视网膜建模的研究现状与进展探讨.docx

摘要　视网膜模型的建立是视网膜视觉假体中一个重要组成部分。视网膜模型是从已知的生理知识和实验数据出发模拟视网膜处理信息的功能,研究输入图像和输出神经冲动的关系。我们可以根据视网膜模型的原理将其分为硬件实现模型和算法模型。本文就对视网膜建模的国内外研究现状进行分析和讨论。　　关键词　人工视觉假体　视神经视觉假体　视网膜视觉假体　人工神经网络　神经生理模型 1　引　言视觉是人类获得信息的一个重要途径。然而世界上有很多人存在不同程度的视觉障碍,不能通过视觉获得信息。所以建立人工视觉假体来帮助盲人恢复视力有重要的意义。　　视觉是一个非常复杂的神经生理活动过程。光信息医学论文网从1·3亿个光感受细胞输入,通过复杂的处理由100多万个神经节细胞产生相应神经冲动,经视神经、视交叉、视束传到外侧膝状体,再经视中枢的复杂处理,最终形成视觉。对于某些有视觉障碍的人(如老年黄斑变性、色素性视网膜炎)来说,他们的大部分视网膜细胞和视神经细胞都保存完好。所以可以尝试在视网膜上设计视觉假体,通过将视觉信息转换为电刺激来刺激视网膜上未受损的部分来部分重建视觉。　　本文我们讨论的视网膜模型可为视网膜上(epiretinal)视觉假体、视网膜下(subretinal)视觉假体和视神经(optic nerve)视觉假体的设计视网膜模型服务。视网膜上视觉假体的研究目前主要有Humayun等[1~3]和Rizzo等[4]小组进行。视网膜上视觉假体需要从外界如摄像头获取图像,通过处理后转换为电刺激传给植于视网膜最上层的微电极阵列来刺激神经节细胞。视网膜下视觉假体的研究目前主要有Zrenner[5]、Chow[6]和Sachs等[7]小组在进行。视网膜下视觉假体通过光电二极管把光转换为电流来刺激色素上皮层与双极细胞之间的区域。视神经视觉假体的研究目前主要有Verrart等[8~11]和Fang等[12,13]小组进行。　　2　视网膜简介视网膜的结构非常复杂。根据其细胞的功能的不同可以分为5类,即光感受细胞、水平细胞、双极细胞、无长突细胞和神经节细胞。神经节细胞的轴突穿过眼球组成了视神经。而光感受细胞还可被分为视杆细胞和视锥细胞。视网膜上视觉最敏锐的区域叫黄斑区,其中央有一直径1·5 mm的中央凹。　　在中心凹处主要集中的是视锥细胞,在中央凹以外视杆细胞逐渐增多。　　视网膜的刺激传递是从光感受细胞到双极视网膜模型细胞最后传到神经节细胞产生放电。水平细胞和无长突细胞则构成视网膜传递的横向结构。光感受细胞的主要功能是接受光刺激。视锥细胞主要对强光敏感,而视杆细胞主要对弱光敏感。光感受细胞的电反应强度与细胞膜色素分子吸收的光子个数有关。　　水平细胞位于光感受细胞下方,通过化学传递来接受光感受细胞的信号以及和其相邻层的电信号。水平细胞的作用相当于一个低通滤波器,为双极细胞提供一低频信号。双极细胞可以接受或抑制水平细胞和光感受细胞传来的信号,双极细胞根据其感受野的中心极性可以分为on和off两类。无长突细胞和水平细胞一样都是横向结构的细胞。无长突细胞接受双极细胞及其他无长突细胞的信号,它是首先产生神经冲动的细胞。它的反应与所给刺激的特性有关,并且各个细胞体都有所差异。无长突细胞对运动较为敏感。神经节细胞分为瞬时和持续两类,它主要接受双极细胞和无长突细胞的信号然后产生神经冲动,通过轴突传递到视神经。　　3　视网膜模型 3.1　基于算法的模型基于算法的模型是应用人工神经网络、实验数据及数学算法等通过调节模型中的参数达到最优效果来模拟视网视网膜模型膜功能。　　3.1.1　人工神经网络模型　应用人工神经网络来进行视网膜建模十分普遍,因为视网膜有很明确的分层结构。同时,在视觉假体中实现人的视觉重建是一个不断学习的过程,所以应用人工神经网络的各个学习算法来进行模型优化是可行的。　　①Cellular Neural Network (CNN)网络对视网膜建模提供了良好的基础,因为CNN网络和视网膜结构有着很多相似之处。CNN网络是一个非线性计算仿真网络。CNN计算网络框架的所有基本单元都是一阶的RC细胞。所有细胞间的冲动传递都是空间不变的,并且只能在相邻的层间作用。它的所有非线性的突触连接是突触前电压单调连续函数。冲动传递的时间间隙是连续的。用CNN网络对视网膜建模一般分成三步,即构造框架、选择参数、选择刺激。CNN模型为视网膜结构提供了一个有效、灵活的模拟。　　目前美国和奥地利的Werblin等[14,15]采用CNN网络对视网膜进行研究。该视网膜模型运用了多层CNN网络来实现。生理学上的每个视网膜层由一层CNN网络来模拟,通过CNN网络的结构和参数的调节来模拟从光感受器到神经节细胞各个部分的视网膜结构。两种分别控制运动和边缘检测的神经节细胞有着相同的结构,可以通过双极细胞传播和无