Frontal Eye Fields.pptVIP

FEF(Frontal Eye Fields);眼球运动;前额眼动区;前额眼动区的局部回路模型模拟了新皮质的分层结构。这个模型首先会解释它的功能体系结构，接着是积分发放神经元、突触的细节，最后是连接模式的描述。;层与层之间的职能分立。眼跳眼球运动的控制需要几个计算步骤：目标选择，预定目标位置的注意力分配，驱动眼球运动的运动输出。;这里，我们不需要模拟这些认知过程的细节而是将它们浓缩在一个称为REC(认知)的皮质模块，它是与前额眼动区相互作用的。;前额眼动区模型回路接受两个外部输入，一个是视网膜定位的视觉输入，代表了从早期的视觉区域输入，另一个是当呈现固定刺激时激活的固定输入。;第4层的神经元从早期视觉区域中接受一个背侧的，非特定特征的视觉输入，并选择那些输入的最强的视网膜位置。;第2/3层神经元在选定目标的位置将第4层的相位信号转换为一个注意力信号，直到眼跳时储存。它们连接到REC模块，在当前参与的视网膜位置进行激活功能检测和识别。因此，它们向注意焦点发送信号。当一个目标被“识别”时这个REC模块作为回应发送一个信号返回前额眼动区的第2/3层。;此外，第2/3层神经元驱动第5层的运动神经元。因此，第2/3层神经元可以被认为是产生一个注意力信号和一个运动计划。;第5层由两种功能类型的神经元组成：“增强”运动神经元（L5r），显示活动增加；和“簇”运动神经元（L5b），将运动信号输出到上丘和脑干。固定神经元抑制了第5层的活动增加。;第6层也有两种功能类型的神经元：一种（L6a）是由第2/3层驱动因此和注意力相关；另一种（L6s）是通过来自层5b的眼跳活动驱动。第6层神经元投射回第4层并偏向视觉选择。;在某些条件下，在缺乏视觉输入情况下第6层神经元会兴奋第4层神经元。它们提供一个“自上而下特点”的信号，该信号能够在第4层里影响视觉选取甚至诱发一个“类视觉”信号，它是由内部产生的看起来像是对一个真实视觉输入的响应。;右边是前额眼动区模型的层状视网膜定位结构。视觉空间代表了沿着如图所示的横轴，灰框是兴奋性神经元的数量，黑色边界的白框代表抑制性神经元的数量。方框的大小与神经元数量相对应。（例如，在层2/3，灰框代表了100个兴奋性神经元，白框代表25个抑制性神经元）;21处不同视网膜位置：在第4层和第2/3层每个视网膜位置包含了100个兴奋性和25个抑制性神经元。在第5层，40种兴奋性和25种抑制性增强神经元（层5r）和相同数量的簇神经元（层5b）插入。;第6层包含了50个与注意力相关的和50个与眼跳相关的兴奋性神经元在视网膜每个位置。最后，100种固定神经元被包含在网络里。模型内的兴奋性和抑制性神经元的最终比例是3.6:1（7980:2200），接近理想比例4：1。;A.局部自激（只显示1个视网膜位置）。B.所有抑制性群体的总体兴奋（只显示一个传出兴奋种群）。C.局部抑制连接。底部，对于三个样本抑制性神经元随机连接到50%的兴奋性神经元的连接的随机选择的插图，权重的分布通过右边的柱状图表示。均匀分布的最小，最大和平均值由水平虚线表示。;;识别模块的执行和映射规则;;前额眼动区的局部回路模型模拟了几种不同的任务;E4→E2/3 →I4;第4层的兴奋性神经元是视觉神经元，对于视觉输入显示了一个瞬态的反应;一组特殊的神经元代表了中央凹。在层2/3的中央凹神经元活性增加标记了关注焦点是在中央凹上。 来自层5b的兴奋性反馈确保了在每次眼跳后???个中央凹注意力被激活。 在外部固定输入打开时，固定神经元反应强烈。他们的活动在接近眼跳时受到抑制，归咎于来自层5r抑制性神经元的输入.在每次眼跳后，来自层2/3中央凹神经元的兴奋性输入会兴奋固定神经元。;在视觉眼跳过程中，第4层总是选取视觉目标，第2/3层发送注意力焦点到目标上。如果网络参与了一个反向眼跳特征刺激，在REC模块内相对应的特征探测器群体则进行响应。 从反向眼跳特征探测器的输入增加了层6a的所有群体的活动。特别是，来自层2/3的输入导致了层6a的高发放比率。 除了这个映射，识别信号（图6A，右下）兴奋层2/3的抑制性神经元，因此抑制了层2/3的活动。 识别信号必须转移层2/3的注意力焦点并远离视觉目标。在眼跳重置网络活动之后，在层2/3的抑制性神经元增强发放。;在不反应任务中，来自在REC模块里的不反应特征探测器的规则输入只将中央凹群体设为目标，导致了一个准视觉信号和一个注意力转移返回中央凹（图6B）。 识别信号允许注意力转移再次发生。没有它，层2/3的兴奋性神经元将保持活跃直到一个眼跳发生在视觉输入的位置上。;正向眼跳和反向眼跳试验的比较;正向眼跳和反向眼跳试验的比较;一个持续视觉场景的扫描