上的可行性模型。关键词:视网膜假体;时空滤波器;静态非线性调整;泊松峰电位发生中图分类号:R3180文献标识码:AModeling of Visual Information Processing in Retinal ProsthesisPEI Zhi jun ,QIAO

3、 Qing li ,AI Hui jian(School of Biomedical Engineering ,Tianjin Medical University ,Tianjin 300070,China ABSTRACT :Visual prosthesis offers alternative way for partially repairing visual impairmentThe Modeling and sim-ulating of how biological retina encodes visual information with spike trains is a

4、 key issue for the development of a reti-nal prosthesisBased on state of the art retinal physiological mechanism ,a two layered visual information model is brought forwardIt includes the Out Plexiform Layer (OPL for information extraction and the Inner Plexi-form Layer (IPL for information encodingU

5、sing spatiotemporal filter ,static nonlinear rectification and Poisson spike generation ,we establish the relations between input stimulus images and output spike trainsThe simulation re-sult shows us the contour edge images and spike sequences corresponding stimulus imagesA theory model to develop

6、artificial retina for the retinally blind is givenKEYWORDS :Retinal prosthesis ;Spatiotemporal filter ;Static non linear rectification ;Poisson spike generation1引言世界范围内有数百万人患色素性视网膜炎和老年黄斑变性,部分患者导致失明。尽管这些疾病视网膜部分受损,但是视网膜神经节细胞(Retinal Ganglion Cells ,RGCs 和视神经还是完好的。视网膜假体是通过电刺激视路径上未受损的结构,激活视觉通路,在视皮层产生视幻觉

7、(Phos-phenes ,达到治疗目的1。视网膜假体可分为两类:视网膜上假体和视网膜下假体。无论哪种假体要真正有效的应用于临床治疗,植入微电子装置必须能取代视网膜的生物功能,即把作用于感光器的光刺激转化成携带有效视觉信息的峰电位序列。所以,一个有效的视网膜模型是假体的一个必要组成部分,对帮助盲人重获部分有用视力有着重要意义。目前,国外的一些学者已经对视网膜建模做了一些代表性工作。Eckmiller2等设计了基于一系列时空滤波器的视网膜编码模型,最终通过进化策略算法反复调整参数来优化输出图像。Hefnawy3等建立的模型则包括感光层、中间层和神经节细胞,以计算机刺激测试性能,总结了图像响应La

8、-place Gaussian 算子的范围。Zaghloul 4等提出的视网膜模型则具有带通和时空滤波的功能,可实现亮度调节,时间调节及对比度调节。然而上述几类模型仅侧重对刺激图像的压缩、边缘检测和重构,并没有直接把输入刺激图像和输出的峰电位序列联系起来,未能完整实现网膜的生物功能。本文将视网膜内、外突触层看作两个独立的信息处理单元,建立输入图像和输出脉冲序列的直接关系。在考虑视网膜规整分层结构特征的同时,还考虑神经节细胞放电的精细时间结构,从而保持视网膜视觉信息传递的准确性。解决刺激电极向视觉中枢输入什么信息、如何有效输入信息的问题。8322视网膜模型21模型结构 视网膜是视觉神经信息处理的

9、第一级,对光的反应开始于含有视色素的感光细胞,感光细胞的信号通过水平细胞、双极细胞、无长突细胞和神经节细胞连接。由视网膜规整分层结构出发,模型由连续的时空映射单元组成,逐步转换和传递输入信号。建模过程中,仅考虑了视网膜细胞层间联系,忽略同层细胞间相互作用如光传导和适应性等。用箭头表示视网膜不同细胞层间的信息流向。第一部分外网状层包括光感细胞、 水平细胞和双极细胞。这部分在先前模型和视觉生理学实验基础上用线性时空滤波器来建模。第二部分内网状层,是双极细胞、无长突细胞和神经节细胞突触相互作用的地方。实现信号非线性调整和峰电位序列产生。作为视网膜中唯一的输出神经元,神经节细胞将视觉信息传递到后续的视

10、觉皮层中去,信息处理过程如图1。 图1视网膜信息处理流程22外网状层数学模型在外网状层,视网膜的直接输入是光强分布I (x ,y ,t ,感光细胞将其光电转换后的输出传送到双极细胞有两条路径:感光细胞双极细胞的直接突触联系,形成感受野中央信号;感光细胞水平细胞双极细胞的间接突触联系,形成感受野周边信号,二者具有不同的时空轨迹。在模型中,中央和周边信号分别对应不同的线性时空滤波器,它们的空间组分是高斯函数,完成对输入信号的空间平均;时间组分是级联指数函数,可对信号引入一个时间延迟T d =(+1,如图2和图3。可以用S (x ,y =A22exp (x 2+y 222(1T (t =1exp (

11、t t 00t !0(2T ,(t =t !+1exp (tt 00t !(3A 是滤波器敏感度峰值,为高斯函数标准差;是级联的指数核个数,为时间衰减常数。最后由双极细胞整合相互拮抗的中央信号和周边信号:F Bip =F C F S(4图2空间低通高斯核图3时间低通级联指数核F C (x ,y ,t =S C (x ,y T C ,C (t (5F S (x ,y ,t =S S (x ,y T S ,S (t (6V Bip (x ,y ,t =I (x ,y ,t *F Bip (x ,y ,t (70,1是周边信号相对中央信号的权值。哺乳动物视觉生理实验测量表明A C A S ,C S

12、,d C d S 。23内网状层数学模型在内网状层,神经节细胞被近似认为是独立分散的点神经元,互不影响,每个神经元与双极细胞层输出图像的一个像素点相对应。231静态非线性调整人眼视觉系统并不能线性感知外界刺激亮度变化,内网状层的无长突细胞层对传递信号进行非线性调制,可近似认为是静态的56。生物视觉系统中,导致这种信号传递中静态非线性的因素很多,如神经元饱和性、放电阈值等。用一个简化的突触传递函数来表征这种静态非线性调整,外界刺激的强度通过相应的发放率来反映。由下式描述:V Gan =Syn V Bip (x ,y ,t *exp (t (8Syn (V =V max T V max (V V

13、0(9T (x =+xxx !0+(1x (1+xx (10V Gan 是神经节细胞平均发放率,V max 是发放率最大值,V 0是神经元放电阈值,是非线性系数,常数0,1。932232神经节细胞峰电位发生峰电位序列作为一个时间点过程,峰峰时间间隔是携带生物信息的主要因素,具有非常强的随机统计特性。在简单泊松模型基础上考虑神经节细胞峰电位产生的绝对不应期,可大大丰富其放电细节和准确性。视网膜节细胞每个峰电位发生时间定义为7t i +1=t i +ln (V rand V Gan(11V rand 是介于0、1之间的随机数,T Ref 为神经元响应的绝对不应期,服从正态分布(3ms ,1ms 8

14、。233采样生物视网膜呈明显的径向结构,神经节细胞以中央凹为中心区至周边细胞密度以指数形式降低9。与视细胞生理分布相关,人眼视网膜对外界信息的获取是非均匀的(或称空间分辨率,即在视网膜中心有一个高分辨率的“窝区”,而“窝区”外围的分辨率随着中心距离的增大逐步降低。为了提高像素点与神经节细胞匹配精度,这里采用极坐标采样模型。该模型中,均匀分布在同心圆上的采样点N i ,j 坐标定义为:x i ,j =R i cos y i ,j =R i sin (12R i =i1!i M Mi M(13其中,i 是采样圆编号,j 是第i 层上采样点的编号,是采样极角,M 为最大采样半径。3仿真结果应用256

15、256像素的静态灰度图像为仿真输入刺激,如图4。假设图像对应以中央凹为中心55的视场角,1=300m 。图4原始刺激图像31外网状层输出图5、6、7给出时空滤波模型对视觉图像特征信息提取结果。仿真参数为M =128pix ,A C =1,A S =095,C =15pix ,S =45pix ,(C +1C =30ms ,(S +1S =60ms ,可以明显的看到,在=1时,得到刺激图像的清晰边缘轮廓对比信息。与文献10实验测量结果一致 。图5OPL 滤波输出(=08 图6OPL 滤波输出(=0932内网状层输出图8是Sigmoid 型静态非线性调整函数,不同亮度具有不同的缩放因子,与人眼视觉

16、系统非线性特征契合,确保神经节细胞的发放率保持在合理的范围内。图9是与100个采样像素点匹配的视网膜神经节细胞在1秒内的峰电位发放时空序列。仿真参数为V max =70,=005,V 0=006。尽管在视觉生理学试验中,观察到视网膜的峰电位序列与泊松发放过程相比变化性较小,泊松模型仍然是一个有效的编码模型11。采用齐次泊松模型编码得到视网膜神经节细胞响应输出的离散、随机峰电位序列,作为植入电极的输入刺激,以期在相应视皮层映射区得到输入图像的视觉感知。4结论本文基于生物视网膜的双突触层结构,建立具有对刺激042 图7OPL 滤波输出(=1 图8 静态非线性调整函数图9采样RGCs 放电时空序列(

17、=1图像处理与编码功能的视网膜仿真模型,并以MA TLAB 为平台结合其图形模块进行了计算机仿真。在外网状层,加入级联指数时间组分的滤波模型,可同时实现图像边缘检测和运动检测,且可保留更多视觉图像细节。在内网状层,突触传递函数建立图像像素点灰度值与神经节细胞发放率直接联系;应用均匀泊松模型产生峰电位序列,加入神经元刺激响应的绝对不应期,与峰峰电位之间相关性特征相符。尽管该模型有效的反映了视网膜的工作机制,然而相比于生物视网膜,仅仅考虑了细胞层间联系;其次,细胞层间传递方程不是足够精确,信息丢失在所难免。相信随着视网膜相关基础理论的发展,一些现有模型中忽略的生物特性将予以实现,在不久的将来可以建

18、立更为有效的模型来辅助视网膜假体的深入研发,给视网膜疾病致盲患者带来福音。参考文献:1E ZrennerWill retinal implants restore vision J Science ,2002,295(5557:102210252R Eckmiller ,D Neumann ,O BaruthTunable retina encoders forretina implants :why and how J Journal of Neural Engineering ,2005,2:911043E Hefnawy ,A NasrMathematical modeling of h

19、uman eye retinafor solving edge detection problem C The International Socie-ty for Optical Engineering 1999,3817:1461574K A Zaghloul ,K BoahenOptical nerve signals in a neuromorphicchip :Outer and inner retina model J IEEE Trans Biomed Eng ,2004,51(4:6575K I Naka ,H MachucaStatic nonlinearity in the retinal neuron net-work C IEEE 17th Annual Conference ,19956E J ChichilniskyA simple white noise analysis of neural light re-sponses J Network Computation in Neural Systems ,2001,30:8038177L F AbbottTheoretical Neuroscience M Boston :